# 90GB + 显存本机双开：本地部署 Qwen3-Coder 编程模型 + Wan2.2 文生视频完整实录（含全部踩坑）
> 一台机器，两个需求：平时写代码用本地大模型，偶尔玩文字生成视频。
> 这篇记录我在 **Windows + NVIDIA Blackwell 新卡 + 国内网络** 环境下从零部署的全过程，包括 6 个几乎必然会踩到的坑。照着走，能省你一整天。
---
## 一、先说配置（决定了你能跑什么）
| 部件 | 型号 | 说明 |
|---|---|---|
| GPU | NVIDIA Blackwell 架构显卡 | **约 90GB 显存**，本教程能跑满血版视频模型的关键 |
| 内存 | 128GB DDR5 | 充裕 |
| 系统 | Windows 11 | 全程不用 WSL，原生跑 |
| 磁盘 | 单块 1TB SSD，剩余 870GB+ | 模型总共约 55GB |
**结论先行**：
- **编程模型**选 `Qwen3-Coder:30b`（MoE，30B 总参/3B 激活，质量≈30B、速度≈3B），用 Ollama 跑。
- **文生视频**选阿里通义万相开源的 **Wan2.2 T2V A14B FP8**，这是目前开源文生视频第一梯队，FP8 量化后官方要求单卡 80GB 显存——90GB 卡刚好能跑满血版，不用降级。
如果你显存只有 24GB，编程模型可以把 30B 换成 `qwen3-coder:7b`，视频模型换成 Wan2.2 的 5B 版，思路完全一样。
---
## 二、最终产物清单
部署完后你会得到：
```
C:\Users\<你>\AI\
├── ComfyUI\ComfyUI_windows_portable\ # 文生视频前端，双击 bat 启动
│ └── ComfyUI\models\
│ ├── diffusion_models\ # Wan2.2 high/low noise 两个 14B 主模型
│ ├── text_encoders\ # umt5_xxl 文本编码器
│ └── vae\ # wan2.2_vae
└── downloads\ # 安装包临时存放
```
编程模型由 Ollama 统一管理，不占这个目录。
---
## 三、开始部署
### 第 0 步：先探查环境
开 PowerShell，确认三件事：
```powershell
nvidia-smi # 确认 GPU 和驱动版本（建议 570+，CUDA 12.8+）
python --version # ComfyUI 便携版自带 Python，系统 Python 版本无所谓
winget --version # 用来装 Ollama
```
`nvidia-smi` 能看到显卡名和显存大小就说明驱动 OK。
---
### 第 1 步：装 Ollama 并拉编程模型
```powershell
winget install Ollama.Ollama --source winget --accept-source-agreements --accept-package-agreements
```
> ⚠️ **坑 1：winget 报 `Certificate mismatch` 直接失败**
>
> 这是 winget 默认带上的 `msstore` 源证书过期导致的。解决办法就是像上面那样显式加 `--source winget`，只用 winget 源，不要 msstore。
装完**重开一个终端**（让 PATH 生效），拉模型：
```powershell
ollama pull qwen3-coder:30b
```
这个模型约 19GB。拉完直接测一句：
```powershell
"用一句话解释什么是闭包" | ollama run qwen3-coder:30b
```
能正常吐字就说明编程模型搞定。想再要个推理/数学更强的，可以加一个 `ollama pull deepseek-r1:32b`。
接 VS Code 的话，装 Continue 或 Roo Code 插件，API 地址填 `http://127.0.0.1:11434`，就是本地版 Cursor。
---
### 第 2 步：下载 ComfyUI 便携版
ComfyUI 是文生视频的前端，官方有 Windows 便携版，自带 Python 和 PyTorch，不用自己配环境。
去 [ComfyUI Releases](https://github.com/comfyanonymous/ComfyUI/releases) 找最新版，下载 `ComfyUI_windows_portable_nvidia.7z`（约 1.9GB）。
但在国内，**直接 `https://github.com/...` 下载几乎必然超时**：
```
curl: (28) Failed to connect to github.com port 443: Timed out
```
> ⚠️ **坑 2：GitHub 直连超时**
>
> 解决方案：在下载链接前面套一层国内 GitHub 加速镜像，比如 `https://gh-proxy.com/`：
>
> ```powershell
> curl.exe -L -o "$env:USERPROFILE\AI\downloads\ComfyUI_nvidia.7z" `
> "https://gh-proxy.com/https://github.com/comfyanonymous/ComfyUI/releases/download/v0.42.1/ComfyUI_windows_portable_nvidia.7z"
