卖B70显卡，只是英特尔本地AIGC生意的开始

一张显卡，开始被越来越多创作者当成生产资料重新算账。

过去，要把AI视频真正搬到本地，首先卡在模型。效果更好的视频模型大多通过云端服务提供，能够下载到本地的开源模型，距离稳定生产往往还有一段距离。

但今年夏天发生了变化。在MiniMax开放新一代视频模型H3权重的同一天，英特尔宣布锐炫Pro B70完成H3的Day 0适配。这张几个月前才发布的32GB专业显卡，由此有了一个更加具体的本地视频生成负载。

当模型能下载，显卡也能跑，本地AI视频的创作和生成也迎来新的挑战。日前，英特尔联合MiniMax、数字折叠举办AIGC创作研讨会。现场的讨论并没有局限于显存和峰值算力，而是更关注一套贴近实际生产的本地算力：它究竟能完成多少工作、如何支持多人共享，以及新模型出来后能否及时跟进等。

英特尔想抓住的，正是这个变化。

多卡开工，本地AI有了「生产线」

AI视频工具正在变成创作者的常用助手。

Adobe针对384名美国视频内容创作者的调查显示，71%的受访者已经使用过AI视频生成或编辑工具，其中41%的使用者每周都会使用。

使用频率上升，也让云端模式原本不明显的成本被放大。

一条视频往往不是生成一次就结束。从角色和分镜确定，到反复抽卡、修改、转绘、超分，再到最终剪辑，“生成、修改、再生成”才是更接近真实生产的状态。当调用次数越来越多，按次付费和排队等待就不再只是体验问题，而开始关乎制作成本。

近期社交媒体流传的一组AI漫剧团队“7月账单”，把这笔账摆得更加直观：约28万元收入中，算力成本接近20万元，再扣除人工、版权、场地等成本后，最终所剩无几。

当AI进入高频生产，云端算力的高成本开始显现，本地部署也重新进入创作者的选择范围。

英特尔技术专家在现场谈到，本地AIGC的价值并不只在省下一笔云端算力费。未公开的素材和创意涉及数据隐私，专业创作者还需要训练自己的LoRA（低秩自适应，是一种AI微调技术）、搭建更复杂的定制工作流。此外，用户也希望在反复试错时能摆脱排队和调用次数的限制。

他同时强调，本地并不意味着彻底放弃云端，不同任务仍然可以在二者之间灵活切换。

而锐炫Pro B70承接的，就是这部分本地负载。根据英特尔披露的规格，这张卡提供32GB GDDR6显存、608GB/s显存带宽和367 TOPS峰值INT8算力。

不过，对于真正的视频生产来说，一张显卡的价值并不只取决于生成一条视频有多快，还取决于它在整个制作过程中有多少时间真正处于工作状态。

英特尔此次展示的本地AI流程从素材处理就已经开始。视频进入本地素材库后，可以先经过硬件解码、分段和采样，再交给多模态模型理解内容、生成标签并完成入库。

需要重新调用素材时，创作者可以直接用自然语言描述人物、物品或场景，从历史视频中检索对应画面。在现场演示中，一段旧素材就通过这种方式被重新找出，并加入新的故事线。

到了剪辑环节，锐炫Pro B70集成的双路硬件编解码单元继续承担视频解码、编码和导出。进入更吃算力的视频生成阶段，活动现场测试结果显示，在锐炫Pro B70上运行MiniMax H3优化工作流，生成一段720P、5秒视频约需9分钟。完成本地生成后，如果还想将720P视频提升至2K，可以继续使用同一张B70运行视频超分工作流，耗时约7分钟。

从素材整理、剪辑到生成、超分，一张卡能够覆盖的环节越多，被闲置的时间就越少，这也直接影响本地硬件投入能否被持续的内容生产摊薄。

而当制作从几条视频进入批量生产，采购逻辑又会发生一次变化。有限预算究竟应该集中在一张更快的卡上，还是拆成多张卡，同时处理更多任务？

英特尔给出的思路并不只是比较单卡速度，而是看整套算力最终能够完成多少工作。

在英特尔技术专家介绍的双B70视频智能体方案中，其中一张卡运行本地大模型，支撑智能体运行并提供多模态能力，另一张则专门承担AIGC生成，把前面的处理结果真正落地。

数字折叠展示的则是另一种思路。在视频生成这一道工序里，多张卡可以同时处理不同的生成任务，让原本依次完成的多个镜头并行开工。

而无论是让不同负载各司其职，还是让大量独立任务并行开工，可以看到的是，本地AI视频已经开始呈现出一条小型生产线的雏形。

开箱即用，难在显卡之外

生产线能不能搭起来，又是另一回事。

对熟悉硬件和AI工具的玩家来说，安装显卡驱动、配置模型环境、搭建ComfyUI工作流可能只是准备工作。对更多创作者而言，准备工作本身就是门槛。他们并不想先研究显卡怎么配置、模型需要哪些软件环境，再学会几十个节点的工作流，才能生成第一条视频。

英特尔此次展示的另一个重点，就是尽量减少这些必须由用户亲手处理的步骤：Windows环境下，安装显卡驱动后即可继续部署合作伙伴提供的软件；Linux环境则提供打包好的Docker镜像，把原本需要自行配置的Python环境和软件依赖预先封装起来。用户依然需要完成安装，但不必从头处理一整套AI开发环境。

底层环境被简化之后，复杂度还藏在工作流里。

ComfyUI之所以受到AI创作者欢迎，是因为模型、采样、图像和视频处理都可以通过节点自由组合，但灵活的另一面就是使用门槛。

数字折叠进一步把这些复杂节点封装进DFCine无限画布，传统AI视频及MV制作中20多个节点被整合成3个核心节点，分镜设计、素材生成、镜头控制和算力调度可以集中到同一个可视化界面。

然而，对于快速变化的开源模型生态，真正的易用性并不只是第一次把环境装好。

H3开放权重后，英特尔能够在Day 0完成锐炫Pro B70的底层适配，说明GPU和软件团队可以快速跟进新的模型架构。但芯片厂商把模型跑起来，并不等于普通创作者当天就能在自己熟悉的软件里直接使用，中间还隔着推理框架、工作流和应用软件。只有这些环节都跟上，新模型的发布速度才能真正变成创作者能够感知的更新速度。

这也解释了为什么英特尔在这场活动里聚集的并不只有一家模型公司，还包括显卡厂商、工作站厂商和数字折叠这样的独立软件开发商。

英特尔技术专家还提到，英特尔希望继续把硬件厂商、OEM、软件方案方和最终用户连接起来，未来甚至可以推出软硬件打包的一体化方案，让缺乏部署经验的用户不必再研究每一步安装流程，最终向“插上电源就可以用”靠近。

对英特尔而言，这也不是临时增加的一层服务。官方对Arc Pro B系列的定位已经不仅包括传统专业图形，还明确覆盖AI推理、内容创作以及可扩展的多GPU工作站。

因此，当被问及专业显卡供给紧张是否给B70带来了市场窗口时，英特尔相关负责人虽然承认AIGC带来了机会，但也同时强调英特尔不是一个抓“短线”机会的公司。相比眼下的替代需求，他们更看重后续AI产品的持续迭代，以及把硬件、软件和整机生态逐步拉通。

借这次窗口，把自己真正嵌进本地AIGC的生产链条里，这才是英特尔更长远的打算。

雷峰网雷峰网