本地创作全能手，蓝戟 GUNNIR Intel Arc Pro B70 TF 32G 评测

前言：大显存专业卡的破局之路

2026年的AI算力市场，正在经历一场深刻的结构性变革。高端训练市场依然由英伟达Blackwell架构牢牢把控，B200/B300凭借HBM3e显存和恐怖的FP8算力成为云厂商和大模型公司的标配，但动辄十几万甚至几十万的单卡成本，对于个人创作者和中小企业来说无疑是天文数字。AMD凭借MI300/350系列在推理市场持续蚕食份额，高达288GB的HBM显存让其在长上下文场景表现亮眼，但消费级和工作站级产品的软件生态始终是硬伤。
而英特尔，正在用一种更务实的思路切入这个市场——不追求极致的训练算力，而是瞄准本地推理和内容创作这个快速增长的蓝海。BMG G31核心，也就是Battlemage架构的"大核心"，正是英特尔交出的答卷。这颗采用台积电5nm工艺、368平方毫米核心面积、集成277亿晶体管的GPU，没有去和H200、MI400比拼训练性能，而是精准定位在工作站和本地AI推理市场。

32个Xe2-HPG核心、256个XMX矩阵引擎、367 TOPS的Int8 AI算力、256bit位宽的32GB GDDR6显存、608GB/s的显存带宽，再加上ECC显存支持和ISV专业认证——这就是Arc Pro B70的核心规格。FP32浮点性能22.94 TFLOPS，在我们之前的测试中，游戏性能略弱于RTX 5070 ，但32GB大显存才是它真正的杀招。在16GB显存都捉襟见肘、24GB显存刚刚摸到本地大模型门槛的今天，32GB意味着你可以从容运行Qwen3.6-27B这个级别的主流开源大模型，这对于内容创作者来说是质的飞跃。

蓝戟GUNNIR Intel Arc Pro B70 TF 32G，正是这颗核心的满血版本，采用工作站标志性的涡轮散热方案。16颗三星GDDR6显存颗粒正反各8颗，组成了32GB的海量显存，TBP功耗290W，双8pin供电，3xDP+1xHDMI接口，无论是多屏输出还是专业创作都游刃有余。我们之前曾经从性能、功耗等方面对这款显卡进行过评测，接下来，我将从自己的实际工作出发，为大家展示这张卡在本地内容创作场景下的真实战斗力。

一、本地大模型推理：数据不出域的生产力革命

很多人会问：现在在线大模型API这么便宜，豆包、GPT、Claude效果又好，为什么还要费劲搞本地推理？
这个问题我太有发言权了。作为一个经常接触企业内部文档的从业者，我手里有大量的内部公文、汇报材料、项目方案，这些东西的敏感程度决定了我绝对不能把它们传到公共互联网上。但与此同时，这些材料又极其需要AI辅助，比如写作前列个大纲、写完后润色语言、检查错别字和格式问题、提炼核心观点、甚至帮我把口语化的表达改成正式公文语气，这些需求真实存在，而且每天都在发生。

在线API确实便宜，效果也确实更好，但数据安全的红线是绝对不能碰的。这就是我选择本地推理的原因，数据不出域，算力就在自己的机箱里，不用担心敏感文件泄露，不用害怕内部数据被用于模型训练，更不用因为公司的保密规定而眼睁睁看着AI生产力却用不上。
说到Intel显卡的AI生态，很多人第一反应还是“生态不行”“兼容性差”，这些问题目前确实存在，但已经得到了很大程度的改善。现在的Arc Pro B70在推理框架支持上已经相当完善了。

在底层方面，完整支持oneAPI和OpenVINO工具链，PyTorch原生XPU后端，Vulkan 1.3、OpenCL 3.0、OpenGL 4.6全部支持；在桌面端推理层面：Ollama、LM Studio等桌面推理工具通过Vulkan API可以直接调用Arc显卡，一键启动模型，图形化界面操作，对新手非常友好；在高性能推理层面：vLLM对Intel XPU的支持度越来越好，PagedAttention、连续批处理这些高级特性都能用，推理性能比桌面端工具高一大截，并且在Linux环境下已经支持Multi-Arc多卡推理，可以多张Arc卡并联跑更大的模型。

