海棱香木自从ChatGPT一夜之间红遍全球之后，AIGC更是一发不可收拾成为了公众关注的焦点不少企业甚至已经开始使用AI出图代替部分设计师的工作，颇有“不会用AI就要被时代淘汰”的势头。当然，虽然目前AI出图在真实物体细节方面还有较大提升空间，但不能否认的是在未来算力大幅升级、模型大幅进化之后，AI是完全可以胜任部分设计工作的。所以，对AI应用有兴趣的朋友现在可以行动起来开始学习啦。不过，工欲善其事必先利其器，那么玩AI出图，应该用什么电脑呢？

　　以Midjourney为代表的在线AI文生图上手更容易，但自由度受到一定限制

　　依靠本地电脑运算的Stable Diffusion上手难度较高，但自由度几乎没有限制

　　我们知道，目前AI出图分了云端和本地两种计算方式，简单来说在线方式（例如大名鼎鼎的Midjourney）上手难度较低、对本地电脑硬件基本没有要求，而且出图质量下限高，很容易就能制作出比较不错的图，但是屏蔽了不少提示词，所以自由度相对较低。此外，一般来讲效果比较好的AI云端出图高级服务都需要付费，而且国内访问也可能受到一定限制。

　　而本地运算方式，例如Stable Diffusion虽然上手难度高，但扩展性与提示词的自由度极高，因此出图质量上限也极高。最重要的是，Stable Diffusion本身以及可用的海量插件与模型都是免费的，自己训练模型也比较方便，更适合广大玩家尝试。

　　当然，既然是本地计算，要求效率高的话那电脑的硬件性能肯定不能低了。Stable Diffusion本地AI出图主要依靠GPU进行计算（CPU也行，但在并行计算这方面显然效率远不及GPU，差了几个数量级），同时对整机的配置也有一定的要求。因此，想要玩AI出图的朋友，升级或者干脆入手一台高效的新电脑是非常有必要的。

　　如果觉得手动部署Stable Diffusion太麻烦，也可以直接下载整合包，解压即可使用

　　Stable Diffusion的本地部署教程其实很多了，随便一搜一大把，我们这里只简单总结一下大家需要注意的几个点。

　　●使用NVIDIA卡需要安装cuDNN（CUDA深度神经网络库）最新版，最新版才能让RTX 40系列发挥出真正的性能。

　　要是嫌自己部署太麻烦觉得无从下手，也可以直接下载整合包，解压即可使用。整合包不但包含了Stable Diffusion需要的运行环境（如果运行不正常，也可以按照前面的提示安装GIT和Python），也设置了一些预设方案，照顾不同配置特别是不同显存容量的用户，使用起来确实比较方便，特别适合新手入门。

　　例如B站UP主“秋葉aaaki”制作的共享整合包，目前最新已经升级到V4版，支持CPU和NVIDIA显卡CUDA加速，大家可以自行去B站下载。此外，目前AMD显卡在 Windows下只能通过DirectML实现Stable Diffusion的AI计算加速（Linux环境下支持面向GPU计算的ROCm开放软件平台，最近ROCm即将登陆Windows），效率远不及NVIDIA显卡的CUDA，所以只有少数整合包加入了AMD显卡需要的DirectML库（用户可自行添加），Intel显卡也差不多是这个情况，因此要本地AI出图，NVIDIA显卡几乎是唯一值得推荐的选择。

　　前面已经简单提到了本地AI出图主要靠的是GPU计算，不过考虑到整个设计过程并非只包含AI出图或训练模型、或者用户装台电脑来也不是只针对AI应用，很可能还包括其它设计或生产力应用需求，所以对整机配件的选择也是有一定要求的，主要涉及到处理器、内存和显卡，而磁盘只要是SSD，足够存放素材与模型文件就可以了，没有特别的要求。

　　如果没有合适的独显，处理器也能完成本地AI出图的计算工作，但效率远不及当下独显

　　实际上，就算Intel酷睿i9 13900K这样的旗舰级处理器，在Stable Diffusion中出图的效率也不过大约是NVIDIA显卡旗舰RTX 4090的1/256、RTX 3090 Ti的1/141，出一张768×768、采样步数50的图要费时近13分钟，实在谈不上什么效率。所以只有在电脑没有显卡支持在Stable Diffusion中开启硬件加速的情况下，才会轮到处理器临时替补一下。因此，如果只针对AI出图装机，对处理器的性能其实没有什么太高的要求。

　　不过，就算对处理器没有特别的要求，但一是考虑到整套电脑的配置不能太老旧，必须要有足够的扩展性和升级性；二是考虑到整机还有可能完成其它生产力工作，所以在处理器方面我们制定了不同的选择方向。

