Stable Diffusion 跑不动，守着手里这张 8G 显存显卡干瞪眼——这种话题在玩 AI 绘画的群里几乎每周都能看到。其实很多人的显卡根本没有真正发挥出实力，问题出在软件参数、生图习惯和硬件调校这三层叠在一起的隐形损耗上。这篇文章不讲怎么攒钱换新卡，就讲怎么把手头这张卡彻底榨干。适合三类人：显存刚好够用但经常爆的、一张图等半天的、想在换卡之前再做最后挣扎的。下面从瓶颈定位、启动参数、生图策略、显存管理到频率功耗，一层层说透。
1. 先别急着换卡：找到真正的性能瓶颈
1.1 显存和算力，到底哪个卡脖子
先说个最常见的误区：Stable Diffusion 跑得慢或者跑不动，很多人第一反应是“显卡太差该换了”。但麻烦你先搞清楚，到底是哪一项卡住了你。
可以把显卡理解成一个加工车间：算力是干活儿的工人数量，显存是操作台面，内存是仓库，硬盘是书架。Stable Diffusion 生成一张图，需要工人（GPU 计算单元）一轮又一轮地在台面上处理数据，而中间所有那些半成品张量都得暂时堆在操作台上。操作台不够大，工人手再快也白搭，这就是爆显存——任务直接掉地上，报错退出。操作台够大但工人少，那就是单纯慢，图能出来，只是要等。
这是两种完全不同的病。8G 显存跑 512×512 一般没什么压力，但你要直接跑 1024×1024，中间激活层的峰值显存会暴涨，这时候大概率“CUDA out of memory”。反过来，如果你跑 512×512 都要 15 秒一张，那就是算力或者带宽撑不住了。方向搞反了，后面所有优化都是白费。
1.2 先做一次基准测试，用数据说话
别凭感觉判断，花十分钟跑一次基准测试，拿到数字之后再动手。方法很简单：
- 固定提示词，就用“a photo of a cat on a bench, sunlight, high detail”，负面提示词也固定。
- 固定随机种子，填 42，保证每次生成的可重复性。
- 固定参数：分辨率 512×512、采样器 DPM++ 2M Karras、步数 20、CFG 7、批量数量 1。
- 点生成，从点击到出图完成计时，跑三次取中间值。
- 同时用 GPU-Z 或系统自带的性能监视器记录显存峰值。
把结果存成表格，这就是你的“性能基线”。后面每调一项，都用同样的基线重新测，用同一张图对比，才能看出改动到底有没有用。这里有个容易踩的坑：别用“批量数量 4”来做基线。批量确实能提高单位时间出图数，但它会显著推高显存峰值，把显存和速度两个变量混在一起，你根本判断不了到底是谁在起作用。基线就是基线，越干净越好。
2. 零成本启动参数优化：WebUI 里没写进文档的大坑
2.1 最容易忽略的启动参数
你日常用的 WebUI，本质上是个 Python 服务，启动时有一堆命令行参数能大幅影响性能和显存表现。很多人装机就点个一键启动，从来没碰过这些，亏大了。
最经典的是--xformers。Stable Diffusion 的核心是注意力机制，原始的注意力计算在序列变长时开销增长很猛，显存占用也高。xformers 把这部分计算做了优化，显存占用能明显降下来，速度往往还能快一截。在启动参数里加上它，属于“白捡”级别的优化。
如果你用的是较新版本的 WebUI，官方其实已经默认集成了更快的注意力实现（类似 SDPA 的优化路径），这时候再加--xformers可能已经没意义，甚至日志里会提示该参数已废弃或被忽略。判断方法很简单：看启动日志里有没有相关提示，或者直接拿基线对比。
Windows 下改启动参数的位置在webui-user.bat，编辑它，找到这条：
set COMMANDLINE_ARGS=--xformers --no-half-vae如果你显存比较紧张，也可以先只加--xformers，跑一轮基线，再决定要不要加下面的东西。
2.2 显存不够的救星：--medvram / --lowvram
显存紧张的人，重点看这两个参数。
--medvram是中等显存优化模式，核心思路是尽可能不缓存中间激活值，让一些数据用完就释放，降低峰值显存占用。代价是速度会损失一部分，实测大概慢 10% 到 20%，但换来的可能是“能跑”和“完全跑不了”的区别。