搭建方面我选择LM Studio做推理后端，之所以选择它，是因为这台工作站不仅仅做推理用，还有其他用途，所以使用Windows系统，而LM Studio虽然性能不如vLLM，但是图形界面相比命令行要友好得太多了。具体步骤其实很简单，先安装好Intel 的各种驱动，然后安装LM Studio，选择Vulcan API即可，模型直接用ModelScope或者HuggingFace下载Qwen3.6-27B的量化版本。

前端用NextChat，也就是原来的ChatGPT Next Web，安装也很简单，直接用nodejs装源码即可，配置好本地API地址之后，你就得到了一个完全运行在本地、界面和在线ChatGPT一模一样的私人AI助手NextChat做前端界面，再配合Function Calling实现简单的智能体功能。

LM Studio兼容OpenAI格式API，配合Qwen3.6可以完整实现Function Calling，这意味着你可以给它接上各种工具：让它帮你搜索本地文件、调用计算器、甚至控制你电脑上的其他程序。我自己就写了几个简单的工具函数，让它可以直接读取我指定目录下的Markdown文档，帮我总结内容、查找信息，真正实现了“本地知识库+AI助手”的闭环。最关键的是，这一切都发生在你自己的电脑上，没有任何数据流出你的机器。

32GB显存带来的好处是实实在在的。Qwen3.6-27B这个级别的模型，用FP16精度加载大概需要54GB显存，这显然不现实，但用Q4_K_M量化后只需要大概18-20GB显存，Arc Pro B70的32GB显存放进去之后还有充足的余量留给上下文。实测下来，用LM Studio后端跑Qwen3.6-27B-Q4，处理64K上下文的文档时，单用户场景下生成速度可以稳定在25-30 token/s，首token延迟也在可接受范围内，虽然比不上顶级N卡，但这个速度日常办公已经完全够用了。

实际用下来，这套方案已经完全可以满足我绝大部分的办公需求了，蓝戟GUNNIR Intel Arc Pro B70的32G大显存也足够用，占用大约25G，写邮件、改稿子、列大纲、查资料、甚至帮我写简单的Python脚本，Qwen3.6-27B的能力完全够用。以前我需要对着文档字斟句酌半天，现在把初稿扔给它，几秒钟就能给我改得像模像样，我只需要做最后的审核就行，这种生产力的提升，是用过就回不去的。

二、海量视频归档：AV1硬件编码拯救我的NAS

说完了文字工作，再来说说每个视频收藏者都会遇到的终极难题：存储不够用了。
现在什么最贵？大家第一反应肯定是内存。那第二贵的呢？估计大部分人都会毫不犹豫地说出两个字：硬盘。
我自己是个影视作品收藏爱好者，家里有个10盘位的NAS，每块盘20TB，raid6之后加起来145TB的可用存储空间。听起来很大对吧？但架不住日积月累的收藏，这些年收集的影视作品塞得满满当当。我收藏的视频大多数是1080P分辨率、6000Kbps码率的H.264编码视频，单个2多小时的影视作品就要6GB左右，几万部下来，145TB也扛不住。

这几年硬盘价格是什么德行大家也知道，大容量企业盘价格居高不下，想扩容？先准备好五位数的预算再说。NAS里的盘位已经插满了，总不能为了存视频再买个新NAS吧？穷则思变，既然扩容这条路走不通，那就只能在压缩体积上想办法了——重编码。
其实早在几年前我就动过这个念头，但当时主流的下一代编码是HEVC也就是H.265。我实际测试过，在画质基本相同的前提下，HEVC相比H.264大概能节省30%-40%的体积，这个提升说大不大说小不小，考虑到转码需要耗费的海量时间和电费，我最终还是放弃了。
但现在不一样了，AV1编码的时代来了。

