内网环境怎么跑AI修图？离线部署方案全指南

去年底接到一个挺特殊的咨询——一个做军工配套的朋友问我："我们单位电脑全部断网的，能不能也用上AI修图？"他们的需求其实很具体：产品照片的背景替换、尺寸标注图的清晰度增强、以及一些简单的瑕疵消除。

当时我第一反应是：这事儿能做，但确实得折腾。

后来帮他折腾完了，发现内网AI修图的需求比我想的要大得多。不只是军工，银行、医院、政府部门、部分国企——凡是涉及数据安全不能联网的单位，对本地化AI修图都有需求。但网上关于这块的教程少得可怜，大部分AI修图教程上来就是"打开某某网站"或者"登录某某App"，默认你有网。

今天就把内网离线部署AI修图的完整方案写出来。

为什么要在内网跑AI修图

内网部署AI修图的核心驱动力就一个字：安全。照片数据不出内网，杜绝泄露风险。这在某些行业不是"最好能做到"，而是合规硬性要求。

你可能觉得"修个图而已，有什么好保密的"。但你想想这些场景：

• 军工企业的产品图——里面可能包含未公开的设备外观和技术参数
• 医院的患者影像资料——CT片、X光片的AI增强，涉及患者隐私
• 银行的证件照处理——身份证、护照的照片，泄露就是大事
• 政府部门的内部文件图片——涉密等级不一，但统一要求不外传
• 部分制造业的模具和图纸照片——核心知识产权

根据IDC 2025年的调研数据，约34%的企业将"数据安全和隐私合规"列为采用AI图像处理工具的首要顾虑。这些企业中，有超过一半考虑过或已经实施了本地化/私有化部署方案。

所以内网跑AI修图不是什么小众需求——它是一个正经的、有大量真实用户的场景。

硬件要求：最低配置和推荐配置

内网AI修图对硬件的核心要求就是显卡，8GB显存是最低门槛，16GB显存跑得舒服。CPU和内存反而没那么关键。

我把不同场景的硬件需求列出来：

其他硬件方面：

• CPU：Intel i5-12400或AMD R5 5600X以上就够了，AI修图主要吃GPU不吃CPU
• 内存：32GB起步，如果跑Stable Diffusion的大模型建议64GB
• 硬盘：SSD必须的，模型文件动辄几个GB，机械硬盘加载太慢。准备200GB以上的SSD空间给模型

有个坑要提前说一下：AMD的显卡在AI推理方面的生态还是不如NVIDIA。ROCm的兼容性坑多，除非你很熟悉Linux环境，否则老老实实上NVIDIA的卡。我们之前有篇文章专门测了RTX 4060跑AI修图的性能，可以参考。

方案一：Stable Diffusion本地离线部署（最灵活）

Stable Diffusion是目前最适合内网部署的AI修图方案——开源免费、模型可离线加载、功能覆盖面广。从抠图到Inpainting到图像增强全都能做。

具体部署步骤：

1. 在有网的电脑上下载所有需要的文件——这是最关键的一步。你需要提前下载：
   • Python 3.10安装包（离线安装版）
   • CUDA Toolkit和cuDNN（跟你的显卡驱动版本匹配）
   • Stable Diffusion WebUI（整个Git仓库打包）
   • 所需的模型文件（.safetensors格式，每个2-7GB）
   • 所有Python依赖包（pip download导出）
2. 把所有文件拷贝到内网电脑上——用U盘、移动硬盘或者内网共享盘
3. 离线安装Python和CUDA——按正常流程安装，不需要联网
4. 离线安装Python依赖——用 pip install --no-index --find-links=./packages -r requirements.txt
5. 把模型文件放到对应目录——models/Stable-diffusion/ 目录下
6. 启动WebUI——加上 --skip-install 参数跳过联网检查

整个过程最麻烦的是第1步和第4步。Python的依赖包之间互相依赖，缺一个就报错。我的经验是：先在有网的电脑上把整个环境跑通了，确认没问题，然后把整个虚拟环境文件夹打包复制到内网电脑上。这样比一个个装依赖靠谱得多。

