決勝72小時！傳統(tǒng)制作到AI成片，聯(lián)想AI工作站重構(gòu)影視制作工作流

聯(lián)想AI工作站

AIGC影視創(chuàng)新的本地算力基石

編輯 | 羊羊、小小樹

三亞灣的暖陽下，一場關(guān)于未來的光影實驗正悄然啟動。作為第七屆海南島國際電影節(jié)，聯(lián)想AI電影季的先鋒單元，“72小時AI微電影黑客松”不僅是一場比賽，更是一次對影視創(chuàng)作流程變革的實戰(zhàn)探索。

10支頂尖團隊從全球105個報名者中脫穎而出，集結(jié)于此。等待他們的是一場高強度的挑戰(zhàn)——72小時被劃分為兩輪，首輪24小時初賽定去留，隨后，晉級者與重組后的5支決賽隊伍，要在僅剩的36小時內(nèi)完成最后的成片決戰(zhàn)。

#01

不可能的任務(wù)，

傳統(tǒng)影視的重工業(yè)困局

按傳統(tǒng)影視邏輯，這幾乎是“不可能的任務(wù)”。傳統(tǒng)制作是高度分工的“重工業(yè)”。劇本、分鏡、置景、拍攝，每個環(huán)節(jié)都依賴大量的時間和人力堆疊。但在現(xiàn)場，每隊僅有兩人，無演員、無攝影、無美術(shù)。他們卻要在72小時內(nèi)，“無中生有”創(chuàng)作出兩部短片。

為了突破傳統(tǒng)工作流限制，選手們轉(zhuǎn)向AIGC。但他們很快遇到了新的問題，個人電腦的算力跟不上。

比起創(chuàng)意枯竭，我們更怕設(shè)備死機。

一位選手直言。當幾十個大模型網(wǎng)頁、后臺腳本和剪輯軟件同時運行，普通PC難以招架，卡頓甚至崩潰頻發(fā)。

顯存不足更是攔路虎。面對Flux、WAN等大參數(shù)模型，普通顯卡頻頻報錯“爆顯存”，導(dǎo)致創(chuàng)作停擺。而單純依賴云端算力也并非坦途，除了高昂的訂閱成本，現(xiàn)場網(wǎng)絡(luò)的延遲更致命。在分秒必爭的賽場，上傳下載的等待，成了最大的效率殺手。

#02

聯(lián)想AI工作站

重塑影視工作流

AI的出現(xiàn)本應(yīng)重寫規(guī)則，但算力的瓶頸卻成為了現(xiàn)實的門檻。在本次黑客松現(xiàn)場，聯(lián)想AI工作站ThinkStation P7的強大技術(shù)支持，讓影視制作的生產(chǎn)力迎來了驚人的突破。

曾經(jīng)依賴高成本、大團隊協(xié)作才能完成的影像創(chuàng)作，如今僅需由2人組成的精簡團隊，便能在24小時內(nèi)交付一部具有電影級質(zhì)感的高質(zhì)量短片。

行業(yè)的現(xiàn)實告訴我們，單純依賴云端或本地算力都無法實現(xiàn)極致效率，未來的標準答案是“本地+云端”的深度協(xié)同。

而ThinkStation P7正是這一轉(zhuǎn)型中的“全能算力樞紐”。它全方位賦能了AIGC的全流程，完美融合了傳統(tǒng)工作流與AI工作流：一邊以低延遲支持本地模型，還能無縫銜接云端工具；一邊用專業(yè)級的穩(wěn)定性支撐剪輯調(diào)色。

憑借這樣的算力底座，選手們能夠?qū)⒃惧e綜復(fù)雜的多個傳統(tǒng)環(huán)節(jié)，極大簡化并重構(gòu)為五個高效的AIGC核心步驟——劇本創(chuàng)作、分鏡與概念設(shè)定、動態(tài)素材生成、剪輯與音效、后期處理。而在這些環(huán)節(jié)中，分鏡與概念設(shè)計的文生圖、動態(tài)素材生成的圖生視頻，以及剪輯與配樂，這三個步驟尤為依賴本地算力，也最能體現(xiàn)ThinkStation P7作為算力樞紐的巨大價值。

