生成式AI GPU主機需求【2026】:SD到影片生成

先講門檻:SDXL 出圖約 12GB VRAM 就能跑,Flux.1 的 FP8 版約 16GB,影片生成一開口就是 40GB 起跳。換句話說,生圖的 GPU主機門檻其實不高,影片才是真正的怪物。這篇把 SD、Flux 到影片生成的硬體需求一次攤開,附上批次吞吐試算與工作室分級的租用方案,照自己的規模對號入座就行。

生成式應用的 GPU主機需求,跟 LLM 是兩套邏輯

同樣叫 AI 主機,跑擴散模型與跑語言模型的資源結構差很多。LLM 推論吃的是常駐 VRAM 加高併發吞吐,模型一直躺在卡上;擴散模型是一張一張圖的批次運算,VRAM 峰值出現在高解析度放大與 ControlNet 疊加的瞬間,平時反而空。這帶來兩個實務結論:生成式工作負載適合佇列制而不是即時併發制,任務排進佇列、完成後回呼通知,架構簡單又省卡;VRAM 要按「最複雜的那條工作流」抓,不是按平均值,峰值一爆就是整批任務失敗。

把常見的生成式負載攤開,大致落在三段光譜上:即時單張(電商後台改圖、設計師互動迭代)要的是低排隊延遲;批次量產(素材工廠、商品目錄更新)要的是整日吞吐;訓練與研發(風格 LoRA、工作流開發)則是間歇性的高峰。多數工作室三種都有,規劃時分開估量,再決定是租一台大的還是切幾份小的,算出來的答案常常跟直覺相反。

儲存是另一個被低估的環節。LLM 服務幾乎不產生資產,生成式工作流一天可以吐出上萬張圖、數百 GB 影片;模型檔本身也是一座山,checkpoint 每顆 6 到 12GB、LoRA 動輒上百顆,沒有規劃的話三個月就把磁碟塞爆。NVMe 放熱資料、NAS 做歸檔的分層,從第一天就要建立。

SDXL 與 Flux 的 VRAM 門檻,一張表看懂

解讀這張表的關鍵在「疊加」。單跑 SDXL,20GB 的 MIG 分割輕鬆勝任;但實務工作流很少單跑,ControlNet 疊兩層、加 IP-Adapter、再接一段 2 倍高清放大,VRAM 峰值就逼近 20GB 天花板。風格 LoRA 訓練看資料量,幾百張圖的案子在單卡上兩三個小時收工,跟著案子零星做的話,時租比包月划算。

Flux.1 值得單獨一提:12B 參數的體量讓它在 FP16 下需要 24GB 以上,消費級顯卡直接出局,這也是很多工作室從自購遊戲卡轉向租用專業卡的轉折點。FP8 量化後畫質損失輕微,16GB 內能收,MIG 方案就跑得動,先用 FP8 驗證商業流程,再決定要不要為 FP16 品質升單卡。

解析度是另一個要盯緊的變數:VRAM 消耗大致跟著像素數走,1024 平方翻到 2048 平方,像素變四倍,加上注意力機制的放大效應,記憶體壓力翻得更兇。實務解法是分塊放大——先出 1024 原圖,再分區塊放大到 4K,VRAM 峰值就能壓在原生出圖的水位;主流放大節點都內建這個模式,差別只在你有沒有記得打開。

批次生圖的吞吐試算:從單張秒數到每日產能

量產場景關心的不是單張幾秒,是每天能交多少張。算法很單純:86,400 秒除以等效單張秒數,再乘上批次效率。H100 跑 SDXL,搭配 TensorRT 或 torch.compile 優化、批次四到八張並行,等效每張 1 到 1.5 秒,理論日產能 5 到 8 萬張;實務打六折(排程空隙、換模型、失敗重生成),一天 3 到 5 萬張站得住。MIG 1/4 約是四分之一,日產 8,000 到 1 萬張,對多數電商團隊已經夠用。

想再擠出產能,有三個開關比加卡便宜:解析度分級,商品列表圖用 768 就好,不是每張都要 2048;蒸餾模型,LCM 或 Lightning 把步數從 30 壓到 4 到 8 步,速度翻四倍,拿去產草稿與 A/B 素材;離峰排程,把大批任務排在深夜跑,尖峰時段留給即時需求。我們看過電商客戶只靠前兩招,同一台 GPU主機的日產能翻了三倍,一毛硬體錢都沒加。

量產線還要預留品管的算力:自動挑圖(美學評分、CLIP 相似度過濾、瑕疵偵測)通常會再吃掉 5% 到 10% 的 GPU 時間,但能把人工挑圖的量砍八成。一天三萬張的產線,沒有自動品管等於請三個人整天盯著螢幕看圖,這筆帳很好算,規劃吞吐時記得把它算進分母。

檔期規劃也要提早:雙 11、年中慶前的素材爆量期,批次需求常是平日的五倍,與其為了尖峰整年養四卡,不如平日單卡、檔期前用時租加開,NT$120 一小時的彈性就是拿來做這件事的。

