全民都玩AIGC，你家算力夠勁嗎？

自從ChatGPT一夜之間紅遍全球之后，AI出圖更是一發(fā)不可收拾成為公眾關注的焦點。不少企業(yè)甚至已經(jīng)開始使用AI出圖代替部分設計師的工作，頗有“不會用AI就要被時代淘汰”的勢頭。當然，雖然目前AI出圖在真實物體細節(jié)方面還有較大提升空間，但不能否認的是在未來算力大幅升級、模型大幅進化之后，AI是完全可以勝任部分設計工作的。所以，對AI應用有興趣的朋友現(xiàn)在可以行動起來開始學習啦。不過，工欲善其事必先利其器，那么玩AI出圖，應該用什么電腦呢？

本地AI出圖，高效工具不可少

我們知道，目前AI出圖分了云端和本地兩種計算方式，簡單來說在線方式（例如大名鼎鼎的Midjourney）上手難度較低、對本地電腦硬件基本沒有要求，而且出圖質(zhì)量下限高，很容易就能制作出比較不錯的圖，但是屏蔽了不少提示詞，所以自由度相對較低。此外，一般來講效果比較好的AI云端出圖高級服務都需要付費，而且國內(nèi)訪問也可能受到一定限制。

而本地運算方式，例如StableDiffusion雖然上手難度高，但擴展性與提示詞的自由度極高，因此出圖質(zhì)量上限也極高。最重要的是，StableDiffusion本身以及可用的海量插件與模型都是免費的，自己訓練模型也比較方便，更適合廣大玩家嘗試。

當然，既然是本地計算，要求效率高的話那電腦的硬件性能肯定不能低了。StableDiffusion本地AI出圖主要依靠GPU進行計算（CPU也行，但在并行計算這方面顯然效率遠不及GPU，差了幾個數(shù)量級），同時對整機的配置也有一定的要求。因此，想要玩AI出圖的朋友，升級或者干脆入手一臺高效的新電腦是非常有必要的。

延伸閱讀：StableDiffusion本地部署注意事項

StableDiffusion的本地部署教程其實很多了，隨便一搜一大把，我們這里只簡單總結(jié)一下大家需要注意的幾個點。

●需要安裝GIT，這是安裝StableDiffusionWebUI的先決條件之一。下載地址：https：//git-scm.com/download/win

●需要安裝Python3.10運行環(huán)境。miniconda下載地址：https：//docs.conda.io/en/main/miniconda.html

●使用NVIDIA卡需要安裝cuDNN（CUDA深度神經(jīng)網(wǎng)絡庫）最新版，最新版才能讓RTX40系列發(fā)揮出真正的性能。下載地址：http：//go.cpcw.com/cudnn2023

要是嫌自己部署太麻煩覺得無從下手，也可以直接下載整合包，解壓即可使用。整合包不但包含了StableDiffusion需要的運行環(huán)境（如果運行不正常，也可以按照前面的提示安裝GIT和Python），也設置了一些預設方案，照顧不同配置特別是不同顯存容量的用戶，使用起來確實比較方便，特別適合新手入門。

例如B站UP主“秋葉aaaki”制作的共享整合包，目前最新已經(jīng)升級到V4版，支持CPU和NVIDIA顯卡CUDA加速，大家可以自行去B站下載。此外，目前AMD顯卡在Windows下只能通過DirectML實現(xiàn)StableDiffusion的AI計算加速（Linux環(huán)境下支持面向GPU計算的ROCm開放軟件平臺，最近ROCm即將登陸Windows），效率遠不及NVIDIA顯卡的CUDA，所以只有少數(shù)整合包加入了AMD顯卡需要的DirectML庫（用戶可自行添加），Intel顯卡也差不多是這個情況，因此要本地AI出圖，NVIDIA顯卡幾乎是唯一值得推薦的選擇。

本地AI出圖的電腦配件怎么選？

前面已經(jīng)簡單提到了本地AI出圖主要靠的是GPU計算，不過考慮到整個設計過程并非只包含AI出圖或訓練模型、或者用戶裝臺電腦來也不是只針對AI應用，很可能還包括其他設計或生產(chǎn)力應用需求，所以對整機配件的選擇也是有一定要求的，主要涉及處理器、內(nèi)存和顯卡，而磁盤只要是SSD，足夠存放素材與模型文件就可以了，沒有特別的要求。

