对于拥有128GB统一内存的Dell Pro Max搭载GB10而言，它真正展示出的并不只是大模型推理能力，而是本地AI生态正在从单模型运行向多模型协同生产演进。而当Dell Pro Max搭载GB10与Dell Pro Precision 5 16移动工作站这样的生产节点结合起来，漫画工作室最终获得的，也不只是几台更快的电脑，它更像是一套可以不断扩展的本地AI内容生产基础设施。
AI进入传统漫画生产会发生什么？
【PChome深度评测】AI技术的快速发展正在重塑所有行业。尤其是创意设计行业，算力与token正在成为源源不断的“创意源泉”，生成式AI正在深刻地改变整个工作流程。
如果把一家传统漫画工作室的生产过程拆开来看，它其实是一条非常典型的“串行生产线”。一个创意交给编剧，编剧完成剧本后交给分镜师；分镜确定之后，原画师开始绘制；画面完成后进入修图、上色、排版，最后还要由编辑检查剧情、人物和画面。
传统漫画创作流程示意
在整个过程中，真正影响效率的，往往并不是某一个人的绘画速度，而是信息在不同岗位之间传递时产生的损耗。一句“这里的情绪再强烈一点”、一个“人物应该换一个角度”、甚至一个很小的服装细节，都可能意味着前面几个环节都要重新修改。
由Dell Pro Max 搭载GB10打造的AI漫画工作流及作品示例
当生成式AI进入到漫画生产链路中时，真正值得关注的已经不是“AI能不能画出一张好看的图”，而是能否把创意、剧本、分镜、绘制、质检和后期交付串成一条稳定的生产链。
本期内容，我们使用Dell Pro Max 搭载GB10与Dell Pro Precision 5 16移动工作站，搭建一套本地AI漫画工作流。核心目标是尝试把它部署成一个真正参与漫画生产的AI系统，而不是仅仅是一个“自动画图工具”。基本的流程是由大模型理解创意、规划任务，再由图像模型完成视觉生产，视觉模型负责检查，最后由人工做创意和质量上的最终确认。这样就将传统创作中的大量脑力劳动和沟通成本转化为机器可执行的任务，让AI从单点工具真正变成小型工作室的生产基础设施。
从一句创意开始，让大模型一站式构思剧本
AI漫画工作流的第一个变化，是把传统的编剧环节拆解为可以由模型执行的任务。
Dell Pro Max搭载GB10上部署的大模型分析创意
例如只给一个非常笼统的创意：一个普通高中生突然发现自己拥有控制时间的能力，创作一部都市异能主题的漫画。
在传统流程中，这句话需要经过编剧、编辑和分镜师的不断扩写；而在我们的工作流中，可以很轻松地由Dell Pro Max搭载GB10设备上的Qwen3-30B大模型来完成这部分前期脑力劳动。
大模型完整输出漫画世界观、人物设计和剧情、分镜等
它不仅可以完成故事构思与大纲创作，甚至可以完整拆解从世界观→人物设定→故事主线→章节结构→具体剧情→镜头语言→对白→绘图Prompt等全部工作，这个时候大模型输出的就不再是一段普通的文字，而是一份可以继续交给下游AI执行的制作任务。
例如，一个漫画镜头会被进一步描述为：
接下来再由大模型根据这些信息转换成适合FLUX使用的视觉Prompt，也就是AI绘图提示词，导入后续工作流。
这一步看似只是让AI写东西，实际上却是整个工作流的数据标准化入口。因为只有把创意变成结构化任务，下游的图像生成、质检和自动排版才有可能真正衔接起来。
作为整个工作流的算力节点，这也是Dell Pro Max搭载GB10价值开始体现的地方。在NVIDIA GB10 Grace Blackwell超级芯片和128GB统一系统内存的配置下，它并不是单独运行一个聊天模型，而是在本地同时承载大模型推理、视觉理解以及后续AI工作流，为整个生产链提供统一的计算底座。
综合考虑到运行效率和输出质量，我们选择了Qwen3‑30B‑A3B‑Instruct‑2507‑GGUF Q4_K_M模型，使用llama.cpp部署在Ubuntu 24.04操作系统上，同时完成NVIDIA驱动、CUDA、Python等环境配置，使整个模型节点在Dell Pro Max搭载GB10上稳定运行。
实测显示，在进行漫画剧本创作的时候，Decode阶段，可以稳定保持在47 tokens/s左右的输出速度。一话24个镜头的漫画剧本，包含剧本、文案、提示词等在内的全部内容在两分钟内即可创作完毕。
同时内存开销也比较稳定，在64K上下文的设定下，总内存占用也仅在50GB左右，仍能为后续同时运行ComfyUI绘图工作流预留内存空间。
分镜不再是一张草图，而是AI绘图的施工图
传统分镜的价值，是告诉原画师这一格应该画什么。在AI漫画工作流里，分镜还多了一层作用：它直接成为图像生成模型的输入规格。我们将漫画的第一话拆成24个镜头，每个镜头明确人物、场景、动作、景别、镜头角度、构图和剧情目的，然后交给ComfyUI的FLUX文生图工作流进行视觉生成。
例如我们根据SHOT_007自动生成的提示词如下：
