MAC笔记本电脑，有哪个网址可以下载SD的安装包？或者说MAC电脑可以使用SD吗

在 Mac 上运行 ComfyUI 的步骤如下： 1. 电脑配置：MacBook Pro，M1 芯片，16G 内存，Sonoma 14.6.1 系统版本。 2. 部署 ComfyUI： 安装依赖：在终端中输入“pip3 install r requirements.txt”安装 ComfyUI 的依赖文件。终端提示需要特定版本的 numpy 时，输入“Y”卸载当前版本，然后输入“pip3 install numpy==1.26.4”安装指定版本。 启动 ComfyUI：在终端中输入“pwd”查看 ComfyUI 的文件路径，复制文件路径，替换启动命令中的相应部分，然后将命令“source cf/bin/activate && cd /Users/vina/Documents/ComfyUI && python main.py autolaunch listen dontupcastattention outputdirectory ~/Desktop”复制到终端。启动成功后，浏览器会自动跳转，但网页地址可能不对，直接在浏览器打开“http://localhost:8188/”即可使用。 3. 管理器和资源占用插件：官方的 ComfyUI 安装包不带管理器和资源占用视图，需要从 GitHub 下载。管理器插件下载地址：https://github.com/ltdrdata/ComfyUIManager 。资源占用视图插件装不装均可，下载地址：https://github.com/crystian/ComfyUICrystools 。 此外，还有一种搭建自己第一个 ComfyUI 的方法（熟手推荐 自定义创建）： 1. 创建工作空间：进入工作空间，点击自定义创建，按照以下内容配置，点击立即创建。镜像选择 lanruicomfyui 镜像；网盘默认挂载；数据集默认挂载 sdbase；启动方式默认选择手动启动。待实例状态由启动中变为运行中后，稍等一会，点击进入 JupyterLab，选择 terminal 终端。 2. 启动 ComfyUI：进入终端后，先参考配置学术加速。运行如下启动命令后按回车键，等待 1 分钟左右。（每次启动都需要输入启动命令）如果想要长时间持续运行任务，请用 nonhup 启动：启动命令“nohup bash /home/user/start.sh > comfy.log 2>&1 &”；查看启动/出图进度命令“tail fn 500 comfy.log”；停止命令“pkill 9 f '27777'”。当页面显示“To see the GUI go to:http://0.0.0.0:27777”，说明已启动成功。 3. 访问 ComfyUI 界面：返回工作空间，点击实例右侧的「打开调试地址」到浏览器，就可以使用 ComfyUI 啦。 需要注意的是，在 Mac 上使用 ComfyUI 存在一些难点： 1. 生图慢，因为 Mac M 只有 CPU，没有 GPU。 2. 生图的大模型在 CPU 环境中不一定适配、好用。 3. 用 Mac 生图的人少，能一起讨论的人也少，解决方案也少，需要自己摸索。 4. 大神们在 Windows 系统里做的一键包，在 Mac 中不能用。 5. 大神们的工作流也要做适配 Mac 的修改，需要一点点代码阅读和修改的能力。

在 Mac 上部署 Stable Diffusion 存在一定限制，功能可能不全且出错率偏高，严重影响使用体验。个人建议升级设备或者采用云服务器玩耍。 如果您仍想在 Mac 上部署，可以参考以下步骤： 1. 电脑硬件要求： 系统：无明确针对 Mac 的特定系统要求。 显卡：未明确针对 Mac 的显卡要求。 硬盘：留有足够的空间，最低 100G 起步（包括模型）。 2. 环境安装： 未提供 Mac 系统下的具体环境安装步骤。 由于 Mac 系统的特殊性，更推荐您采用云端部署的方式，相关教程可参考：https://qa3dhma45mc.feishu.cn/wiki/A6WYw1Nm0ikGplkuO9Ecwomqnnd

