影视角色资产降本90%:海马云旗下 RunningHub 如何让 AI 真正进入工业级影视生产?
AIGC平台可以靠一张图、一段视频吸引用户尝鲜,但在泛消费场景里,单次生成带来的新鲜感很难转化为持续付费,也难以形成长期壁垒。影视、游戏和电商团队衡量的是另一些指标:角色能否在多个镜头里保持一致,同一套画风能否复用到不同美术资产上,商品图和短视频能否持续批量产出。要满足这些要求,平台就得把一次生成接进可复用、可规模化执行的生产流程。
海马云旗下的RunningHub,是这套全链路AIGC生产力方案的落地载体。从影视角色修复到游戏美术和电商内容制作,RunningHub的案例展示了平台在工作流执行、生产资产复用和批量部署上的具体能力。在执行端,Agent将模型调用、局部修复和人工审核纳入同一工作流,使关键环节可控;在资产端,专属LoRA、品牌规范和工作流可以跨项目复用;在部署端,成熟的制作流程可以封装为应用,服务多个商家账号。
影视角色:Agent接管上百次手工操作
影视制作对交付能力的要求最为苛刻,AIGC导演@千堇做过少歌系列等多部S级影视、动漫IP,他的番剧曾因为人物AI感太重被播出平台卡住。走传统Maya或UE管线,一个过审标准的人物角色资产要花约12万元;靠AI自救,得把大模型生成的人物整图按手、指甲、头发、瞳孔、配饰切开来逐块重绘,再用PS拼回去,前后要操作上百次,费时费力,效果还不稳定。
在RunningHub里,这些活儿交给Agent:它按上下文里的影视级材质标准和参考图自动切图,给每个局部配上合适的LoRA或模型修复,最后统一合成,导演只在关键节点把关,成本压低了约90%。同一套上下文里的材质标准和参考图,保证了修复后的局部细节经得起特写,整体风格也与原IP保持一致。
支撑这套修复流程的是海马云的RH系列模型:通用模型图的是广泛适用,影视生产要的是像素级可控,两边目标错位,落到工业生产环节,发散性就会暴露为人物变脸、风格漂移、光影穿帮、镜头失控。今年9月的20天内,海马云连续推出三款场景化后训练模型来补齐这些短板:RH Upscale负责超分,低分辨率素材一键升到4K,皮肤纹理、发丝和织物细节补得回来,主体结构不崩坏,13款主流方案横评里综合质量排第一;H3 Lightning负责提速,把5秒视频的生成时间从6分钟压到28.7秒,快了近12倍,而且跑在用PCIe连接、没有NVLink的RTX6000D多卡环境上,不必依赖高端数据中心GPU,中小团队用常规多卡服务器就能部署,方法和复现说明都放在了GitHub上;H3 RH Enhanced负责一致性,专攻多镜头长叙事,16个镜头以上的复杂任务里把人物崩坏率拉低60%以上,价格最低0.18元/秒。

RH Upscale Ultra在13个参测配置中以0.539分取得综合质量第一
这套模型的落地效果也得到开源原厂认可,连MiniMax都经由RunningHub反向采购H3 RH Enhanced给自家客户用,第三方场景化后训练模型反向输出给大模型厂商,行业里十分少见,模型调用的决策权正从实验室挪到生产现场。除了由平台解决通用难题,创作者和企业还可以把自有作品反复投喂训练,做出专属Checkpoint与风格化LoRA,接进自动化工作流长期调用,抽象的审美偏好就此变成AI能确切执行的数字美术资产。
游戏美术:整套视觉体系沉淀为资产
游戏美术的生产同样依赖平台的能力沉淀,某手游研发公司在RunningHub上训练了80余个专属LoRA、搭建超160个自建工作流,把自家游戏的美术风格训练成专属模型,覆盖塔防场景、Q版角色、游戏图标和国风纹样,同时搭建线稿细化、动作迁移、多角度出图、图转3D等生产工具,将整套游戏的美术风格沉淀为资产,三个月内用量增长近70倍。

