影視特效五花八門，在各類影片盡顯神通，讓畫面更沉浸、真實、絢麗。在如今AI當潮的時代，通過深度學習、機器學習等方式，像人類一樣來“思考”，幫助人們在包括影視制作等行業中提速增效。ChatGPT、Midjourney以及Stable Diffusion等模型和應用的出現，也讓以人工智能生成內容(AI-Generated Content, AIGC)等加速為影視制作領域帶來革新。

影視制作中的AI新嘗試

AIGC目前已經在影視制作領域進行了多種嘗試，像智能剪輯、AI生成視頻、AI作畫等都已不是問題。除了特效制作，其實在影視制作流程中，還有一個關鍵且繁雜的步驟就是劇本拆解，把劇本中各項要素分析出來，再制作成拍攝計劃和預算表。其目的是為了明確角色定位，確保劇情連貫以及用于后期制作等。拆解的過程中有大量的數據錄入工作，因劇本的長短，需要大量的人工和時間來完成劇本的拆解?；贏I的人工智能劇本來拆解劇本，能很大程度上降低人力和時間成本，利用大語言模型的技術，可以將劇本內容自動拆解出場次，并分析出角色、對白、動作，整個過程需要幾秒到幾分鐘。

影視制作本身具有很大的移動性和靈活性，編劇和導演對劇本的處理上有非常強的隱私需求，私有化方案部署是一個強需求，加上劇組在拍攝過程中不停的轉場，這要求私有化部署，既要有足夠的算力制程，又可以靈活部署，跟著劇組一起移動。基于大語言模型的劇本拆解方案已經成為主流的解決方案，部署大語言模型需要很強的異構算力，足夠大的內存容量，英特爾至強 W平臺剛好可以滿足該場景的需求，既能提供足夠的算力，又能擴展多個GPU，還能靈活部署，跟著劇組隨時移動。在擴展方面，英特爾 至強 W處理器有高達112通道的擴展，加上多大2T的內存支持，還有高達60個可超頻核心，使得該平臺能擴展出非常強大的異構算力。

AI助力，算力筑基

基于LLM模型等構建的AIGC應用在算力需求、數據規模上帶來更大挑戰，尤其是LLM模型擁有的巨大參數規模需要更強的設備算力，更大的內存帶寬等，開發者、創作者在設備或平臺的選擇上更具難度。

以往，這些體量龐大的網絡模型讓AI應用背后的模型總是離不開云服務和數據中心這樣的部署環境，用戶需通過聯網接入才能開啟開發與創作之旅。在AIGC應用更多下沉和落地于各行業、各領域的今天，其發展也需要更多開發者和創作者共同參與其中。這就需要AIGC的載體，以及對應的開發/創作方案更為輕便、靈活和高效。英特爾不僅在AI領域有著全面的軟硬件產品體系和技術棧，也在AI應用的行業落地和方案優化部署上有著豐富的經驗和實戰案例。

軟件能力也是AI PC體驗的關鍵，而英特爾在這方面有著獨特的優勢地位。英特爾通過多個層面的軟件能力助力AIGC產業的發展。

首先是通過軟件來充分激發英特爾架構硬件蘊含的算力，讓底層硬件性能更好地支撐上層的AIGC應用，例如OpenVINO 工具套件全面支持英特爾異構的硬件平臺，開發者可以靈活選用各種英特爾 CPU、GPU和NPU等計算引擎，滿足包括客戶端、邊緣計算的不同業務場景需求；同時提供包括面向低比特混合精度的量化在內的多種軟硬件優化策略等。

其次是通過廣泛地合作，對各類AI框架、平臺和加速庫提供面向英特爾 架構的支撐和優化。例如OpenVINO 工具套件廣泛支持PyTorch, TensorFlow, PaddlePaddle等主流AI框架，并與HuggingFace合作，借助Optimum Intel幫助開發者將更多HuggingFace的大語言模型進行壓縮優化，并在英特爾的平臺上進行部署。

又如BigDL-LLM加速庫利用了低比特優化和硬件優化技術，可以極低的時延運行和微調大語言模型，并支持各類標準PyTorch API(如HuggingFace Transformers和LangChain)和大模型工具，(如 HuggingFace PEFT、DeepSpeed、vLLM 等)。這種軟硬件協同的驅動力對AIGC應用開發和創作帶來的助益是顯而易見的。以Stable Diffusion的使用為例，借助英特爾為其開發的AI框架，開發者可在開啟OpenVINO 工具套件的情況下，僅通過一行代碼的安裝，就可以加速PyTorch模型運行，并讓Automatic1111 for Stable Diffusion WebUI在英特爾銳炫 顯卡上流暢運行，從而快速生成高質量圖片。

