最近AIGC的大火，丢丢已经沉迷于Stable Diffusion无法自拔了，奈何自己的电脑硬件配置一直不是很好，刚狠下心打开我们家祖传的储钱罐含泪买了一台搭载NVIDIA RTX 4090显卡的笔记本电脑，心想这下总可以随便出图了吧！可谁知，丢丢竟然接受到了DELL Precision专业移动工作站的测评，官方也是大气，直接邮寄过来两台高端的Precision专业移动工作站，话说测评结束后这俩工作站我独吞了应该没啥影响吧？

　　本次收到的两台移动工作站配置都相当之高，分别是DELLPrecision 3581移动工作站和DELLPrecision 5680移动工作站，那我们话不多说，直接开始吧！

　　既然交给我测评，那么正好趁着AI的大火，我们来看看这两台电脑在Stable Diffusion中的表现吧！

　　Stable Diffusion虽然是款非常好用的AI绘图软件，但是也需要一定的电脑配置要求。

　　使用传统的SD1.5，要求我们的硬件显存必须要4G以上，硬盘至少要有50G以上（建议100G），适用于Win10-11版本（注意电脑的版本哦）。

　　如果使用最新的SD1.6，配合最新的SDXL1.0大模型，要求我们的硬件显存必须要8G以上，硬盘至少要有50G以上（建议100G），适用于Win10-11版本（注意电脑的版本哦）。

　　可以看出Stable Diffusion对于电脑配置的要求还是很高的，尤其是显卡的要求，更是让很多人望而止步，但今天参加测评的两位选手，想必都是有备而来啊，毕竟是工作站级别的电脑。

　　从整体外观来看，Precision 3581通体银灰色，如果用过DELL系列电脑的小伙伴应该知道，这是DELL的经典颜色，手感不错，笔记本整体也很轻，非常适合我们外出携带。以下是Precision 3581电脑配置。

　　在Stable Diffusion中，对于显卡的要求是比较高的，SD1.5的大模型需要显存高于4GB，而SDXL需要我们的显存达到惊人的8GB，就目前来看Precision 3581已经可以胜任SD的出图工作了。接下来有请Precision5680选手登场~

　　在外观上，Precision 5680和3581的配色是一样的，也是通体银灰色，但是材质改用铝合金一体化机身，更显美观轻薄。键盘的触摸感觉会比3581要好一些，当然这是丢丢的个人感受了，那么让我们来看看5680的电脑配置。

　　从配置上来看，两台移动工作站无论是CPU还是内存亦或者是硬盘都是一样的，唯一的区别就在于GPU也就是显卡上，一个是8GB显存的RTX2000Ada，一个是12GB的RTX3500Ada，那么真的是好巧啊，我们的Stable Diffusion看重的就是显存，这不是天然的帮我控制变量了。

　　为了测评的准确性与公平性，下述所有测评中的使用参数，出图分辨率大小，使用到的提示词，大模型，Controlnet预处理器与模型均相同，并且每一项测试均为10次后计数取平均值！（但由于Precision 3581的显存只有8GB，在使用SDXL模型的时候，显存会自动优化，可能会给SDXL模型测试结果带来些许的影响，但影响不大）

　　那么在正式测评开始之前，丢丢先简单的概述下AI出图的流程，让各位还没有接触过SD的小伙伴们，明白一下SD能干什么。其实使用AI出图是非常简单的，我们只需要输入对应的提示词，随后单击生成即可。

　　这是非常标准的文生图，SD会随机生成和我们输入的描述词相关的内容，当然生成的效果，也要依靠我们的大模型进行配合。关于大模型，其实也是本次测试的一个侧重内容，其中SD1.5是对配置要求较低的模型，也是我们最常用的模型版本。而SDXL是对配置要求较高的模型，效果比SD1.5要好一些，但是对显存的要求较大。

