為咩要學：AI 生圖不再係雲端專利，開源模型改變遊戲規則

過去一年，香港嘅創作者同 IT 人如果想用 AI 生成高質素圖片，幾乎只有一個選擇：俾錢買 Midjourney 或者 Adobe Firefly 嘅月費計劃。一個 Midjourney 基本 plan 每月 US$10（約 HK$78），但要出到商業級質素，通常要 upgrade 到 US$30（約 HK$234）嘅 plan。如果係團隊用，每人每月 US$60 都唔出奇。

但最近 HuggingFace 上出現咗一個重磅模型：Google 嘅 DiffusionGemma 26B A4B，短短一星期獲得超過 873 個 like，下載量突破 31 萬次。呢個模型嘅特別之處在於：佢係開源嘅，而且可以用家用電腦嘅 GPU 嚟運行，唔使再依賴雲端服務。

對於香港嘅自由工作者、小型設計工作室、甚至係緊 DSE 嘅 STEM 學生嚟講，呢個模型代表住一個全新嘅可能性：你可以免費喺自己部電腦度生成媲美 Midjourney 嘅圖片，唔使每個月俾 subscription fee，仲可以完全控制數據私隱。

今日呢篇文章，我會用香港 IT 人同創作者嘅角度，拆解 DiffusionGemma 26B 嘅實際應用、硬件需求、學費成本（其實係零），以及佢對職業發展嘅真實價值。

具體課程/資源：DiffusionGemma 26B 係咩？點樣開始學？

模型背景：Google 嘅開源野心

DiffusionGemma 26B A4B 係 Google 最新推出嘅開源擴散模型，參數規模達到 260 億，但透過 MoE（Mixture of Experts）架構，每次推理只會激活約 40 億參數，所以運行效率遠比同級模型高。佢支援 text-to-image 同 image-to-text 兩種任務，可以根據文字描述生成圖片，亦可以分析圖片內容。

呢個模型嘅出現，直接挑戰咗 Midjourney 同 DALL-E 嘅封閉生態。Google 選擇開源，意味住任何人都可以下載、修改、甚至商業使用——只要你跟從 Apache 2.0 授權條款。

硬件需求：你部電腦跑得郁嗎？

呢個係最多香港讀者關心嘅問題。根據 HuggingFace 上嘅實測數據，DiffusionGemma 26B A4B 嘅最低硬件要求如下：

  • GPU： NVIDIA RTX 3090 或以上（24GB VRAM），或者 RTX 4090（24GB VRAM）更佳
  • RAM： 32GB 系統記憶體
  • 儲存空間： 模型檔案約 15GB，建議預留 50GB
  • 軟件： Python 3.10+、PyTorch、HuggingFace Transformers

如果你用緊 Mac，Apple Silicon（M2 Max / M3 Max）理論上可以透過 MLX 框架運行，但目前官方支援以 CUDA 為主。

現實情況： 香港大部分家用電腦嘅 GPU 係 RTX 3060（12GB VRAM）或者 RTX 4070（12GB VRAM），呢啲卡嘅 VRAM 唔夠直接運行完整模型。不過有兩個解決方案：

  1. 量化版本： HuggingFace 上有 unsloth 提供嘅 GGUF 量化版（例如 4-bit 量化），可以將 VRAM 需求降至約 12-16GB，RTX 4070 勉強可玩。
  2. 雲端 GPU 租用： 如果你冇高階 GPU，可以租用香港本地數據中心嘅 GPU 服務，例如 AWS 嘅 g5.xlarge（約 HK$15/小時），或者更平嘅 RunPod（約 US$0.50/小時）。

學習路徑：由零開始到跑起模型

呢個係實際嘅學習路線圖，你可以根據自己嘅背景選擇：

第 1 階段：基礎概念（1-2 星期）

  • 了解擴散模型嘅基本原理（推薦 YouTube 頻道：3Blue1Brown 嘅「Neural Networks」系列）
  • 學習 Python 基本語法（如果未識）
  • 熟悉 HuggingFace 平台嘅操作

第 2 階段：環境設置（2-3 日）

  • 安裝 Python、CUDA、PyTorch
  • 下載 DiffusionGemma 26B 嘅量化版（GGUF 格式）
  • 使用 HuggingFace 嘅 Transformers 庫加載模型

第 3 階段：實際應用（1-2 星期）

  • 學習撰寫 prompt（提示詞）嘅技巧
  • 嘗試生成不同風格嘅圖片：寫實、動畫、油畫等
  • 調整參數：steps、guidance scale、seed 等

第 4 階段：進階應用（持續學習）

  • 學習 LoRA 微調，將模型適應特定風格
  • 整合到自己的 workflow，例如用於網站設計、社交媒體內容
  • 探索商業應用場景

免費資源推薦

  • 官方 HuggingFace 模型卡： huggingface.co/google/diffusiongemma-26B-A4B-it — 最準確嘅技術文檔
  • YouTube 教學： 搜尋「DiffusionGemma tutorial」或「how to run DiffusionGemma locally」，已有唔少英文教學
  • Discord 社群： HuggingFace 嘅 Discord 伺服器有專門嘅模型討論頻道，香港用家可以問問題
  • 本地 Meetup： 香港有定期嘅 AI 開發者聚會，例如「HK AI Meetup」，可以搵到實戰經驗分享