Mac 有 Chat GPT 客户端，以下是相关信息： 下载地址： persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 或者：https://waytoagi.feishu.cn/file/I58PbrukKoXYdVxEF0EcY9SXnBf 下载不了可以用百度云链接：https://pan.baidu.com/s/1jFZ5uBClqP0T1IOKQLW5HQ?pwd=hmbe 提取码：hmbe 或者：https://persistenNt.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 使用条件： 需要苹果芯片的 mac。 内测用户（非内测用户使用指南： ）。 macOS 12.6.8 M1 芯片不兼容，系统版本 MacOS 14 及以上。 提前下载使用 ChatGPT Mac 桌面客户端的办法（需要有 ChatGPT 付费账号，以及网络技术基础）： 以 ProxyMan 为例： 登录一次以触发 API 调用。 对 ChatGPT 的 App 启用 SSL 代理（需要配置好 ProxyMan 证书）。 再登录一次以触发 API 调用。 然后右键点击 ab.chatgpt.com/v1/initialize 选择本地映射，并将所有的 false 替换为 true。 再尝试一次，你就应该能顺利登录了。 详细版图文教程：

很抱歉，目前知识库中没有关于“MacBook 如何做一些 AIGC 软件布置”的相关内容。但一般来说，您可以通过以下步骤尝试在 MacBook 上进行 AIGC 软件的布置： 1. 确定您想要安装的 AIGC 软件，并在其官方网站上查找适用于 macOS 系统的版本。 2. 检查您的 MacBook 系统版本是否满足软件的要求，如果不满足，可能需要进行系统更新。 3. 下载软件安装包，通常可以在官方网站上找到下载链接。 4. 打开下载的安装包，按照安装向导的指示进行操作，可能需要您同意许可协议、选择安装位置等。 5. 安装完成后，在应用程序文件夹中找到并打开该软件，进行必要的设置和配置。 请注意，不同的 AIGC 软件可能会有略微不同的安装和配置步骤，具体还需根据您选择的软件来操作。

Stable Diffusion（简称“SD”）的运行对电脑配置有一定要求。对于 Windows 系统： 显卡：必须是 NVIDIA（俗称 N 卡）。 专用 GPU 内存：4GB 勉强可以跑动 SD，出图时间较长；6GB 出一张图时间为 20 50 秒，大部分功能可用；8GB 5 20 秒出一张图，所有功能基本开放。 电脑运行内存：8GB 以上。 电脑系统：Win10 或者 Win11。 对于 Mac 系统，可以查看以下视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761 但具体 MacBook 13 是否能运行及配置是否足够，还需根据上述标准进行对照检查。

以下是在 Mac 上使用 Chat GPT 的方法： 1. 下载地址： persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 下载不了可以用百度云链接：https://pan.baidu.com/s/1jFZ5uBClqP0T1IOKQLW5HQ?pwd=hmbe 提取码：hmbe 或者：https://persistenNt.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 2. 使用条件： 需要苹果芯片的 mac 内测用户（非内测用户使用指南： ） macOS 12.6.8 M1 芯片不兼容，系统版本 MacOS 14 及以上 3. 操作步骤（需要有 ChatGPT 付费账号，以及网络技术基础）： 使用 Proxyman、Charles 或您喜欢的网络代理来进行以下操作：以 ProxyMan 为例 登录一次以触发 API 调用 对 ChatGPT 的 App 启用 SSL 代理（需要配置好 ProxyMan 证书） 再登录一次以触发 API 调用 然后右键点击 ab.chatgpt.com/v1/initialize 选择本地映射，并将所有的 false 替换为 true 再尝试一次，您就应该能顺利登录了 详细版图文教程： 官方介绍：https://openai.com/index/hellogpt4o/ 如何访问 GPT4、GPT4 Turbo 和 GPT4o？https://help.openai.com/en/articles/7102672howcaniaccessgpt4gpt4turboandgpt4o Sam 的博文：https://blog.samaltman.com/gpt4o 音频主管 Alexis Conneau：https://twitter.com/alex_conneau