Medium shot of CHAR_001, 18-year-old high school boy, black short hair, deep gray eyes with clear pupils, smooth skin, no beard, no wrinkles, balanced facial proportions, youthful features, natural jawline. Wearing a white school shirt with a dark blue tie, black trousers. Walking toward a slightly open classroom door, hand reaching to push it. Expression is calm, eyes focused ahead, fingers slightly tense. Background: faint light spilling from the open door, blurred classroom interior. Lighting is soft and even, no harsh shadows, no over-sharpening, no high contrast, no photo-realistic texture, no skin imperfections, no AI artifacts. Avoid: exaggerated nose or mouth, long face, adult male appearance, beard, wrinkles, rough skin, texture bleeding, edge blur, smudging, distorted neck, missing fingers, unnatural anatomy, 3D render, oil painting, over-saturated colors, text, watermark, speech bubble, dialogue, UI elements. Comic book art style with clean lines, bold contrasts, no texture bleed, no edge distortion, no AI-generated artifacts. 16:9 aspect ratio
直接导入到Prompt里即可运行绘图工作流。得益于Dell Pro Max搭载GB10强大的算力，在使用FLUX.2 Klein模型（flux-2-klein-4b.safetensors、qwen_3_4b.safetensors、flux2-vae.safetensors）进行输出的时候，768×1024像素分辨率的图片仅耗时15秒左右，速度非常快。
这里选择ComfyUI的意义，并不只是方便生成图片。对于真正的生产工作流来说，节点式工作流最大的价值是可复现和可扩展。同样一套流程，可以固定模型、采样参数、分辨率和图像处理方式。并且以后增加角色参考、LoRA、放大、局部重绘等环节，也可以直接插入工作流，而不需要重新搭建整套系统。
也就是说，绘图这部分由：Qwen3负责决定画什么，ComfyUI负责规定怎么画，FLUX负责把它画出来，这和传统意义上的AI生图已经有明显区别。它已经开始具备“生产流程”的雏形。
AI漫画如何解决一致性难题？给它装上质检的“眼睛”
接触过AI绘图的用户应该知道，在连续工作负载中，单独生成一张人物图片并不难。难的是每次输入，生成的人物是否一致，这直接决定着漫画剧情的连续性。以这篇都市异能漫画为例，生成的图片中，第一格的林墨和第二十四格的林墨，还是不是同一个人？这一点要远比单张图片的画质更重要。
AI漫画工作流工程文件夹示意
为此，我们将整个工程文件夹分为brief、story、characters、storyboard、generated、review、final等几个环节。在story和characters里，我们首先建立了固定的角色资产CHAR_001。也就是角色信息：林墨，18岁男性高中生、黑色短发、深灰色眼睛、黑色高中制服…，这些信息完整描述了角色信息。
且这些信息不再只存在于人的脑子里，而是作为角色资产进入整个AI生产流程。在随后的不同场景、不同景别和不同情绪下的画面生成工作流里，有助于保持角色的一致性，尽量避免出现前后角色不一致的情况。当角色设定成为标准数据之后，后续即使加入LoRA、IP-Adapter等更高级的角色一致性技术，也只是对现有体系的进一步增强，而不是从零开始，这样有助于提升流程效率。
当然，图像生成完成并不意味着生产完成，审阅检查是非常必要的环节。但如果大量图片由人工逐张审阅，那么效率会大打折扣。
Qwen3-VL模型进行不同场景生成结果的一致性评分
因此这里我们又引入了一个新的多模态视觉评估模型Qwen3-VL，它可以直接读取生成后的漫画图片，对人物数量、外貌、动作、手部、人体比例、背景和构图进行检查，并输出量化评分，满足评分才能交付，否则返回修改建议。
多个模型之间通过Open WebUI进行管理和切换
通过对不同端口的分配，我们可以在统一的Open WebUI前端页面里进行统一管理，在Qwen3‑30B模型的剧本创作和Qwen3-VL模型的内容审查之间方便切换。
