AI作图效率高，亲测ToDesk、顺网云、青椒云多款云电脑AIGC实践创作

一、引言

随着人工智能生成内容（AIGC）的兴起，越来越多的创作者开始探索高效的文字处理和AI绘图方式，而云电脑也正成为AIGC创作中的重要工具。相比于传统的本地硬件，云电脑在AIGC场景中展现出了显著的优势，云电脑通过提供强大的计算资源，轻松应对深度学习模型的训练和推理任务，而其弹性扩展性也允许用户按需调整资源，无需购买昂贵的硬件设备，极大地降低了成本。

本文将通过对ToDesk云电脑、顺网云、青椒云三款云电脑的亲测实践，探讨它们在AIGC创作中的表现，带您一同感受AI作图的高效体验。

二、硬件配置实测分析

强大的硬件配置不仅决定了AIGC模型能否顺畅运行，也决定了生成内容的质量和生成速度。这里我首先选取了各个云电脑产品的最高配置，对显卡性能、内存大小、存储速度等关键指标进行测评。

2.1、显卡性能对比

在处理对话生成、高复杂度的图像生成这类AIGC任务时，显卡扮演着至关重要的角色。各种大型预训练语言模型的训练和推理过程通常涉及大量的矩阵运算和浮点计算。显卡的并行处理能力决定了处理矩阵乘法、卷积操作等计算密集型任务的速度，决定了模型训练与推理的速度。这里我们选取了每款云电脑的最高配置进行对比：

综合来看，显卡方面：青椒云≈ToDesk>顺网云。青椒云和ToDesk的4090显卡在处理大型模型和高分辨率图像生成时具有明显的优势，顺网云虽然最高配置仅支持4060，可以胜任一些基本的任务。

2.2、内存与频率对比

在AIGC场景下，云电脑的内存大小与内存频率对创作过程中的模型加载、数据处理以及多任务运行有着至关重要的影响。内存的大小和频率决定了系统在运行时的数据存储能力和处理速度，进而影响创作的整体效率。

像LLama3、ChatGLM、Stable Diffusion通常具有数亿甚至数十亿的参数。这些模型在运行时，需要将其参数和临时数据加载到内存中。如果内存不足，系统将无法有效地加载整个模型，导致频繁的硬盘交换（paging）或内存溢出，进而极大地降低模型的推理速度和创作效率。而频率较低的内存将导致CPU或GPU等待数据输入，产生性能瓶颈。而高频内存能够保障GPU和CPU在推理和训练过程中保持高效的数据吞吐。

经过分析，各个平台的高配版云电脑的内存大小和速度如下：

对比来看，各云平台的均配备了大小32GB，速度3200MHz的内存，且ToDesk云电脑AIGC藏宝地为64GB的内存，内存方面：ToDesk云电脑>青椒云=顺网云。

2.3、网络带宽对比

经常从事AIGC科研和创作的同学可能明白，预训练模型往往需要从云端资源库或第三方平台进行下载，其大小一般都在10GB以上。

如上图所示，像基本版的SD模型，大小在30GB以上，而最近比较火的LLama3模型，更是达到了300+GB。在带宽较低的情况下（如10-20 Mbps），下载这样的模型可能需要一个小时甚至更长时间；而在高带宽环境下（如100-500 Mbps），下载时间可以缩短到一个小时内或更少，而这也涉及到了很核心的成本问题。

这里本节使用测速网对各大云电脑产品的下载带宽和上传带宽进行了测试，最终结果如下：

综合来看，网络带宽方面：顺网云>ToDesk云电脑>青椒云。其中顺网云和ToDesk均能达到1000Mbps以上的下载带宽，而青椒云在网络带宽方面不太够用，在下载一些模型和安装依赖时比较慢。

2.4、性价比对比

青椒云aigc尝鲜与定制产品大多是2.5元/小时，需要先充值才能使用，最低充值10元起；如果想要和ToDesk一样的4090性能，至少要付100元/天起。而且账号竟然还能负债，上次差点忘了关机余额变-1，着实有点冒冷汗....

相较而言ToDesk云电脑在价格方面的性价比还是相当不错的，即开即用，独享满血高性能显卡，手机、平板、PC皆可使用。

ToDesk云电脑有其他平台没有的专享，那就是新用户免费试用。移动端、Web端新用户免费试用1小时，注册即送。如果是4070配置也有新用户0.1元体验6小时的券码：云电竞用【2024TD11】、云设计用【ToDeskPC5893】。平日基本会有活动价，打个5~8折，对刚需用户来说还是很划算的。

顺网云的服务模式相对单一，专注于游戏配置领域，它提供包月、包年等多种优惠套餐供选择，也支持用户按具体时长或时段购买。从收费设置上来看，它和网吧的计费方式颇为相似，例如月度和年度付费方案都包含每日固定的1~2小时游戏时间，还有夜间包时段优惠。然而，仔细比较其时长和时段的费用，会发现相对于其他两家，顺网云的价格会稍高些。