AV1是开放媒体联盟开发的下一代开源视频编码标准，最大的优势就是免专利费和超高压缩率。在同等主观画质下，AV1比H.264节省50%以上的码率，比HEVC也要节省20%-30%。更重要的是，经过这几年的发展，AV1的硬件编码已经非常成熟了，再也不需要用CPU慢慢软压了。
而Intel的Arc显卡，从第一代Alchemist开始就是AV1编码的先行者，到了Battlemage这一代，Xe媒体引擎的AV1编码质量和速度又上了一个台阶。Arc Pro B70拥有两个视频编解码单元，支持两路AV1同时编码，每路可以达到400fps， 30帧的1080P视频压起来，一部2小时影视作品十分钟就能压完。

更妙的是，我用的是Arrow Lake Refresh架构的Ultra 7 270K Plus处理器，它的核显本身也支持AV1硬编码，独显和核显可以协同工作，编码效率直接翻倍。核显负责一路，独显负责一路，相当于两张编码卡同时干活。

为了搞定这145TB的视频重编码，我专门写了一个简单的Python批量转码程序。原理其实很简单：扫描指定目录下的所有视频文件，维护一个任务队列，然后启动四个FFmpeg进程，两个调用核显的QSV编码单元，两个调用Arc Pro B70独显的QSV编码单元，四个进程同时干活，压完一个自动压下一个。因为Arc Pro B70有两个硬件编码单元，所以我们可以在驱动面板中看到GPU媒体引擎利用率200%的奇景。

程序写好之后就简单了，设置好输入输出目录，点击运行，然后就可以挂机了。电脑开着不用管，核显和独显满负荷工作，风扇也很安静，该睡觉睡觉，该上班上班，剩下的就交给时间。按照我的测试速度，核显+独显双开，一天大概能压500部左右，不到2个月就能搞定。

转码参数我反复调试过很多次，最终的方案是把原来6000Kbps码率的H.264视频，转换成2500Kbps码率的AV1视频。实际对比下来，这个码率下的AV1画质和原来6000Kbps的H.264几乎看不出区别，但是体积直接减少了60%，原来6GB一部的影视作品，压完之后只有2.5GB左右，相当于同样的硬盘空间，我可以存原来2.5倍的视频。145TB的视频压完之后，只需要60TB左右就能放下，直接省出了一半多的空间，相当于省了6块20TB硬盘的钱，这都够买好3张Arc Pro B70了。

你说你不会写程序？那也完全没关系。别忘了我们这张卡还能跑本地大模型啊！打开NextChat，把你的需求告诉Qwen3.6-27B：“我的电脑上安装有两个intel GPU，一个是270K plus核显，一个是ARC PRO B70独显，请帮我写一段python程序，将某个目录（包括子目录）下所有 h.264编码的视频文件转换为AV1编码，并覆盖源文件，这批视频后缀名为.mp4，分辨率为1080P，帧率有24fps、30fps和60fps三种，要求使用硬件加速，尽可能让利用全部GPU资源同时处理多个视频，尽可能兼顾质量和体积。操作系统为Windows，已安装 ffmpeg”，然后它就会把代码给你写好，有什么问题还能让它改。写程序、debug、改参数，一张显卡全部搞定，连查Stack Overflow都省了。

三、本地AI绘图：ComfyUI+二次元创作的自由

说完了视频压缩，再来说说图片创作。本地绘图的意义，我想懂的人都懂。一个是版权问题，在线生成的图片版权归属一直是个灰色地带，你辛辛苦苦生成的图，说不定哪天就有人来找你麻烦。其实更重要的是人们都有一些属于自己个人的特殊爱好内容，你肯定不想把这些奇奇怪怪的提示词上传到公共服务器上，而且大概率还不给你生成，本地生成的图片，想画什么就画什么，没有内容审核，没有关键词过滤，这才是真正的创作自由。
说到本地图片生成，ComfyUI绝对是现在的主流。这个基于节点式工作流的工具，已经超越了早期的WebUI，成为了AI创作者的首选。它最大的优势就是灵活和高效：你可以像搭积木一样搭建自己的工作流，从最基础的文生图，到复杂的ControlNet控制、IP-Adapter人物一致性、多轮放大修复、区域提示词，只有你想不到，没有它做不到。
ComfyUI支持全平台，Windows平台甚至提供了开箱即用的Portable便携版，解压就能用，不用折腾Python环境。更重要的是，它不仅支持N卡的CUDA，还原生支持Intel XPU加速——是的，你没看错，ComfyUI官方现在已经原生支持Intel Arc显卡了，不需要打任何补丁，不需要改任何环境变量，下载XPU版本解压就能用。