同時，英特爾也與眾多合作伙伴一起，通過開源社區、技術創新大會等形式，積極促進AIGC生態的發展、聯動與創新，并催化更多AIGC的應用方案和落地實例。英特爾還在“AI PC加速計劃”中與超過200家ISV合作伙伴開展深度合作，并集合400余項AI加速功能，在2025年前為超過1億臺PC帶來AI特性。這些合作和AI加速功能顯然將進一步提升AIGC在各領域的產業落地。

AI推理和部署事半功倍的神器——OpenVINO 工具套件

在眾多加速AI落地的軟件工具中，OpenVINO 工具套件尤為突出，能夠加速AI推理及部署，且在異構平臺上基于不同維度的AI方法，包括深度學習、基于注意力的網絡以及LLM等，幫助AI領域的開發者在計算機視覺、自動語音識別、自然語言處理以及推薦系統等場景中，加速相關應用程序和解決方案的開發。OpenVINO 工具套件是一個開源工具包，通過降低延遲和提高吞吐量來加速AI推理，同時保持準確性、減少模型占用空間并優化硬件使用。它簡化了AI開發和深度學習在計算機視覺、大型語言模型(LLM)和生成式AI等領域的集成。OpenVINO 工具套件對大量流行AI框架(如PyTorch、TensorFlow、PaddlePaddle等)都提供了支持，同時也能借助硬件平臺(如英特爾 至強 處理器)的特性和內置加速器增加AI應用的功能和性能。隨著最新版本OpenVINO 工具套件2025.0(2025年2月發布)的推出，為更多GenAI覆蓋和框架集成，更廣泛的大型語言模型(LLM)支持和更多模型壓縮技術，更多的便攜性和性能以在邊緣、云端或本地運行AI提供了廣泛的支持。

01面向更多GenAI覆蓋和框架集成，以最小化代碼更改

● 支持的新模型：Qwen 2.5、FLUX.1 Schnell和FLUX.1 Dev。

● Whisper模型：在CPU、內置GPU和獨立GPU上通過GenAI API提高性能。

● 引入對torch.compile的NPU支持，使開發人員能夠使用OpenVINO后端在NPU上運行PyTorch API。啟用了來自TorchVision、Timm和TorchBench倉庫的300多個深度學習模型。

02面向更廣泛的大型語言模型(LLM)支持和更多模型壓縮技術：

● GenAI API增加了Prompt Lookup功能，通過有效利用與預期用例匹配的預定義提示，改善了LLM的第二個令牌延遲。

● GenAI API現在提供圖像到圖像的修復功能。此功能使模型能夠通過修復指定的修改并將其與原始圖像無縫集成來生成逼真的內容。

● 非對稱KV緩存壓縮現在在CPU上啟用了INT8，降低了內存消耗并改善了第二個令牌延遲，特別是在處理需要大量內存的長提示時。用戶應明確指定此選項。

03面向更多的便攜性和性能，以在邊緣、云端或本地運行AI：

● 支持最新的英特爾 酷睿 Ultra 200H系列處理器（原代號為Arrow Lake-H）

● OpenVINO 后端與Triton推理服務器的集成使開發人員能夠在部署到英特爾CPU時利用Triton服務器來增強模型服務性能。

● 新的OpenVINO 后端集成允許開發人員直接在Keras 3工作流中利用OpenVINO性能優化，以在CPU、內置GPU、獨立GPU和NPU上實現更快的AI推理。此功能在最新的Keras 3.8版本中可用。

● OpenVINO模型服務器現在支持原生Windows服務器部署，使開發人員能夠通過消除容器開銷和簡化GPU部署來利用更好的性能。

AI出色落地，首推英特爾i+i平臺

金蛇獻瑞之際，AI大模型的開源策略點燃了整個行業應用大爆發，隨即迎來了推理元年，大語言模型的部署占據了成本的大頭，主要是用了很多GPU來協同推理，如何降低部署成本，英特爾給出了完整的解決方案，基于至強平臺搭配英特爾消費級顯卡銳炫A770或者馬上發布的BMG大顯存產品，大幅降低部署成本。比如2張或4張銳炫A770(16GB顯存)可推理Qwen-32B模型，推理框架是基于英特爾所支持的vllm serving來部署，拉取一個鏡像，掛著Hugging Face的開源模型即可提供OpenAI API兼容的大語言模型服務。

目前業界火熱的蒸餾模型，包括1.5B、7B、14B、32B，以及70B的開源模型，英特爾都已經完成適配，2卡可以部署14B模型，4卡可以部署32B的模型，8卡可以部署70B模型。不同GPU密度可搭配不同的平臺，包括至強W的單路平臺和雙路的至強SP平臺，可滿足云邊數據中心，以及腰部以下客戶的真實部署需求。