自從ChatGPT一夜之間紅遍全球之後，AIGC更是一發不可收拾成為了公眾關注的焦點不少企業甚至已經開始使用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、模型大幅進化之後，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，那麼玩AI出圖，應該用什麼電腦呢？
本地AI出圖，高效工具不可少
以Midjourney為代表的在線AI文生圖上手更容易，但自由度受到一定限制
依靠本地電腦運算的Stable Diffusion上手難度較高，但自由度幾乎沒有限制
我們知道，目前AI出圖分了雲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，而且出圖質量下限高，很容易就能製作出比較不錯的圖，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雲端出圖高級服務都需要付費，而且國內訪問也可能受到一定限制。
而本地運算方式，例如Stable Diffusion雖然上手難度高，但擴展性與提示詞的自由度極高，因此出圖質量上限也極高。最重要的是，Stable Diffusion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。Stable Diffusion本地AI出圖主要依靠GPU進行計算（CPU也行，但在並行計算這方面顯然效率遠不及GPU，差了幾個數量級），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，升級或者乾脆入手一臺高效的新電腦是非常有必要的。
延伸閱讀：Stable Diffusion本地部署注意事項
如果覺得手動部署Stable Diffusion太麻煩，也可以直接下載整合包，解壓即可使用
Stable Diffusion的本地部署教程其實很多了，隨便一搜一大把，我們這裡只簡單總結一下大家需要注意的幾個點。
●需要安裝GIT，這是安裝Stable Diffusion WebUI的先決條件之一。
下載地址：https://git-scm.com/download/win
●需要安裝Python 3.10運行環境。
miniconda下載地址：https://docs.conda.io/en/main/miniconda.html
●使用NVIDIA卡需要安裝cuDNN（CUDA深度神經網絡庫）最新版，最新版才能讓RTX 40系列發揮出真正的性能。
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Stable Diffusion需要的運行環境（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”製作的共享整合包，目前最新已經升級到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Stable Diffusion的AI計算加速（Linux環境下支持面向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出圖的電腦配件怎麼選？
前面已經簡單提到了本地AI出圖主要靠的是GPU計算，不過考慮到整個設計過程並非只包含AI出圖或訓練模型、或者用戶裝臺電腦來也不是隻針對AI應用，很可能還包括其它設計或生產力應用需求，所以對整機配件的選擇也是有一定要求的，主要涉及到處理器、內存和顯卡，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
如果沒有合適的獨顯，處理器也能完成本地AI出圖的計算工作，但效率遠不及當下獨顯
實際上，就算Intel酷睿i9 13900K這樣的旗艦級處理器，在Stable Diffusion中出圖的效率也不過大約是NVIDIA顯卡旗艦RTX 4090的1/256、RTX 3090 Ti的1/141，出一張768×768、採樣步數50的圖要費時近13分鐘，實在談不上什麼效率。所以只有在電腦沒有顯卡支持在Stable Diffusion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麼太高的要求。
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它生產力工作，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
千元級的銳龍5 7600智酷版是性價比較高的主流裝機之選
如果沒有其它大型生產力應用的要求，那麼一款最新的千元級U足以滿足裝機需求。Intel方面可以考慮酷睿i5 13400F，AMD方面可以考慮銳龍5 7600智酷版。為什麼不用更便宜的U？一方面是這兩款都能支持PCIe 5.0和DDR5內存，未來平臺升級PCIe 5.0顯卡（這一點很重要，按照NVIDIA和AMD現在的做法，以後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PCIe 5.0，就會出現帶寬減半的問題）與SSD、擴展內存容量更方便一些；另一方面是它們的性能應付主流生產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
高端旗艦裝機可以考慮銳龍9 7950X，可以滿足更多的生產力應用需求
如果電腦還要完成AI出圖之外配套的生產力工作（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，需要選擇核心數量更多的高端型號。在這裡我們優先推薦AMD的銳龍7000系列旗艦型號，例如銳龍9 7950X和銳龍9 7900X，而Intel酷睿i9 13900系列和酷睿i7 13700系列則次之。
究其原因，就是我們在實測中發現，擁有大量能效核的第13代酷睿在運行包括Stable Diffusion在內的部分生產力軟件中會出現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，性能核則處於閒置狀態，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系列就不會出現這樣的問題。
內存
雙16GB DDR5內存已經是主流裝機入門標配了
既然已經決定了選擇銳龍7000或者第13代酷睿平臺，那麼DDR5內存也是必選了。雖說第13代酷睿也支持DDR4內存，但考慮到整機未來的升級空間和對其它生產力應用的需求，明顯也是選擇帶寬更高的DDR5內存更合適。
容量方面，Stable Diffusion不用處理器來出圖的話，也不怎麼吃內存，32GB綽綽有餘。目前內存價格比較給力，雙16GB對於主流整機來說也沒什麼壓力，也可以應對更多的生產力應用，所以強烈推薦再省也要上雙16GB。
頻率部分，雖說更高的內存帶寬確實能帶來更高的生產力效率，但也要綜合考慮性價比的問題，超過DDR5 6400的內存還是挺貴的，綜合下來DDR5 6400/6000是綜合性價比最高的型號。此外，如果選擇AMD銳龍7000平臺，那麼DDR5 6400也是極限了，不用考慮更高的型號。
顯卡
RTX 4090依然是AI出圖的消費級最強選擇
終於說到Stable Diffusion出圖的主角配件了。前面已經提過，Stable Diffusion本地出圖首選CUDA生態圈無可替代的NVIDIA顯卡，用DirectML實現通用計算的AMD顯卡和Intel顯卡都屬於替補（可以期待AMD顯卡Windows版的ROCm實裝後會不會有所改善），效率和兼容性都難以與NVIDIA顯卡相提並論，與其花時間去解決A卡和I卡在Stable Diffusion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，Stable Diffusion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更高。以本文後面的文生圖測試為例，入門推薦8GB起步，768×768分辨率夠用（大約最高佔用到6.9GB）；再高一些的1024×1024推薦選用12GB顯存的型號（最高佔用約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RTX 2060/2080 Ti可以做到12GB/22GB顯存，但是很明顯這類卡沒有質保，所以不推薦普通用戶冒險。然而擁有海量顯存（例如NVIDIA A100 80GB PCIe）的專業計算卡就不是大眾玩家消費得起的了，這裡就不再多說。
此外，最近NVIDIA Tesla P40/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Stable Diffusion在半精度模式下可以大幅提升效率並節省顯存佔用，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Stable Diffusion對顯存的佔用，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、MultiDiffusion with Tiled VAE，這就不在本文討論範圍內了，有興趣的朋友可以自行研究。
來源：鈦師父