影片生成的暴力需求:VRAM、時間、儲存全部翻倍

影片生成跟生圖不是同一個量級的遊戲。以 HunyuanVideo、Wan 2.1 這一級的開源模型為例:不量化跑 720p 五秒片段,VRAM 峰值 40 到 80GB,H100 80GB 單卡剛好收下;量化加 offload 可以壓到 24GB,但生成時間直接翻倍。時間成本要有心理準備:單卡 H100 生成一段 720p 五秒影片,依步數與解析度,5 到 15 分鐘跑掉,一天滿載也就一百多段,而客戶挑片通常是十選一,實際交付量再打折。

儲存的膨脹更兇:中間幀、多版本輸出、專案素材堆在一起,一個影片專案一週長出 1TB 稀鬆平常,NVMe 直接抓 4TB 起跳,搭 NAS 歸檔,不然算力還沒見底,磁碟先滿。

量產影片的正確架構,不是多卡合力跑一支片,而是多卡平行跑多支:影片模型的跨卡切分效率不佳,四張卡各自領任務,吞吐幾乎正好四倍。所以影音工作室的標準配置是多台單卡或一台四卡做任務分派,而不是追求一台八卡巨獸,這一點跟 LLM 訓練的邏輯完全相反。

實務上的影片工作流也很少一鏡到底,而是分段接力:先用生圖模型出關鍵影格定風格與構圖、再用影像轉影片模型讓畫面動起來、後段接插幀提升流暢度、最後放大到交付解析度。每一段的 VRAM 需求不同,前段 MIG 就能跑、中段要單卡,把整條管線拆開排程,四人團隊靠一張卡也能維持穩定的出片節奏。

順帶一提音訊:TTS 與音樂生成的 VRAM 需求多在 8 到 16GB,比影片溫和得多,通常塞進生圖用的 MIG 份額就能一起服務,規劃時不用為它單獨開卡。

工作室的 GPU主機方案:從個人接案到 20 人團隊

網路上的 GPU主機推薦文,常用遊戲卡思維建議工作室自購 4090:24GB 跑 SD 系列確實夠,但碰到 Flux FP16 與影片生成就見頂,而且電費(一台四卡工作站月電費數千元)、噪音、故障停工全是自己的事。案量穩定的工作室,租用的總持有成本反而低:以戰國策的機房方案為例,單卡月租 NT$50,000 含電力與頻寬,2 小時開通,接案旺季加租一張、淡季退掉,現金流的彈性是買斷永遠做不到的。

混合配置是進階玩法:平日主力放月租單卡,渲染尖峰用時租卡消化,重要客戶的機密案子則獨立開一份 MIG 隔離跑,權限與資料互不沾染,對外報價時這也是可以寫進提案的服務規格。

接案型團隊還有一個管理細節:把 GPU 時數記到專案頭上。佇列系統都有任務紀錄,月底匯出各專案的機時佔比,租金按比例分攤進專案成本,報價時就有真實的毛利數字。我們看過一家工作室導入這個做法後,發現三成機時花在不賺錢的返工上,隔月就調整了報價與改稿次數的條款,獲利立刻有感。

共用環境的管理:模型庫、佇列與授權

多人共用一台 GPU主機,三件事先講好,不然三個月後一定吵架。佇列:ComfyUI 原生佇列夠小團隊用,十人以上建議上任務排程系統,依優先權與預估時長派工,避免一個 4K 放大任務卡住全隊兩小時。模型庫:checkpoint 與 LoRA 集中放 NAS、熱門模型快取到本機 NVMe,命名與版本規則第一天就訂,不然很快沒人知道哪顆 LoRA 能商用、哪顆是測試品。權限:客戶素材分資料夾隔離,離職交接才有跡可循。

環境版本是共用機的另一個地雷:ComfyUI 的外掛生態更新極快,一個節點升級,上週的工作流就可能跑不出同樣的畫面。對策是鎖版本加快照——工作流檔案連同外掛版本清單一起存檔,重要專案交付前把整個環境打包成映像;客戶半年後回頭要改稿,還原出來的結果才會一模一樣,這是接案信譽的一部分。

授權是生成式工作室的法務地雷區:SDXL 走開放授權、商用友善;Flux.1 dev 預設非商用,正式接案要另外取得商業授權或改走 schnell 版本;LoRA 的授權跟著訓練素材走,交付前把整條模型授權鏈檢查一遍,這是不少工作室踩過才學會的坑。

客戶素材的保密同樣是接案競爭力:未發表的產品照、藝人肖像,合約幾乎都附保密條款。素材與產出全程留在台灣機房、傳輸走 VPN、存取有紀錄,個資法與 NDA 的要求一次滿足,比丟上來路不明的海外算力平台安心得多,提案時也多一個能寫進服務承諾的差異點。

