各位好久不見，我是丟丟，你們熟悉的那個男人又回來了!

　　最近AIGC的大火，丟丟已經沉迷于Stable Diffusion無法自拔了，奈何自己的電腦硬件配置一直不是很好，剛狠下心打開我們家祖傳的儲錢罐含淚買了一臺搭載NVIDIA RTX 4090顯卡的筆記本電腦，心想這下總可以隨便出圖了吧!可誰知，丟丟竟然接受到了DELL Precision專業移動工作站的測評，官方也是大氣，直接郵寄過來兩臺高端的Precision專業移動工作站，話說測評結束后這倆工作站我獨吞了應該沒啥影響吧?

　　本次收到的兩臺移動工作站配置都相當之高，分別是DELL Precision 3581 移動工作站和DELL Precision 5680 移動工作站，那我們話不多說，直接開始吧!

　　SD對配置的要求

　　01

　　| 最低要求 |

　　既然交給我測評，那么正好趁著AI的大火，我們來看看這兩臺電腦在Stable Diffusion中的表現吧!

　　Stable Diffusion雖然是款非常好用的AI繪圖軟件，但是也需要一定的電腦配置要求。

　　使用傳統的SD1.5，要求我們的硬件顯存必須要4G以上，硬盤至少要有50G以上(建議100G)，適用于Win10-11版本(注意電腦的版本哦)。

　　如果使用最新的SD1.6，配合最新的SDXL1.0大模型，要求我們的硬件顯存必須要8G以上，硬盤至少要有50G以上(建議100G)，適用于Win10-11版本(注意電腦的版本哦)。

　　可以看出Stable Diffusion對于電腦配置的要求還是很高的，尤其是顯卡的要求，更是讓很多人望而止步，但今天參加測評的兩位選手，想必都是有備而來啊，畢竟是工作站級別的電腦。

　　外觀樣式與配置

　　02

　　| Precision 3581 |

　　Precision 3581

　　Precision 3581

　　從整體外觀來看，Precision 3581通體銀灰色，如果用過DELL系列電腦的小伙伴應該知道，這是DELL的經典顏色，手感不錯，筆記本整體也很輕，非常適合我們外出攜帶。以下是Precision 3581電腦配置。

　　在Stable Diffusion中，對于顯卡的要求是比較高的，SD1.5的大模型需要顯存高于4GB，而SDXL需要我們的顯存達到驚人的8GB，就目前來看Precision 3581已經可以勝任SD的出圖工作了。接下來有請Precision 5680選手登場~

　　Precision 5680

　　Precision 5680

　　在外觀上，Precision 5680和3581的配色是一樣的，也是通體銀灰色，但是材質改用鋁合金一體化機身，更顯美觀輕薄。鍵盤的觸摸感覺會比3581要好一些，當然這是丟丟的個人感受了，那么讓我們來看看5680的電腦配置。

　　從配置上來看，兩臺移動工作站無論是CPU還是內存亦或者是硬盤都是一樣的，唯一的區別就在于GPU也就是顯卡上，一個是8GB顯存的RTX2000Ada，一個是12GB的RTX3500Ada，那么真的是好巧啊，我們的Stable Diffusion看重的就是顯存，這不是天然的幫我控制變量了。

　　SD1.5出圖測評

　　03

　　為了測評的準確性與公平性，下述所有測評中的使用參數，出圖分辨率大小，使用到的提示詞，大模型，Controlnet預處理器與模型均相同，并且每一項測試均為10次后計數取平均值!(但由于Precision 3581的顯存只有8GB，在使用SDXL模型的時候，顯存會自動優化，可能會給SDXL模型測試結果帶來些許的影響，但影響不大)

　　那么在正式測評開始之前，丟丟先簡單的概述下AI出圖的流程，讓各位還沒有接觸過SD的小伙伴們，明白一下SD能干什么。其實使用AI出圖是非常簡單的，我們只需要輸入對應的提示詞，隨后單擊生成即可。

　　這是非常標準的文生圖，SD會隨機生成和我們輸入的描述詞相關的內容，當然生成的效果，也要依靠我們的大模型進行配合。關于大模型，其實也是本次測試的一個側重內容，其中SD1.5是對配置要求較低的模型，也是我們最常用的模型版本。而SDXL是對配置要求較高的模型，效果比SD1.5要好一些，但是對顯存的要求較大。

