오과장입니다. 오늘은 Wan 2.2 TI2V-5B를 Ryzen AI Max+ 395 128GB급 Strix Halo 미니PC에서 로컬 영상 생성용으로 돌릴 수 있는지를 보겠습니다. 결론부터 말하면 “된다”와 “쓸 만하다” 사이에 큰 거리가 있습니다. 2026년 5월 28일 올라온 AMDResearch의 Ryzer PR은 Strix Halo에서 5초짜리 1280x704 영상을 끝까지 뽑아냈지만, 기준 실행 시간이 약 2.5시간이라고 적었습니다.
Ryzen AI Max+ 395 128GB급 미니PC는 Wan 2.2 TI2V-5B를 “실험용 로컬 영상 생성”으로 돌릴 수 있는 후보입니다. AMDResearch PR 기준으로 Strix Halo의 32GiB VRAM 파티션, ROCm 7.2.2, tiled VAE fallback을 써서 1280x704 5초 영상을 완성했습니다. 다만 5초 생성에 약 2.5시간이면 업무용 영상 생산 장비라기보다, 조용한 책상 위에서 밤새 테스트하는 연구용 장비에 가깝습니다.
이 도구가 뭔가요?
Wan 2.2는 공개 저장소로 배포되는 AI 영상 생성 모델 계열입니다. TI2V는 텍스트와 이미지를 받아 영상으로 이어주는 방식으로 이해하면 됩니다. 5B는 14B 같은 큰 모델보다 작지만, 그래도 한 장의 사진 생성보다 훨씬 무겁습니다. 프레임을 여러 장 만들고 마지막에 VAE로 영상처럼 복원해야 해서 메모리와 시간이 많이 듭니다.
용어 먼저 정리
VRAM은 GPU가 바로 쓰는 작업 메모리입니다. ROCm은 AMD GPU에서 AI 계산을 돌리는 소프트웨어 길입니다. CUDA는 NVIDIA GPU용 계산 생태계입니다. VAE는 모델이 만든 압축된 결과를 실제 이미지 프레임으로 풀어내는 단계입니다. tiled VAE는 한 번에 다 풀지 않고 조각내 처리해 메모리 부족을 피하는 방식입니다. checkpoint는 모델 가중치 파일 묶음입니다.
왜 지금 Ryzen AI Max+ 395를 보나요?
영상 생성 모델은 GPU VRAM이 부족하면 시작조차 어렵습니다. 그런데 노트북이나 미니PC 독자는 큰 데스크톱 GPU를 바로 들이기 어렵습니다. Ryzen AI Max+ 395, 그러니까 Strix Halo 계열은 큰 통합 메모리와 Radeon 8060S GPU를 묶어 “작은 본체에서 무거운 로컬 AI를 어디까지 밀 수 있나”라는 질문에 자주 등장합니다.
이번에는 그 질문에 꽤 좋은 실험 근거가 나왔습니다. AMDResearch/Ryzers PR #83은 Wan 2.2 TI2V-5B를 Strix Halo에서 실행하는 패키지를 추가했습니다. 본문에는 AMD Ryzen AI Max+ Pro 395 with Radeon 8060S, gfx1151, 32GiB VRAM partition, ROCm 7.2.2, PyTorch 2.10.0 환경이 적혀 있습니다. 단순한 “가능할 것 같다”가 아니라, H.264 mp4까지 검증한 실행 사례입니다.
실사용 사례에서 나온 기준
첫 번째 기준은 시간입니다. Ryzers PR은 1280x704, 121프레임, 50스텝, 24fps 기준 5.041667초짜리 영상을 만들었고, 전체 실행 시간이 약 2.5시간이라고 설명합니다. 세부적으로 denoising이 약 1시간 19분, tiled VAE decode가 약 1시간 13분입니다. 여기서 핵심은 “GPU가 약해서 못 한다”가 아니라 “VAE 디코드까지 포함하면 기다림이 길다”입니다.
두 번째 기준은 VRAM 여유입니다. 같은 5월 28일 ComfyUI 이슈 #14157에서는 RTX 5090 32GB에서도 Wan 2.2 14B와 lightx2v 4-step LoRA를 연속 실행할 때 VAE decode가 150~300초로 늘거나 OOM이 난다고 보고했습니다. 문제 설명은 Blackwell의 nvfp4 native ops가 PyTorch allocator 밖에서 VRAM을 잡아 ComfyUI가 실제 여유를 잘못 본다는 내용입니다. 32GB VRAM도 영상 모델에서는 “넉넉함”이 아닐 수 있습니다.
