前言
典型应用场景：
参考文献：
一、笔者测试过的模型
二、环境准备
1. 准备本地NPU环境
2. 安装ComfyUI和依赖
三、启动并配置ComfyUI
1. 启动ComfyUI
2. 挑选模板和模型下载
四、模型配置
五、运行结果
六、常见问题
七、总结与后续改进方向
前言
昇腾（Ascend）是华为推出的一系列面向人工智能计算的专用处理器（NPU，Neural Processing Unit），旨在为深度学习训练和推理提供高性能、高能效的算力支持。昇腾系列芯片基于华为自研的达芬奇（DaVinci）架构，具备高并行、高吞吐、低功耗等优势，广泛应用于数据中心、边缘计算和终端设备等多种场景。
近年来，随着开源社区对国产 AI 硬件生态的关注提升，越来越多的第三方工具和框架（如 ComfyUI、Stable Diffusion WebUI 等）开始探索在昇腾 NPU 上的适配与优化。这不仅有助于降低对国外 GPU 的依赖，也为用户提供了更多元、更具性价比的 AI 推理部署选择。
ComfyUI 是一个基于节点（node-based）工作流的图形用户界面（GUI），专为运行和定制 Stable Diffusion 等扩散模型（diffusion models）而设计。它由社区开发者开发，因其高度模块化、灵活性强以及对高级用户友好的特性，在 AI 图像生成领域广受欢迎。ComfyUI 是目前最强大的 Stable Diffusion 前端之一。ComfyUI基于torch-npu实现昇腾原生支持，但是可能是笔者能力有限，调用双芯或者双卡都失败了，只能单卡单芯运行。如有大佬，欢迎指点迷津。
典型应用场景：
AI 艺术创作
游戏/影视概念设计
电商产品图生成
学术研究与模型测试
自动化图像生成流水线
参考文献：
https://github.com/comfyanonymous/ComfyUI/blob/master/README.md
https://comfyanonymous.github.io/ComfyUI_examples/sdxl/
https://comfyanonymous.github.io/ComfyUI_examples/sd3/
一、笔者测试过的模型
注意：似乎昇腾并不支持量化的sd模型，笔者努力了很久，也跑不起来，欢迎大佬执行一二。
模型 名称 情况
SDXL OK
stable-diffusion-3-medium OK
stable-diffusion-3.5-medium OK
以上三个模型512512分辨率的生图时间差不多都在20s/图左右。如果觉得慢，可以使用mindie sd去做，10241024分辨率，sd3模型差不多有15s/图的速度。
另外，第一次运行，需要进行图编译，如果cpu性能差，可能会导致生图时间非常长，笔者这边大概需要2分钟左右。后续只要不修改工作流中的参数，就会直接使用换成的算子直接运行。
二、环境准备
1. 准备本地NPU环境
硬件环境：Atlas 300I Inference series (Atlas 300I Duo)
软件环境：
使用docker环境，这里偷懒使用昇腾提供的mindie的环境，这样只需要拉取ComfyUI的源码和对应的模型就可以了：
docker pull swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:2.1.RC1-300I-Duo-py311-openeuler24.03-lts
从新创建环境
从昇腾社区下载以下两个软件包。
Ascend-cann-toolkit_8.2.RC1_linux-x86_64.run
Ascend-cann-kernels-310p_8.2.RC1_linux-x86_64.run
安装CANN软件包（大概需要半个小时）
chmod +x Ascend=cann-*
./Ascend-cann-toolkit_8.2.RC1_linux-x86_64.run --install -q
./Ascend-cann-kernels-310p_8.2.RC1_linux-x86_64.run --install -q
安装torch和torch_npu，torch-npu下载。
pip install torch==2.1.0 # aarch64环境
pip install torch==2.1.0 -i https://download.pytorch.org/whl/cpu # x86环境
pip install ./torch_npu-2.1.0.xxxx # 根据你下载的文件定
后续步骤同容器安装。
2. 安装ComfyUI和依赖
执行下面的代码
git clone https://github.com/comfyanonymous/ComfyUI.git -b v0.3.65
cd ComfyUI
pip install -r requirements.txt -i https://mirrors.huaweicloud.com/repository/pypi/simple
检查torch版本（我是x86环境）
pip list | grep torch
mindietorch 2.1rc1+torch2.1.0.abi0
torch 2.1.0+cpu
torch-npu 2.1.0.post13.dev20250722
torchaudio 2.1.0+cpu
torchsde 0.2.6
torchvision 0.16.0+cpu
三、启动并配置ComfyUI
1. 启动ComfyUI
如果是昇腾跑的话，最后两个参数一定要带。
python3 main.py --listen 0.0.0.0 --port 8188 --auto-launch --disable-xformers --cpu-vae
使用浏览器访问运行ComfyUI的电脑的“ip:8188”，如“192.168.3.11:8188”，就可以看到下面的界面了。
2. 挑选模板和模型下载
在左上角选择“浏览模板”，挑选一个模板打开。比如选择SDXL分类下的第一个模板。
这里会跳出缺少模型的提示。如果可以访问huggingface，直接点击下载即可。如果不行，可以点击“复制链接”，将链接中的“huggingface.co”替换成“hf-mirror.com”，然后通过浏览器或者wget命令下载就可以了。
如果是自己单独下载的模型，那么需要将下载的模型放置到ComfyUI项目的models/checkpoints”目录下，然后在左侧的模型库中刷新，就可以看到刚刚下载的模型了。
四、模型配置
大部分模板（比如sdxl简单版）只需要修改模型权重路径，也就是下图所示的load checkpoint组件中的模型名称就可以直接run了。
sd3和sd3.5稍微麻烦一点，这里我使用的模板是“SD3.5简单版”。需要添加一个“三重CLIP加载器”去加载clip模型文件。
五、运行结果
点击右上角的运行按钮，等待几分钟，就可以得到图片。
六、常见问题
工作流运行到K采样器的时候报错，此问题笔者在“sd3.5简单版”模板中遇到了，也是查了很久，最后发现是昇腾不支持模板默认的调度器，修改为“normal”就可以了。
sd系列的模型使用中文提示词的情况下，文生图效果很差，但是英文提示词非常准确。笔者查询资料发现，sd模型大部分使用英文prompt。最简单的解决办法就是直接使用英文提示词。
文生图效果很差，这种一般是提示词写的不行或者使用了中文提示词，笔者的解决方法很粗暴，让AI帮我优化一下提示词不就行了嘛。这里用vllm起了一个0.6B的模型，优化提示词足够了，速度也快，对出图的总时间影响很小。
七、总结与后续改进方向
ComfyUI从使用上来说，已经大大的简化了sd模型的相关参数配置，我们要做的只是套用模板，修改参数，运行。通过图形化的界面，使得更多开发者能够轻易的上手使用。
后续改进可以基于以下几个方面去做：
修改工作流参数，添加新的工作流组件等，使得其可以直接通过自然语言生成所需的图片，例如结合语音输入实现更好的人机交互。
通过AI优化提示词节点，实现只需几个关键词，就可以生成原先几百字的prompt才能实现的效果。当然，这可能需要针对这个场景单独微调一个小参数量的模型，以实现快速prompt优化。
ComfyUI是支持API调用的，其实就是一个json文件，我们在开发我们自己的应用的时候，只需要替换Positive Prompt或者Positive Prompt节点的内容，然后将新的json文件直接发送给服务器就可以了。后续使用python从服务器上接收生成的图片。