備份策略也別漏:成品每日同步到 NAS、工作流與自訓 LoRA 每週異地備份一次。生成資產重跑的成本雖然比傳統拍攝低,但客戶已簽核的定稿遺失,重生成未必能百分之百還原(種子、外掛版本、量化設定任一變動都會影響畫面),該備份的還是要備份。

什麼時候該升級:三個具體訊號

1. 佇列等待常態超過 30 分鐘:產能見頂,先用蒸餾模型與解析度分級擠一輪,擠不動再加卡。
2. 每週出現多次 OOM:工作流複雜度已超過現有 VRAM,從 MIG 升單卡,或影片線獨立加卡。
3. 外包渲染費超過升級差額:單月外包超過 NT$35,000(MIG 與單卡的月租差),自己升級反而省,還把交期握回自己手上。

反向的訊號也要看:連續兩個月 GPU 使用率低於四成,就該考慮降規或改時租,把月租差額留給旺季。租用的彈性是雙向的,會升也要會降;長期滿租但低用量,跟自購後閒置沒有兩樣,只是浪費得比較安靜。

升級前先用時租驗證:花幾百元在目標規格上跑一輪自家標準工作流,量出實際秒數與峰值 VRAM,再決定簽約規格。GPU Servers 的規格表是死的,你的工作流是活的,AI 實體主機租用市場最大的好處就是先測後租,讓每一分錢都花在量出來的數字上,而不是花在猜測上。

GPU 主機常見問題 FAQ

跑 SDXL 的 GPU主機一個月多少錢?

SDXL 需求約 10 到 12GB VRAM,H100 MIG 1/4 月租 NT$15,000 就能穩定出圖,日產能約 8,000 到 1 萬張;量產或疊 ControlNet 的複雜工作流,再升單卡 NT$50,000。

影片生成的 GPU主機一個月要多少預算?

開源影片模型(HunyuanVideo、Wan 2.1)不量化需要 40 到 80GB VRAM,H100 80GB 單卡月租 NT$50,000 起跳;量產建議多卡平行,四卡月租約 NT$200,000,先時租測過再簽。

Flux 需要多少 VRAM 才跑得動?

Flux.1 dev 有 12B 參數:FP16 需 24GB 以上,FP8 量化約 14 到 16GB。20GB 的 MIG 方案跑 FP8 順暢;要 FP16 品質、再疊多顆 LoRA,就直接上 80GB 單卡。

一張 H100 一天可以生成幾張圖?

SDXL 1024×1024、30 步,經 TensorRT 或批次優化後等效每張 1 到 1.5 秒,實務日產約 3 到 5 萬張;改用 Lightning 蒸餾模型把步數壓到 4 到 8 步,產能還能再翻數倍。

影片生成為什麼那麼吃資源?

影片是時間軸上的一疊影格,模型要同時處理數十到上百幀的時空注意力,VRAM 峰值 40 到 80GB;單卡 H100 生成 720p 五秒片段約 5 到 15 分鐘。多卡的正確用法是平行跑多支影片,而不是合力跑同一支。

自己買 RTX 4090 跟租 H100 主機哪個好?

4090(24GB)跑 SD 系列夠用,但 Flux FP16、影片生成與大批 LoRA 訓練會頂到 VRAM 天花板,且電費、噪音、故障停工都自負。案量穩定的工作室,H100 租用月租 NT$50,000 含電力頻寬,總持有成本反而更低。

訂閱 Midjourney 跟自架 GPU主機差在哪?

訂閱制每人每月約 30 到 60 美元,量大、要用自家風格 LoRA、或客戶素材有保密要求時就見底了;自架月租 NT$15,000 起,模型自由、產量無上限、素材不出境。月產出破萬張的團隊,自架的單張成本低一個數量級。

五人工作室共用 GPU主機該怎麼租?

單卡 H100(月租 NT$50,000)配 ComfyUI 佇列是最常見起手式,人均一萬元有找;生圖與影片混跑再升雙卡分流。合約選 6 個月約 9 折,旺季用時租卡消化尖峰,淡季不用養閒置硬體,現金流最健康。

GPU主機可以月中升級嗎?要重簽約嗎?

多數台灣業者支援月中升級,按日補差價、原約期延續,環境容器化後 2 小時內完成搬遷。簽約前確認「升級視為加購」條款有寫進合約,沒寫的話升級可能被要求解約重簽,原本談好的折扣就歸零了。

客戶素材要保密,放台灣 GPU主機安全嗎?

比放海外算力平台安全得多:素材與產出全程留在台灣機房,符合個資法境內處理原則,搭配 VPN 傳輸與存取權限控管,NDA 條款好交代;挑有 ISO 27001 認證的機房,客戶稽核時文件直接拿得出來。

延伸閱讀

• GPU 主機專欄:更多選型與實戰文章
• 戰國策 H100 GPU 主機方案與價格試算
• H100 GPU 主機知識庫(12 篇專文)
• 全球 Top 14 AI 公司排名【2026】