#03

分鏡與概念設(shè)計：

本地算力解鎖“零邊際成本”的視覺驗證

在傳統(tǒng)的影視前期籌備中，分鏡與概念設(shè)計往往經(jīng)歷多個環(huán)節(jié)耗時數(shù)月。這一環(huán)節(jié)依賴人工手繪，不僅耗時，修改成本更是極高。一次風格變更，往往意味著分鏡師需要從頭來過。此外，角色設(shè)定、美術(shù)風格與分鏡調(diào)度通常是獨立的三個步驟，導(dǎo)致創(chuàng)意的驗證周期被嚴重拉長。

在本次黑客松上，AI將這一漫長的鏈路徹底打通。創(chuàng)作者不再需要分步執(zhí)行，而是將光影、角色和鏡頭語言一次性輸入AI。

這一轉(zhuǎn)變帶來的不僅是步驟的縮減，更是創(chuàng)意落地路徑的極致縮短。從腦海中的一個模糊想法到屏幕上直觀的視覺呈現(xiàn)，中間的損耗被降到了最低，溝通效率成倍提升。

然而，這種高效的AI創(chuàng)作若完全依賴云端，依然面臨著隱形的“鐐銬”。

云端生成雖然方便，但每一次點擊都在消耗平臺的“虛擬代幣”。這種按次計費模式會給創(chuàng)作者帶來一種潛意識的心理壓力。

現(xiàn)場一位選手坦言，在云端創(chuàng)作時，團隊下意識會變得拘謹，生怕提示詞寫得不夠精準而浪費了預(yù)算。同時，網(wǎng)絡(luò)延遲帶來的等待，也頻頻打斷創(chuàng)作的連貫性。

聯(lián)想AI工作站的本地算力解決了這一痛點。

針對Z-Image-Turbo 6B等高負載本地繪圖模型，ThinkStation P7搭載的英特爾?銳炫?B60 Pro顯卡提供了強大的GPU加速能力，大幅提升了推理速度。更關(guān)鍵的是，它為選手提供了“零邊際成本”的創(chuàng)作環(huán)境。

相比云端的計費壓力，本地算力支持無限次的免費迭代。不再受制于預(yù)算和網(wǎng)絡(luò)，創(chuàng)作者可以進行海量嘗試。

以前在云端跑圖總要計算成本，但在P7上幾秒鐘一張。這種“零邊際成本”的試錯讓我們敢于嘗試更多大膽的風格，直到畫面完全對齊團隊的構(gòu)想。

#04

動態(tài)素材生成：

本地云端雙流并行，構(gòu)建無限“虛擬影棚”

隨著創(chuàng)作進入動態(tài)素材生成環(huán)節(jié)，我們迎來了影視制作中成本最高昂的環(huán)節(jié)。

在傳統(tǒng)流程中，將靜態(tài)分鏡轉(zhuǎn)化為動態(tài)畫面，意味著實地置景、演員調(diào)度和攝影機運轉(zhuǎn)，資金與時間成本極高。

而在AI時代，圖生視頻技術(shù)改變了這一現(xiàn)狀——靜態(tài)分鏡可以直接轉(zhuǎn)化為可用的動態(tài)鏡頭，物理拍攝的繁瑣工序被徹底省去。無論是科幻古裝，還是風雨日出，在這個無限的“虛擬影棚”中，一切創(chuàng)意構(gòu)想皆可即時生成。

然而，如何從海量的生成結(jié)果中找到最精準的那一個？答案在于“云端+本地”的混合算力協(xié)同。

不同的AI模型就像性格迥異的“攝影師”，有的擅長構(gòu)建現(xiàn)實主義光影，有的則精通運鏡銜接。為了獲取最佳素材，選手們利用ThinkStation P7構(gòu)建了一套高效的并行工作流。這相當于導(dǎo)演在大后方，同時指揮多個“虛擬影棚”開機。

ThinkStation P7搭載的英特爾?銳炫?Pro B60顯卡擁有24GB顯存，這是支撐這一工作流的基石。選手可以在后臺利用本地算力，通過ComfyUI本地運行Flux或Wan等大參數(shù)模型，進行復(fù)雜的節(jié)點控制；同時在前臺調(diào)用云端工具，快速生成差異化素材。這種“雙流并行”模式，讓單位時間內(nèi)的創(chuàng)意產(chǎn)出翻倍，極大拓寬了選手的選材范圍。

