如何在RTX 4090上本地运行Wan AI

本文是在RTX 4090上部署Wan 2.1（14B完整模型）的实操指南，覆盖硬件要求、环境配置、推理优化和常见问题。

硬件要求

显卡：RTX 4090（24GB VRAM）可运行完整14B模型。RTX 3060（12GB）只够跑1.3B轻量版。显存16-24GB之间必须开量化。CPU建议16核以上，内存32GB起步（模型加载阶段占用较大）。模型权重约28GB，加依赖和缓存预留60GB存储。

环境配置

推荐Ubuntu 22.04或Windows 11 WSL2。安装Python 3.10+和CUDA 12.1（版本必须匹配，CUDA 11.x会报错）。用conda创建虚拟环境后，克隆官方仓库git clone https://github.com/Wan-Video/Wan2.1并安装依赖。PyTorch版本需2.1.0以上。

模型下载

使用huggingface-cli download Wan-AI/Wan2.1-T2V-14B获取权重。国内网络建议用hf-mirror.com镜像站或配置代理。下载后务必检查SHA256校验——权重损坏会导致全黑输出。

推理优化

INT8量化：添加--quantize int8参数，显存从22GB降至约14GB，画质损失肉眼几乎不可见。xformers加速：安装后自动启用memory-efficient attention，速度提升约20%。两者同时开启时，4090可在6-8分钟生成5秒480p视频，1080p/5秒约需10-15分钟。

常见问题

CUDA OOM：降分辨率或开量化。黑屏输出：检查权重完整性。速度慢：确认xformers已装且torch.cuda.is_available()返回True。Windows原生支持有限，强烈建议WSL2。