如果你对安装流程不太熟悉，可以先看看我们的AI修图软件安装教程，把基础流程走一遍。

方案二：ONNX Runtime轻量级部署（最简单）

如果你的需求只是基础修图（降噪、锐化、放大、美颜），不需要Stable Diffusion那么重的全家桶，ONNX Runtime是更轻量的选择。部署简单，资源占用小，4GB显存的老卡也能跑。

ONNX是微软搞的一个通用模型格式，几乎所有AI模型都能转成ONNX格式。你只需要：

1. 找到你要用的功能对应的ONNX模型（比如Real-ESRGAN的超分辨率模型、BSRGAN的降噪模型）
2. 下载ONNX Runtime（GPU版本）
3. 写一个简单的Python脚本调用模型

代码量很少，一个模型调用脚本大概50行Python就够了。没有复杂的依赖链，部署成功率高。

缺点也明显：每种功能需要单独的模型，不像Stable Diffusion一个框架什么都能做。如果你需要的功能只有两三种（比如就是降噪+放大），ONNX方案是最省心的。要是需要十几种功能，还是上Stable Diffusion吧。

说个真实的案例。去年帮一个做法院档案数字化的部门部署过ONNX方案，他们的需求就是把扫描件变清晰。一台普通办公电脑（i5+GTX 1650），装了个Real-ESRGAN的ONNX模型，一张A4扫描件大概3秒就能处理完，效果非常好。他们现在每天处理几百张，跑了半年多没出过问题。

方案三：Docker容器化部署（最适合多人使用）

如果内网里有多个人需要用AI修图，搭一个Docker化的AI修图服务是最优方案。一台服务器跑服务，其他人通过浏览器访问，不用每台电脑都装环境。

架构很简单：

1. 一台带好显卡的服务器（或者工作站）做AI推理节点
2. 服务器上跑Docker容器，里面是Stable Diffusion WebUI或者自研的修图API
3. 其他用户通过内网IP+端口号用浏览器访问
4. 上传图片 → 选择修图功能 → AI处理 → 下载结果

Docker的好处是环境完全隔离，不会污染服务器的系统环境。而且容器镜像是一次性构建好的，迁移到另一台服务器也很方便——导出镜像、拷贝过去、加载启动就行。

FlowPix团队之前帮几个企业客户做过类似的部署。踩过的最大的坑是：Docker容器默认访问不到宿主机的GPU。你需要安装NVIDIA Container Toolkit，然后在docker run的时候加上 --gpus all 参数。忘了这步的话容器里就只能跑CPU推理，慢到你怀疑人生。

如果你的单位已经有IT部门在管服务器，Docker方案推荐让IT来搞。他们对内网的网段配置、防火墙规则、权限管理比较熟，你只需要告诉他们"我需要一个带GPU直通的Docker环境"就行。我们有一篇自建AI修图私有化部署的文章，讲得更详细。

离线模型怎么选：按需求匹配模型

内网部署不能像在线工具那样随便换模型，你得提前想好需要哪些功能，然后把对应的模型文件一次性带进内网。带少了功能缺失，带多了浪费空间。

常见修图需求和对应的推荐模型：

如果你的需求只是基础的画质增强（放大+降噪+人脸修复），上面前三个模型加起来不到600MB，一个U盘就能带进去。

要是需要做Inpainting或者风格化处理，那就得带Stable Diffusion的大模型了，一个模型文件就2-7GB。建议用移动硬盘。

有一点要注意：Hugging Face上下载模型的时候，记得同时下载模型的config文件和tokenizer（如果有的话）。光有模型权重文件没有配置文件，加载的时候会报错。我之前就吃过这个亏——在有网的时候只下了.safetensors文件，到内网发现还缺一堆配置文件，又跑回去下了一趟。