現(xiàn)場一位選手如此評價：

這臺機器最讓我們驚訝的是它的并發(fā)吞吐量。
為了趕進度，我們經(jīng)常是一邊在后臺掛著ComfyUI跑本地大模型，一邊在前臺開著網(wǎng)頁跑云端模型做對比。
ThinkStation P7大顯存完全可以并行持續(xù)運行。

#05

剪輯與配樂：

傳統(tǒng)強項與AI增效的完美共鳴

素材就緒后，制作進入剪輯與配樂階段。在AIGC創(chuàng)作中，這一環(huán)節(jié)至關(guān)重要：生成的視頻素材往往是“默片”，缺乏精準音效支撐，畫面會顯露出生硬的失真感。后期的核心任務(wù)，不再僅是畫面組裝，更是通過AI進行視聽重塑。

ThinkStation P7展現(xiàn)出了工作站的傳統(tǒng)優(yōu)勢。得益于英特爾?至強?W處理器家族強大的多核心、多線程處理速度以及全系ISV專業(yè)軟件認證，系統(tǒng)在運行剪映、Premiere Pro或達芬奇剪輯軟件時表現(xiàn)出絕對的統(tǒng)治力。即便面對海量的AI生成視頻素材，創(chuàng)作者也無需耗時預(yù)渲染“代理文件”，即可在時間線上實現(xiàn)4K原片的順暢拖拽與實時回放。

在此基礎(chǔ)上，越來越多的AI功能開始滲入剪輯流程，大大提升了創(chuàng)作效率。面對“無聲鏡頭”，強大的本地算力支持快速運行各類AI音頻模型，實現(xiàn)從“搜尋素材庫”到“AI定制生成”的轉(zhuǎn)變。無論是踩點的背景音樂還是逼真的環(huán)境音效，都能瞬間生成，讓畫面鮮活起來。此外，AI補幀技術(shù)也能在本地飛速運行，將普通鏡頭瞬間轉(zhuǎn)化為電影級慢動作。

現(xiàn)場一位剪輯師感慨：

以前為了找一段契合情緒的配樂，要在素材庫里翻聽幾百條，不僅慢，還總感覺差口氣。
現(xiàn)在直接用AI生成，音效和畫面的節(jié)奏是完全卡點的。這種“量身定制”的精準度，是傳統(tǒng)素材庫給不了的。

#06

AI時代的“火車進站”時刻

1895年，盧米埃爾兄弟的《火車進站》公映，標志著電影從技術(shù)發(fā)明轉(zhuǎn)變?yōu)槿碌乃囆g(shù)媒介。今天，這場匯聚頂尖創(chuàng)作力量的AI微電影黑客松，重現(xiàn)了這一歷史性時刻。

本次AI黑客松在行業(yè)中具有重要意義。它匯聚了大量傳統(tǒng)影視行業(yè)的專業(yè)導(dǎo)演、編劇與攝影師，標志著專業(yè)群體正逐步正視AI工具帶來的行業(yè)變革，并開始擁抱這一新趨勢。這一變化，猶如電影史上的《火車進站》時刻，它象征著AIGC從“技術(shù)嘗鮮”走向成熟，正式成為創(chuàng)作者手中可控、可量產(chǎn)的標準工業(yè)流程。

如果將AIGC比作那列呼嘯而來的列車，重塑行業(yè)的未來，那么聯(lián)想AI工作站便是承載這列列車安全飛馳的鐵軌與核心基礎(chǔ)設(shè)施。憑借對專業(yè)軟件的完美兼容以及對前沿AI模型的算力支持，它成功彌合了“傳統(tǒng)穩(wěn)定”與“未來創(chuàng)新”之間的裂痕。

在本次電影季中，聯(lián)想AI工作站展現(xiàn)出的全鏈路承載能力，證明了它不僅是影視行業(yè)的利器，更具備了服務(wù)更廣泛AI行業(yè)的通用性。無論是工業(yè)數(shù)字孿生、建筑設(shè)計還是科學計算，聯(lián)想AI工作站憑借其強大的本地算力底座，正幫助各行各業(yè)迎來屬于它們的“火車進站”時刻。