Draw Things/Diffusionbee 在 MacBook Air M2上初體驗

　　上過AI 課體驗過 Leooardo.ai 和 Midjourney 的 Stable Diffusion 生成圖片魅力之後，就想到這些要免費的有限制使用點數，或是每月付費對荷包很傷。就開始想起有沒有AI 落地方案？就是直接在筆電上進行AI 運算。最後找到 Draw Things  ，確實可以在我的 MacBook Air M2 上執行。載下來也確實可以執行，我的筆電規格如下：

MacBook Air M2 16GB RAM

8 核心 CPU 配備 4 個效能核心與 4 個節能核心

10 核心 GPU

16 核心神經網路引擎

100GB/s 記憶體頻寬

GPU / CPU 使用比率 ： CPU 10~20% ，GPU 80% ~ 94%

執行生圖中筆電底部溫度，在冷氣房25度C中，溫溫的。這是放在大腿上沒有隔著褲子時的體感。

Draw Things ： 生成一張960x640圖片，只要120秒左右。

Diffusionbee : 

      這也是一款可以下載MacBook Air M2 運用Apple Silicon 晶片的軟體。生成一張512x512圖片，只要50秒左右。

結論：MacBook Air M2 用來落地跑 Stable Diffusion model 生圖是沒問題，也可以善用GPU。重點是速度是差強人意，好處是不用像其它Windows 電競筆電配有Nvidia GPU 重量大到可練重訓。想想，這可是在一台輕薄筆電上就可做到。但是，若你是AI 研究或開發人員，建議使用Mac Studio 配備128GB RAM，或是MacBook Pro 16吋，配置64GB 以上的記憶體。

運用 Draw Things APP 來進行AI 生成圖片，需要先對 Stable Diffusion ControlNet LoRa 三者間有點基本認識：

Stable diffusion、ControlNet 和 LoRa 三者之間的關聯主要體現在以下幾個方面：

技術層面：Stable diffusion 和 ControlNet 都是基於神經網路的圖像生成模型，而 LoRa 是一種低功耗廣域網技術。

應用場景：Stable diffusion 和 ControlNet 可以用於生成各種圖像，而 LoRa 可以用於傳輸圖像數據。

數據傳輸：Stable diffusion 和 ControlNet 生成的圖像數據可以通過 LoRa 進行傳輸。

具體來說，Stable diffusion 和 ControlNet 可以用來生成各種圖像，例如人像、風景、物體等。這些圖像數據可以通過 LoRa 進行傳輸，從而實現圖像的遠距離傳輸。

例如，在智慧城市中，可以使用 Stable diffusion 和 ControlNet 生成城市的實時圖像，然後通過 LoRa 將這些圖像數據傳輸到雲端。雲端可以對圖像數據進行分析，從而為城市管理提供支持。

此外，Stable diffusion 和 ControlNet 也可以用來生成虛擬圖像，例如遊戲中的地圖、場景等。這些虛擬圖像數據也可以通過 LoRa 進行傳輸，從而實現虛擬世界中的遠距離互動。

Stable diffusion、ControlNet 和 LoRa 三者結合應用的示例：

智慧城市：在智慧城市中，可以使用 Stable diffusion 和 ControlNet 生成城市的實時圖像，然後通過 LoRa 將這些圖像數據傳輸到雲端。雲端可以對圖像數據進行分析，從而為城市管理提供支持，例如交通流量監控、環境監測等。

工業物聯網：在工業物聯網中，可以使用 Stable diffusion 和 ControlNet 生成工廠的虛擬模型，然後通過 LoRa 將這些模型數據傳輸到雲端。雲端可以對模型數據進行分析，從而為工廠管理提供支持，例如故障診斷、生產優化等。

娛樂：在娛樂領域，可以使用 Stable diffusion 和 ControlNet 生成虛擬遊戲場景，然後通過 LoRa 將這些場景數據傳輸到用戶的設備。用戶可以通過設備在虛擬世界中進行互動，從而獲得更身臨其境的遊戲體驗。

總體而言，Stable diffusion、ControlNet 和 LoRa 三者結合可以為不同領域的應用提供新的解決方案。

以下是一些具體的應用場景：

智慧城市：

    使用 Stable diffusion 和 ControlNet 生成城市的實時圖像，然後通過 LoRa 將這些圖像數據傳輸到雲端，從而實現城市管理中的交通流量監控、環境監測等。

    使用 Stable diffusion 和 ControlNet 生成城市的虛擬模型，然後通過 LoRa 將這些模型數據傳輸到雲端，從而實現城市管理中的故障診斷、生產優化等。

工業物聯網：

    使用 Stable diffusion 和 ControlNet 生成工廠的虛擬模型，然後通過 LoRa 將這些模型數據傳輸到雲端，從而實現工業物聯網中的故障診斷、生產優化等。

    使用 Stable diffusion 和 ControlNet 生成工廠的實時圖像，然後通過 LoRa 將這些圖像數據傳輸到雲端，從而實現工業物聯網中的質量檢測、安全監控等。

娛樂：

    使用 Stable diffusion 和 ControlNet 生成虛擬遊戲場景，然後通過 LoRa 將這些場景數據傳輸到用戶的設備，從而實現虛擬遊戲中的遠距離互動。

    使用 Stable diffusion 和 ControlNet 生成虛擬人物，然後通過 LoRa 將這些人物數據傳輸到用戶的設備，從而實現虛擬交互中的更身臨其境的體驗。

以上只是一些示例，Stable diffusion、ControlNet 和 LoRa 三者結合的應用場景還可以有很多。隨著技術的發展，我們可以期待看到更多創新的應用出現。