處理器

實際上，就算Intel酷睿i913900K這樣的旗艦級處理器，在StableDiffusion中出圖的效率也不過大約是NVIDIA顯卡旗艦RTX4090的1/256、RTX3090Ti的1/141，出一張768×768、采樣步數(shù)50的圖要費時近13分鐘，實在談不上什么效率。所以只有在電腦沒有顯卡支持在StableDiffusion中開啟硬件加速的情況下，才會輪到處理器臨時替補一下。因此，如果只針對AI出圖裝機，對處理器的性能其實沒有什么太高的要求。

不過，就算對處理器沒有特別的要求，但一是考慮到整套電腦的配置不能太老舊，必須要有足夠的擴展性和升級性，二是考慮到整機還有可能完成其他生產(chǎn)力工作，所以在處理器方面我們制定了不同的選擇方向。

●注重性價比，千元級U即可

如果沒有其他大型生產(chǎn)力應用的要求，那么一款最新的千元級U足以滿足裝機需求。Intel方面可以考慮酷睿i513400F，AMD方面可以考慮銳龍57600智酷版。為什么不用更便宜的U？一方面是這兩款都能支持PCIe5.0和DDR5內(nèi)存，未來平臺升級PCIe5.0顯卡（這一點很重要，按照NVIDIA和AMD現(xiàn)在的做法，以后中低端顯卡有很大概率只支持8個PCIe通道，如果處理器或主板不支持PCIe5.0，就會出現(xiàn)帶寬減半的問題）與SSD、擴展內(nèi)存容量更方便一些；另一方面是它們的性能應付主流生產(chǎn)力應用也是能夠勝任的，同時在價格上更加親民。

●注重全能性，可考慮高端多核U

如果電腦還要完成AI出圖之外配套的生產(chǎn)力工作（視頻剪輯、3D渲染輸出），那就對處理器的多線程性能提出了更高的要求，需要選擇核心數(shù)量更多的高端型號。在這里我們優(yōu)先推薦AMD的銳龍7000系列旗艦型號，例如銳龍97950X和銳龍97900X，而Intel酷睿i913900系列和酷睿i713700系列則次之。

究其原因，就是我們在實測中發(fā)現(xiàn)，擁有大量能效核的第13代酷睿在運行包括StableDiffusion在內(nèi)的部分生產(chǎn)力軟件時會出現(xiàn)核心分配不正確的問題，導致重負載進程全部分配給了能效核，性能核則處于閑置狀態(tài)，如此就會使得處理器的運算效率大打折扣。相比之下全是大核的銳龍7000系列就不會出現(xiàn)這樣的問題。

內(nèi)存

既然已經(jīng)決定了選擇銳龍7000或者第13代酷睿平臺，那么DDR5內(nèi)存也是必選了。雖說第13代酷睿也支持DDR4內(nèi)存，但考慮到整機未來的升級空間和對其他生產(chǎn)力應用的需求，明顯也是選擇帶寬更高的DDR5內(nèi)存更合適。

容量方面，StableDiffusion不用處理器來出圖的話，也不怎么吃內(nèi)存，32GB綽綽有余。目前內(nèi)存價格比較給力，雙16GB對于主流整機來說也沒什么壓力，也可以應對更多的生產(chǎn)力應用，所以強烈推薦再省也要上雙16GB。

頻率部分，雖說更高的內(nèi)存帶寬確實能帶來更高的生產(chǎn)力效率，但也要綜合考慮性價比的問題，超過DDR56400的內(nèi)存還是挺貴的，綜合下來DDR56400/6000是綜合性價比最高的型號。此外，如果選擇AMD銳龍7000平臺，那么DDR56400也是極限了，不用考慮更高的型號。

顯卡

終于說到StableDiffusion出圖的主角配件了。前面已經(jīng)提過，StableDiffusion本地出圖首選CUDA生態(tài)圈無可替代的NVIDIA顯卡，用DirectML實現(xiàn)通用計算的AMD顯卡和Intel顯卡都屬于替補（可以期待AMD顯卡Windows版的ROCm實裝后會不會有所改善），效率和兼容性都難以與NVIDIA顯卡相提并論，與其花時間去解決A卡和I卡在StableDiffusion中的各種問題還不如老老實實用N卡省事。