以下是为您分享的关于 SD 模型的相关内容： 对于 SDXL 的 ControlNet 模型中的 Canny 硬边缘模型，有不同型号，如 4080ti 笔记本测试中，12G 显存下，sdxl base+refiner 模型，使用 diffusers 的 2.5Gfull 模型绘制 10241024 尺寸图片需 2 分 57 秒，320Mb 的 small 模型用时 34s，质量差距不大但时间优势明显。其他作者如 kohya 的用时 33 秒，更接近真实质感。sai 的 128lora 和 256lora 分别用时 39 秒和 1 分 08 秒，偏绘画感觉。t2i 的用时 34s，偏插画。关闭 refiner 能节省一半左右时间，平均 17 秒左右。 在 Depth 深度模型测试中，图形尺寸 6641024，diffusers 的 full 模型用时 2 分 48 秒，small 模型用时 23s，kohya 模型用时 42 秒，sai 模型用时 1 分 12 秒，sargezt 模型用时 1 分 52 秒。 用 Stable Diffusion 时，要先确定照片风格，如生成真人 AI 小姐姐可选用 chilloutmix 的大模型。部分常用大模型可在分享的链接中根据文件夹名称找到。文章第三部分会详细介绍模型下载位置和存放位置。 对于 ControlNet 中线条约束类的预处理器和模型，作者已整理好，如需获取可添加公众号【白马与少年】回复【SD】。同时作者还附上一张图帮助理解 ControlNet 模型的命名规则。

Stable Diffusion（SD）模型是由 Stability AI 和 LAION 等公司共同开发的生成式模型，参数量约 1B，可用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等任务。 文生图任务是将一段文本输入到 SD 模型中，经过一定迭代次数生成符合文本描述的图片。例如输入“天堂，巨大的，海滩”，模型生成美丽沙滩的图片。 图生图任务在输入文本基础上再输入一张图片，模型根据文本提示将输入图片重绘以更符合文本描述。比如在之前生成的沙滩图片上添加“海盗船”。 输入的文本信息需通过“桥梁”CLIP Text Encoder 模型转换为机器数学信息。该模型作为 SD 模型中的前置模块，将输入文本信息编码，生成 Text Embeddings 特征矩阵，用于控制图像生成。 CLIP 模型包含 Text Encoder 和 Image Encoder 两个模型，在 Stable Diffusion 中主要使用 Text Encoder 模型。它将输入的文本 Prompt 编码转换成 Text Embeddings（文本的语义信息），通过 UNet 网络中的 CrossAttention 模块嵌入 Stable Diffusion 中作为 Condition，对生成图像的内容进行控制与引导。目前 SD 模型使用的是中的 Text Encoder 模型。 CLIP ViTL/14 中的 Text Encoder 是只包含 Transformer 结构的模型，由 12 个 CLIPEncoderLayer 模块组成，模型参数大小是 123M，输出的 Text Embeddings 维度为 77x768。 以下是相关资源获取方式： SD 模型权重百度云网盘：关注 Rocky 的公众号 WeThinkIn，后台回复：SD 模型，即可获得包含多种模型权重的资源链接。 SD 保姆级训练资源百度云网盘：关注 Rocky 的公众号 WeThinkIn，后台回复：SDTrain，即可获得包含数据处理、模型微调训练及基于 SD 的 LoRA 模型训练代码等全套资源。 Stable Diffusion 中 VAE，UNet 和 CLIP 三大模型的可视化网络结构图下载：关注 Rocky 的公众号 WeThinkIn，后台回复：SD 网络结构，即可获得网络结构图资源链接。