> ```
>
> 常见可用镜像：`gh-proxy.com`、`ghfast.top`、`mirror.ghproxy.com`。哪个通用哪个，都是同一个用法——把完整 GitHub URL 接在镜像地址后面。
> ⚠️ **坑 3：不要往 C 盘根目录写**
>
> 我一开始把文件下到 `C:\ComfyUI_nvidia.7z`，直接 `Permission denied`。Windows 对系统盘根目录写入有权限限制。**所有东西都放用户目录下**，比如 `C:\Users\你的用户名\AI\`。
下载完解压。`.7z` 格式 Win11 自带的 `tar` 就能解，不用装 7-Zip：
```powershell
New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\AI\ComfyUI" | Out-Null
cd "$env:USERPROFILE\AI\ComfyUI"
tar -xf "$env:USERPROFILE\AI\downloads\ComfyUI_nvidia.7z"
```
解压后目录是 `ComfyUI_windows_portable\`，里面有个 `run_nvidia_gpu.bat`。
---
### 第 3 步：下载 Wan2.2 视频模型
Wan2.2 文生视频是**双模型设计**——一个高噪声阶段用、一个低噪声阶段用，两个都要下，外加文本编码器和 VAE。
模型统一放在 HuggingFace 的 `Comfy-Org/Wan_2.2_ComfyUI_Repackaged` 仓库。但国内直连 HuggingFace 同样不通：
```powershell
# 直连会报：Unable to connect to huggingface.co
```
> ⚠️ **坑 4：HuggingFace 直连不通**
>
> 换国内镜像 **hf-mirror.com**，用法一样，把 `huggingface.co` 换成 `hf-mirror.com` 即可。
需要的 4 个文件，下载到 ComfyUI 对应目录：
```powershell
$base = "https://hf-mirror.com/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files"
$mdl = "$env:USERPROFILE\AI\ComfyUI\ComfyUI_windows_portable\ComfyUI\models"
# 1) 高噪声主模型（约 13.3GB）→ diffusion_models\
curl.exe -L -o "$mdl\diffusion_models\wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors" `
"$base/diffusion_models/wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors"
# 2) 低噪声主模型（约 13.3GB）→ diffusion_models\
curl.exe -L -o "$mdl\diffusion_models\wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors" `
"$base/diffusion_models/wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors"
# 3) 文本编码器 umt5_xxl（约 6.3GB）→ text_encoders\
curl.exe -L -o "$mdl\text_encoders\umt5_xxl_fp8_e4m3fn_scaled.safetensors" `
"$base/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors"
# 4) VAE（约 1.3GB）→ vae\
curl.exe -L -o "$mdl\vae\wan2.2_vae.safetensors" `
"$base/vae/wan2.2_vae.safetensors"
```
总计约 34GB。可以几个 curl 并行下，速度能跑满。
下完核对一下四个文件都在、大小对得上（差个几十 MB 是正常的，差太多就是没下完整，删掉重下）。
---
### 第 4 步：第一次启动，连环坑开始
双击 `run_nvidia_gpu.bat`。你大概率会遇到下面两个坑中的至少一个。
> ⚠️ **坑 5：`WinError 4551 应用程序控制策略已阻止此文件`**
>
> 报错长这样：
> ```
> OSError: [WinError 4551] 应用程序控制策略已阻止此文件。
> Error loading "...\torch\lib\shm.dll"
> ```
>
> **原因**：Windows 11 的 **Smart App Control（智能应用控制）** 默认开启并处于强制模式，只放行"有良好信誉签名"的程序。Ollama 能跑是因为它签名正规；ComfyUI 便携版里 PyTorch 的 DLL 是社区打包、**未签名**，直接被系统拦死。
>
> 先别急着关系统安全功能，试一个温和的办法——从网上下载的压缩包解压出来的文件会带"来自网络"标记（MOTW），递归解除一下：
>
> ```powershell