除了GPU的算力之外，StableDiffusion本地出圖最吃的就是顯存了，顯存越大，出圖分辨率也就可以設得越高。以本文后面的文生圖測試為例，入門推薦8GB起步，768×768分辨率夠用（大約最高占用到6.9GB）；再高一些的1024×1024推薦選用12GB顯存的型號（最高占用約9GB）；再往上可選的就是16GB/20GB/24GB的型號。當然，市場中也有魔改的RTX2060/2080Ti可以做到12GB/22GB顯存，但是很明顯這類卡沒有質(zhì)保，所以不推薦普通用戶冒險。然而擁有海量顯存（例如NVIDIAA10080GBPCIe）的專業(yè)計算卡就不是大眾玩家消費得起的了，這里就不再多說。

此外，最近NVIDIATeslaP40/M40等“古董級”純計算卡也是AI出圖玩家關注的焦點，它們具備超大的24GB顯存，而且二手卡價格也非常誘人（M40僅需499元，P40還漲了一波從899元飆到1199元了）。但是，這類計算卡都是被動散熱，玩家拿到手需要手動改散熱器，而且老舊的Pascal與Maxwell架構功耗也非常高，改起散熱來不但成本高，難度也不是普通用戶能夠HOLD住的。還有最重要的一點，老架構不支持FP16半精度計算，而StableDiffusion在半精度模式下可以大幅提升效率并節(jié)省顯存占用，這一點也讓這些老二手卡價值大打折扣，再加上沒有可靠的質(zhì)保，所以也不推薦普通玩家折騰。

當然，也有一些方法可以降低StableDiffusion對顯存的占用，讓一些顯存不太夠的顯卡也可以支持更高分辨率出圖，例如Xformers、MultiDiffusionwithTiledVAE，這就不在本文討論范圍內(nèi)了，有興趣的朋友可以自行研究。

那么，我們正在使用的、可買到的NVIDIA顯卡在StableDiffusion中出圖效率到底如何呢？我們對此也進行了一個橫向測試，大家可以參考一下。

如圖可以看到我們的StableDiffusion出圖設置，默認使用NVIDIA官方提供的CKPT模型，采樣方式為Eulera，采樣步數(shù)設置為50，CFGScale（提示詞相關性）設置為7.5，生成批次為10，每批生成數(shù)量為2，圖像分辨率為768×768。提示詞為：“beautifulrenderofaTudorstylehousenearthewateratsunset，fantasyforest.Photorealistic，cinematiccomposition，cinematichighdetail，ultrarealistic，cinematiclighting，DepthofField，hyper-detailed，beautifullycolor-coded，8k，manydetails，chiaroscurolighting，++dreamlike，vignette”。

從測試結(jié)果來看，除了數(shù)據(jù)條短得都看不見的酷睿i913900K，顯卡這邊的出圖效率基本上就跟價格成正比了，不過RTX4070還是略勝了上代更貴的RTX3080，而且RTX4070本身擁有12GB顯存，相比RTX3080的10GB也更有優(yōu)勢一些。但是，雖說在這樣的設置下RTX4070Ti比RTX3090略快，但不要忘了RTX3090有海量的24GB顯存，比RTX4070Ti的12GB多了一倍，所以在圖像分辨率提高到一定程度之后肯定是可以反超的。至于底部的GTX1660Ti，由于顯存只有6GB，測試中已經(jīng)爆顯存了，因此效率明顯低了很大一截，但即便如此速度也是處理器的7.7倍。

綜合來看，對于主流用戶來講，RTX3060其實是個綜合性價比相對突出的選擇，雖然算力不能與高端卡相提并論，但好在有12GB大顯存，甚至比一些高端卡顯存還大，可以避免一些爆顯存的情況。當然，在資金充足的情況下，顯卡自然是越高級越好了，只是需要注意電源的搭配，畢竟出圖的時候GPU都是滿載狀態(tài)，電源功率不夠那必然是要歇菜的。

AI“設計師”裝機推薦，高中低總有一款適合你

經(jīng)過前面的分析，相信大家已經(jīng)對StableDiffusion的硬件需求有所了解了。如果還是不知道怎么選擇具體的裝機配件，我們也給出了低中高三套方案供大家按圖索驥。這三套方案除了可以滿足StableDiffusion的本地AI出圖需求，也能覆蓋不同檔次的生產(chǎn)力應用。當然，你要用它玩游戲體驗也是不錯的，畢竟“買前生產(chǎn)力，買后……”，懂的都懂。