以下是关于 SD 安装的详细步骤： 1. 系统要求：系统需为 Win10 或 Win11。 2. Win 系统查看配置： 查看电脑系统：在桌面上找到“我的电脑”，鼠标右键点击，点击“属性”，查看 Windows 规格。 查看电脑配置：检查自己的电脑配置能否带动 SD的显卡，显卡内存 4GB 以上。 打开任务管理器：同时按下 ctrl+shift+esc。 查看电脑运行内存，8GB 运行内存可以勉强运行 SD，推荐 16GB 以上运行内存。 查看电脑显卡内存（显存），4GB 显存可运行 SD，推荐 8GB 以上显存。 3. 配置达标跳转至对应安装教程页：。 4. 配置不够可选择云端部署（Mac 也推荐云端部署）：。 5. 备选：SD 好难，先试试简单的无界 AI：。 补充说明： 如果在以上使用过程中发生错误，那么你可能需要部署一下使用环境，我们再次开启最傻瓜安装教学模式。 1. 安装 cuda_11.8.0_522.06_windows.exe。 2. 安装 VisualStudioSetup.exe，选择 C++的桌面开发安装。以上步骤，我们在安装 roop 的时候也做过，如果安装过 roop 的可以跳过。 3. 拷贝 ninja，打开 ninja 文件包，把里面的内容拷贝到秋叶包根目录。 4. 拷贝 python，打开 python 文件包，把里面的内容拷贝到秋叶包根目录替换。 5. 拷贝模型，SAM 和 GroundingDINO 的模型都在这了，放到对应的文件夹即可。 6. 重启，装好了，重启电脑，即可运行。 关于【SD】无需 Lora，一键换脸插件 Roop 的安装： 安装时间比较长，要耐心等待。安装好之后，打开 SD 文件目录下的这个文件夹。在地址栏输入“cmd”，然后回车。在打开的 dos 界面里面，将“python m pip install insightface==0.7.3 user”粘贴进来，就会自动开始安装 insightface。如果这个阶段出现错误，建议去下载使用最新的秋叶 4.2 整合包（6 月 23 号更新），下载包我已经更新到了云盘里，后台回复【SD】就可以下载。安装完成后，重新打开我们的启动器，后台会继续下载一些模型，此时一定要保证全程科学上网。完成这些后，Roop 插件就可以正常使用了。这个插件主要适用于真实的人脸替换，所以对二次元之类的人物作用不大。我们选用一个真实系模型“realisticVisionV20”，关键词描述的是一个老人举着气球。得到了一张如下的照片。接下来启用 ROOP 插件，选择你想要替换的人物照片，面部修复选择“GFPGAN”。右边的参数数值越低，人物会越像，但是图像会很模糊；数值越高人物越不像，但是图像会很清晰。这个就取决于你的需求了，我使用 0.5 测试一下。最下面还有一个放大算法，可以使用一个模型放大你的图像，基本就相当于高清修复。设置好后，点击生成。可以看到，人脸部分的像素是偏低的，有点模糊。但是没有关系，我们可以将这张图发送到“图生图”，开一个比较小的重绘幅度。然后使用 controlnet 中的 tile 模型进行重绘。换脸完成。如果想要这个插件的话，可以添加公众号【白马与少年】，回复【SD】即可。推荐使用最新的秋叶整合包，出错概率最小，另外，科学上网很重要。特别提醒，此插件谨慎使用，切勿触犯法律。

以下是关于 Coze Web SDK 具体测试的案例： 1. 提示词母体测试： 测试平台包括海外版 Coze 和国内版 Coze。 目的是测试提示词母体模板是否能按规定指令进行生成。 测试模型有 Claude3.5 Sonnet等。 进行了现实主义人物角色、虚幻主义人物角色等方面的测试。 测试感受是基线达到，国内外模型都能按要求生成拟人化提示词，但效果不一，Claude 生成质量最好。 2. 分步构建和测试 Agent 功能： 进入 Coze 后，点击「个人空间工作流创建工作流」打开弹窗。 根据弹窗要求自定义工作流信息，确认后完成新建。 左侧「选择节点」模块中，根据子任务需要实际用到插件、大模型、代码等。 编辑面板中的开始节点和结束节点分别对应分解子任务流程图中的原文输入和结果输出环节。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点即可完成工作流框架搭建。

以下是一些关于 SD 扩图的好用方法和相关信息： 1. 高清修复： 原理是命令 AI 按照原来的内容重新画一幅，新生成的绘图和原来的绘图在细节上会有所不同。 适当降低重绘幅度可以更接近之前的绘图，如 0.2 0.3 能保留较多原有细节，但可能出现如手部等部分的问题，可通过反复抽卡、图生图局部重绘或生成多张图片后 PS 合成等办法解决。 由于渲染耗时较长，建议先采用低分辨率抽卡刷图，抽到喜欢的图后用随机种子固定再进行高清修复。 2. 图生图脚本功能： 文生图画好图后发送到图生图，点击下面的脚本，选择使用 SD 放大。 重绘幅度设置 0.3，放大倍率为 2，图块重叠的像素设置为 64。 这种方式需保持重绘幅度较低，否则可能出现新人物。 3. 超清无损放大器 StableSR： 可以算作“后期处理”的上位替代品，能在尽可能保留原图的情况下更精致地还原原图。 安装方式：在扩展面板中搜索 StableSR 直接安装，或将下载好的插件放在“……\\sdwebuiakiv4\\extensions”路径文件夹下，安装完成后重启 webUI 即可在脚本中找到。 4. 二维码相关的 SD 扩图： 与第二步相同的关键词和模型，按照特定参数设置，如原本图片尺寸为 1152x1152 ，需要增高高度可设置为（1152x1526）。 对于无法识别处理的情况，可采取提高 ControlNet 的权重、降低重绘幅度、将原始黑白二维码叠加并调节透明度、使劲抽卡等方法。