　　如果没有其它大型生产力应用的要求，那么一款最新的千元级U足以满足装机需求。Intel方面可以考虑酷睿i5 13400F，AMD方面可以考虑锐龙5 7600智酷版。为什么不用更便宜的U？一方面是这两款都能支持PCIe 5.0和DDR5内存，未来平台升级PCIe 5.0显卡（这一点很重要，按照NVIDIA和AMD现在的做法，以后中低端显卡有很大概率只支持8个PCIe通道，如果处理器或主板不支持PCIe 5.0，就会出现带宽减半的问题）与SSD、扩展内存容量更方便一些；另一方面是它们的性能应付主流生产力应用也是能够胜任的，同时在价格上更加亲民。

　　如果电脑还要完成AI出图之外配套的生产力工作（视频剪辑、3D渲染输出），那就对处理器的多线程性能提出了更高的要求，需要选择核心数量更多的高端型号。在这里我们优先推荐AMD的锐龙7000系列旗舰型号，例如锐龙9 7950X和锐龙9 7900X，而Intel酷睿i9 13900系列和酷睿i7 13700系列则次之。

　　究其原因，就是我们在实测中发现，拥有大量能效核的第13代酷睿在运行包括Stable Diffusion在内的部分生产力软件中会出现核心分配不正确的问题，导致重负载进程全部分配给了能效核，性能核则处于闲置状态，如此就会使得处理器的运算效率大打折扣。相比之下全是大核的锐龙7000系列就不会出现这样的问题。

　　既然已经决定了选择锐龙7000或者第13代酷睿平台，那么DDR5内存也是必选了。虽说第13代酷睿也支持DDR4内存，但考虑到整机未来的升级空间和对其它生产力应用的需求，明显也是选择带宽更高的DDR5内存更合适。

　　容量方面，Stable Diffusion不用处理器来出图的线GB绰绰有余。目前内存价格比较给力，双16GB对于主流整机来说也没什么压力，也可以应对更多的生产力应用，所以强烈推荐再省也要上双16GB。

　　频率部分，虽说更高的内存带宽确实能带来更高的生产力效率，但也要综合考虑性价比的问题，超过DDR5 6400的内存还是挺贵的，综合下来DDR5 6400/6000是综合性价比最高的型号。此外，如果选择AMD锐龙7000平台，那么DDR5 6400也是极限了，不用考虑更高的型号。

　　终于说到Stable Diffusion出图的主角配件了。前面已经提过，Stable Diffusion本地出图首选CUDA生态圈无可替代的NVIDIA显卡，用DirectML实现通用计算的AMD显卡和Intel显卡都属于替补（可以期待AMD显卡Windows版的ROCm实装后会不会有所改善），效率和兼容性都难以与NVIDIA显卡相提并论，与其花时间去解决A卡和I卡在Stable Diffusion中的各种问题还不如老老实实用N卡省事。

　　除了GPU的算力之外，Stable Diffusion本地出图最吃的就是显存了，显存越大，出图分辨率也就可以设得更高。以本文后面的文生图测试为例，入门推荐8GB起步，768×768分辨率够用（大约最高占用到6.9GB）；再高一些的1024×1024推荐选用12GB显存的型号（最高占用约9GB）；再往上可选的就是16GB/20GB/24GB的型号。当然，市场中也有魔改的RTX 2060/2080 Ti可以做到12GB/22GB显存，但是很明显这类卡没有质保，所以不推荐普通用户冒险。然而拥有海量显存（例如NVIDIA A100 80GB PCIe）的专业计算卡就不是大众玩家消费得起的了，这里就不再多说。

　　此外，最近NVIDIA Tesla P40/M40等“古董级”纯计算卡也是AI出图玩家关注的焦点，它们具备超大的24GB显存，而且二手卡价格也非常诱人（M40仅需499元，P40还涨了一波从899元飙到1199元了）。但是，这类计算卡都是被动散热，玩家拿到手需要手动改散热器，而且老旧的Pascal与Maxwell架构功耗也非常高，改起散热来不但成本高，难度也不是普通用户能够HOLD住的。还有最重要的一点，老架构不支持FP16半精度计算，而Stable Diffusion在半精度模式下可以大幅提升效率并节省显存占用，这一点也让这些老二手卡价值大打折扣，再加上没有可靠的质保，所以也不推荐普通玩家折腾。

　　当然，也有一些方法可以降低Stable Diffusion对显存的占用，让一些显存不太够的显卡也可以支持更高分辨率出图，例如Xformers、MultiDiffusion with Tiled VAE，这就不在本文讨论范围内了，有兴趣的朋友可以自行研究。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　4月29日，四川。土拨鼠被热情游客围观拍照，“气鼓鼓”却一动不敢动。视频来源