最近 AIGC 的大火，丢丢已经沉迷于 Stable Diffusion 不能自己了，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 系列电脑的小伙伴必须要知道，这是 DELL 的经典颜色，手感不错，笔记本整体也很轻，很适合我们外出携带。以下是 Precision 3581 电脑配置。

  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 出图是格外的简单的，我们只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，实际上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 是对配置要求比较高的模型，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，多用于让我们生成灵感，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，我们大家都希望借助 AI 让我们丰富灯光、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。

  随后单击生成，你们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。

  那么像个人会使用 SD 配合 Controlnet 做固定构图、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 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 做固定出图，出图结果可以把控，但是对硬件资源要求比较高，尤其是显卡显存的占用会显著提升，但对实际在做的工作帮助较大，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 也能够直接进行固定出图，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，毕竟一起进行嘛！

  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，不难发现 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，但在界限状态下工作的 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限，而 5680 在同等情况下极限数量为 7 张。

  整体来说 3581 在 SD 基础的使用上是绝对没问题的，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 能够完全满足个人会使用 AI 进行辅助设计出图的基础要求，而 5680 上限会更高一些。

  虽然经过 SD1.5 的测试，两台电脑的差距已经反映出来，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。）

  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，所以没办法出图。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。

  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。

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

  对于 SDXL 两台电脑能确定的是，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 可当作基础款入手，而 5680 可以适当进阶，如果追求出图速度和性能的小伙伴可优先考虑 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！

  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 的差距可忽略不计）

  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），但让我没有想到的是，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。

  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。

  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 能够完全满足我们日常对 AI 的运用，而 5680 的上限更高，两款笔记本的性能都表现得很出色，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，我们可以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。

  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该怎么样选择，4090 是一款消费级显卡，3500Ada 是一款专业级显卡，这两张显卡实际上并不对等，如果要做同级别对比的线 同级别的专业卡应该是 5000 Ada。

  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。

  广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更加多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。