部署AI绘画本地跑通了：老显卡两小时装机记录
先把话说在前面：部署AI绘画不难，难的是别在动手前稀里糊涂。我用一张六G显存的老显卡两小时跑通，全程只卡在依赖报错和模型下载这两处。查硬件、备下载、别乱升Python版本，三件事做在前面，装机就是流水账。
去年我就想在自己那台老电脑上部署AI绘画，一直被「装机劝退帖」吓着没动手。上个月网页端的额度又涨价，心一横，一个周六下午把这事办了。硬件是台五年前的机器，显卡GTX 1660 Super，六G显存，属于评测圈公认的「勉强及格线」。
结果是：两小时零六分钟，出第一张图。这篇就是那两小时的流水账，哪一步快、哪一步卡、卡了怎么解，都按实际时间记了。
先给结论性的一句话：整件事的难度分布极不均匀。真正的难点只占两处，剩下的都是等待——等解压、等下载、等加载。怕麻烦的朋友，看到这两处坑心里有数，就成功了一半。
动手之前，先查三样东西
部署前查三样：显卡型号和显存大小、硬盘剩余空间至少留五十G、Python版本别用最新的。三样查完再动手，一半的劝退帖与你无关。
第一样，显存决定生死。六G能跑基础模型出七百多像素的图，想玩更高质量的得十二G起步，这是硬门槛，绕不开。第二样，硬盘，一个模型文件动辄五到七G，装两三个再留点缓存空间，五十G是底线。第三样最阴险：我第一次装的时候用了最新的Python版本，装依赖直接报错，翻了半个帖子区才看到一句不起眼的回复——这生态对最新版本的支持总是慢半拍，装个次新的稳定版，一步到位。
这三样里，前两样是硬门槛，第三样纯粹是经验。我当时要是先花十分钟查攻略，也不至于白装一回。查完硬件，装机软件我选的整合包，图省事，一路解压就能用。
装机路上最容易卡住的两步
一是依赖环境报错，二是大体积模型下载到九成断线，两处都有现成解法。前者锁版本，后者换断点续传，别硬刚。
第一步的坑我上面说了，换Python版本解决，前后耗了四十分钟，占了总时长的小一半。这里展开一句：报错信息一大屏英文，看着吓人，其实关键就中间那两行「版本不兼容」。我当时犯了新手通病，见报错就重装，重装三遍不如把报错读完一遍。第二个坑更磨人：模型文件七G多，浏览器下载断了两回，第二回断在九成，血压瞬间拉满。后来学乖了，找个支持断点续传的下载工具挂着下，去泡了杯茶，回来一看，稳稳落盘。
启动软件之后反而顺了。加载模型一分多钟，第一张图跑了四十三秒——七百多像素，一张安静的小山水，构图还挺正。显存峰值贴着六G的红线过，没爆，机箱风扇转得跟直升机似的，但稳住了。那张图论质量打不过网页端，但它是从我自己机器里出来的，电费成本约莫两分钱，这个感觉网页端给不了。
云端和本地，账要分开算
本地胜在无限量零单价，云端胜在画质上限和不用维护，两头各算各的账。重度玩家两头都要，轻度用户网页端先玩着。
我的账本是这样的：本地出一张图两分钱电费，一天抽卡两百张也就四块钱，睡个觉挂机批量跑图，早上一屋子图；缺点是这张老卡画质到顶了，而且爆显存就得自己想办法。云端反过来，单张贵一点，但模型随便换，大参数随便拉，挂了有人管，售后是别人的。
所以我现在是混着用：构图和抽卡在本地上无限跑，定稿那几张上云端拉满参数精修。本地还有个隐性成本别忽略——维护。升级软件、换模型、清缓存，隔三差五要花点闲工夫，不愿意伺候机器的人会觉得烦。显卡选型的更多门道，这边有一篇写得更细，两条路线的账都算过。至于报错，多数时候是网络和参数问题，跟硬件真没多大关系，别一报错就怀疑自己买错了卡。
周六晚上，我把那张两分钱的小山水发到群里，配文「装机成功」。有个上周还在劝我「别折腾」的朋友秒回：教程呢？你看，劝退帖看一百篇，真不如自己卡一次报错记得牢——那两小时花的每一分钟，现在都是我吹牛的资本。
常见问题
四G显存的卡还能部署吗？
能，出小尺寸图，速度慢些，参数也得多收敛。跑通没问题，体验打个对折。
整合包和手动装，选哪个？
新手无脑选整合包，能省掉九成环境问题，先把图跑起来再说。想深入理解每个组件的，再考虑手动装。
本地部署要联网吗？
装完之后出图全程离线，这也是本地最大的价值之一，隐私和断网环境都不怕。
模型文件去哪里下载才安全？
认官方发布页和知名模型社区，下载前看一眼文件体积是否对得上，来路不明的整合包别碰。