当你怀疑AI PC有没有用时，已经有人用RTX AI PC赚钱了…

今年NVIDIA的GTC大会期间，我们一群分析师在讨论说AI PC现在究竟在AI时代下扮演何种角色：是芯片厂生造的、用于促进PC销量的宣传用语，还是实实在在能够惠及用户体验的技术？最后得出结论，援引某金融领域分析师的观点：AI PC乃是整个产业链共同推进的一场阳谋。

在全球分析师采访会上，有人问黄仁勋（NVIDIA CEO），NVIDIA在AI PC趋势面前扮演何种角色。黄仁勋说：“能跑AI的PC基础在于RTX，尤其是其中的Tensor Core。”这是NVIDIA眼中AI PC的硬件基础。但更有趣的其实是软件。

“第二，我们之前做的一件事情是让Windows能跑CUDA。”黄仁勋特别提到CUDA对于WSL 2的支持。基于NVIDIA与微软的合作，Windows平台“有了WSL 2以后，PC用户就能用NIM了，下载以后马上就能跑。你就能跟你的PC对话，非常炫酷（crazy）。”

NIM（NVIDIA Inference Microservice）是这次GTC上，NVIDIA面向企业发布的重头戏：前不久我们撰文探讨过NVIDIA在NIM上的野心。简单来说，NIM是为企业准备的一套工具集合，企业用它可以轻松打造属于自己、专有的生成式AI——比如NVIDIA自己就用NIM搞了个辅助做芯片设计的聊天机器人，NVIDIA的硅工们可以直接和它对话。

这整套东西能搬到PC上。当然如此场景肯定是需要高端AI PC或笔记本了。当这样的AI PC用于实际生产，而且确切为企业产生价值，我们还能说AI PC只是个宣传用的概念吗？

可能对很多个人用户来说，暂时用不上NIM这么高端的东西。但在最近NVIDIA举办的一场AI PC品鉴会上，我们还是看到AI PC用于正儿八经的生产力的现状和潜力：尤其当我们还在说Stable Diffusion生图没什么用的时候，已经有艺术创作者拿他赚钱，有大品牌用它做商业宣传，有先驱开发者基于生成式AI定义工作流了...

那么这种时候，我们就不得不正视AI PC，无论它是不是整个产业链的阳谋...

“快没有意义”

品鉴会上，吐司/Tensor.Art社区发布《个人用户玩转Stable Diffusion的GPU配置推荐》，主要是对不同GeForce RTX40系显卡做AI benchmark，包括SD 1.5, SDXL等项目。基于测试，给予正儿八经想用Stable Diffusion干活儿的用户以参考，应该选择什么型号的显卡。

吐司/Tensor.Art在活动上披露了部分数据，比如我们印象比较深刻的RTX 4090 D相比于RTX 4060 8GB，SD1.5的性能差距在4.5倍左右，基本符合我们对于这两款显卡配置资源差别的认知。

比较有趣的一则对比是GeForce RTX 4090笔记本电脑GPU与Intel酷睿Ultra处理器核显（128EU Xe-LPG），前者基于TensorRT推理加速，后者基于OpenVINO推理加速，双方Stable Diffusion 1.5推理性能差距达到了27+倍。（如下图）

基于双方的堆料差异，我们认为这个结果并不算出乎意料，毕竟今年CPU厂商这边集合不同处理器的理论AI算力约在10-45 TOPS，而GeForce RTX 40系GPU的AI 算力在200-1300 TOPS区间。

沈振宇（吐司/Tensor.Art创始人）说除了GPU硬件层面的差别，内存访问带宽、TensorRT软件层面的成熟度也有很大关系。（后两个变量挺值得各位技术爱好者去深究一下的，尤其TensorRT和OpenVINO可能存在多少差距...）

另外，体现算力的数字还包括在ComfyUI（Stable Diffusion）下，RTX 4090 D能实现8张图/秒的出图速度；用Stream Diffusion则能够达成120fps的出图速率等等...

基于算力差异，PC领域内，NVIDIA给自己的定位还是很明晰：是相比于“非RTX AI PC”，能够执行重量级AI需求的RTX AI PC。这听起来和早年核显、独显玩游戏的逻辑还是类似的；不过其内在，尤其生态层面会比纯图形GPU时代更复杂。

“算力首先决定的是应用能跑多快。”NVIDIA产品经理强调，“但只是快其实没有意义。”“因为生产力必须可控，才能生成足够高质量的内容和资产。可控的能力，决定了生产力水平。”“我们有强大的生态支持。开发者和尖端用户基于我们的硬件，打造出非常具有生产力的工作流。这其实才是我们除了算力之外最重要的优势。”

