Stable Diffusion 显存不够、Lumion 渲染排队等半天：设计课题组的 GPU 共享方案
建筑系学生小李打开 Stable Diffusion WebUI，想生成一组建筑立面方案的草图，按下生成按钮，红色报错弹出来：CUDA out of memory。
自己笔记本的 4 GB 显存，在 SDXL 时代已经不够用了。
课题组工业设计专业的师兄情况稍好一点，实验室有一台配 RTX 3080 的工作站。但五个人都要用 Lumion 渲染效果图，默认只能排队——师兄渲染一个大场景要两小时，后面四个人只能等着，一天就这样过去了。
数字媒体专业的同学试着用 ComfyUI 跑 ControlNet + SDXL 的工作流：显存溢出，降采样、降分辨率、换小模型，最终出的图质量让人失望，和导师演示的效果差得很远。
这三个场景背后是同一个问题：渲染和 AI 生图对 GPU 显存的需求，已经远超普通笔记本和低配工作站的上限。 但给每个学生配一台高显存独立工作站，一台就要 3～5 万，课题组经费根本不够。
显存不够：先把需求摸清楚
在谈方案之前，先把主流软件的显存需求说清楚，很多同学对这个没有直观认知。
AI 生图类（Stable Diffusion 系）：
| 任务 | 最低显存 | 推荐显存 |
|---|---|---|
| SD 1.5（512px） | 4 GB | 6 GB |
| SDXL（1024px） | 8 GB | 10 GB |
| ComfyUI + ControlNet + SDXL | 10 GB | 12 GB |
| FLUX.1 模型 | 12 GB | 16 GB |
| AnimateDiff 视频生成 | 16 GB | 24 GB |
笔记本的 4 GB 显存在 SDXL 时代已经基本不够用，只能勉强跑 SD 1.5 的低分辨率图。FLUX.1 这类新模型，更是笔记本完全触不到的门槛。
实时渲染类：
Lumion 大场景：推荐 12 GB 以上，8 GB 勉强够用但实时预览偶尔掉帧。
D5 Render / Enscape：8 GB 可用，12 GB 更流畅，支持更高分辨率的实时预览。
V-Ray GPU：推荐 16～24 GB，显存越大能处理的场景越复杂，渲染速度越快。
核心结论： 覆盖 SDXL + 实时渲染的基本需求，人均需要 8～12 GB 显存。普通笔记本的 4～6 GB 完全不够，人均独立高显存工作站又太贵。
解法：一台高显存 GPU 工作站，虚拟化给全组用
解决思路：课题组购置一台配高显存 GPU 的工作站，通过 vGPU 技术切分给每个学生，各自有独立的显存分区，Stable Diffusion、Lumion、Enscape 正常运行，五人同时出图互不干扰。
整体架构如下图：
技术栈
底层：Proxmox VE（免费开源虚拟化平台）装在工作站裸机上
管理层：DoraCloud 负责桌面管理，每个学生登录账号进入独立 Windows 桌面
GPU 虚拟化：NVIDIA vGPU（vWS 授权），把一张专业显卡切分给多台虚拟机
GPU 选型
渲染和 AI 生图场景，推荐两款显卡：
RTX A6000（48 GB，工作站专业卡）：支持 vGPU 切分，vWS 授权支持完整 OpenGL 图形加速，适合 Lumion / Enscape / D5 Render 等对图形 API 有要求的实时渲染软件。A6000-8Q Profile 下 48 GB ÷ 8 GB = 6 个实例，5 人使用 + 1 备用。
NVIDIA L40S（48 GB，数据中心卡）：专为生成式 AI 和渲染设计，兼顾 CUDA 计算和图形渲染，适合 Stable Diffusion + ComfyUI + 实时渲染混合使用场景，性能略强于 A6000。
关键说明：Profile 档位必须统一
NVIDIA vGPU 要求同一张物理显卡上的所有虚拟实例使用相同的 Profile 档位（即每个实例的显存大小必须一致），不能在同一张卡上混用不同大小的切片。
选 A6000-8Q：48 GB ÷ 8 GB = 6 实例，支持 5 名学生（1 备用），SDXL 和 Lumion 流畅运行
选 A6000-16Q：48 GB ÷ 16 GB = 3 实例，只支持 3 名学生，但可以跑 AnimateDiff 视频生成和 FLUX.1 大模型
建议在方案设计阶段就确定好 Profile，上线后更换需要停机重配，并相应调整可用实例数量。
资源分配参考（5 名学生，A6000-8Q）
| 学生 | 显存 | CPU 核心 | 内存 | 主要用途 |
|---|---|---|---|---|
| 学生 A | 8 GB | 6 核 | 24 GB | SDXL + ControlNet |
| 学生 B | 8 GB | 6 核 | 24 GB | Lumion 建筑效果图 |
| 学生 C | 8 GB | 4 核 | 20 GB | D5 Render + SketchUp |
| 学生 D | 8 GB | 4 核 | 20 GB | ComfyUI 工作流 |
| 学生 E | 8 GB | 4 核 | 20 GB | Enscape + Revit 联动 |
| 备用 | 8 GB | — | — | 临时需求 / 管理 |
五人同时建模、出图、渲染，互不干扰，和各自独立高显存工作站体验一致。
Stable Diffusion 在虚拟机里的注意事项
Stable Diffusion WebUI 和 ComfyUI 在 Windows 或 Linux 虚拟机里正常运行，安装配置方式和本地基本一致。
模型文件统一存储是关键
SD 的模型文件体积很大，checkpoint 模型 2～7 GB 一个，LoRA 100～300 MB，ControlNet 模型 1～2 GB 每个。如果五个学生各自存一份，16 TB 存储很快就满了。
