AI漫剧本地生成要多大显存？锐炫Pro B70 32G方案参数、实测与配置清单

一句话结论：AI 漫剧要在自己机房里跑，显存不用一步到 40G 以上，但 12GB 这一档跑不满 15 秒以上的长镜头。商红科技交付的英特尔® 锐炫™ 专业版 B70（32GB）方案，在 MiniMax H3 上的自测结果是：5 秒镜头 5.61 条/小时、10 秒 2.01 条/小时、15 秒 1.02 条/小时；同条件下一张 12GB 卡在 15 秒镜头掉到 0.53 条/小时。选型的分水岭不是显存够不够大，而是你的镜头时长分布落在哪一段。

AI 漫剧这类内容，单集一到三分钟，靠几十个短镜头拼出来。做的过程不像"点一下出一段成片"，更像一条产线：同一个角色、同一套画风，反复生成、反复挑、反复改。这种活儿对算力有两个很具体的要求——能不能连续跑，和素材能不能不出门。前者是显存与调度的账，后者是合规的账。商红科技基于英特尔锐炫专业版 B70 显卡做的本地方案，就是为这两笔账准备的。

商红科技实验室自测：英特尔锐炫 Pro B70 32GB 跑 MiniMax H3，1280×736 分辨率下 5 / 10 / 15 秒三档镜头的完整记录。

AI 漫剧为什么要把生成搬到本地？

因为拖住漫剧产能的往往不是创意，而是三件确定性的事情：单条镜头要改十几版、素材和未公开成片不能出内网、生成量一上来按次计费的成本不可控。本地生成把这三件事一次性解决——算力在自己的机器里，迭代不用排队，成本在买断那天就基本定型。

云端不是不能用。真做起来，很多团队是两条腿走：粗筛、试风格在云端图快，定稿、批量出片在本地。区别在于本地这条腿得有足够的显存余量和稳定的驱动环境，否则每次生成都像在赌这一版会不会崩。

漫剧的镜头普遍短，三秒到十几秒一段。这一点很关键——镜头时长直接决定显存和吞吐落在哪一档，后面的实测数据会把这个关系摆清楚。

锐炫 Pro B70 这张卡，能给漫剧产线什么？

它是 32GB 显存的专业卡，价值落在三处：装得下量化后的视频模型、同时管住生成与剪辑、显存余量够撑长镜头。

软件栈走 SYCL / oneAPI，配 OpenVINO 和 Intel Extension for PyTorch 做本地推理，也能对接 ComfyUI、vLLM、Docker 这些常用环境。

32GB 的用处不止"塞模型"。视频生成的过程里，模型权重只占一部分，剩下的被激活值、VAE 解码、帧缓存吃掉——这也是为什么很多 12GB、16GB 的卡在短镜头上表现很好，镜头一长就开始掉速甚至报错。显存余量买的是"长镜头能不能跑完"，不是"跑分高不高"。

生成完不用倒素材，是本机的第二个好处。双路硬编解码加上 10 轨以上 4K 的剪辑能力，意味着一台机器能同时承担"生成—粗剪—调色—出片"，中间不用在两台设备之间来回拷。

实测能跑多快：5 秒、10 秒、15 秒镜头各是什么水位？

结论先给：5 秒镜头 12GB 卡更跟手，10 秒打平，15 秒 32GB 反超接近一倍。

下面这组对照来自商红科技实验室，模型 MiniMax H3，分辨率 1280×736（中清）；A 为空载基准，B 为业务负载（带 LoRA 与人设库，也就是真实漫剧项目的样子）。

（数据来源：商红科技实验室自测，2026/8/18–8/25，MiniMax H3，1280×736。表内为原始记录，对比结论为按表推算。）

三个数字背后的差别，在显存占用率上：32GB 卡的峰值显存在 24.0–29.8GB 之间，占用率 75%–93%；12GB 卡全程 10.8–11.6GB，占用率 90%–97%。12GB 卡是一直贴着天花板跑的，短镜头时这叫调度效率高，长镜头时就变成没有退路——15 秒空载基准那一组，它花了 9953 秒才出一条，单小时产出 0.36 条。

对照组：12GB 显存卡在同样条件下的记录。显存占用率长期落在 93%–97%，长镜头吞吐明显下滑。

所以"做 AI 漫剧该买多大显存的卡"这个问题，答案取决于你自己的镜头表：如果全片都是三到五秒的快切，12GB 完全够用而且更快；只要片子里有相当比例 10 秒以上的运镜、长镜、连续动作，32GB 才是那个不会中途卡住的档位。