基礎款：AI出圖+輕度生產(chǎn)力應用

對于主流用戶來講，搭載千元U和RTX3060顯卡的方案完全夠用了。雖然前面我們說過第13代酷睿大小核設計會導致一些生產(chǎn)力應用負載只占用小核從而影響效率，但AI出圖主要靠的是顯卡，而且千元這個級別酷睿i513400F也確實是最新一代U中性價比最突出的了，何況我們遇到核心分配有問題還可以手動把負載分配給大核來解決。

顯卡部分當然是AI出圖的重點，從前面的測試可以看到RTX3060出圖效率只是略低于RTX3060Ti，但它擁有12GB大顯存，可以支持更高分辨率出圖，價格方面也要比RTX3060Ti低不少，如果從AI出圖需求來看，主流配置選用RTX3060性價比確實更高。這里我們選擇的是技嘉RTX3060風魔12GB顯存版（注意RTX3060也有8GB顯存版，不要買錯了），雙風扇設計完全能HOLD住散熱，長時間計算出圖不用擔心穩(wěn)定問題。

主流款：全能型設計師電腦

全能型設計師電腦更多地考慮到了用戶對于AI出圖之外的生產(chǎn)力應用需求，因此處理器方面選擇了全大核、12核24線程的銳龍97900智酷版，不存在進程分配不正確的問題，同時不帶X的銳龍97900不開PBO滿載功率僅有90W，性能相對銳龍97900X差距不到10%，因此在2000元級U中性價比非常高，不管是視頻剪輯還是3D渲染輸出，都可以提供不錯的效率。

顯卡部分則直接上了最新的RTX4070，從算力來講RTX4070已經(jīng)小超了10GB顯存版的RTX3080，而且它的滿載功率也不過200W水平，對散熱和供電的要求都低于RTX3080，長時間AI出圖更穩(wěn)定、更節(jié)能。同時RTX4070顯存也多出2GB，價格也更低，綜合來看很明顯比RTX3080更值得選擇。技嘉RTX4070風魔也是走性價比路線的甜品級RTX4070代表，3風扇散熱設計對付200W功率的RTX4070毫無壓力，同時噪聲也可以控制到更低的程度。

旗艦款：高效生產(chǎn)力利器

旗艦款配置可以說是一套高效生產(chǎn)力利器了，16核32線程的旗艦U銳龍97950X全大核設計不用擔心核心分配問題，相比酷睿i913900K在某些生產(chǎn)力應用中只能手動分配8個大核的適應性優(yōu)勢明顯，從這一點來看它確實比核心數(shù)量更多的酷睿i913900K更占優(yōu)勢。

顯卡部分，我們這里就選擇了RTX4080，擁有16GB超大顯存，高分辨率AI出圖效率更高。從前面的測試也可以看到，RTX4080的AI出圖效率已經(jīng)超越了RTX4070Ti大約30%。同時，RTX4080這個級的旗艦N卡在視頻剪輯、3D設計方面的加速能力也是非常強大的，特別適合有高端設計需求的用戶選擇。RTX4080獵鷹則是技嘉RTX4080顯卡家族中的高性價比款，用不到萬元的售價就做到了旗艦級的供電與散熱規(guī)格，長時間滿載出圖也不用擔心散熱和穩(wěn)定性的問題，這讓整套旗艦配置的購買價值也得到了進一步提升。

總結(jié)：做好準備“戰(zhàn)未來”，和AI共同進化

前有ChatGPT，后有AI出圖，今年AI應用突然的大眾化讓我們感受到AI時代強烈的沖擊，AI甚至在某些應用范圍內(nèi)已經(jīng)部分代替了人工（特別是視覺設計類和文案策劃類）。不過，AI作為生產(chǎn)力工具，本來就是為人類服務的，我們現(xiàn)在要做的只是去學習如何使用這種高效的工具。在未來，會用AI完成各種工作就像現(xiàn)在用Office軟件辦公一樣普及，可能也會成為就業(yè)的必備技能。因此，想要不落后于時代，就和AI一起進化，做好準備“戰(zhàn)未來”吧！