--lowvram更激进，会把模型按模块拆开，用一块算一块，显存占用还能再往下压，但速度损失更大，属于 6G 以下显存走投无路时再用的方案。绝大多数 8G 卡用户，--medvram就够了，别一上来就--lowvram，否则你会有一种“优化完反而更卡”的错觉。
再说--no-half-vae。有些显卡在 FP16 精度下解码 VAE 会出现经典黑图问题，生成出来整个画面黑乎乎的。加这个参数让 VAE 用 FP32 精度跑，能解决黑图。代价是 VAE 解码那一段会稍慢，显存占用略增，但总比出黑图强。如果你从来没黑过，不需要加它；如果你黑图，第一时间加它。
这里有个重要的提醒：启动参数不是堆得越多越好。有些参数之间会打架，比如某些旧版本里--xformers和部分优化同时开反而报错。改动之后注意看启动日志，遇到unknown argument之类的提示，说明参数名没用对，查一下你当前版本的文档再继续。
> 关键参数建议速查（按显卡显存分档）： > - 8G 以上：--xformers（或保持默认优化路径） > - 6G~8G：--xformers --medvram > - 4G~6G：--xformers --lowvram > - 黑图问题：追加 --no-half-vae3. 生图流程中的降本增效：从提示词到批量的每个细节
3.1 分辨率、步数和采样器的真实关系
很多人跑不动高分辨率，是因为对分辨率消耗的理解有偏差。Stable Diffusion 内部的潜空间尺寸是像素尺寸的八分之一，高和宽各除以 8，也就是说 1024×1024 的图在潜空间里大约是 128×128×4 的张量。看着不大，但 UNet 每一层都会膨胀出大量中间激活，实际显存占用随分辨率放大不是线性翻倍，而是近似按像素数放大——512×512 到 1024×1024，像素数变为 4 倍，显存消耗通常也会跳到接近 4 倍。这就是为什么 8G 卡跑 512 行云流水，一上 1024 就当场去世。
实操建议：先低分辨率出草稿，确定构图和提示词没问题之后，再用局部重绘或者图生图放大。别总想着一步到位直接出 1024 成品，那是高显存玩家的玩法，低显存玩家有自己的路线。
步数也不是越多越好。很多人被“步数越高越好”忽悠，明明 20 步已经收敛，非要拉到 50 步，时间翻了一倍多，画面细节几乎看不出区别。不同采样器的收敛速度不一样，与其无脑堆步数，不如换一个效率更高的采样器。
常见采样器速查表：
| 采样器 | 速度 | 画质 | 推荐步数 | 适用场景 |
|---|---|---|---|---|
| Euler a | 快 | 中上 | 20~30 | 草稿、快速预览 |
| DDIM | 快 | 中 | 15~25 | 快速出图，旧版常用 |
| DPM++ 2M Karras | 中等 | 高 | 20~30 | 日常主力，性价比最高 |
| DPM++ SDE Karras | 慢 | 很高 | 25~35 | 细节控，不赶时间 |
我自己日常主力就是 DPM++ 2M Karras，加到 25 步，出图质量和速度的平衡点最舒服。如果你每一步都像割肉一样慢，换成 Euler a 把步数降到 20，画面差异其实肉眼很难看出来。
3.2 批次与队列：让显卡一直满负荷
很多用户点一下生成，等图出来，再点一下生成，中间那几秒显卡在摸鱼。如果你要出几十张图，这种用法等于让显卡一直处于“启动-干活-停机-启动”的低效循环里。
正确做法是设置批量数量或者使用连续队列。比如你想跑 50 张预览图，批量数量=4，一次任务跑完，显卡全程满载，吞吐量会明显高于一张张手动点。在 8G 卡上，批量数量=1 显存峰值大约 4~5G，批量数量=4 会直接逼近 7~8G，如果显存已经很紧张，就别贪，把批量数量保持在 1，但用队列连续跑，一样能减少空窗期。
另外很现实的一件事：生图的时候关掉网页后台那些吃显存的东西。我见过有人一边跑图一边挂着几十个标签页，还开着视频软件，8G 卡跑个 512 都能卡到报错。在系统资源监视器里看一眼显存占用就知道了，很多时候不是 Stable Diffusion 的问题，是后台那些“看似没开”的软件把你的显存偷走了。
4. 显存优化：爆显存也能跑大图的偏方
4.1 Tiled VAE 和模型精度：绕开显存墙
显存不够时，正面硬刚不行，就得绕。比较实用的一招是 Tiled VAE。
