Stable Diffusion服务器搭建教程：从硬件选型到部署上线全流程指南

导语

想在自己的服务器上搭建 Stable Diffusion，实现 AI 绘画自由？本文从硬件选型、环境配置到 WebUI 部署，手把手教你完成 Stable Diffusion 服务器搭建，适合零基础小白和有一定运维经验的开发者。

一、Stable Diffusion 服务器搭建前的硬件准备

搭建 Stable Diffusion 服务器，硬件配置是第一步也是最关键的一步。Stable Diffusion 是一个典型的 GPU 密集型应用，显卡的选择直接决定了出图速度和可用模型的上限。

1.1 显卡（GPU）选择

显存大小是核心指标。SD 1.5 模型最低需要 4GB 显存，SDXL 模型建议 8GB 以上，SD 3.0 及 Flux 等新模型则需要 12GB 甚至更多。推荐配置：

• 入门级：RTX 3060 12GB，性价比之王，12GB 显存能跑大部分模型
• 中端：RTX 4070 Ti Super 16GB 或 RTX 4080 Super 16GB，兼顾速度和显存
• 高端：RTX 4090 24GB 或 A100 40GB/80GB，企业级多用户场景首选

如果是租用云服务器，推荐选择带 NVIDIA A10（24GB）、A100（40GB/80GB）或 L40S 的 GPU 实例。

1.2 其他硬件要求

• CPU：至少 8 核，推荐 Intel i7/i9 或 AMD Ryzen 7/9，多用户场景建议 16 核以上
• 内存：最低 16GB，推荐 32GB 起步，64GB 更稳妥
• 硬盘：系统盘 100GB SSD，模型存储盘建议 500GB 以上 NVMe SSD（模型文件动辄几十GB）
• 网络：国内服务器建议 10Mbps 以上带宽，下载模型和上传图片都需要稳定网络

二、系统环境与驱动安装

2.1 操作系统选择

推荐使用 Ubuntu 22.04 LTS 或 24.04 LTS，Stable Diffusion 生态对 Linux 支持最好，驱动安装也最方便。如果你更熟悉 Windows，Windows 11 + WSL2 也可以，但原生 Linux 性能更优。

2.2 NVIDIA 显卡驱动安装

在 Ubuntu 上执行以下命令安装最新驱动：

sudo apt update
sudo apt install nvidia-driver-550
sudo reboot

重启后运行 nvidia-smi 确认驱动安装成功，能看到显卡信息即可。

2.3 CUDA 和 cuDNN 安装

Stable Diffusion 依赖 CUDA 计算平台。推荐安装 CUDA 12.1 及以上版本：

sudo apt install nvidia-cuda-toolkit

PyTorch 安装时会自动匹配对应版本的 cuDNN，通常不需要单独安装。

三、Python 环境与 Stable Diffusion WebUI 部署

3.1 安装 Miniconda

使用 Conda 管理 Python 环境，避免依赖冲突：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc

3.2 创建虚拟环境

conda create -n sd python=3.10 -y
conda activate sd

3.3 安装 Stable Diffusion WebUI（A1111）

Automatic1111 的 WebUI 是最经典、社区支持最完善的 Stable Diffusion 前端：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
bash webui.sh --listen --port 7860 --enable-insecure-extension-access

首次运行会自动下载 PyTorch、模型文件和依赖，耐心等待。参数说明：

• --listen：允许外网访问（默认只监听 127.0.0.1）
• --port 7860：指定端口
• --enable-insecure-extension-access：允许安装第三方插件

3.4 ComfyUI 替代方案

如果你更喜欢节点式工作流，可以部署 ComfyUI，它内存占用更低、更灵活：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
python main.py --listen 0.0.0.0 --port 8188

四、常用插件与模型推荐

4.1 必装插件

• ControlNet：实现线稿上色、姿势控制、深度图等精准控制
• ADetailer：自动修复面部和手部细节
• CnTag：中文提示词支持
• Image Browser：历史图片浏览管理

4.2 推荐模型

• 写实类：Realistic Vision、Juggernaut XL、Flux.1 Dev
• 二次元：Anything V5、Counterfeit XL、Niji 风格
• 国风：国风3（GuoFeng3）、墨心

模型文件放在 models/Stable-diffusion/ 目录下即可自动识别。

五、Nginx 反向代理与 HTTPS 配置

生产环境中，建议用 Nginx 做反向代理并配置 HTTPS，保障访问安全：

server {
    listen 443 ssl;
    server_name sd.yourdomain.com;
    
    ssl_certificate /path/to/cert.pem;
    ssl_certificate_key /path/to/key.pem;
    
    client_max_body_size 100M;
    
    location / {
        proxy_pass http://127.0.0.1:7860;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_read_timeout 300s;
    }
}

六、安全防护与性能优化建议

• 访问控制：不要将 WebUI 直接暴露在公网，务必配置 Nginx 基本认证或防火墙白名单
• 自动启动：使用 systemd 服务实现开机自启
• 共享显存优化：多用户并发时，可通过 --medvram 或 --lowvram 参数降低显存占用
• xFormers 加速：A1111 默认支持，可显著提升生成速度并降低显存占用
• TensorRT 加速：高端显卡可开启 TensorRT，出图速度提升 2-3 倍

七、总结与建议

Stable Diffusion 服务器搭建并不复杂，核心就三步：选好显卡硬件、配好驱动环境、部署 WebUI。对于个人用户，一台 RTX 3060 12GB 的机器就够日常使用了；对于团队或商业场景，建议选择 RTX 4090 或 A100 级别的配置，搭配 Nginx 反向代理和 HTTPS，确保安全稳定。

如果你还不知道选什么服务器，可以先看看我们的个人博客服务器选型指南，或者参考本地部署大模型的服务器配置建议来举一反三。有问题欢迎留言讨论！