首页 > 传媒 > 关键词  > 正文

建筑学长-丢丢——AIGC|DELL Precision专业移动工作站AI绘图评测

2024-01-17 09:13 · 稿源: 站长之家用户

各位好久不见,我是丢丢,你们熟悉的那个男人又回来了!

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 RTX4090 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)。

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 |

Precision 3581

Precision 3581

从整体外观来看,Precision3581 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Precision3581 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Precision3581 已经可以胜任SD的出图工作了。接下来有请Precision  5680 选手登场~

Precision 5680

Precision 5680

在外观上,Precision5680 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。

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Precision3581 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。

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。

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!)

单批数量为2:测试结果

单批数量为4:测试结果

总批次数为10:测试结果

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)

Precision 3581

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|

两台移动工作站都美好的结束了测试,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 是优选,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。

单批数量为2:测试结果

单批数量为4:测试结果

总批次数为10:测试结果

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)

Precision 3581

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 |

单批数量为2:测试结果

单批数量为4:测试结果

总批次数为8:测试结果

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。

Precision 3581

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。

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 RTX4090 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 RTX4090 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 |

单批数量为2:测试结果

单批数量为4:测试结果

总批次数为8:测试结果

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。

丢丢的4090(极限测试单批 6 张图)

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 RTX4090 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 RTX4090 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~

-END-

将我们设为「星标★」就能第 一时间收到推送

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 用AI绘图开发游戏,一天就可完成一个游戏!

    文章介绍了一款融合《饥荒》诡异画风与密室逃脱玩法的解谜冒险游戏《密室求生》。游戏通过Holopix AI工具制作素材,解决了独立开发者面临的素材获取难题:1)AI可快速生成统一风格的场景、角色和道具图标;2)支持文生图功能,通过详细提示词优化生成效果;3)提供丰富的微调功能,包括五官调整、明暗调节等;4)支持线稿提取、智能扩图等实用功能。该工具能有效降�

  • 23所顶尖高校学子“玩转”AI创作!快手AIGC大赛点燃暑期青春风暴

    快手联合清华、北大等23所顶尖高校发起"青春筑梦·强国有我"AIGC创意短视频征集活动,吸引超万部作品参赛。活动通过可灵AI等工具降低创作门槛,激发高校学子创意潜能,如"加勒比海盗冲浪"等新颖构想。平台为优秀作品提供亿级流量支持,推动AIGC内容高质量发展。专家指出,国产大模型正从辅助工具升级为人才培养核心引擎,助力弥合知识与实践的断层。此次活动标志着AIGC在赋能青年创作、激活平台生态方面迈出重要一步。

  • 魔乐社区AIGC创作专区正式上线

    魔乐社区推出免费开放的AIGC创作专区,提供快速生图和专业生图两大核心功能。专区首页汇聚热门AI模型和优质作品展示,支持中英文输入和多种艺术风格模板。快速生图功能操作简单,用户输入文字描述即可一键生成高质量图像;专业生图模块提供LoRA模型组合、采样方法等高级参数调节,满足商业设计等专业需求。同时推出"AI夏日造梦"创作活动,7月12日至8月12日期间分享作品可参与人气打榜赢取奖品。该平台整合免费NPU算力资源,为从入门到专业的创作者提供高效低门槛的AI内容创作环境。

  • AIGC赋能营销革命:网娱互动如何重构数字传播新生态

    文章探讨了数字化营销中品牌传播效率的瓶颈问题。传统内容生产方式陷入同质化困境,热点追踪和跨平台协作困难。网娱互动凭借AIGC技术打破僵局,通过智能算法与自动化流程深度融合,实现个性化精准传播,带来营销效率的指数级提升。AIGC智能引擎颠覆传统生产流程,实时抓取热点数据与用户画像,差异化产出原创内容。技术重构了营销成本结构,人力成本直降60%,团队转向策略优化与资源调度。未来趋势是从内容生成到智能生命体的进化,AIGC将打通短视频时代的传播链路,推动营销向"策略-执行-优化"自主决策的智能生命体进化。网娱互动的技术发展历程,正是营销行业迈向智能化的生动缩影。

  • 办公娱乐两不误!会参谋MINI主机,打造智能家庭工作站与娱乐中心

    随着远程办公普及,迷你PC市场需求激增。会参谋推出LP1C基础版和LP5C升级版两款迷你主机:LP1C搭载英特尔N100处理器,重不足500g,支持4K输出,满足日常办公需求;LP5C采用i5-12450HX处理器,性能提升200%,支持双4K显示,适合专业创作。两款产品覆盖从基础办公到高性能需求场景,通过差异化配置精准满足不同用户需求,重新定义轻量化办公设备标准,展现智能办公领域创新实力。

  • 深度评测艾力斯特、荣泰、奥佳华哪个好?专业技术控的终极推荐款

    本文对比分析了奥佳华、艾力斯特和荣泰三大按摩椅品牌的优劣势。艾力斯特作为行业标准制定者,拥有i-OPEN柔性导轨等核心技术,产品性价比高,售后服务完善;荣泰线下渠道强大,产品线丰富,但中端机型配置缩水;奥佳华品牌知名度高,但价格虚高,入门款性价比低。推荐艾力斯特双芯1号V3Max和超凡大师M6两款万元机型,前者适合全家使用,后者融合六感摩享黑科技,提供沉浸式按摩体验。建议消费者根据自身需求到实体店体验后再做选择。

  • 秘塔AI也终于悄悄上线了DeepResearch。

    测试完以后,我觉得这玩意,还是值得我将近通宵写一篇的。 深度研究,也就是DeepResearch。 我过去写过很多次秘塔AI了,因为我自己的搜索习惯,现在基本就是,大活上ChatGPT用DeepResearch,常识问答直接找豆包,一般的AI搜索就是秘塔AI。 当然很多ChatBot产品都有AI搜索,但是我自己这两年,还是习惯用秘塔AI和Perplexity这样形态的原生AI搜索产品了,这可能就是习惯的力量吧。

  • AI编程终于“开箱即用”了?Qwen3-Coder或许是那个质变节点

    ​7月23日,阿里通义团队正式发布Qwen3-Coder-480B-A35B-Instruct,这可能是AI编程领域的一个分水岭时刻。该模型采用480B总参数、35B激活的MoE架构,原生支持256K上下文,可扩展至1M token,在Agentic Coding、Browser-Use、Tool-Use三大类基准中多项评测的开源SOTA,性能直接对标Claude Sonnet-4。

  • 大模型时代企业查询第一站——水滴信用企业数据查询MCP

    水滴信用推出企业数据查询MCP平台,通过大模型技术实现企业数据查询的智能化升级。该平台整合3.7亿市场主体数据,覆盖工商、司法、知识产权等六大类1000+维度信息,支持自然语言交互和跨域关联分析。目前已应用于银行风控、证券投研、供应链管理等核心场景,显著提升商业决策效率。作为央行备案征信机构,水滴信用凭借权威数据源和专业团队,正推动企业征信服务进入AI普惠时代,降低高价值商业情报获取门槛,促进透明可信的商业环境形成。

  • AIBase.com完整评测:发现20,382+AI工具的最佳途径

    AIBase是全球领先的AI工具导航平台,收录超过20,382个AI工具,涵盖25个主类别和187个子类别。平台提供智能搜索、专业分类目录和多语言支持,90%的工具经过实际测试。其核心优势包括:1)行业领先的收录数量和准确性;2)每日更新最新AI工具;3)用户可在30秒内找到所需工具。文章通过三个案例展示了AIBase如何帮助不同职业群体提升工作效率,并提供了5个专业使用技巧。尽管