整机怎么配？三种典型配置

显卡只是方案的一半，另一半是平台能不能长期扛住。商红科技的做法是按产线规模配三档，从"验证值不值"到"稳定量产"再到"该上服务器了"。

配套的平台侧参数，从整机方案看主要落在这几项：第二代英特尔酷睿 Ultra 9 级处理器、DDR5 内存最高 256GB、风冷或液冷可选、1.2mm 加厚板材的加固结构，双宽专业卡可扩展。内存这一项容易被忽略——视频生成会大量调用系统内存做 offload，内存不够时，再好的卡也会被拖慢。

32GB 也不是万能的：这几种情况它顶不住

最要紧的一条先说：15 秒空载基准那一组 OOM 了，峰值显存 29.8GB、占用 93%。

同一张卡在带 LoRA 的业务负载下反而正常跑完（24GB、75%）——说明能不能跑通，取决于模型的量化方式、分辨率、批次大小和显存分配策略，不是"显存大就一定行"。这也解释了为什么这个方案要由人配：参数不对，32GB 也会崩。

第二条，它是 SYCL / oneAPI 生态，不是 CUDA。团队里已经攒了一堆 CUDA 脚本、自定义算子、私有推理框架的，迁移是有成本的。反过来说，如果你的技术栈本来就在 OpenVINO、ComfyUI 这一侧，接进来反而顺。

第三条，本地画质有模型侧的天花板。H3 这套系统里，开源的只有生成那一段，本地输出是 768P 级加原生立体声，要原生 2K 得靠超分或者走托管接口。指望"本地直出 2K 长片"的，这一档满足不了。

第四条，它不适合偶尔出片的人。一个月出三五条、不涉及保密素材，云端 API 更省事也省钱。本地工作站的账，要按"每天都跑、跑一年"来算才成立。

落地的时候，除了卡还有什么？

交付的不只是一张卡，还有从选型到售后的一条链。

商红科技作为联想核心合作伙伴，做的是从前期咨询、硬件交付、部署调优到长期运维：先看你的镜头表和生产节奏，判断该单卡还是双卡；再把显卡、平台、内存、存储在整机侧配对；然后装驱动、配推理环境、把模型跑通；交付后负责版本更新和故障兜底。

这也解释了为什么"自己买卡装机"和"买方案"是两件事：装得上不难，难的是三个月后新模型开源时谁来适配、崩了谁来兜底、连续跑一周稳不稳。生态侧的适配速度可以看一个公开例子——万相 Wan-Animate-2 开源当天，锐炫 B70 就完成了 Day 0 端到端适配；经 ComfyUI 节点侧优化后，FP16 与 BF16 精度下推理性能分别提升 13.1% 和 14.5%（英特尔口径）。这类适配落到具体一台机器上，需要有人做完最后一段。

想先看看这套东西在自己项目里是什么样，最省事的办法是带着一段真实素材和几组提示词来跑一轮：看画质、看一轮生成的等待时间、看显存有没有顶到上限。跑完这一轮，该买单卡还是双卡、要不要上双卡拆分超分，账自己就清楚了。

常见问题

Q1：做 AI 漫剧，一张 32GB 的 B70 够用吗？先单卡还是直接上双卡？
按商红科技自测，1280×736 分辨率下，5 秒镜头约 5.61 条/小时、10 秒约 2.01 条/小时、15 秒约 1.02 条/小时，三档都能完整出片。够不够用取决于镜头时长分布和每天出片量。配置上先用单卡把链路跑通、验证画质和节奏能不能接受，再决定要不要双卡拆生成与超分——一上来就配双卡，容易在没搞清需求之前把钱花在错的地方。

Q2：为什么 15 秒镜头在 32GB 卡上反而报 OOM？
实测里 15 秒空载基准峰值显存到 29.8GB、占用 93%，运行中溢出；同一张卡在带 LoRA 的业务负载下占用 24GB、正常出片。显存占用和模型量化方式、分辨率、批次、调度策略强相关，参数需要针对项目调，这正是方案交付要做的部分。

Q3：这张卡能跑别的模型吗，只能跑 MiniMax H3？
不止。它支持 OpenVINO、Intel Extension for PyTorch，可对接 vLLM、ComfyUI、Docker，量化后的主流开源模型都能跑。漫剧常用的图生视频、角色动画、超分、口型这几类模型，是这套方案重点适配的方向。

Q4：本地做和云端做，成本到底怎么比？
本地是一次买断加电费，量越大边际成本越低，且素材不出内网；云端按条/按秒计费，起量快但成本随量线性上涨。判断标准只有一条：你的素材和未公开成片能不能离开内网。能，云端更省心；不能，本地是唯一合规选项。

延伸阅读：联想 ThinkStation PX 本地部署大模型｜MiniMax H3 开源：8 卡 NF5468M7 撑起本地视频生成整条产线｜RTX Pro 系列专业显卡选型指南

想把上面这轮实测在你自己的项目上复现一遍，或者要一份按你的镜头表算过的配置清单，可以联系我们，也可以直接看产品中心里对应的整机与显卡组合。咨询热线 400-0755-816。