内网部署的常见坑和解决办法

内网部署AI修图最头疼的不是技术问题，而是"离线环境下缺东西"——缺依赖包、缺运行库、缺模型配置文件。解决思路就是：在有网环境把所有东西打包干净。

我总结了几个高频踩坑点：

坑1：Python依赖版本冲突。你在有网电脑上装好了环境，打包到内网发现跑不起来。大概率是两台电脑的操作系统版本、Python版本、CUDA版本有差异。解决办法：两台电脑尽量保持一样的系统环境，或者用conda打包整个虚拟环境。

坑2：显卡驱动版本不匹配。内网电脑的显卡驱动可能很旧（因为不联网就不会自动更新）。CUDA版本需要跟驱动版本匹配，不然PyTorch识别不到GPU。提前查好驱动版本对应的最高CUDA版本。

坑3：WebUI启动时自动联网检查。Stable Diffusion WebUI默认启动会检查更新和下载某些组件。在内网环境要加 --skip-install --no-download-sd-model 参数。如果还报网络错误，设置环境变量 HF_HUB_OFFLINE=1 和 TRANSFORMERS_OFFLINE=1。

坑4：文件传输的大小限制。有些单位的内网U盘管控政策会限制单文件大小（比如不能超过2GB）。偏偏SD的模型文件就超过2GB。解决办法是用7-Zip分卷压缩，到内网再合并解压。

坑5：内网电脑没有管理员权限。装Python、CUDA、Docker都需要管理员权限。如果你的工位电脑没有admin权限，需要提前跟IT申请，或者用便携版Python（不需要安装直接解压就能用）。

对了，如果你在部署过程中遇到参数配置的问题，可以参考一下我们的AI修图参数配置指南，里面有些通用参数的调优建议。

安全加固：内网AI修图的权限管理

在内网部署AI修图不是装好了就完事，还得做权限管理和审计日志——特别是涉密单位，这些是合规检查的必查项。

几个安全层面的建议：

• 访问控制——如果是Docker服务模式，加上账号密码登录。Gradio（SD WebUI用的框架）支持通过 --gradio-auth user:pass 参数设置简单认证
• 操作日志——记录谁在什么时间处理了什么图片。可以在API层加一个中间件自动记录
• 输入输出管控——限制只能处理特定格式的图片（比如只允许JPG和PNG），限制单次上传的文件大小
• 模型不可修改——把模型文件设置为只读权限，防止被误删或替换
• 定期更新——虽然是内网，但模型和软件也需要定期更新。建议每季度从外网下载最新版本，走审批流程后带入内网更新

这些事情可能听起来麻烦，但你要是不做，安全审计的时候被查到了更麻烦。提前做好省得后面补。

成本估算：搭一套内网AI修图要花多少钱

最后说说成本——毕竟要跟领导打报告要预算的。

单人使用的基础方案：如果你现有的工位电脑是近两年配的（i5+16GB内存），只需要加一张RTX 4060或3060显卡（￥2000-2500），再花半天时间部署环境。硬件成本控制在3000元以内，软件全部开源免费。

5-10人共享的服务器方案：买一台工作站级别的主机（RTX 4090+64GB内存+1TB SSD），大概￥15000-20000。加上部署和调试的人工成本，总预算3万左右。平摊到每人每月也就几百块，比买在线AI工具的企业版便宜。

大规模部署（20人以上）：建议上专业的推理服务器，显卡用NVIDIA A5000或A6000。预算10万起步。这种规模建议找专业的技术服务商来做，自己折腾风险太大。

从长远看，内网部署的性价比其实很高——一次投入，无限使用，没有按张收费或者月费订阅。用得越多越划算。如果你想了解更多关于自建AI修图服务器的细节，可以看看我们之前写的自建AI修图服务器教程。

最后的话

内网AI修图这个话题确实偏技术向，可能对不少读者来说门槛有点高。但核心思路其实很简单：提前在有网环境把东西准备齐全，然后搬进内网。

如果你自己搞不定，把这篇转给你们单位的IT同事——他们看完应该就知道怎么操作了。AI修图不是只有联网才能玩的，内网照样能跑出不错的效果。

觉得有用的话分享给同样在保密单位工作的朋友，说不定他们正愁这个事儿呢。