通过对连续多张不同场景漫画的人物一致性、画面质量、剧情连续性等多个维度的判定，就很容易形成一个质量控制的机制，确保我们后续的图片满足这个交付标准。
不过要注意的是，如果一次性提交过多图片进行检查时，Qwen3-VL会因为图片Token和历史对话共同占用上下文而出现超限，因此我们最终采用了3～4张一批、新建会话进行质检的策略，此时系统内存占用大概90GB左右，并不会完全占满内存，为其它程序的运行预留了部分空间。
Dell Pro Max搭载GB10不是跑模型的电脑，而是AI生产链的计算中枢
通过上述的流程，大家也可以发现，实际部署AI工作流和跑单个模型Demo是有区别的，因为模型能力只是第一层，任务切分、上下文管理和资源调度才是决定系统能否稳定工作的关键。在这一轮部署中，Dell Pro Max搭载GB10作为算力节点，在整个工作流中主要承担的是最需要算力的部分，也就是AI推理的部分。
我们通过三个模型的部署来进行分工合作：
Qwen3负责剧本、人物、分镜和Prompt；
ComfyUI负责调用FLUX图像模型完成视觉生产。
Qwen3-VL负责图片理解和质检。
换句话说，一台Dell Pro Max搭载GB10就同时承担了传统工作室里的多个岗位。更重要的是，这些模型全部运行在本地。对于漫画IP而言，剧本、人物设定、世界观以及未发布的原画素材都属于核心资产。本地部署意味着这些内容可以留在自己的计算环境中，而不是每一步都必须上传到第三方云端服务。
而Dell Pro Max搭载GB10的128GB大容量统一内存，也为本地部署大参数模型和多模态模型提供了较大的资源空间。对于我们这套工作流而言，它的价值不只是能跑，而是能够把大模型推理、视觉理解和AI创作集中到同一台设备上。
Dell Pro Precision 5 16移动工作站把AI作品变成可交付作品
如果说Dell Pro Max搭载GB10更像工作室的AI主编和AI技术总监，那么Dell Pro Precision 5 16移动工作站承担的就是生产后端。
因为漫画真正交付之前，还有大量工作：图片整理、尺寸统一、裁切、局部修改、页面排版、对白、气泡、字体以及最终检查。这部分任务未必需要最复杂的大模型，但非常消耗人工时间。
因此，我们将两台设备进行了分工。在Dell Pro Max搭载GB10完成图片交付之后，我们还需要继续完成页面布局、对白和气泡的合成等工作。我们在Dell Pro Precision 5 16移动工作站上引入了一个自动化的Python脚本，可以实现漫画镜头语言的分析，继而进行自动的排版优化、对白贴图工作，从而实现一站式输出。
由Dell Pro Max搭载GB10+Dell Pro Precision 5 16移动工作站共同完成的AI漫画工作流交付作品
最终，我们实现了这样的一个工作流：
到了这一步，AI才是从工具变成了生产系统。这种架构比单纯强调AI绘图速度更有意义。因为真正的内容生产从来不是一个模型完成的，而是一条工作链。
由于Dell Pro Precision 5 16移动工作站提供了丰富的配置选项，最高64GB LPCAMM2内存以及NVIDIA RTX PRO 2000 Blackwell Generation专业显卡选项，也让这款移动工作站有了强大的算力基础。实际应用中，我们可以根据任务需要，在两台设备之间动态分配负载。
当然，在实际的工作流程中，每个工作室的环境有所差异，许多环节还需要设计更多的控制分支、反馈机制，以及精细的局部控制、文字重绘等功能，需要长期的实践才能实现效率优化。（*本文涉及流程仅作漫画工作中的流程演示，并未加入全部环节，仅供参考）
生成式AI正在深刻改变小型创意工作室的流程
这次部署AI漫画工作流给我最大的感受，并不是AI取代了哪个岗位，而是过去需要多人串行完成的工作，开始被重新拆解成了一组可以由AI协同完成的任务。在这个过程中，人并没有从流程中消失，而是被推到了更有价值的位置——确定创意、判断质量、控制风格和做最终决策。这也是AI浪潮下最值得关注的地方。
过去，一家小型漫画工作室想要提高产能，通常意味着增加人手。而在本地AI工作流成熟之后，另一种思路开始出现：不是不断增加岗位，而是让一套计算平台承担更多标准化、重复性和高强度的生产任务。
对于拥有128GB统一内存的Dell Pro Max搭载GB10而言，它真正展示出的并不只是大模型推理能力，而是本地AI生态正在从单模型运行向多模型协同生产演进。而当Dell Pro Max搭载GB10与Dell Pro Precision 5 16移动工作站这样的生产节点结合起来，漫画工作室最终获得的，也不只是几台更快的电脑，它更像是一套可以不断扩展的本地AI内容生产基础设施。
从一条Prompt，到一个角色；从24个镜头，到一整话漫画。这或许才是AI工作站进入内容创意行业之后，真正值得期待的下一步。
*附表：本次部署使用设备、系统环境一览
（*本文中使用模型及生成AI内容仅为呈现技术流程演示使用，如需涉及商业使用请确保版权合规）
网友评论