三、对话生成场景——ChatGLM实践分析

ChatGLM-6B是由清华大学和智谱AI开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62亿参数。该模型凭借其强大的语言理解和生成能力、轻量级的参数量以及开源的特性，已经成为在学术界和工业界引起了广泛关注。原理包括以下几点：

• 自回归填空预训练：通过预测部分遮盖的文本，模型学习长距离依赖关系，增强了文本生成和理解能力。
• 2D位置编码：为每个token分配两个位置id，捕捉原始位置和相对位置，使模型能适应不定长的遮盖跨度，提升任务灵活性。
• 模型架构的优化：优化了Transformer架构，调整层归一化和残差连接顺序，简化token预测层，使用GeLU激活函数，提高了模型的效率和表现。

3.1、ChatGLM部署

由于三个云平台提供的操作系统均为Windows，部署ChatGLM的步骤基本类似，下面统一介绍。

首先在部署ChatGLM之前，需要安装Anaconda，方便依赖管理，进入https://www.anaconda.com/download，下载Windows版本的Anaconda Installer，

点击安装，选项都选择默认即可：

安装成功后打开Anaconda Prompt，输入python，显示版本号说明基本环境安装完毕。

下面我们使用conda create -n glm新建一个名为glm的虚拟环境（当然，也可以直接使用base的虚拟环境）：

然后使用conda activate glm激活虚拟环境：

准备好基本的虚拟环境后，下面开始准备模型和代码，其中模型本次从https://huggingface.co/THUDM/chatglm2-6b-int4下载ChatGLM2-6b的量化模型，而代码可以从https://github.com/THUDM/ChatGLM-6B直接下载或者克隆。

然后cd进入ChatGLM-6b的代码文件目录中，输入pip install -r requirements.txt安装对应依赖环境，等待片刻：

安装好环境后，还需要打开tokenization_chatglm.py，将221行的代码放到 196行上面，即再super()方法前进行创建：

并打开cli_demo.py文件，配置模型文件所在的路径：

完成以上步骤后，ChatGLM输入python cli_demo.py即可启动成功！

3.2、推理效率对比

在推理效率的对比中，我们关注ToDesk云电脑、顺网云和青椒云在对话生成中的表现。通过测量各平台的推理速度和GPU利用率，我们可以评估它们在处理AIGC任务时的效率。测试结果显示，由于4090的加持，青椒云和ToDesk推理速度确实明显更快，均能很好的完成任务。而4060版本的顺网云则有点捉襟见肘，在运行时，8GB的显存基本完全被占满，发一句你好大概要30秒的响应时间。

这里附表直观展示各平台的平均推理速度：

3.3、对话生成质量对比

在对话生成质量的对比中，ToDesk云电脑、顺网云和青椒云部署的ChatGLM模型在语义准确性、一致性和流畅性方面表现基本一致。各个平台都能生成逻辑性强且连贯的对话内容，确保多轮交流中的自然过渡。虽然在个别细节上存在差异，但总体上，三者在对话生成质量上表现差不多，附图展示一些推理结果。

四、图像生成场景——Stable Diffusion实践分析

Stable Diffusion是一种将文本转化为图像的重要框架，它结合了分数阶扩散方程和卷积神经网络（CNN）的思想。这个方法的核心思想是将文本作为扩散源，通过扩散过程将文本信息传递到整个图像中，从而生成一张图像。Stable Diffusion具有以下特点：

1. 高质量图像生成：模型经过大量高质量图像训练，生成的图像具有较高的逼真度和细节表现力。
2. 高度灵活：Stable Diffusion能够生成各种类型的图像，如人脸、物体等，为开发者提供了广泛的应用场景。
3. 应用广泛：Stable Diffusion在图像处理、艺术创作、广告设计等领域具有广泛的应用前景，如图像生成、去噪、增强、风格转换、插值等。

4.1、Stable Diffusion部署

这里选用Stable Diffusion Webui进行部署，其提供了文本生成图像，图像翻译图像，局部重绘，多种采样方法，Tag补全、词元分析等等诸多功能。Stable Diffusion WebUI允许用户通过图形界面与Stable Diffusion模型进行交互。它简化了模型的使用，使得即使没有编程经验的用户也能轻松生成图像。

首先使用夸克网盘下载sd-weiui-aki：https://pan.quark.cn/s/2c832199b09b，本次实践采用4.6.1版本，下载完成后解压如下图所示：

然后点击绘世启动器启动，第一次启动可能需要加载一些控件如下：

启动后可能需要等待镜像加载与依赖安装：

之后在web端就可以看到Stable Diffusion的WebUI界面：

4.2、SD模型部署便捷性对比定制的镜像

便捷性方面，青椒云提供了定制的镜像，可以一键启动，用户可以通过简单的操作一键启动所需的环境。

这些镜像基本上都是A4000的显卡，4090的显卡一般都要包天出售，价格在100/天。不过在测评过程中，经常遇见没有空闲云主机的问题，青椒云资源太缺了。

而ToDesk同样也内置了绘世-WebUI定制镜像，可以直接免去4.1的步骤，这种设计极大地简化了用户的使用流程，减少了配置时间，这对于缺乏技术背景的用户尤为友好，使他们能够专注于内容创作，无需担心环境配置的问题，迅速进入创作状态。