　　這種直接輸入關鍵詞生成模型的結果是隨機的，在實際運用中，多用于幫助我們生成靈感，輔助我們完成后續的設計。

　　當然在運用中也有另外一種情況，那就是我們已經利用手繪的形式勾勒出主體的大概樣貌，或者利用SketchUp建出大概的草模，我們希望借助AI幫助我們豐富燈光、材質、氛圍、配景等，也就是傳統手繪中的上色。那么我們就要借助SD的一款插件，名為Controlnet。

　　比如丟丟在這里，上傳一張利用SketchUp建立出來的建筑草模，利用Controlnet這款插件幫我們將建筑的外輪廓限制住，從而結合SD控制我們最終出圖的大概輪廓、樣貌。

　　隨后單擊生成，大家可以看到生成的最終效果，和丟丟上傳的圖片大體結構就非常類似了。

　　那么像我們使用SD配合Controlnet進行固定構圖、形體、輪廓等因素生成的圖片在我們實際工作中，尤其是方案前期將會起到巨大的幫助作用。

　　以上就是使用SD的出圖大體流程了，總結一下。

　　SD1.5模型單獨文生圖，出圖結果比較隨機，對硬件資源要求一般，顯存4GB以上即可。

　　SD1.5+Controlnet進行固定出圖，出圖結果可以把控，但是對硬件資源要求較高，尤其是顯卡顯存的占用會明顯提升，但對實際工作幫助較大，運用的最多。

　　另外就是最新推出的SDXL模型了，其實它的出圖流程和SD1.5是一樣的，就是單獨的文生圖，對電腦的配置要求有明顯的提升，最低需求顯存達到8GB。但效果會比SD1.5好一些。

　　SDXL+Controlnet也可以進行固定出圖，但因為又有Controlnet的加入，這套組合出圖對配置的要求幾乎拉滿，雖然效果出眾，但實際使用人數較低。

　　那么明白了這些，我們就可以正常開始測試了!

　　| 測試一：SD1.5文生圖 |

　　首先第一個測試，丟丟是準備看一看單純的使用SD1.5進行文生圖，兩臺移動工作站的表現情況，畢竟這種出圖方式是基礎的AI運用，同時也是我們日后利用AI進行輔助設計時，提供靈感的來源。

　　測試過程中，所有條件均為對等(當然除了硬件配置!)

　　單批數量為2：測試結果

　　單批數量為4：測試結果

　　總批次數為10：測試結果

　　先解釋一下單批數量與總批次數的區別。

　　首先單批數量就是說同時出圖，數量為2就是讓顯卡同時跑兩張，數量為4就是讓顯卡同時跑四張，對顯存的要求會高一些，畢竟同時進行嘛!

　　而總批次數就是說讓顯卡一張一張跑，跑完第一張慢慢的釋放掉多余的顯存負擔，然后去跑第二張，第二張跑完再跑第三張，以此類推，對顯存的要求會更低一些。

　　知道了這些，我們再看上述的三幅對比圖，可以發現3581出一張圖的平均時間為3-4S，而5680出一張圖的平均時間為2-3S，可能大家看起來差距不大，那么這里在測試下兩臺電腦在單批數量生成8張圖像時GPU的使用率與顯存占用情況。(單批數量為8，是SD允許設置的極限)

　　Precision 3581

　　Precision 5680

　　顯存的使用情況都為3.8GB，兩臺電腦都是正常發揮，并且遠遠沒達到上限，所以在出圖時間上勢均力敵。

　　| 小結|

　　兩臺移動工作站都完美的結束了測試，并且顯存還有較多剩余，出圖時間也相差無幾，也就是說如果未來我們想使用AI進行文生圖提供靈感的話，兩臺移動工作站都可以勝任，但如果考慮到預算，3581是首選，畢竟5680在顯卡上要貴上一些。

　　| 測試二：SD1.5+Controlnet文生圖 |

　　那么接下來我們來進行一下SD1.5配合Controlnet的出圖測試，加入了Controlnet對兩臺移動工作站的顯存壓力將會提高，同時這也是本次測試中最重要的部分，因為SD1.5+Controlnet配合出圖是目前使用頻率最高的一種出圖模式。

　　單批數量為2：測試結果

　　單批數量為4：測試結果

　　總批次數為10：測試結果

　　上點壓力測試結果立馬拉開了，但是丟丟要先說一句，在單批數量為4的時候，其實3581已經到達極限了，因為專業顯卡有自我保護機制，不會因為達到顯存的上限就出圖失敗，但在極限狀態下工作的3581出圖速度明顯下滑，這是超負荷的一種工作，所以不算在最終的出圖時間統計中。

