即梦——砺算专业卡真正的舞台

当字节跳动旗下的即梦 AI火爆全网，我们不仅看到了视频文娱行业被颠覆的可能，更让我们重新审视 GPU 的价值。它不再是游戏玩家的专属，也不仅是 AI 大模型训练的工具，而是视频创作全链路的核心生产力。过去东芯的股民更多看到砺算的展示都是在游戏层面，毕竟打个黑猴大家都看得懂，你能玩别人家显卡玩不了，很容易就普及开来了。但如果认为砺算显卡的功能仅仅停留在打黑猴，那就太小看这帮奋斗了30年的图形显卡OG了。

不少用户通过这几天的使用都感慨，即梦 “挺费钱”，即便是财大气粗的字节跳动，也只提供了三次免费体验。这背后的原因很简单：它所消耗的算力，不仅仅是通用计算算力，还需要图形管线的算力。

与当前主流的大语言模型不同，即梦这类 AI 视频生成工具，其核心是对连续帧进行高维时空建模。这不仅需要处理海量的像素数据，更要保证光影、运镜、人物一致性等视觉效果的真实可信。这种对图形渲染和物理规律的深度模拟，所消耗的算力，远超当前所有文本大模型。这也解释了为什么很多Asic芯片、纯 GPGPU（通用计算 GPU）无法完全胜任即梦的工作。这些芯片虽然在 AI 训练和推理中表现出色，但它们剥离了图形管线，缺乏处理复杂视觉效果的能力。对于个人工作者而言，即梦做出的视频通常是5s或15s，在视频生成完之后，还需要导入AE或PR等其他专业视频软件剪辑或添加特效，这个过程中90%以上的操作，都依赖图形管线的实时硬加速。如果图形管线性能不足，整个编辑过程会寸步难行，哪怕最终导出算力再高，也无法提升核心工作效率。

在过去，专业图形 GPU（如 NVIDIA RTX A 系列、AMD Radeon Pro）更多被视为影视后期、工业设计等领域的 “幕后英雄”。它们凭借强大的图形管线、大显存和专业驱动，支撑着实时预览、多轨合成和复杂特效渲染。

而即梦的出现，将专业图形 GPU 推到了舞台中央。它的价值体现在三个层面：

生成端的算力底座：即梦在云端的大规模部署，依赖的是具备完整图形能力的专业 GPU 集群。这些 GPU 不仅能提供强大的 AI 算力，更能通过图形管线实时渲染出电影级的视觉效果，确保生成视频的质感。当然这一过程ASIC和GPGPU也能胜任，并不是说缺了图形能力就不能生成。

编辑端的流畅保障：在即梦生成视频后，用户往往需要在 AE、PR 等专业软件中进行二次创作。这一过程极度依赖显卡的图形管线性能和显存容量。一张 24GB 显存的 RTX A5000，能比 16GB 的 RTX 4080 更稳定地处理多层 4K 素材和复杂特效，避免预览卡顿和软件崩溃。

超分端的体验升级：为了让即梦生成的 1080p 视频在高清播放时更清晰，用户会使用 VSR 等 AI 超分工具。这一过程虽然主要依赖 AI 算力，但也需要图形 GPU 的硬件加速单元（如 NVENC）来保证实时性和画质。

可以通过以下这张图来厘清各个环节显卡的负载情况。

说回砺算，很多人可能还是不理解，为什么砺算同一个core要分两种规格，其核心就在关键变量显存上。对于消费卡普通用户而言，我买来就是电脑日常使用，玩几个3A游戏就可以了，如果画面卡顿，那我调低分辨率和特效就行。但专业卡的用户就不一样了，在导出4K高清视频的时候，大显存是必不可少的条件，如果显存不够，是根本没法导出视频的。而英伟达的专业卡动辄数万，所以对于个人视频工作者来说，高显存的7G105就是性价比的不二之选。

当 AI 从文本走向多模态，未来的算力竞争，将不再是单纯的 FP32 或 INT8 算力比拼，而是图形管线、显存带宽、AI 加速单元三者融合的综合实力较量，这意味着硬件选择的逻辑正在重构。即梦让我们意识到，在 AI 的下一个时代，图形计算才是真正的星辰大海。$东芯股份(SH688110)$