賣B70顯卡，只是英特爾本地AIGC生意的開始

一張顯卡，開始被越來越多創作者當成生產資料重新算賬。過去，要把AI視頻真正搬到本地，首先卡在模型。效果更好的視頻模型大多通過雲端服務提供，能夠下載到本地的開源模型，距離穩定生產往往還有一段距離。但今年夏天發生了變化。在MiniMax開放新一代視頻模型H3權重的同一天，英特爾宣佈銳炫Pro B70完成H3的Day 0適配。這張幾個月前才發佈的32GB專業顯卡，由此有了一個更加具體的本地視頻生成負載。當模型能下載，顯卡也能跑，本地AI視頻的創作和生成也迎來新的挑戰。日前，英特爾聯合MiniMax、數字摺疊舉辦AIGC創作研討會。

現場的討論並沒有侷限於顯存和峰值算力，而是更關注一套貼近實際生產的本地算力：它究竟能完成多少工作、如何支持多人共享，以及新模型出來後能否及時跟進等。英特爾想抓住的，正是這個變化。多卡開工，本地AI有了「生產線」AI視頻工具正在變成創作者的常用助手。Adobe針對384名美國視頻內容創作者的調查顯示，71%的受訪者已經使用過AI視頻生成或編輯工具，其中41%的使用者每週都會使用。使用頻率上升，也讓雲端模式原本不明顯的成本被放大。一條視頻往往不是生成一次就結束。從角色和分鏡確定，到反覆抽卡、修改、轉繪、超分，再到最終剪輯，“生成、修改、再生成”才是更接近真實生產的狀態。

當調用次數越來越多，按次付費和排隊等待就不再只是體驗問題，而開始關乎製作成本。近期社交媒體流傳的一組AI漫劇團隊“7月賬單”，把這筆賬擺得更加直觀：約28萬元收入中，算力成本接近20萬元，再扣除人工、版權、場地等成本後，最終所剩無幾。當AI進入高頻生產，雲端算力的高成本開始顯現，本地部署也重新進入創作者的選擇範圍。英特爾技術專家在現場談到，本地AIGC的價值並不只在省下一筆雲端算力費。未公開的素材和創意涉及數據隱私，專業創作者還需要訓練自己的LoRA（低秩自適應，是一種AI微調技術）、搭建更復雜的定製工作流。此外，用戶也希望在反覆試錯時能擺脫排隊和調用次數的限制。

他同時強調，本地並不意味著徹底放棄雲端，不同任務仍然可以在二者之間靈活切換。而銳炫Pro B70承接的，就是這部分本地負載。根據英特爾披露的規格，這張卡提供32GB GDDR6顯存、608GB/s顯存帶寬和367 TOPS峰值INT8算力。不過，對於真正的視頻生產來說，一張顯卡的價值並不只取決於生成一條視頻有多快，還取決於它在整個製作過程中有多少時間真正處於工作狀態。英特爾此次展示的本地AI流程從素材處理就已經開始。視頻進入本地素材庫後，可以先經過硬件解碼、分段和採樣，再交給多模態模型理解內容、生成標籤並完成入庫。

需要重新調用素材時，創作者可以直接用自然語言描述人物、物品或場景，從歷史視頻中檢索對應畫面。在現場演示中，一段舊素材就通過這種方式被重新找出，並加入新的故事線。到了剪輯環節，銳炫Pro B70集成的雙路硬件編解碼單元繼續承擔視頻解碼、編碼和導出。進入更吃算力的視頻生成階段，活動現場測試結果顯示，在銳炫Pro B70上運行MiniMax H3優化工作流，生成一段720P、5秒視頻約需9分鐘。完成本地生成後，如果還想將720P視頻提升至2K，可以繼續使用同一張B70運行視頻超分工作流，耗時約7分鐘。