有没有感觉这番独白相当的凡尔赛？其实说句大白话就是：我们生态支持好。剖开来看，可以做两个层面的理解。首先是NVIDIA AI从硬件底层到应用层全栈的生态构建；其次是生态的成熟度，或者说AI应用的可用性和生产力价值。注意，此处所说的主要是AI PC。后面咱详细谈一谈。

对于生产力，AI PC有价值？

一般呈现给用户的AI应用，不管是聊天机器人，还是视频会议的眼神注视功能，其下方都有一大堆层级结构。这个结构的最下层是芯片和硬件，往上层去就会有CUDA这样的系统软件层、中间件和库，再往上有TensorRT、AI模型，最上层就是开发者开发的AI应用。

详情参见这里

这是简化过的AI推理全栈结构；AI训练会相对更复杂一些——我们之前都撰文探讨过，本文不做赘述。在训练和推理的两套框架内，NVIDIA还真是什么都做。从预训练模型，到这个库、那个框架的，还有微服务，以及亲自做了一堆应用层的东西——虽然绝大部分还是以API和开发工具的形式给到开发者。所以叫“端到端”，这在整个行业应该说都相当罕见。

虽然“端到端”的这种优势，主要还是体现在数据中心AI领域，不过这就是我们日常所说具备碾压实力、其他AI芯片企业难以挑战的CUDA生态。RTX AI PC是其中一部分：在GPU普惠到通用与AI加速时，构建了十多年的CUDA生态现在开始在PC平台发力。

其实NVIDIA产品经理说“快没有意义”的凡尔赛，本身并不是光靠硬件堆料达成的。各种Diffusion文生图模型的快速出图，其中就饱含了软件生态层面这些年来的完善和推进。所以“快”本身也是生态成熟度高的结果。

有关第二个方面，基于这一生态的AI应用问题，也就是生态的成熟度——应用的数量和质量，开发者及用户粘性是真正反映这一全栈生态的发展水平的。NVIDIA给到的数据是，RTX AI生态内有“超过1亿用户、500款RTX 应用和游戏”，“其中与生产力相关的应用超过110款”。

比如AI绘画，典型如Stable Diffusion；AI平面设计，AI技术引入到Adobe, Topaz全家桶等软件，涵盖抠图、降噪、超分等特性；AI视频编辑，Pr, Ae, 达芬奇做对象遮罩、场景检测、对象追踪等；AI 3D创作，用于3D渲染器的降噪，实时渲染器的DLSS...；还有各种视频会议与直播AI增强、视频超分与HDR效果加强等~

可见NVIDIA对于RTX AI PC的关键定位非常明确：生产力。换句话说，这东西是能产生实际价值的。以Stable Diffusion为例，NVIDIA强调RTX AI PC是“使用Stable Diffusion的最具生产力工具”。

现场展示用于建筑设计的工具，名为“即致AI”，模型是自研的；随意在左边的画布上画两笔，右侧就有实时的建筑效果图生成；而且可以切换各种不同风格…

比如在室内与建筑设计领域，“快”的价值在于让设计师在图上勾勒几笔，AI模型就能立刻生成室内设计草图，或者建筑设计用于推销的前期方案。现场做demo演示的前沿建筑设计师、艾哎集瑟科技联合创始人言萧说，“很多业主并不清楚自己需要的效果，过去我们会去网上找很多意向图，然后再花时间去建模；业主推翻，我们再改...”

以前“从手绘到建模、渲染、打光，进3DMax, Vray这样的渲染器，出图至少要1-2天。”“现在能快速出图，跟业主的沟通也就加速了。”设计实时出图、快速迭代，实际上就已经是AI PC产生商业价值的某种体现了。

不过在NVIDIA看来，“真正将Stable Diffusion用于生产力的用户，需要更复杂的工作流，需要更复杂的软件支持。”NVIDIA描绘RTX AI“支持最先进的SD工作流”，PPT中列举了一些词条：LoRA, ControlNet, 微调, AnimateDiff等。这里的“SD工作流”体现的应该就是NVIDIA强调的生产力的“可控”。

已经有人用Stable Diffusion和AI PC赚钱了

我们在活动现场和数字艺术家 & 策展人的土豆人Tudou_man 聊了聊——他借助Midjourney, Stable Diffusion, Stable Video Diffusion, Deforum等工具，为包括麦当劳、奔驰、雅诗兰黛、联想等品牌制作宣传概念图与视频。

可以说土豆人Tudou_man就是个典型的AI数字艺术家，他创办工作室的主要业务方向全都着眼于AI。在给我们展示商业作品时，他说以前一年做2-3个品牌的合作就已经是极限了，还需要跨团队合作；现在1-2个人，1年时间能就能和20个品牌合作。