现在主流的开源图片生成模型有很多，通用类的比如z-image、FLUX，二次元类的选择就更多了：Anime、Pony、NoobAI，还有我个人最喜欢的IllustriousXL系列。这个系列模型基于SDXL开发，二次元画风极其纯正，线条干净，色彩准确，是目前二次元创作的首选模型。而我最常用的是WAI-illustrious-SDXL，这个模型在Civitai上评分常年第一，画出来的小姐姐质量极高，各种风格都能驾驭。

用ComfyUI搭工作流其实很简单：加载Checkpoint大模型，加载你需要的LoRA微调模型，写CLIP提示词，加上ControlNet控制构图和姿态，用IP-Adapter保持人物一致性，然后采样、VAE解码、保存图片。这些基础节点ComfyUI都有，而且绝大多数原生节点都已经完美支持Intel显卡了，不需要找第三方适配版本。

而Arc Pro B70这32GB显存，在AI绘图的时候优势就太明显了，最直观的一点就是VAE编解码不需要分块。用过SDXL系列模型的朋友可能都有感觉，16GB显存的卡生成2048分辨率以上的图片时，VAE解码经常会爆显存，必须启用Tiled VAE分块解码，不仅速度慢，分块边缘还容易出现接缝。而32GB显存完全没有这个问题，4K分辨率的图片直接一次VAE解码，速度快，没有接缝，画质完美。

特别是在那些需要多次采样的复杂工作流中，比如Hires.fix二次采样、ADetailer人脸修复、ControlNet多条件控制，大显存的优势更是被无限放大。你不用反复琢磨怎么省显存，不用纠结开哪个优化选项，不用因为显存不够把分辨率降到1024，直接拉满参数干就完了。

当然，用过IllustriousXL的朋友都知道，这个系列模型是基于Danbooru标签训练的，对自然语言支持不太好，也不支持中文提示词，你必须用准确的Danbooru标签才能出好图。这时候怎么办？别忘了我们还有本地大模型啊！当然，如果你不介意把你想和漂亮女孩子贴贴的这种文字发到外面去的话，也可以使用外面的公开模型XD~~

把你想画的内容用中文告诉Qwen3.6-27B：“请将下面文字转换为illustriousxl支持的正向和负向提示词，在comfyui中使用：画一张动漫风格图片，一个黑色短发蓝眼睛的少女，带着头饰，穿着偶像服装在舞台上拿着麦克风唱歌，舞台上有灯光照射，主体色调为蓝色”。几秒钟之后，它就会给你返回一长串标准的Danbooru标签，直接复制到ComfyUI里就能用。翻译提示词、写反向提示词、甚至帮你设计构图思路，本地大模型+本地绘图，两张卡的活一张卡就干了，这就是32GB大显存的好处。

四、本地视频生成：告别按秒计费的烧钱游戏

如果说本地绘图已经逐渐普及，那本地视频生成绝对是现在最前沿的玩法。
现在AI视频有多火不用我说了吧，Seedance 2.0、可灵、即梦这些在线平台效果确实好，但价格是真的贵。Seedance 2.0生成一条15秒的720P视频，大概需要14.9元，合下来大约1块钱1秒，听起来好像也不贵？但你要知道，视频创作绝对不是一次就能成功的。提示词要调、镜头运动要改、人物一致性要调整、首尾帧要匹配，一个满意的镜头反复生成几十次是家常便饭。几十次下来，几百块钱就没了，还只是一个几秒钟的镜头。要是做个分钟级的短片，上千块钱轻轻松松就烧没了。而本地生成一次投入，永久使用，想生成多少次就生成多少次，不用排队，不用按秒计费，生成到你满意为止。