建议统一存放在服务器共享目录，所有虚拟机通过符号链接（symlink，即快捷方式的 Linux 版本）访问：
# 在每台虚拟机里创建符号链接，指向共享存储
ln -s /mnt/shared/sd-models ~/stable-diffusion-webui/models每个模型只存一份，所有人共享，新模型下载一次所有人立刻可用。
显存不够时的临时应对
如果 8 GB Profile 下跑某些大模型显存不足，可以在 WebUI 启动参数里加上： --medvram（中等显存优化）或 --lowvram（低显存模式）
这些参数会把部分模型层移到内存，以速度换显存空间，4 GB 显存的机器也能勉强跑 SDXL，但生成速度会变慢。
Lumion 渲染任务调度
Lumion 的实时渲染和效果图导出是典型的”等待型任务”——提交导出任务后，就是等待，不需要实时操作。
对于需要批量出图的场景（比如多张视角、多个时间段的光照效果），可以把 Lumion 的渲染任务在下班前提交，设置好输出路径，第二天早上来看结果。服务器整夜在跑，不需要人守着。
Blender / V-Ray 命令行渲染
Blender 和 V-Ray 均支持命令行渲染，可以在服务器后台批量处理渲染任务：
# Blender 命令行渲染单帧
blender -b scene.blend -o /output/ -f 1
# Blender 渲染帧序列
blender -b scene.blend -o /output/ -s 1 -e 100 -a提交后可以关掉本地电脑，渲染在服务器上继续跑，完成后结果存到共享目录。
成本对比
场景：课题组 5 名学生，建筑 / 工业设计方向，主要用 Stable Diffusion、Lumion、D5 Render、ComfyUI。
方案 A：每人配一台高显存工作站（i9 + 32 GB + RTX 4080 16 GB）
| 项目 | 费用 |
|---|---|
| 5 台工作站（每台约 2.5 万） | 12.5 万 |
| 4 年后换机 | 再花约 12.5 万 |
| 5 年合计 | 约 25 万 |
GPU 平均利用率：< 20%（建模、改方案时 GPU 完全闲置）
方案 B：共享工作站 + vGPU 虚拟化
| 项目 | 费用 |
|---|---|
| Threadripper PRO 工作站（128 GB 内存） | 约 6 万 |
| NVIDIA RTX A6000（48 GB） | 约 4 万 |
| vWS License（5 用户 × 5 年） | 约 10 万（估算参考，实际价格因渠道、教育优惠、汇率波动差异较大，采购前建议向 NVIDIA 授权代理商询价） |
| 5 台轻薄本（每台约 5000 元） | 2.5 万 |
| DoraCloud 授权 | 约 0.5 万 |
| 5 年合计 | 约 23 万 |
成本差距不大，但实际价值差距很大：
RTX A6000 的 48 GB 显存总量，是 5 台 RTX 4080（各 16 GB）总显存的 60%，但 A6000 的显存带宽（768 GB/s）远高于 RTX 4080（716 GB/s），且专业卡稳定性和 OpenGL 认证更好。
GPU 利用率从不足 20% 提升到 60%+，同样的硬件投入产出了更多有效计算时间。
模型文件统一存储，节省大量存储空间和重复下载时间。
实施难度
部署约 2～3 天，有一个懂 Linux 的学生可以完成。
关键步骤：安装 Proxmox VE → 配置 NVIDIA vGPU 驱动（NVIDIA 官方文档，按步骤操作）→ 部署 DoraCloud → 制作 Windows 模板（预装 Stable Diffusion WebUI、ComfyUI、Blender、必要运行库）→ 配置共享存储和模型符号链接 → 克隆虚拟桌面 → 学生账号分配。
新生入组：克隆模板虚拟机约 10 分钟，账号激活后立即可以开始出图，不需要自己下载安装 SD 环境。
适合哪些课题组
非常适合：
- 建筑、城市规划、景观设计方向，使用 Lumion / D5 Render / Enscape / V-Ray 的课题组
- 工业设计、数字媒体、视觉传达方向，使用 Stable Diffusion / ComfyUI / Blender 的课题组
- 对 AI 生图有需求但笔记本显存不够的课题组
- 有设计成果保密要求的课题组（图纸和效果图不落地本地终端）
需要提前确认的：
- Lumion 的 License 类型：Lumion 有浮动授权（同一时间只能一人使用）和节点锁定授权（绑定机器）两种，虚拟化方案建议使用浮动授权，采购前和代理商确认
- Profile 档位选择：按课题组最重度的任务（是否需要 FLUX.1 / AnimateDiff）确定 8Q 还是 16Q
- vWS 授权：Stable Diffusion 纯 CUDA 计算可以用 vCS 授权（便宜一些），但如果同时用实时渲染软件（需要 OpenGL），必须选 vWS
结语
Stable Diffusion 跑不了是因为显存不够，Lumion 渲染排队是因为只有一台 GPU——这些问题都有解法。把高显存 GPU 集中起来，通过虚拟化给每个学生分配 8 GB 独立显存，SDXL、ComfyUI、Lumion、Enscape 全部流畅运行，五人同时出图互不干扰，模型文件统一存储不重复下载。
DoraCloud 的 ShareStation 工作站虚拟化方案支持 NVIDIA vGPU（vWS 授权），在建筑设计和数字媒体专业方向有落地案例，官网 http://www.doracloud.cn 可以了解相关方案文档。