從素材整理、剪輯到生成、超分，一張卡能夠覆蓋的環節越多，被閒置的時間就越少，這也直接影響本地硬件投入能否被持續的內容生產攤薄。而當製作從幾條視頻進入批量生產，採購邏輯又會發生一次變化。有限預算究竟應該集中在一張更快的卡上，還是拆成多張卡，同時處理更多任務？英特爾給出的思路並不只是比較單卡速度，而是看整套算力最終能夠完成多少工作。在英特爾技術專家介紹的雙B70視頻智能體方案中，其中一張卡運行本地大模型，支撐智能體運行並提供多模態能力，另一張則專門承擔AIGC生成，把前面的處理結果真正落地。數字摺疊展示的則是另一種思路。

在視頻生成這一道工序裡，多張卡可以同時處理不同的生成任務，讓原本依次完成的多個鏡頭並行開工。而無論是讓不同負載各司其職，還是讓大量獨立任務並行開工，可以看到的是，本地AI視頻已經開始呈現出一條小型生產線的雛形。開箱即用，難在顯卡之外生產線能不能搭起來，又是另一回事。對熟悉硬件和AI工具的玩家來說，安裝顯卡驅動、配置模型環境、搭建ComfyUI工作流可能只是準備工作。對更多創作者而言，準備工作本身就是門檻。他們並不想先研究顯卡怎麼配置、模型需要哪些軟件環境，再學會幾十個節點的工作流，才能生成第一條視頻。

英特爾此次展示的另一個重點，就是儘量減少這些必須由用戶親手處理的步驟：Windows環境下，安裝顯卡驅動後即可繼續部署合作伙伴提供的軟件；Linux環境則提供打包好的Docker鏡像，把原本需要自行配置的Python環境和軟件依賴預先封裝起來。用戶依然需要完成安裝，但不必從頭處理一整套AI開發環境。底層環境被簡化之後，複雜度還藏在工作流裡。ComfyUI之所以受到AI創作者歡迎，是因為模型、採樣、圖像和視頻處理都可以通過節點自由組合，但靈活的另一面就是使用門檻。

數字摺疊進一步把這些複雜節點封裝進DFCine無限畫布，傳統AI視頻及MV製作中20多個節點被整合成3個核心節點，分鏡設計、素材生成、鏡頭控制和算力調度可以集中到同一個可視化界面。然而，對於快速變化的開源模型生態，真正的易用性並不只是第一次把環境裝好。H3開放權重後，英特爾能夠在Day 0完成銳炫Pro B70的底層適配，說明GPU和軟件團隊可以快速跟進新的模型架構。但芯片廠商把模型跑起來，並不等於普通創作者當天就能在自己熟悉的軟件裡直接使用，中間還隔著推理框架、工作流和應用軟件。只有這些環節都跟上，新模型的發佈速度才能真正變成創作者能夠感知的更新速度。

這也解釋了為什麼英特爾在這場活動裡聚集的並不只有一家模型公司，還包括顯卡廠商、工作站廠商和數字摺疊這樣的獨立軟件開發商。英特爾技術專家還提到，英特爾希望繼續把硬件廠商、OEM、軟件方案方和最終用戶連接起來，未來甚至可以推出軟硬件打包的一體化方案，讓缺乏部署經驗的用戶不必再研究每一步安裝流程，最終向“插上電源就可以用”靠近。對英特爾而言，這也不是臨時增加的一層服務。官方對Arc Pro B系列的定位已經不僅包括傳統專業圖形，還明確覆蓋AI推理、內容創作以及可擴展的多GPU工作站。

因此，當被問及專業顯卡供給緊張是否給B70帶來了市場窗口時，英特爾相關負責人雖然承認AIGC帶來了機會，但也同時強調英特爾不是一個抓“短線”機會的公司。相比眼下的替代需求，他們更看重後續AI產品的持續迭代，以及把硬件、軟件和整機生態逐步拉通。借這次窗口，把自己真正嵌進本地AIGC的生產鏈條裡，這才是英特爾更長遠的打算。