像上面这张上海武康大楼戴围巾的平面作品，他的AI创作流程大致是这样的：首先去现场实拍与采集；再藉由Midjourney之类的工具去尝试生成建筑戴围巾的素材——完成“调性和基础材质引导”；再通过Photoshop执行基础形象拼接；

随后进入到Stable Diffusion工作流，进行成百上千次的结果迭代。迭代过程包括“修改提示词、图片引导、ControlNet引导”（*  TensorRT新版现在也支持ControlNet加速了），“中间结果可能还需要进入Photoshop做手动调整”。

这工作流，还真是端云AI结合的典型...... 而“传统的创作过程涵盖了创意发想、草图、讨论，到小稿、精修、完稿等等一系列流程。”“有了AI工具之后，这个流程就变成了想法、结果、结果、结果、结果...”“1000遍的结果。”这就是创作工作流的颠覆了。平面作品制作周期大约在两周左右——土豆人Tudou_man说这已经是个慢工出细活儿的过程了。

土豆人Tudou_man作品：左，流光若梦（for Mercedez Benz）；右，复写苔原（概念创作，旨在表达AIGC未来的内容产生会像青苔一样覆盖整个世界）

视频方面，在Sora这类逐渐实现了physically accurate/stable的模型普及以前，现阶段AI制作的视频还是具备很明确的AI不稳定性、逐帧千变万化的内容特点（似乎也成为了一种创作风格）。不过似乎品牌商现如今也很赞许这种风格。土豆人Tudou_man给我们展示为奔驰新款车型创作“流光若梦”的视频作品，总共15秒。

这个视频作品的制作“进行了600轮迭代”，“将其中最有价值的片段挑选出来重新剪辑”，“还专门为这款车训练了LoRA的模型，保证相对稳定性。”制作周期大约3周到1个月。土豆人Tudou_man说，工作室的底层硬件是多台RTX 4090并行工作。

Simon阿文作品：将电影《低俗小说》做AI风格化处理，包括雕塑风、皮影戏风格等…

除了土豆人Tudou_man的例子，还有活动现场的Blender艺术家Simon阿文很早就用Disco Diffusion画贴图，用于3D模型；到后续直接借助AI转绘，来转换场景风格，不用再借助AI贴图；以及将经典电影场景，借助ControlNet和AnimateDiff做风格转换；甚至还有像IPAdapter这样的工具，不需要再藉由LoRA做训练，输入一张图，模型就能理解图片风格...

这些受限于篇幅就略过不做详谈了。

不过上述案例基本串联起了NVIDIA PPT中提到“支持最先进的SD工作流”的主要关键词。NVIDIA之所以有底气说，只有NVIDIA做到了AI PC的生产力“可控”，以及高质量的生产力，就在于CUDA与NVIDIA AI生态的高度成熟，目前还是其他竞争对手难以比拟的。所以绝大部分需求高算力的AI应用，开发之初着眼的原生硬件和平台就是NVIDIA GPU和AI平台。

这是几名参与活动的AI艺术家，都提到的用GeForce RTX显卡跑AI应用、做创作在算力之外，“更稳定”的根源。

“好的生产力，需要强大的生态支持。”NVIDIA产品经理说，“我们刚才看到的实时绘画、肖像生成等背后所有的软件、工作流，都能够无缝运行在CUDA和RTX AI生态上。这个生态在行业中是独此一家的。”

简单来说，即便看起来只是任意拍张照，后结合证件照模板，就能立刻生成个人的“影棚级”证件照这样一个简单的AI应用，其下层都对应了复杂且成熟的软件层级，对AI模型开发者而言则意味着成熟的开发生态...现如今的RTX AI PC也就不是一夕之功了。

AI肖像模型InstantID展示，目前在Github拿到9.8k stars，模型作者：王浩帆

现在还只是个开始，AI PC会深入到工作流

NVIDIA曾在不同场合表达过，早在2018年为Turing架构GPU加入Tensor Core之时，那时搭载RTX显卡的PC就已经是AI PC了。因为最初用在游戏里的DLSS技术，其中就有AI模型推理的过程；Tensor core是专用的AI加速单元。

不单是DLSS，那时Transformer还没有现在这么火，各类网络结构都还争相发展之时；当时就“已经有很多设计师、艺术家用AI来辅助工作”，CV领域很流行的AI语义分割、图片识别、对象分类就已经在发挥作用了。前文提到Adobe、Autodesk等的商用工具其时也已经在集成不同的AI特性。

而生成式AI是在此基础上“更进一步”“提供全新的可能”，“超出原有工具的能力之外”。就像土豆人Tudou_man提到从传统工作流到Stable Diffusion创作“想法→结果→结果→结果→…”的转变。