以下是关于 SD 软件使用的相关内容： 1. 软件安装： 系统要求：Win10 或 Win11。 Win 系统查看配置： 查看电脑系统：在桌面上找到“我的电脑”，鼠标右键点击，点击“属性”，查看 Windows 规格。 查看电脑配置：需要满足 3 个要求（推荐），电脑运行内存 8GB 以上，是英伟达（NVIDA）的显卡，显卡内存 4GB 以上。打开任务管理器（同时按下 ctrl+shift+esc），可查看电脑运行内存和显卡内存（显存）。8GB 运行内存可勉强运行 SD，推荐 16GB 以上运行内存；4GB 显存可运行 SD，推荐 8GB 以上显存。 安装方式：配置达标可跳转至对应安装教程页。 2. 制作二维码： 使用进行安装。如果使用的是 Colab Notebook，只需在启动时选择 ControlNet。 生成二维码：首先需要一个二维码。为增加成功机会，请使用符合以下条件的二维码。使用高容错设置或草料二维码。具体步骤为：第一步选择文字类型，输入二维码的文字；第 2 步将容错设置为 30%；第 3 步按生成；第 4 步将二维码下载为 PNG 文件。 3. 软件原理理解： 模型下载与放置：不会科学上网时，可在启动器界面直接下载模型，将下载的大模型放在根目录的【……\\models\\Stablediffusion】文件夹下，在左上角的模型列表中选择（看不到就点旁边的蓝色按钮刷新）。 VAE：相当于给模型增加提高饱和度的滤镜和局部细节微调，有的大模型自带 VAE，可在启动器里面下载，下载的 VAE 放在根目录的【……\\models\\VAE】文件夹。 Embedding：功能相当于提示词打包，可在 C 站通过右上角的筛选 Textual Inversion 找到，放在根目录下的 embeddings 文件夹里。 LORA：可以将人物或者物品接近完美地复刻进图像中，具有极大商用价值，但使用时需注意版权和法律问题。

以下是关于 SD 安装包的详细步骤： 1. SD 云端部署 部署流程 安装和配置基础环境 在浏览器上按照腾讯云>控制台>云服务器的路径找到购买的实例，点击启动，会新开一个远程访问的窗口，输入购买时设置的密码进入，这样就有了一个远程的 Windows 系统环境，接下来安装显卡驱动、配置环境变量。 安装显卡驱动：用内置的 IE 或下载 Chrome，打开英伟达的网站，找到驱动下载，选择购买机器时选定的显卡型号、Windows 版本号，下载对应的驱动并安装。 配置环境变量：驱动安装完成后，先找到驱动所在的目录（一般是在「C:\\Program Files\\NCIDIA Corporation」），复制这个路径。找到环境变量配置入口（控制面板>系统和安全>系统），选择「高级系统设置」，弹窗设置环境变量。找到「系统变量」里的 Path 环境变量，点击「编辑...」，然后「新建」，粘贴刚才复制的 nvidia 驱动安装地址，保存即可。 下载安装 SD 整合包 整合包也就是打包了 SD 和 Web UI 方便大家更好的使用的集合，以秋叶的 SD 整合包举例讲解。 下载 SD 整合包：秋叶 SD 整合包下载地址：https://pan.baidu.com/s/1uavAJJdYYWhpnfjwQQDviQ?pwd=a123 ，提取码：a123 。建议在服务器上装个百度网盘或者其他能够提高下载速度的工具，有百度会员则无所谓。 安装 SD 整合包：安装之后，打开安装包一级目录，双击启动器运行依赖（安装一些 SD 运行所必要的基础环境，比如 Microsoft Desktop Runtime 等），安装完成后就可以启动 SD 了。 2. 补充说明 如果在以上使用过程中发生错误，那么可能需要部署一下使用环境，再次开启最傻瓜安装教学模式。 安装 cuda_11.8.0_522.06_windows.exe。 安装 VisualStudioSetup.exe，选择 C++的桌面开发安装。（如果安装过 roop 的可以跳过） 拷贝 ninja，打开 ninja 文件包，把里面的内容拷贝到秋叶包根目录。 拷贝 python，打开 python 文件包，把里面的内容拷贝到秋叶包根目录替换。 拷贝模型，SAM 和 GroundingDINO 的模型都在这了，放到对应的文件夹即可。 重启，装好了，重启电脑，即可运行。 请注意，如果想要获取插件安装包，可以添加公众号【白马与少年】，回复【SD】即可。