> Get-ChildItem -Path "$env:USERPROFILE\AI\ComfyUI\ComfyUI_windows_portable" -Recurse -File | Unblock-File
> ```
>
> 再启动一次。如果还是同样的 4551 错误，那就是 SAC 在拦，只能关：
>
> **Windows 安全中心 → 应用和浏览器控制 → 智能应用控制设置 → 关**
>
> ⚠️ **SAC 一旦关闭就再也打不开**（除非重装系统），不可逆，想清楚再点。它的作用是拦来路不明的 exe，你本来就经常自己部署开源工具，影响可控。
>
> 怎么确认是不是这个原因？PowerShell 跑一句：
> ```powershell
> (Get-MpComputerStatus).SmartAppControlState # 返回 On 就是开着
> (Get-AuthenticodeSignature "...\torch\lib\shm.dll").Status # NotSigned 就是未签名
> ```
> ⚠️ **坑 6：`aimdo ... access violation`（Blackwell / RTX 50 系新卡专属）**
>
> 过了 SAC 这关，新卡用户还会撞上下一个错：
> ```
> [ERROR] aimdo: Hook cuMemAlloc_v2 failed
> Windows fatal exception: access violation
> OSError: exception: access violation writing 0x0000000000000000
> ```
>
> **原因**：ComfyUI 新版自带的显存管理组件 `comfy-aimdo` 会去 hook CUDA 函数，在 Blackwell 这种最新架构上 hook 直接崩。
>
> **解决**：启动时加 `--disable-dynamic-vram` 参数，跳过 aimdo，回退到传统显存管理。你显存大，根本不需要它那套动态调度：
>
> ```powershell
> .\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --disable-dynamic-vram
> ```
>
> 建议直接把这个参数写进 `run_nvidia_gpu.bat` 第 1 行，以后双击就不用管了。日志里那句 "Dynamic vram disabled" 的警告忽略即可。
---
### 第 5 步：看到这句话就成功了
正常启动最后会输出：
```
[INFO] To see the GUI go to: http://127.0.0.1:8188
```
浏览器打开 **http://127.0.0.1:8188**，就是 ComfyUI 界面。
加载 Wan2.2 工作流：
顶部菜单 **Workflow → Browse Examples → Video → Wan2.2 T2V**，模型下拉框会自动选中你下好的那两个 14B 和 umt5 编码器。在提示词框写画面，点 **Queue** 出片。
---
## 四、日常使用备忘
| 要做什么 | 怎么做 |
|---|---|
| 写代码/问答 | 终端跑 `ollama run qwen3-coder:30b` |
| 文生视频 | 双击 `run_nvidia_gpu.bat`，浏览器开 8188 |
| 两个能同时跑吗 | 生成视频时会占满显存，Ollama 模型会被挤出显存，正常现象，用完再切回即可 |
| 以后启动报 aimdo 错 | 检查 bat 里有没有 `--disable-dynamic-vram`，别删 |
| 模型存哪了 | Ollama 模型在 `C:\Users\<你>\.ollama\models\`；视频模型在 ComfyUI 的 `models\` 下 |
---
## 五、踩坑总结（一张表速查）
| # | 症状 | 原因 | 解法 |
|---|---|---|---|
| 1 | winget 证书错误失败 | msstore 源过期 | 加 `--source winget` |
| 2 | github.com 下载超时 | 国内直连 GitHub 不通 | 前面套 `gh-proxy.com` |
| 3 | 写 `C:\xxx` Permission denied | 系统盘根目录限权 | 全部放 `C:\Users\你\AI\` |
| 4 | huggingface.co 连不上 | 国内直连 HF 不通 | 换 `hf-mirror.com` |
| 5 | WinError 4551 拦截 shm.dll | Smart App Control 拦未签名 DLL | 先 `Unblock-File`，不行就关 SAC（不可逆） |
| 6 | aimdo access violation 崩溃 | 新 Blackwell 卡与 aimdo hook 不兼容 | 启动加 `--disable-dynamic-vram` |
---
## 六、最后一句
整个过程真正难的不是下载，而是**国内网络环境 + Windows 安全策略 + 新显卡兼容性**这三件事叠加。这篇里的 6 个坑，每一个我都至少卡了十分钟才定位到。
你的机器如果不是 Blackwell 新卡，坑 6 不会遇到；如果 SAC 本来就是关的，坑 5 也跳过。但坑 2、3、4 是国内用户必踩的，镜像那两行命令建议直接存下来。
祝出片顺利。
评论 (0)
暂无评论。
发表留言