各位好久不见,我是丢丢,你们熟悉的那个男人又回来了!

  建筑学长-丢丢——AIGC

  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?

  建筑学长-丢丢——AIGC

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

  SD对配置的要求

  01

  | 最低要求 |

  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)。

  建筑学长-丢丢——AIGC

  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。

  外观样式与配置

  02

  |Precision 3581|

  建筑学长-丢丢——AIGC

  Precision 3581

  建筑学长-丢丢——AIGC

  Precision 3581

  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。

  建筑学长-丢丢——AIGC

  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Precision 5680选手登场~

  建筑学长-丢丢——AIGC

  Precision 5680

  建筑学长-丢丢——AIGC

  Precision 5680

  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。

  建筑学长-丢丢——AIGC

  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。

  SD1.5出图测评

  03

  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)

  建筑学长-丢丢——AIGC

  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。

  建筑学长-丢丢——AIGC

  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。

  建筑学长-丢丢——AIGC

  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。

  建筑学长-丢丢——AIGC

  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。

  建筑学长-丢丢——AIGC

  随后单击生成,大家可以看到生成的最终效果,和丢丢上传的图片大体结构就非常类似了。

  建筑学长-丢丢——AIGC

  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。

  以上就是使用SD的出图大体流程了,总结一下。

  SD1.5模型单独文生图,出图结果比较随机,对硬件资源要求一般,显存4GB以上即可。

  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。

  那么明白了这些,我们就可以正常开始测试了!

  |测试一:SD1.5文生图|

  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。

  测试过程中,所有条件均为对等(当然除了硬件配置!)

  建筑学长-丢丢——AIGC

  单批数量为2:测试结果

  建筑学长-丢丢——AIGC

  单批数量为4:测试结果

  建筑学长-丢丢——AIGC

  总批次数为10:测试结果

  建筑学长-丢丢——AIGC

  先解释一下单批数量与总批次数的区别。

  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)

  建筑学长-丢丢——AIGC

  Precision 3581

  建筑学长-丢丢——AIGC

  Precision 5680

  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。

  |小结|

  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。

  |测试二:SD1.5+Controlnet文生图|

  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。

  建筑学长-丢丢——AIGC

  单批数量为2:测试结果

  建筑学长-丢丢——AIGC

  单批数量为4:测试结果

  建筑学长-丢丢——AIGC

  总批次数为10:测试结果

  建筑学长-丢丢——AIGC

  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。

  最终平均下来3581在SD1.5+Controlnet下,出一张图的平均时间为34-37S,而5680出一张图的平均时间为17-18S。

  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)

  建筑学长-丢丢——AIGC

  Precision 3581

  建筑学长-丢丢——AIGC

  Precision 5680

  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限,而5680在同等情况下极限数量为7张。

  |小结|

  整体来说3581在SD基础的使用上是完全没有问题的,测试中是为了表现出两台电脑之间的性能差距,所以做了很多极端测试,但在日常使用中我们不会经常让电脑处于极端的工作环境下,5680在显存上占据了优势,无论是在出图的速度上还是数量上限上都领先3581一倍有余。但让丢丢感到诧异的是3581在炸显存的边缘来回徘徊,竟然没有出图崩溃,虽然用时多了一些,但最起码结果出来了,这让我很惊讶。

  那么第二个测试做完,总体来说3581可以满足我们使用AI进行辅助设计出图的基本要求,而5680上限会更高一些。

  SD1.6出图测评

  04

  虽然经过SD1.5的测试,两台电脑的差距已经体现出来,但是毕竟SDXL1.0的大模型已经更新,效果是要比SD1.5的效果好上一些,只不过对显卡的需求更高了,但我们的两台移动工作站已经达到使用SDXL的最低标准,所以也让我们来测试一下它们在SDXL下的表现吧!(注:因为3581显存刚好8GB,所以已开启显存优化。而5680并没开启显存优化。这个在上文中有所提及。)

  |测试三:SDXL1.0文生图|

  建筑学长-丢丢——AIGC

  单批数量为2:测试结果

  建筑学长-丢丢——AIGC

  单批数量为4:测试结果

  建筑学长-丢丢——AIGC

  总批次数为8:测试结果

  建筑学长-丢丢——AIGC

  SDXL的压力下,即便是5680总批次数最多也只能出8张,而3581在第二轮测试的时候显存就扛不住了,在SDXL下,因为SD检测到出图时所需显存超过3581的硬件显存配置,所以无法出图。但索性还好,我们的3581能正常使用SDXL,毕竟在实际使用中我们不会一直让它处于压力下,出一次不行就再来一次呗。

  总体平均下来3581出一张SDXL的图需要45S左右,而5680出一张SDXL的图需要20-22S的时间。

  下面我们也来看一下,这两款电脑在出图时显存上限达到边缘时GPU的使用情况,其中3581为单批数量为2,5680为单批数量为4。

  建筑学长-丢丢——AIGC

  Precision 3581

  建筑学长-丢丢——AIGC

  Precision 5680

  3581的极限状态下显存使用情况平稳的处于7.7GB,而5680在极限状态下显存的使用情况同样很平稳,处于11.4GB。

  |小结|

  对于SDXL两台电脑可以肯定的是,都可以顺利出图,只不过因为硬件上的差距,3581在单批次出图数量上不及5680。

  那么丢丢的建议是,如果单纯想使用SDXL进行文生图的小伙伴,3581可以作为基础款入手,而5680可以适当进阶,如果追求出图速度和性能的小伙伴可以考虑5680。

  接下来其实要进行的是SDXL1.0配合Controlnet的使用情况,但是目前3581的显存还承载不住Controlnet,丢丢试了一下,5680想用SDXL1.0配合Controlnet只能同时出一张图,显存的使用率已经达到了极限的11.5GB,而3581是用不了SDXL+Controlnet的。

  建筑学长-丢丢——AIGC

  Precision 5680

  那么既然这样,貌似3581和5680的对比测试就没有必要了,我们已经知道两台工作站的使用极限,但丢丢是个好事的人~我自己刚买的搭载NVIDIA RTX 4090显卡的笔记本电脑有点跃跃欲试,想要和工作站比拼一下!