以下是在安卓系统上安装 ChatGPT 的方法： 1. 到谷歌商店搜索“ChatGPT”进行下载安装，开发者是 OpenAI，注意别下错了。 2. 此步骤可能会遇到“google play 未在您所在的地区提供此应用”的问题。经过测试，可按以下路径解决：在 google play 点按右上角的个人资料图标，依次点按：设置>常规>帐号和设备偏好设置>国家/地区和个人资料。如果账号没有地区，可以“添加信用卡或借记卡”，国内的双币信用卡就行，填写信息时地区记得选美，最后的结果可参考相关红款标识信息。 3. 如果回到 google play 首页还搜不到 chatgpt，可以卸载重装 google play，操作过程保持梯子的 IP 一直是美，多试几次即可。 4. 建议把谷歌邮箱也安装上，平时接收验证码比较方便。如果只想体验 ChatGPT 3.5 版本，不升级 GPT4，可跳转到第 4 步第 6 小步进行登录使用，如果想直接订阅 GPT4 Plus 版本，请接着往下看。

以下是关于使用开源大模型本地化部署所需电脑配置及笔记本电脑推荐的相关信息： 运行大模型需要较高的机器配置，个人玩家大多负担不起。以下是不同类型大模型的配置要求： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 对于本地化部署，不建议使用最低配置，因为速度会非常慢。例如，用 8G 的 Mac 电脑尝试过，效果不佳。 由于本地化部署对电脑配置要求较高，不太推荐本地化安装实现。如果想使用开源大模型，可选择利用云厂商已提供好的大模型运行环境和计算能力，比如阿里云的 PAI 和 AutoDL。 在笔记本电脑选择方面，建议选择具备以下配置的机型： 1. 内存：16GB 及以上的 RAM。 2. 显卡：具有 8GB 及以上 VRAM 的独立显卡。 但具体的笔记本电脑型号还需根据您的预算和其他需求来确定。

以下是为您生成的插画提示词：一位刚结束高考、神情专注的大学生，坐在电脑桌前，面前的屏幕上显示着各种笔记本电脑的信息，他眉头微皱，手中拿着笔在本子上记录着，身旁放着几本电脑杂志。A college student who has just finished the college entrance examination, with a focused expression, is sitting at a computer desk. The screen in front of him shows information about various laptops. He frowns slightly and holds a pen in his hand, recording in a notebook. There are several computer magazines beside him.

目前，主流的 AI 笔记本电脑主要是一些专门为人工智能和深度学习设计的高性能移动工作站。这类笔记本通常配备了强大的 GPU（如 NVIDIA RTX 系列）、大容量内存和高速固态硬盘，以满足 AI 模型训练和推理的计算需求。一些知名品牌的 AI 笔记本包括： 1. 微软（Microsoft）第11代 Surface Pro 2. 微星（MSI） Creator/Workstation 系列 3. 技嘉（GIGABYTE） Aero/Aorus 系列 4. 戴尔（Dell） Precision 移动工作站 5. 惠普（HP） ZBook 移动工作站 6. 联想（Lenovo） ThinkPad P 系列 这些笔记本一般采用英特尔酷睿或 AMD Ryzen 的高端移动 CPU，配备 NVIDIA RTX 30/40 系列或 AMD Radeon Pro 专业级 GPU。同时也提供了大容量内存（32GB 以上）和高速 NVMe SSD 存储选配。除了硬件配置，这些 AI 笔记本还通常预装了 NVIDIA CUDA、cuDNN 等深度学习框架，以及各种 AI 开发工具，为用户提供了开箱即用的 AI 开发环境。 当然，这类高端 AI 笔记本价格也相对较高，通常在 2000 美元以上。用户可以根据自身的 AI 应用需求和预算情况，选择合适的型号。同时也要关注笔记本的散热、续航等实际使用体验。