很自然的，和NVIDIA合作了好几年的火星时代在这次活动上发布了《NVIDIA TensorRT Stable Diffusion创作加速指南》，着力于让更多创作者能够借助生成式AI来实现“商业创意落地”，约等于零基础学Stable Diffusion以及TensorRT加速（据说有了TensorRT加速，现在上课两小时能讲4、5个设计案例，以前撑死讲3个…）。

这本指南具体到怎么用Stable Diffusion做海报设计、电商设计、插画设计和室内设计——看看，我们还在谈论SD究竟有什么用的时候，人家都拿来做“商业落地”了。

从NVIDIA的角度来看，这属于AI PC商用的配套周边。火星时代的教研老师说现阶段Stable Diffusion在某些相对复杂的设计领域，还只能用来产生效果图。就像前文提到建筑设计的前期创意方案。

生成式AI和AI PC现阶段要深度参与设计行业更多阶段，“后面（的步骤）暂时有难度”，但“AI交互工作流的影响程度在不断加深”，“我相信未来我们只需要负责创意和想法，AI就能够完成其他的事情。”“除了我们列举的这几个商业场景，在整个CG领域，还有很多可以被AI加速的，比如工业设计…”

感觉NVIDIA对自家RTX AI PC的定位还是非常明确：高性能需求的娱乐、高性能需求的工作——这本来就是GeForce RTX显卡以往图形渲染时代的定位，只不过现在特别强调了AI加速属性。后者与前者的差异在于，AI可是NVIDIA占尽生态优势的绝对主场。

最后还是引用今年GTC 黄仁勋在分析师沟通会上提到的一个有趣观点：如果说万物皆可数字化（digitalized），那么万物就都可token化（tokenized）——token是生成式AI常用的一个术语。与ChatGPT或者Llama 2对话时，它们生成的词就可以认为是一个个token。

除了文本、图像之外，“其实我们还数字化了很多东西，包括蛋白质、基因、脑波等等——只要我们理解其结构，或者从中抽象出特定的模式，能够理解其内涵，就能做数字化。”黄仁勋说，“那么或许就能够对它们做‘生成’了。这就是生成式AI革命。”

生成的“token可以是化学、医疗、动画、机器人、3D图形”，“如果我们能够生成文本的下一个token，那就能生成图像、视频、机械臂的下一个token。”所以机械臂能在工业领域智能决策自己该怎么做。则原本那些需要由人类预先编码录入好，再去获取的模式就会被取代。他甚至认为，会有个特定的行业是专门生成token的，就像第二次工业革命以后的发电厂一样。

这个说法听起来还相当疯狂，但我们引用这段话的意思是，虽然这次NVIDIA列举的RTX AI影响范畴主要在图形、图像、设计领域，但随AI PC深入发展，AI深入到工作流更多步骤中，AI也将横向扩展至各行各业。

AI写代码已经是日常，视频创作是下一波热点，医疗领域药物发现已经在全面普及生成式AI…这些分支应用都会有跑在AI PC上的组成部分：就好像文首提到企业用NIM做个芯片设计助手，跑在员工的PC本地。

对于不同行业的AI潮流来袭，我们更多应该抱持的是接纳、拥抱的心态。就像土豆人Tudou_man和Simon阿文说的，最初见到生成式AI的能力很震惊、很焦虑，于是成为“第一波被AI打倒的人”，“打不过就加入”，去“发现变化、适应变化”。

最后的最后，简略更新本次AI PC品鉴会的另外几个发布：

• ChatRTX（支持RAG的本地聊天机器人）新增对于中文大语言模型ChatGLM3-6B的支持；新增对于CLIP模型的支持——基于文本对话就能进行本地图片检索；而且现在可以直接用语音输入（支持Whisper模型）。
• NVIDIA ACE（游戏NPC能和玩家直接语音对话的技术）展示了一个新的demo（名为Convert Protocol）。这次的demo相比此前拉面店demo，有着更完整的解谜逻辑，基于与多个NPC对话及游戏中的线索完成解谜…关注电子工程专辑微信视频号，我们会对该demo做简单展示…
• 另外，好像每次活动NVIDIA都要强调，Gaming仍是他们持续发力的业务，所以DLSS也是每次必展示的，近期主打的是支持DLSS 3.5光线重建的游戏。
• 生成式AI与图形渲染/游戏相交的，还有个很热门的技术RTX Remix，用于DX8/DX9的老游戏MOD制作，可以给老游戏加上光线追踪、DLSS；生成式AI主要体现在能够基于原游戏建模和贴图生成高分辨率的材质…