  建筑学长-丢丢——AIGC

  丢丢的笔记本配置

  丢丢的笔记本刚买不久,整体配置要略胜于5680的,尤其是CPU和显卡,正好我也看看作为工作站级别的专业显卡NVIDIA RTX 3500 Ada和我的NVIDIA RTX 4090到底有没有太大的差距。(SD出图不考虑CPU,所以CPU的差距可以忽略不计)

  |测试四:SDXL1.0文生图|

  建筑学长-丢丢——AIGC

  单批数量为2:测试结果

  建筑学长-丢丢——AIGC

  单批数量为4:测试结果

  建筑学长-丢丢——AIGC

  总批次数为8:测试结果

  建筑学长-丢丢——AIGC

  测试的结果让丢丢很吃惊,按道理来讲4090这款消费级显卡是要比5680的RTX3500Ada专业卡好一些的,显存也是多出4GB(4090的显存16GB,3500Ada的显存12GB),但让我没想到的是,5680在出图速度上竟然胜过我的4090!

  5680在SDXL大模型下,平均一张图的出图时间为20-22S,丢丢的电脑在SDXL大模型下,平均出一张图的时间为35-48S.下面是两台电脑在极限出图状态下的显存占用情况。

  建筑学长-丢丢——AIGC

  丢丢的4090(极限测试单批6张图)

  建筑学长-丢丢——AIGC

  Precision 5680(极限测试单批4张图)

  因为显存的差距,极限测试两台电脑单批出图的数量是不一样的,但这也能理解,毕竟相差了4GB的显存。

  但就算是显存占优势,专业卡和我们普通的游戏卡也就是消费级显卡还是有一些差距的啊,这速度明显在正常状态下专业卡的表现要比消费级显卡好啊,但是丢丢不服,毕竟丢丢的4090在SDXL+Controlnet下能一起跑四张图!

  不开玩笑了,今天的主人公也不是我的电脑,咱们还是来说说3581与5680吧。

  测试汇总与购买建议

  05

  关于价格,Precision 3581的售价在15000左右,Precision 5680的售价在30000左右。

  这里丢丢稍微解释一下,5680这款移动工作站在做工上要比3581好很多,并且搭载的显示器也是UHD 4K屏,在显示器上也比3581要好很多,丢丢这次测评没有在两款移动工作站的做工和显示器上下文章。

  从使用上来说,3581可以满足我们日常对AI的运用,而5680的上限更高,两款笔记本的性能都表现得非常出色,这两款笔记本在硬件上的主要区别是显卡不同,经过SD出图的测试,我们能感觉到专业级显卡的稳定性更强,那么这在我们日常工作当中帮助巨大。

  当然还有一个小点,就是SDXL+Controlnet的使用,3581这款笔记本是支撑不住SDXL+Controlnet所消耗的巨大显存的,它可以正常使用SD1.5,而5680可以单张单张的跑SDXL+Controlnet并且不崩溃,显存不超负荷。

  至于测试中丢丢自己的搭载NVIDIA RTX 4090显卡的笔记本毕竟显存是16GB,比5680这一款搭载NVIDIA RTX 3500 Ada的笔记本在显存上有4G的差距,所以如果要说上限的话对于SD而言,显存越高上限越高,简单点说就是显存越高同时能出的图就越多。

  当然也有人会有疑惑就是专业卡和消费级显卡应该如何选择,4090是一款消费级显卡,3500Ada是一款专业级显卡,这两张显卡其实并不对等,如果要做同级别对比的话,4090同级别的专业卡应该是5000 Ada。

  当然如果同级别对比,价格肯定消费级显卡更便宜一些。

  从此次测试结果和丢丢的个人使用来看,专业级显卡在稳定性和运算速度上是要比消费级显卡强一些的,就算级别不对等,我们通过测试的时间也能看得出来。

  如果各位预算有限,但还想使用SD进行出图的话,丢丢建议选购Precision 3581,毕竟SDXL对显存的消耗太大了,虽然效果出众,但是一般人扛不住啊!

  而如果你的荷包还算鼓,预算充足,想使用SDXL进行出图,丢丢建议选购Precision 5680,毕竟谁不想体验极限的性能呢!

  至于像4090这样搭载消费级显卡的电脑,可能同价位会买到显存更高的笔记本,那么从SD出图的上限来看,应该会更高一些,只不过稳定性会略差一点,丢丢个人使用中,我的这台搭载NVIDIA RTX 4090显卡的笔记本在显存即将达到上限的时候,时而会出现崩溃出不来图的情况,但专业级显卡的电脑也不会这样。所以从稳定性上来看,还是专业级显卡好一些,但如果从性价比上来看,搭载消费级显卡的笔记本会是更好的选择。

  以上就是本文全部内容啦~