VAE 解码阶段要把潜空间张量还原成像素图像，高分辨率下这一步的显存峰值也很高。Tiled VAE 把这个过程拆成小块，分片解码再拼接，整张大图也能在低显存下跑完，代价是拼接处偶尔会有细微瑕疵，但大多数情况下肉眼注意不到。现在新的 WebUI 版本在设置里一般有对应开关，老版本可能需要装扩展，自己找一下“Optimizations”或“Tiled VAE”相关选项。
另一个思路是降低模型精度。同样一个模型，FP32 权重和 FP16 权重的显存占用差一倍。很多社区发布的模型本来就是 FP16 甚至更低精度的分片版本，低显存用户尽量选这类版本加载。最近还有量化格式的模型，显存占用能压得更低，但兼容性和画质会有一定损失，属于“为了能跑而做的妥协”。具体能不能用，要看你自己 WebUI 版本是否支持，别盲目刷一个量化版回来结果加载不了。
4.2 显存释放与系统层面的管理
跑图跑到后半程，你可能会遇到一种怪现象：前几张还好好的，越跑越卡，最后爆显存。这往往是显存碎片化和残留占用在积累。
换模型、换 LoRA、跑完一批大图之后，WebUI 的显存占用有时候不会完全释放干净。最粗暴有效的办法是重启 WebUI 的 Python 进程。在网页设置里找“Restart”按钮，或者在控制台 Ctrl+C 中断后重新启动，释放程度立竿见影。别嫌麻烦，这比折腾半天参数管用多了。
再说说系统层面的虚拟内存。Windows 的虚拟内存本质是拿硬盘当内存用，显存不够时数据会往内存排放，内存不够再往虚拟内存排放。如果虚拟内存太小，系统可能直接卡死或者报错。建议把虚拟内存设置在 SSD 上，手动设置为 24GB~32GB，防止内存被塞满后直接崩溃。千万别放在机械硬盘上，否则速度会拖到怀疑人生。
还有一个细节：尽量别同时加载多个模型。WebUI 虽然可以切换模型，但如果你设置里开了预加载，或者切完模型立刻生图，新旧模型可能同时占显存。低显存玩家就别追求无缝体验了，老老实实一次一个模型。
5. 榨干硬件的最后一步：显卡频率与功耗管理
5.1 功耗限制与温度控制：降功耗反而更快？
这一节有点反直觉，但我实测过很多次：长时间满载跑 Stable Diffusion，把显卡功耗拉低一点，出图速度反而可能更快。
原因在于现代显卡频率是动态调度的。显卡内部有功耗墙、温度墙、电压墙，哪一个先到顶，频率就往回收。默认设置下功耗墙往往调得偏高，显卡一跑重负载就发热，一过热频率就降，反而在低频率上徘徊。你把功耗限制从 100% 拉到 85%，温度下去了，Boost 频率维持得更高、更稳，整段生图过程都在有效频率上跑，最终用时可能反而缩短。
操作起来也简单。用常见的显卡调校软件那种“小飞机”工具，把功耗限制拉到 85%，跑一轮基线和默认状态对比。如果你的散热条件不太好，比如笔记本或者小机箱，这一步的收益会更明显。温度控制在 75 度以下是比较理想的状态，超过 80 度就该考虑清灰、换硅脂或者改善机箱风道了。
5.2 核心频率与显存频率微调
Stable Diffusion 这类体量巨大的计算任务，显存带宽往往比核心算力更早成为瓶颈。很多超频测试里，显存频率拉上来之后，速度提升比核心频率更明显。
具体怎么操作？第一步先把功耗限制拉到最高（如果你散热还行），保证 Boost 频率有足够余量。然后核心频率每次加 50MHz，跑 5~10 张图验证稳定性，再往上加。显存频率可以从 +200MHz 起步，跑一轮基线和压力测试看有没有花屏、黑图或驱动重置。如果出现，说明超过头了，降回去即可。
这里必须泼个冷水：超频会缩短硬件寿命、增加故障概率，笔记本和整机功耗比较紧的配置，超频空间很小，也容易触发保护机制，可能白折腾。我自己只在台式机上小幅度拉显存频率，差个 5%~8% 的速度已经是极限收益了，别指望超频让你一张卡变成两张卡。
5.3 系统和驱动层面的免费性能
从驱动和系统入手，是最容易获得免费性能提升的地方。
- 更新显卡驱动到较新的稳定版，尽量做一次干净安装，避免旧驱动残留冲突。装完驱动之后重启再跑 Stable Diffusion。
- 系统电源模式改为高性能，避免系统为了省电把显卡频率按在低位。
- 散热方面：显卡积灰严重的话，温度会直线飙升；硅脂干裂了，温度更高；机箱风道乱七八糟，热风出不去。这些属于基础维护，但很多人就是懒得弄。