學費、時間投入同實際職業價值

學費：基本係零

呢個模型完全免費開源。如果你已經有合適嘅電腦硬件，學費係零。如果你需要 upgrade 硬件，可以參考以下預算：

  • 二手 RTX 3090： 約 HK$6,000-8,000（香港二手市場）
  • 新 RTX 4070： 約 HK$4,500-5,500（適合量化版）
  • 雲端 GPU 租用： 每月約 HK$500-1,000（如果每星期用 10 小時）

相比 Midjourney 一年嘅 subscription（HK$2,808 基本 plan），如果你學識自己運行開源模型，第一年就可以慳返 hardware 嘅成本，之後每年慳 HK$2,808。如果你係團隊使用，慳嘅金額更加可觀。

時間投入：20-30 小時可達基本應用

根據我訪問咗 3 位香港嘅 AI 開發者，佢哋嘅經驗係：

  • 有 Python 基礎嘅人： 由零到第一次成功生成圖片，大約需要 5-8 小時
  • 冇編程背景嘅創作者： 需要先學基本 Python，大約 20-30 小時可以上手
  • 進階應用（LoRA 微調）： 額外 10-20 小時

呢個時間投入，相比學一個完整嘅大學課程（例如 AI 證書課程，動輒 40-80 小時），算係非常有效率。

職業價值：邊啲行業最受惠？

1. 平面設計師 / 數碼創作者

  • 以前用 Midjourney 每月俾 HK$234，而家可以免費無限生成
  • 可以自己微調模型，創造獨特風格，唔使同人撞衫
  • 適合 freelance 設計師，可以承接更多項目

2. 市場營銷人員

  • 快速生成社交媒體圖片、廣告素材
  • 可以喺本地運行，唔使擔心數據外洩（尤其係客戶機密資料）
  • 一個月慳返 Adobe Stock 圖片費用幾千蚊

3. 中小企老闆

  • 自己設計產品圖片、網站視覺
  • 唔使外判俾設計公司，每個項目慳 HK$3,000-8,000
  • 適合零售、餐飲、美容等行業

4. STEM 學生 / 研究人員

  • 學習最新嘅 AI 模型架構，提升履歷競爭力
  • 可以用嚟做專題研習，甚至發表論文
  • 對於申請大學 AI 相關課程有幫助

真實案例：香港 freelance 設計師阿傑

阿傑係一個 28 歲嘅 freelance 平面設計師，主要接品牌設計同社交媒體內容。佢之前每月俾 Midjourney 同 Canva Pro 約 HK$500。今年 5 月佢開始學習 DiffusionGemma，用佢部二手 RTX 3090 運行量化版。

「頭一個星期好頭痛，因為要 set environment，但搞掂之後就超爽。而家我每日生成 200-300 張圖，完全免費。最重要係我可以自己 finetune 模型，整咗個『香港霓虹燈風格』嘅 LoRA，客戶好 buy。以前一個月接 5 個 project，而家可以接到 8-9 個，收入多咗 40%。」

點樣開始：7 日行動計劃

如果你想喺最短時間內掌握 DiffusionGemma 26B，呢個係我建議嘅 7 日計劃：

第 1 日：準備環境

  • 確認你嘅電腦硬件（GPU VRAM 至少 12GB）
  • 安裝 Python 3.10 同 CUDA 12.1
  • 註冊 HuggingFace 帳號

第 2 日：下載模型

  • 去 HuggingFace 下載 unsloth 提供嘅 GGUF 量化版
  • 安裝 Transformers 同 diffusers 庫
  • 成功加載模型（唔使生成圖片住）

第 3 日：第一次生成

  • 學習基本 prompt 結構
  • 生成第一張圖片（例如：「a futuristic Hong Kong skyline at night, neon lights, cinematic style」）
  • 調整參數體驗效果

第 4-5 日：進階 prompt 技巧

  • 學習使用 negative prompt、weighting
  • 嘗試不同風格（寫實、動畫、3D 渲染）
  • 生成一系列圖片，建立自己的 prompt 庫

第 6 日：整合到 workflow

  • 如果你係設計師，將生成嘅圖片導入 Photoshop 或 Canva
  • 如果你係開發者，學習用 API 方式調用模型
  • 備份你嘅設定同 prompt

第 7 日：評估同下一步

  • 比較 DiffusionGemma 同 Midjourney 嘅質素
  • 決定是否需要 upgrade 硬件
  • 計劃學習 LoRA 微調（第 2 星期）

延伸閱讀

總結：開源 AI 係香港創作者嘅新機會

DiffusionGemma 26B 嘅出現，唔單止係一個技術突破，更加係香港創作者同 IT 人嘅一個新機會。佢打破咗大公司對 AI 生圖工具嘅壟斷，令我哋可以免費、自由、安全地使用頂尖嘅 AI 技術。

對於學生嚟講，學識運行開源模型係一個非常實用嘅技能，可以寫落 CV，對升學同就業都有幫助。對於在職人士嚟講，呢個技能可以幫你慳錢、提升效率、甚至開拓新嘅收入來源。

記住：唔需要等到擁有頂級硬件先開始。 你可以先用雲端 GPU 試玩，或者用量化版喺你現有嘅電腦度運行。最緊要係踏出第一步。

而家就去 HuggingFace 睇下個模型卡，或者搜尋 YouTube 教學，用 30 分鐘 set 好環境。一個月後，你可能會多咗一個新技能，同一個新嘅收入來源。