　　最終平均下來3581在SD1.5+Controlnet下，出一張圖的平均時間為34-37S，而5680出一張圖的平均時間為17-18S。

　　那么這里也測試下兩臺電腦的顯存占用極限，其中3581測試單批數量生成4張圖像時GPU的使用率與顯存占用情況，以及5680測試單批數量生成7張圖像時GPU的使用率與顯存占用情況。(因為測試后發現出8張，顯存達到上限)

　　Precision 3581

　　Precision 5680

　　3581顯存的使用情況為7.5GB，5680顯存的使用情況為11.3GB，可以說3581在SD1.5+Controlnet的使用情況下，顯卡同時運算四張圖達到極限，而5680在同等情況下極限數量為7張。

　　| 小結|

　　整體來說3581在SD基礎的使用上是完全沒有問題的，測試中是為了表現出兩臺電腦之間的性能差距，所以做了很多極端測試，但在日常使用中我們不會經常讓電腦處于極端的工作環境下，5680在顯存上占據了優勢，無論是在出圖的速度上還是數量上限上都領先3581一倍有余。但讓丟丟感到詫異的是3581在炸顯存的邊緣來回徘徊，竟然沒有出圖崩潰，雖然用時多了一些，但最起碼結果出來了，這讓我很驚訝。

　　那么第二個測試做完，總體來說3581可以滿足我們使用AI進行輔助設計出圖的基本要求，而5680上限會更高一些。

　　SD1.6出圖測評

　　04

　　雖然經過SD1.5的測試，兩臺電腦的差距已經體現出來，但是畢竟SDXL1.0的大模型已經更新，效果是要比SD1.5的效果好上一些，只不過對顯卡的需求更高了，但我們的兩臺移動工作站已經達到使用SDXL的最低標準，所以也讓我們來測試一下它們在SDXL下的表現吧!(注：因為3581顯存剛好8GB，所以已開啟顯存優化。而5680并沒開啟顯存優化。這個在上文中有所提及。)

　　| 測試三：SDXL1.0文生圖 |

　　單批數量為2：測試結果

　　單批數量為4：測試結果

　　總批次數為8：測試結果

　　SDXL的壓力下，即便是5680總批次數最多也只能出8張，而3581在第二輪測試的時候顯存就扛不住了，在SDXL下，因為SD檢測到出圖時所需顯存超過3581的硬件顯存配置，所以無法出圖。但索性還好，我們的3581能正常使用SDXL，畢竟在實際使用中我們不會一直讓它處于壓力下，出一次不行就再來一次唄。

　　總體平均下來3581出一張SDXL的圖需要45S左右，而5680出一張SDXL的圖需要20-22S的時間。

　　下面我們也來看一下，這兩款電腦在出圖時顯存上限達到邊緣時GPU的使用情況，其中3581為單批數量為2，5680為單批數量為4。

　　Precision 3581

　　Precision 5680

　　3581的極限狀態下顯存使用情況平穩的處于7.7GB，而5680在極限狀態下顯存的使用情況同樣很平穩，處于11.4GB。

　　| 小結|

　　對于SDXL兩臺電腦可以肯定的是，都可以順利出圖，只不過因為硬件上的差距，3581在單批次出圖數量上不及5680。

　　那么丟丟的建議是，如果單純想使用SDXL進行文生圖的小伙伴，3581可以作為基礎款入手，而5680可以適當進階，如果追求出圖速度和性能的小伙伴可以考慮5680。

　　接下來其實要進行的是SDXL1.0配合Controlnet的使用情況，但是目前3581的顯存還承載不住Controlnet，丟丟試了一下，5680想用SDXL1.0配合Controlnet只能同時出一張圖，顯存的使用率已經達到了極限的11.5GB，而3581是用不了SDXL+Controlnet的。

　　Precision 5680

　　那么既然這樣，貌似3581和5680的對比測試就沒有必要了，我們已經知道兩臺工作站的使用極限，但丟丟是個好事的人~我自己剛買的搭載NVIDIA RTX 4090顯卡的筆記本電腦有點躍躍欲試，想要和工作站比拼一下!