监视硬件状态建议用能查看功耗和温度的工具：GPU-Z 能看 PerfCap Reason，它会直接告诉你当前是被功耗限制（PWR）还是被温度限制（THM）了。看到 THM 频繁亮起，那就别折腾超频了，先解决散热。
> 实际监控心得：跑 30 张图的过程中，如果 PerfCap Reason 长时间停在 PWR 上，说明功耗墙在起作用，尝试降低功耗限制反而可能提速；如果是 THM，说明散热不行，清灰换硅脂的优先级高于一切参数优化。6. 实测对照表：一个 8G 显存显卡的调校前后
我知道说了这么多，大家最想看的还是整体效果。以一张 8G 显存的主流显卡、16G 内存的配置为例，按照上面的思路完整调一遍，个人实测的经验数据大概是这样：
| 项目 | 调校前 | 调校后 |
|---|---|---|
| 启动参数 | 默认无 | --xformers --no-half-vae |
| 采样器/步数 | Euler a 30 步 | DPM++ 2M Karras 25 步 |
| 生成策略 | 直接 768×768 干跑 | 512 草稿 + 局部重绘放大 |
| 单张 512×512 耗时 | 约 9 秒 | 约 6.5 秒 |
| 显存峰值 | 接近 8G，偶尔爆 | 稳定在 5G 左右 |
| 1024×1024 | 经常中途爆显存 | Tiled VAE 辅助下可跑 |
| 满载 100 张连续出图 | 后期卡顿，偶发报错 | 全程平稳 |
注意，这张表只是个人实测记录，不同显卡、不同驱动、不同模型，结果都会有浮动，别当权威标准抄。但趋势是一致的：无脑默认配置往往同时存在启动参数缺失、采样器选择低效、显存管理粗糙、硬件状态未检查这四个问题，调校之后，速度差 30% 甚至更多完全不奇怪。
如果你的数据比我的还要差很多，先检查一下是不是后台程序吃显存、虚拟内存没设置、显卡温度爆表。这几点比超频更值得优先处理。
7. 常见问题与排查技巧实录
7.1 CUDA out of memory 的几类场景
这个报错大概是 AI 绘画群里出现频率最高的。每次报错场景不一样，解决思路也不同。
有一种是生成过程中途才爆显存，常常出在高分辨率或者高批量的任务上。这种直接降分辨率、降批量、开 --medvram 就能解决。还有一种是刚加载模型就爆，可能是之前残留的显存没释放，重启 WebUI 进程最直接。再有一种是画完图、VAE 解码那一步才爆，开 Tiled VAE 或者加 --no-half-vae，看情况。
快速排查表：
| 现象 | 常见原因 | 处理 |
|---|---|---|
| 生成中途爆显存 | 分辨率/批量太大 | 降参数、开 --medvram |
| 加载模型时就爆 | 旧进程残留 | 重启 WebUI |
| VAE 解码时爆 | 高分辨率解码压力 | 开 Tiled VAE |
| 连续出图越跑越卡 | 显存碎片、后台占用 | 重启进程、关后台软件 |
7.2 黑图、花屏与采样异常问题
黑图最常见的原因是 VAE 在 FP16 精度下出错，加--no-half-vae就能解决。如果你加了还黑，检查模型本身有没有问题，换一个模型试试。
花屏、噪点乱飞、色彩诡异，第一步先看步数和 CFG。CFG 拉太高（比如超过 15）就容易崩图，步数太少则细节不够，画面可能变成一团噪点。把 CFG 降到 7 左右，步数提到 25 左右，大部分“崩图”问题就会消失。
还有一个容易被忽略的：超频过度导致驱动重置。如果你刚折腾完频率，然后开始出现花屏、报illegal memory access之类的错误，先别怀疑模型，把频率还原，装一遍干净驱动。硬件问题优先排除，不然你会在错误的方向上浪费大半天。
最后提一个经验：控制台日志不要忽略。报错时把那段红字日志完整复制下来，再拿去搜或者请教别人，信息密度比你说“爆显存了怎么办”高得多。日志里往往会直接写清楚是显存不足还是非法内存访问，还是模型文件损坏，这个信息对排查方向有决定意义。
我自己在 8G 卡上完整调了一轮之后，最大的感受是：大部分人手里的卡不是真的不够强，而是被默认配置和坏习惯封印了一大截。先花二十分钟跑个基线，加几个启动参数，改一下采样器和分辨率策略，再检查一遍散热和功耗状态，通常比直接打开购物网站刷显卡实在得多。如果全套动作做下来，还是咬不动你想要的图，那再考虑换卡也不迟。