　　这种直接输入关键词生成模型的结果是随机的，在实际运用中，多用于帮助我们生成灵感，辅助我们完成后续的设计。

　　当然在运用中也有另外一种情况，那就是我们已经利用手绘的形式勾勒出主体的大概样貌，或者利用SketchUp建出大概的草模，我们希望借助AI帮助我们丰富灯光、材质、氛围、配景等，也就是传统手绘中的上色。那么我们就要借助SD的一款插件，名为Controlnet。

　　比如丢丢在这里，上传一张利用SketchUp建立出来的建筑草模，利用Controlnet这款插件帮我们将建筑的外轮廓限制住，从而结合SD控制我们最终出图的大概轮廓、样貌。

　　那么像我们使用SD配合Controlnet进行固定构图、形体、轮廓等因素生成的图片在我们实际工作中，尤其是方案前期将会起到巨大的帮助作用。

　　SD1.5+Controlnet进行固定出图，出图结果可以把控，但是对硬件资源要求较高，尤其是显卡显存的占用会明显提升，但对实际工作帮助较大，运用的最多。

　　另外就是最新推出的SDXL模型了，其实它的出图流程和SD1.5是一样的，就是单独的文生图，对电脑的配置要求有明显的提升，最低需求显存达到8GB。但效果会比SD1.5好一些。

　　SDXL+Controlnet也可以进行固定出图，但因为又有Controlnet的加入，这套组合出图对配置的要求几乎拉满，虽然效果出众，但实际使用人数较低。

　　首先第一个测试，丢丢是准备看一看单纯的使用SD1.5进行文生图，两台移动工作站的表现情况，毕竟这种出图方式是基础的AI运用，同时也是我们日后利用AI进行辅助设计时，提供灵感的来源。

　　首先单批数量就是说同时出图，数量为2就是让显卡同时跑两张，数量为4就是让显卡同时跑四张，对显存的要求会高一些，毕竟同时进行嘛！

　　而总批次数就是说让显卡一张一张跑，跑完第一张慢慢的释放掉多余的显存负担，然后去跑第二张，第二张跑完再跑第三张，以此类推，对显存的要求会更低一些。

　　知道了这些，我们再看上述的三幅对比图，可以发现3581出一张图的平均时间为3-4S，而5680出一张图的平均时间为2-3S，可能大家看起来差距不大，那么这里在测试下两台电脑在单批数量生成8张图像时GPU的使用率与显存占用情况。（单批数量为8，是SD允许设置的极限）

　　显存的使用情况都为3.8GB，两台电脑都是正常发挥，并且远远没达到上限，所以在出图时间上势均力敌。

　　两台移动工作站都完美的结束了测试，并且显存还有较多剩余，出图时间也相差无几，也就是说如果未来我们想使用AI进行文生图提供灵感的话，两台移动工作站都可以胜任，但如果考虑到预算，3581是首选，毕竟5680在显卡上要贵上一些。

　　那么接下来我们来进行一下SD1.5配合Controlnet的出图测试，加入了Controlnet对两台移动工作站的显存压力将会提高，同时这也是本次测试中最重要的部分，因为SD1.5+Controlnet配合出图是目前使用频率最高的一种出图模式。

　　上点压力测试结果立马拉开了，但是丢丢要先说一句，在单批数量为4的时候，其实3581已经到达极限了，因为专业显卡有自我保护机制，不会因为达到显存的上限就出图失败，但在极限状态下工作的3581出图速度明显下滑，这是超负荷的一种工作，所以不算在最终的出图时间统计中。

　　那么这里也测试下两台电脑的显存占用极限，其中3581测试单批数量生成4张图像时GPU的使用率与显存占用情况，以及5680测试单批数量生成7张图像时GPU的使用率与显存占用情况。（因为测试后发现出8张，显存达到上限）

　　3581显存的使用情况为7.5GB，5680显存的使用情况为11.3GB，可以说3581在SD1.5+Controlnet的使用情况下，显卡同时运算四张图达到极。

竞博job
上一篇：【硬件资讯】微软也入坑了？？Surface系列发两 下一篇：公认性价比最高的-戴影笔记本测评