现在开源视频生成模型发展速度快得惊人，LTX-Video、腾讯混元、阿里通义万相，效果越来越好。其中最值得说的就是阿里的通义万相Wan，这应该是目前开源视频模型里效果第一梯队的存在。最新的Wan支持文生视频、图生视频，支持5秒到15秒时长，支持720P分辨率，运动流畅，人物一致性好，画质完全不输在线平台。

视频生成对显卡的要求，可比图片生成高多了。图片生成12GB显存就能玩得转，但视频生成不一样，模型本身更大，还要处理几十帧的时序信息，显存需求暴涨。14B参数的Wan 2.2模型，FP16精度原生需要40GB以上显存，就算用FP8量化，也需要20GB以上显存，要是想跑720P分辨率，显存需求还要更高。
而Arc Pro B70的32GB显存，正好卡在这个甜蜜点上。用FP8量化版本的Wan 2.1 14B模型，开启ComfyUI的显存优化选项，完全可以在这张卡上本地运行。

生成5秒720P视频开加速大概需要几分钟，不开加速要20多分钟，虽然比不上在线平台几十秒出片的速度，但考虑到在线平台几块钱一次的成本，简直不要太划算。你晚上睡觉前开始生成，早上起来就能看到成片，完全不耽误时间。

用ComfyUI搭建Wan视频生成工作流其实不难，官方有现成的工作流可以直接下载，但是官方工作流仅提供简单的生成，如果想要增加一些高级功能，比如插帧、放大之类等等，就需要自己搭建新的工作流了。

自己搭建可能会遇到个别自定义节点不兼容的情况，这种情况怎么办？还是那句话，我们有本地大模型啊！把报错信息复制给Qwen3.6-27B，告诉它你在Intel Arc显卡上用ComfyUI跑Wan模型遇到了这个错误，让它帮你分析问题，修改节点代码。大多数时候都是一些设备类型不兼容的小问题，比如把cuda()改成xpu()就能解决等等。如果实在改不了也没关系，用ComfyUI的原生节点代替自定义节点就行，虽然少了一些高级功能，但基础的文生视频、图生视频功能完全够用，等以后节点作者更新适配了再用也不迟。

我自己现在已经完全习惯了本地生成视频的工作流，先用ComfyUI生成几张满意的图片，挑出最好的一张作为首帧，然后用Wan 2.1的图生视频功能生成动态视频，不满意就调整参数重新生成，反正不花钱。虽然速度慢一点，但那种完全掌控的自由感，是在线平台永远给不了你的。

总结：本地一站式内容创作的性价比之选

看到这里，相信大家已经对蓝戟GUNNIR Intel Arc Pro B70 TF 32G这张卡有了清晰的认识。
它不是一张追求极致游戏性能的卡，游戏性能对标RTX 5060 Ti只能说中规中矩。它也不是一张给数据中心用的计算卡，没有HBM显存，没有NVLink，做不了大规模分布式训练。但它精准地击中了个人创作者和中小企业用户的痛点：32GB大显存、完善的AV1编解码、越来越成熟的AI生态、相对平易近人的价格。
在这一张卡上，你可以同时得到一个完全本地、数据不出域的私人AI助手，27B级大模型日常办公足够用；一个顶级的AV1硬件编码器，核显独显联动批量转码，拯救你爆满的NAS；一个完全自由的本地AI绘图工作站，32GB显存高分辨率随便造，想画什么画什么；一个本地视频生成平台，不用按秒计费，不用排队，想生成多少次就生成多少次；文字处理、视频转码、图片创作、视频生成，这些内容创作者需要的核心能力，这一张卡全部给你了。你不需要在机箱里插好几张卡，不需要为了不同的任务切换设备，一张Arc Pro B70，就是一个完整的本地内容创作工作站。
在这个AI算力越来越贵、云服务订阅越来越多的时代，拥有一张属于自己的、32GB大显存的AI加速卡，把算力和数据都掌握在自己手里，或许就是我们这些普通创作者最务实的选择。如果你也想搭建自己的本地内容创作工作流，蓝戟这张Arc Pro B70，绝对是一个值得认真考虑的选项。