在 Amazon SageMaker 上批量运行 ComfyUI 工作流：自动化生成数百张高质量图片

一句话看懂

AWS 发布方案，让 ComfyUI 工作流在 SageMaker 上批量运行，一次任务生成数百张高质量图片，支持 GPU 加速和按秒计费。

详细发生了什么

AWS 官方博客介绍了如何将 ComfyUI（一个节点式 AI 工作流构建工具）部署到 Amazon SageMaker AI 处理任务中，实现大规模图片生成。核心思路是：用 AWS CDK 搭建基础设施（包括 S3 存储桶、VPC 网络、Lambda 触发函数），然后将 ComfyUI 工作流打包进 Docker 容器，在 SageMaker 的 GPU 实例（如 ml.g5.xlarge）上运行。

文章以 Z-Image Turbo 模型为例（一个 6B 参数的文本到图像扩散模型），展示了如何通过 ComfyUI 的 JSON 工作流文件一键部署。用户只需将自定义工作流导出为 JSON，替换容器中的默认工作流，并确保模型和自定义节点已安装，即可实现批量生成。

其他应用场景包括：广告创意 A/B 测试（自动生成数百个变体）、全球产品包装设计（适配不同地区风格）、游戏互动视频生成等。

中文圈视角

对于国内用户，这个方案直接可用的门槛较高：需要 AWS 账号、熟悉 AWS CDK 和 SageMaker，且 GPU 实例费用不菲（ml.g5.xlarge 约 $1.006/小时）。但思路值得借鉴——国内云厂商如阿里云、腾讯云、华为云都有类似服务（PAI、TI-ONE、ModelArts），理论上可以用类似方式部署 ComfyUI。

不过，国内更常见的做法是直接在本地或 GPU 服务器上跑 ComfyUI，或者使用 AutoDL 等算力平台。AWS 方案的优势在于弹性伸缩和按秒计费，适合需要频繁批量生成的中大型团队。对于个人用户或小团队，国内已有 ComfyUI 云服务（如 LiblibAI、SeaArt）提供在线工作流，无需自己搭建基础设施。

另外，Z-Image Turbo 模型目前未开源，国内用户无法直接使用，但可以替换为 Stable Diffusion 系列或国产模型（如 Kolors、FLUX）。

几条值得记住的细节

• 使用 AWS CDK 三个堆栈：DataStack（S3 存储）、SecurityStack（VPC 和安全）、ComfyUISmStack（Lambda 触发 SageMaker 任务）。
• 默认 GPU 实例为 ml.g5.xlarge（1 张 NVIDIA A10G，24GB VRAM），按秒计费。
• 工作流以 JSON 格式导出，替换容器中的默认文件即可切换。
• Z-Image Turbo 模型为 6B 参数，采用 Early Fusion 架构，文本和图像 token 统一处理。
• 输出图片存储在 S3 桶中，支持服务器端加密。

一句话总结

如果你需要大规模、自动化的 ComfyUI 图片生成，AWS 这套方案提供了可复用的基础设施模板，但国内用户需考虑云厂商替代方案和成本。