该镜像内置了丰富的素材库和模板，涵盖了从风景、人物到抽象艺术等多种风格，为用户提供了无限的创作灵感和可能性。用户可以根据自己的喜好和需求，选择适合的素材和模板进行创作，或者将其作为起点，进行二次创作和个性化改造，让每一幅作品都充满独特的韵味和生命力。

除了绘世-WebUI，ToDesk还提供了绘世-ComfyUI镜像，ComfyUI通过将AI流程分解成各个节点，实现了工作流的精准定制和可靠复现。ComfyUI以其超快的图像生成速度、流畅的操作体验以及社区大量的工作流模板广受好评，可以一键加载，轻松实现人像生成、背景替换甚至图像动画化等复杂操作。

在ComfyUI镜像中，ToDesk还内置了最近很火的黑神话悟空换脸的工作流，只需要一键启动，然后在“CLIP文本编码器”当中需要输入想要的场景，在“加载图像”输入单人正面照， 就可以快速的定制生成个人专属的悟空形象。

在配置当中，ToDesk有一点很方便的就是本机和云电脑的文件快传的功能，因为做文生图和图生图时候，很多情况需要从本机找提示词或者找图片，需要两个机器进行交互。毕竟ToDesk有深厚的远程连接和云桌面技术积累，信道传输高效稳定。同时，在用户体验方面，ToDesk也下足了功夫，无论是界面设计还是操作流程，都力求简洁明了，让用户能够轻松上手，无需过多学习成本。

此外，ToDesk云电脑也支持Web端，同客户端一样扫码登录，可以解决一些跨平台、本地内存不够等问题，所以无论是WebUI，还是ComfyUI镜像，ToDesk云电脑也能上Web实现。

顺网云暂时没有对AIGC方面做相应的镜像，就部署便捷性方面，ToDesk>青椒云>顺网云。

4.3、图像生成速度对比

在本次测试中，我们评估了各云电脑在不同配置下的图像生成速度，并分析了这些速度对批量生成和高分辨率图像的影响。测试结果显示，ToDesk云电脑和青椒云在图像生成速度上表现尤为突出，能够迅速处理多个生成请求，并且在高分辨率图像生成方面表现稳定，ToDesk的RTX 4090和青椒云的RTX 4090，提供了强大的计算能力，显著提升了处理效率。

相对而言，顺网云由于仅配备了RTX 4060，其图像生成效率明显低于其他两款云电脑。在处理批量生成请求时，顺网云的响应时间较长，尤其是在高分辨率图像生成方面，常常需要更长的等待时间。这使得顺网云在需要快速生成大量图像的场景中显得力不从心。这里附表展示各平台的平均出图速度：

4.4、图像生成质量对比

在对比各平台使用相同模型和提示词生成的图像质量时，结果显示出明显的一致性。ToDesk云电脑和青椒云在生成图像的质量上仍然处于第一梯度，表现令人满意，尤其是在细节呈现和色彩准确性方面。这两款云电脑的高性能显卡RTX 4090使得生成的图像在清晰度和层次感上更为出色。以下是ToDesk云电脑和青椒云在同一提示词下的生成效果对比：

相比之下，顺网云由于配备的是RTX 4060，尽管其生成的图像质量依然较高，但在绘制细节方面略显不足，整体效果略逊一筹。特别是在复杂场景或高分辨率图像生成时，顺网云的表现未能达到青椒云和ToDesk云电脑的水准。这表明，在追求更高细节和更精确图像的应用场景中，硬件配置仍然对生成质量产生重要影响。

这里举一个例子，如下图所示，同样的提示词，顺网云在生成手指方面、招牌文字、衣服细节方面留下了较多的破绽，刻画不够细节。

就图像生成质量而言，ToDesk=青椒云>顺网云。

五、结语

在本次测评中，我们深入探讨了ToDesk云电脑、顺网云和青椒云等云电脑产品在AIGC创作中的实际表现。结果显示，无论是在硬件性能、软件部署的便捷性，还是在推理效率和图像生成质量上，这些云电脑产品都展现出了各自的优势。特别是ToDesk云电脑和青椒云，在对话生成任务中，表现出了快速的响应能力，能够迅速生成连贯且逻辑性强的文本，确保了对话的自然流畅。在图像生成任务中，同样能够生成细节丰富、质量上乘的图像，无论是在艺术创作还是商业应用中，都能够满足用户的高标准要求。但值得注意的是，青椒云的4090显卡仅支持包天服务，可能造成一定的成本压力。

综合来看，云电脑在AIGC创作中的优势已经不言而喻，随着技术的不断进步，我们有理由相信，云电脑将继续在AIGC创作中扮演更加重要的角色，推动创意产业的发展。