平台支持创作者与企业用自有作品训练专属Checkpoint与风格化LoRA,接入自动化工作流复用
有头部手游公司干脆把整套游戏视觉体系练成了专属模型矩阵,从原画到场景全部按统一标准输出,IP画风难统一的长期难题有了着落。目前RunningHub上已积累海量此类风格LoRA,这些资产在企业平台上长期积累,构成了极高的迁移成本。企业在平台上长期积累的ComfyUI工作流、训练好的LoRA以及VI规范,让每一次生成都会自动遵守品牌规范,项目素材积累越多,产出效果越贴合自身需求。海马云披露,自建工作流沉淀多的客户,留存率接近100%。
电商与建筑:规模化部署的验证
电商客户的表现验证了规模化部署的能力,某电商AI服务商去年年底入驻,一个月内在上面搭了47个自建应用,把商品图和短视频的制作流程完整搬进了应用里,交给旗下100多个商家账号使用;最近两个月,他们连续56天每天调用,累计调用超过12万次,月投入增长700%。成熟的制作流程被封装为应用,服务多个商家账号,平台由此从单次生成走向持续交付。
建筑设计领域,某建筑设计公司接入RunningHub后,针对建筑效果图痛点自建了结构修复等7个应用与14个工作流,月投入增长超10倍。

从影视角色修复到游戏美术和电商内容制作,RunningHub承载多场景商业交付
案例背后的五层能力栈
把这些案例放在一起看,支撑它们的是海马云的五层能力栈。算力层上,海马云在全球部署69个计算节点、6 EFLOPS算力池,把云游戏时代的异构GPU池化与毫秒级调度能力搬到AI推理上。真实的内容生产里,AI推理和图形渲染交替占卡:3D场景要渲染,Blender、Unreal一跑就吃GPU,视频生成和超分合成的计算量也很大。老办法是按业务峰值给两边各囤一批卡,高峰期排队、低谷期空转。海马云的渲推一体把同一批GPU在不同时段分别承接图像生成、视频生成和专业渲染,整体算力利用率比行业常见水平高出约70%,为企业客户保障交付节奏和成本底线。
模型层上,RH系列场景化后训练模型补齐通用模型在商用场景里的短板,分别对应超分、生成速度和多镜头一致性等核心诉求。Harness层上,Agent驱动模型、工具链与上下文协同,对最终交付负责,目前已有约60%的模型调用由智能动态路由完成,新版Runow开启自动模型偏好后,用户无需手动熟悉各个模型和工作流,由系统自主匹配最优方案。工具链里的Blender加云电脑方案把原生专业软件部署在边缘节点,Agent可以在画布内直接调用工程文件,创作者也能随时接管工程手动精调。
数据层上,专家操作轨迹与行业know-how沉淀为生产数据,反哺模型和Agent进化。创作者在平台上的实际操作,选了什么模型、动了哪些节点、一条视频来回改了几轮、每轮动的是光影还是表情,都会脱敏留存,变成垂直后训练里强化学习的奖励信号。应用层上,RunningHub、rhTV、RHSTORY等产品承载垂直场景的商业交付。
流程可控、资产可复用、应用可规模化部署,共同构成了平台从单次生成走向持续交付的壁垒。行业know-how也在被资产化:游戏美术的画风控制、电商操盘手的爆款转化配方、影视导演的镜头语言,被结构化为可复用的Skill与知识库。RunningHub作为国内较早的AIGC开源社区之一,已积累百万级开源工作流,每天以千条速度递增。知识库目前分为产品知识与创作知识两部分,下一步海马云还将按行业建库,率先覆盖电商、影视短剧和广告。
客户的投入强度可以直接说明这套体系的落地情况,SimilarWeb数据显示,今年3月至9月,RunningHub海内外全站访问量涨幅达266%;7月,海马云联合创始人兼CTO温健做客央视《焦点访谈》时透露,平台每月Token消耗量达到9万亿。中美两地的互联网竞争生态差别很大,中国互联网的渗透深度、商业模式的成熟度与用户习惯的演进走在世界前列,许多在海外靠新鲜感、玩梗或浅层包装堆叠出来的C端消费模式,进入竞争激烈的国内市场后难以建立可持续的盈利模式。模型能力差距收窄之后,真正能沉淀高壁垒和高续费粘性的,是给B端企业和专业创作者带来实打实降本增效的垂直AI生产力。
海马云的能力栈不会停在RunningHub,接下来海马云还将推出面向其他垂直场景的应用产品,把这套生产力发动机延伸到更多行业。行业褪去模型参数竞赛的热潮之后,商业化的核心评判标准回归到落地交付能力,五层能力栈才是真正难复制的壁垒。