　　丟丟的筆記本配置

　　丟丟的筆記本剛買不久，整體配置要略勝于5680的，尤其是CPU和顯卡，正好我也看看作為工作站級別的專業顯卡NVIDIA RTX 3500 Ada和我的NVIDIA RTX 4090到底有沒有太大的差距。(SD出圖不考慮CPU，所以CPU的差距可以忽略不計)

　　| 測試四：SDXL1.0文生圖 |

　　單批數量為2：測試結果

　　單批數量為4：測試結果

　　總批次數為8：測試結果

　　測試的結果讓丟丟很吃驚，按道理來講4090這款消費級顯卡是要比5680的RTX3500Ada專業卡好一些的，顯存也是多出4GB(4090的顯存16GB，3500Ada的顯存12GB)，但讓我沒想到的是，5680在出圖速度上竟然勝過我的4090!

　　5680在SDXL大模型下，平均一張圖的出圖時間為20-22S，丟丟的電腦在SDXL大模型下，平均出一張圖的時間為35-48S.下面是兩臺電腦在極限出圖狀態下的顯存占用情況。

　　丟丟的4090(極限測試單批6張圖)

　　Precision 5680(極限測試單批4張圖)

　　因為顯存的差距，極限測試兩臺電腦單批出圖的數量是不一樣的，但這也能理解，畢竟相差了4GB的顯存。

　　但就算是顯存占優勢，專業卡和我們普通的游戲卡也就是消費級顯卡還是有一些差距的啊，這速度明顯在正常狀態下專業卡的表現要比消費級顯卡好啊，但是丟丟不服，畢竟丟丟的4090在SDXL+Controlnet下能一起跑四張圖!

　　不開玩笑了，今天的主人公也不是我的電腦，咱們還是來說說3581與5680吧。

　　測試匯總與購買建議

　　05

　　關于價格，Precision 3581的售價在15000左右，Precision 5680的售價在30000左右。

　　這里丟丟稍微解釋一下，5680這款移動工作站在做工上要比3581好很多，并且搭載的顯示器也是UHD 4K屏，在顯示器上也比3581要好很多，丟丟這次測評沒有在兩款移動工作站的做工和顯示器上下文章。

　　從使用上來說，3581可以滿足我們日常對AI的運用，而5680的上限更高，兩款筆記本的性能都表現得非常出色，這兩款筆記本在硬件上的主要區別是顯卡不同，經過SD出圖的測試，我們能感覺到專業級顯卡的穩定性更強，那么這在我們日常工作當中幫助巨大。

　　當然還有一個小點，就是SDXL+Controlnet的使用，3581這款筆記本是支撐不住SDXL+Controlnet所消耗的巨大顯存的，它可以正常使用SD1.5，而5680可以單張單張的跑SDXL+Controlnet并且不崩潰，顯存不超負荷。

　　至于測試中丟丟自己的搭載NVIDIA RTX 4090顯卡的筆記本畢竟顯存是16GB，比5680這一款搭載NVIDIA RTX 3500 Ada的筆記本在顯存上有4G的差距，所以如果要說上限的話對于SD而言，顯存越高上限越高，簡單點說就是顯存越高同時能出的圖就越多。

　　當然也有人會有疑惑就是專業卡和消費級顯卡應該如何選擇，4090是一款消費級顯卡，3500Ada是一款專業級顯卡，這兩張顯卡其實并不對等，如果要做同級別對比的話，4090同級別的專業卡應該是5000 Ada。

　　當然如果同級別對比，價格肯定消費級顯卡更便宜一些。

　　從此次測試結果和丟丟的個人使用來看，專業級顯卡在穩定性和運算速度上是要比消費級顯卡強一些的，就算級別不對等，我們通過測試的時間也能看得出來。

　　如果各位預算有限，但還想使用SD進行出圖的話，丟丟建議選購Precision 3581，畢竟SDXL對顯存的消耗太大了，雖然效果出眾，但是一般人扛不住啊!

　　而如果你的荷包還算鼓，預算充足，想使用SDXL進行出圖，丟丟建議選購Precision 5680，畢竟誰不想體驗極限的性能呢!

　　至于像4090這樣搭載消費級顯卡的電腦，可能同價位會買到顯存更高的筆記本，那么從SD出圖的上限來看，應該會更高一些，只不過穩定性會略差一點，丟丟個人使用中，我的這臺搭載NVIDIA RTX 4090顯卡的筆記本在顯存即將達到上限的時候，時而會出現崩潰出不來圖的情況，但專業級顯卡的電腦也不會這樣。所以從穩定性上來看，還是專業級顯卡好一些，但如果從性價比上來看，搭載消費級顯卡的筆記本會是更好的選擇。

　　以上就是本文全部內容啦~

　　-END-

　　將我們設為「星標★」就能第一時間收到推送