直接答案：英特尔以 8 张锐炫 Pro B70（单卡 32GB 显存 / 608 GB/s 带宽 / 367 TOPS INT8）为 MiniMax H3-Image 提供 Day 0 适配：文本编码器与 DiT 走 8 路张量并行，VAE 走 8 卡图块并行解码，实现 6272×2688 超高分辨率图像六步生成的全流程 GPU 加速，方案已在 SGLang Diffusion 完成适配。本文提炼关键规格，并给出机柜功率、卡间互联、显存池、软件栈与本地化留存五条 GPU 托管启示。 查看英特尔原文 →
一、一句话结论
英特尔中国 2026-11-11 公告：以 8 张锐炫 Pro B70 GPU 组成的多卡方案，为 MiniMax H3-Image 提供 Day 0 适配与加速。多卡协同突破了单卡在显存容量与计算资源上的限制，让 6272×2688 超高分辨率图像在六步生成下实现全流程 GPU 加速，相关并行方案与算子优化已在 SGLang Diffusion 完成适配。
对 IDC 与算力托管从业者来说，这条新闻的价值不在「又一张卡」，而在于它给出了一个清晰的 8 卡整机负载样本——机柜功率怎么算、卡间互联怎么验、显存池怎么估、软件栈怎么管，都可以据此反推。
二、8 卡方案的关键规格
| 实体 | 属性 | 值 | 口径 |
|---|---|---|---|
| 英特尔锐炫 Pro B70 | 单卡显存 / 带宽 / INT8 算力 | 32GB / 608 GB/s / 367 TOPS | 原文 |
| 锐炫多卡解决方案 | GPU 数量 | 8 张 Pro B70 | 原文 |
| 锐炫多卡解决方案 | 8 卡合计显存 | 256GB | 按 8×32GB 推算，原文未直接给出 |
| MiniMax H3-Image | 最多参考图 / 生成分辨率 / 步数 | 16 张 / 6272×2688 / 6 步 | 原文 |
| 并行策略 | 文本编码器 + DiT / VAE | 8 路张量并行（8TP）/ 8 卡图块并行 | 原文 |
| DiT 主干 | 单卡负载 | 约 1/8 权重与负载 | 原文 |
| 适配框架 / 软件栈 | SGLang Diffusion；PyTorch / vLLM / SGLang / ComfyUI / OpenVINO | 已完成适配 | 原文 |
| 算子优化 | 融合 RMSNorm + 索引化 AdaLN | 相较原始 PyTorch 算子链数倍加速 | 英特尔实验室数据 |
H3-Image 是面向多元创作场景的图像生成与编辑模型，支持最多 16 张参考图，可用于游戏素材、3D 视觉内容、电商、广告创意、AI 智能体与生产力工具等场景。
三、并行链路怎么拆
文本编码器以张量并行方式运行；计算量最大的 DiT 主干按张量维度切分到 8 张 GPU，单卡仅承载约八分之一的权重与负载，显著降低显存占用；VAE 采用 8 卡图块并行，把完整图块分发到各卡并行解码后汇总，权重在各卡保留副本、无需切分卷积权重，仅在图块边界处拼接。
文本编码器、DiT、VAE 分时复用 8 卡 GPU 资源。原文强调，统一 8 卡部署在降低单卡显存压力、支撑更大规模模型的同时，进一步提升了多卡协同计算效率。
四、算子优化与软件栈
英特尔在 XPU Kernel 路径上围绕 DiT 主干的高频计算链推进算子融合与调度改进，覆盖归一化与索引化调制、门控残差、激活与逐元素乘等环节，并持续优化矩阵乘法与注意力路径。融合后的 RMSNorm 与索引化 AdaLN 相较原始 PyTorch 算子链取得数倍加速，门控残差与 SiLU×up 亦有可观提升（注释注明数据来源于英特尔实验室）；去噪阶段与端到端时延均明显下降，同时保持数值稳定。
软件栈覆盖 PyTorch、vLLM、SGLang、SGLang Diffusion、ComfyUI 和 OpenVINO，支持模型适配、优化到部署全流程；原文同时预告近期发布 MiniMax H3-Image ComfyUI 量化版本的软件栈支持，让单卡 B70 也能创作。
五、快速搭建四步（原文指南摘要）
- 代码与环境：git clone https://github.com/sgl-project/sglang.git → checkout a93e89fd4a4eefb52c3ce73a609317d716d2a6ab → conda create -n h3-image-xpu python=3.12 → pip install uv → cp pyproject_xpu.toml pyproject.toml → uv pip install '.[diffusion]'
- 下载权重：hf download MiniMaxAI/MiniMax-H3-Image；另需 hf download MiniMaxAI/MiniMax-H3 --include 'text_encoder/*'
- 启动服务：export CCL_ZE_IPC_EXCHANGE=sockets；sglang serve --num-gpus 8 --tp-size 8 --ulysses-degree 1 --ring-degree 1 --port 30000（三个 cpu-offload 均设 false，warmup-mode off）
- 生图请求：POST http://127.0.0.1:30000/v1/images/generations，JSON 指定 size=6272x2688、seed=42、generator_device=cpu、response_format=b64_json、output_format=png
以上命令摘自英特尔原文，仅作技术脉络说明；实际部署请核对官方仓库版本与环境要求，本站不提供该模型的部署交付承诺。
六、对 GPU 算力托管的五条启示
- 先按整机额定功率核算机位，不按卡数拍脑袋。八卡 GPU 整机满载常在 3–6kW、普通 10A 柜带不动，高功率柜按 8–15kW 设计并按 1.3 倍留冗余（站方既有交付口径）。原文未公布 B70 整机功耗，不得反推瓦数，上架前以厂商铭牌与实测为准。
- 张量并行对机内互联与拓扑敏感。8TP 意味着卡间频繁通信，托管时要确认 PCIe 拓扑、NUMA 绑核、风道与散热余量，避免「卡装上了但跑不满」。
- 显存池决定可承载的模型规模。8×32GB 组成 256GB（推算）显存池，选型前先算清模型权重、激活与 KV Cache；单卡 608 GB/s 带宽是 DiT 类负载的关键指标之一。
- Day 0 适配等于软件栈版本敏感。SGLang Diffusion、XPU Kernel、PyTorch/vLLM/ComfyUI 各有版本依赖，托管方需支持自定义镜像、驱动、conda/uv 环境、快速重装与回滚，并提供 IPMI 带外与 7×24 值守。
- 本地化生成是 GPU 托管而非公有云的典型场景。生图/生视频涉及素材留存与数据不出机房，配合本地 Agent 可闭环短剧生产，与站内「短剧制作本地化解决方案（英特尔锐炫 Pro B70 主线）」直接呼应。
信源与口径：行业观察 · 第三方信源：英特尔中国（微信公众号「英特尔」）《英特尔锐炫Pro B70为MiniMax H3-Image提供Day 0支持》，2026-11-11 20:37 发布。本文为公开信息整理与 CNCNC 信息港 IDC 视角解读，不构成与英特尔或 MiniMax 的合作、授权或产品承诺；性能数据来源于英特尔实验室，具体以厂商官方文档为准。原文未公布 B70 整机功耗、机柜与电力参数，本站不据此推断配置与报价。
延伸阅读：算力服务器托管（GPU） · 算力服务器托管常见问题（65 问） · 短剧制作本地化解决方案 · 算力服务器租用 / 国产化算力企业微信咨询 · 获取 GPU 托管方案