세 번째 기준은 긴 영상 이어붙이기입니다. 2026년 5월 27일 Wan2GP 이슈 #1837의 작성자는 low VRAM 환경에서도 Wan 2.2 SVI pro enhanced lightning v2가 놀라울 정도로 잘 작동한다고 말하면서, 5초 단위로 이어붙일 수 있지만 3분 안팎의 참조 영상에서는 결과가 정적 노이즈처럼 망가진다고 적었습니다. 초보자에게 중요한 대목입니다. 짧은 클립 생성과 긴 영상 컨텍스트 유지는 다른 난도입니다.
네 번째 기준은 워크플로우 안정성입니다. sd-webui-forge-classic 이슈 #1181은 Wan 2.2 I2V에서 Refiner를 켜면 첫 실행은 정상인데 두 번째 실행부터 image stitch conditioning이 무시된다고 보고했습니다. RTX PRO 6000 Blackwell Server 96GB VRAM 같은 큰 장비에서도 세션 상태와 Refiner가 꼬이면 결과가 틀어집니다.
Ryzen AI Max+ 395 128GB는 Wan 2.2 TI2V-5B 입문 실험용으로는 의미가 있습니다. 하지만 1280x704 5초 영상이 약 2.5시간이면 상업 작업용 주력 장비로 추천하기 어렵습니다. 빠른 반복 제작을 원하면 RTX 5090 32GB 이상급 NVIDIA 장비를 보되, 그쪽도 VAE와 메모리 관리 이슈를 피할 수 없다는 점을 감안해야 합니다.
최소 사양과 권장 사양
8GB VRAM 노트북, 16GB RAM 사무용 노트북. Wan 2.2 영상 모델보다 이미지 생성이나 작은 LLM이 맞습니다.
Ryzen AI Max+ 395 128GB, 32GiB VRAM partition, ROCm 7.2.2. 5초 클립을 오래 기다리는 기준입니다.
RTX 5090 32GB 이상급 CUDA 장비. 단, ComfyUI 메모리 예약과 VAE decode 이슈를 확인해야 합니다.
병목은 어디인가요?
이번 조합의 병목은 NPU가 아닙니다. Ryzen AI Max+ 395라는 이름 때문에 NPU TOPS를 먼저 떠올리기 쉽지만, Wan 2.2 실행 근거는 Radeon 8060S와 ROCm, PyTorch, VAE 타일링 쪽입니다. 즉 “AI PC NPU가 있으니 영상 모델도 빠르겠지”가 아닙니다. 실제 병목은 GPU 메모리, VAE 디코드, 프레임 수, 해상도, 스텝 수입니다.
저장공간도 가볍지 않습니다. Ryzers PR은 Wan-AI/Wan2.2-TI2V-5B 체크포인트를 /models 볼륨에 내려받는 흐름을 씁니다. 영상 모델은 가중치와 출력 mp4, 중간 캐시가 쌓이므로 SSD 1TB는 금방 답답해집니다. 로컬 영상 생성 장비라면 2TB 이상 SSD가 편합니다.
맥 계열과 NVIDIA 계열의 체감 차이
맥 계열은 통합 메모리가 커서 로컬 LLM에는 강점이 있지만, Wan 2.2 영상 생성에서는 CUDA/ROCm 쪽에 비해 공개 실사용 근거가 적습니다. Metal로 일부 모델을 돌리는 실험은 가능해도, ComfyUI나 Wan2GP에서 최신 워크플로우를 그대로 따라가기에는 모델별 빈틈이 생길 수 있습니다. 맥은 영상 편집 장비로는 좋지만, Wan 2.2 로컬 생성 장비로 새로 사는 판단은 더 조심스럽습니다.
NVIDIA 계열은 CUDA 자료가 많고 ComfyUI 워크플로우가 풍부합니다. 대신 최근 이슈가 보여주듯 RTX 5090 32GB도 Wan 2.2 14B 연속 실행에서 VAE decode OOM이나 느려짐을 만날 수 있습니다. AMD Strix Halo는 속도보다 “작은 본체, 큰 통합 메모리, ROCm 실험”이 장점입니다. 빠른 반복 결과가 목적이면 NVIDIA, 조용한 미니PC 실험실이 목적이면 Strix Halo 쪽이 더 자연스럽습니다.
설치/세팅 흐름
- Linux 환경에서 ROCm 지원 상태를 먼저 확인합니다. PR 기준은 ROCm 7.2.2와
rocm/pytorch:rocm7.2.2_ubuntu24.04_py3.12_pytorch_release_2.10.0입니다. - AMDResearch/Ryzers를 받고 Wan 2.2 패키지가 포함된 브랜치나 병합 버전을 확인합니다.
ryzers build wan22로 환경을 만들고,ryzers run으로 smoke test를 먼저 통과시킵니다.ryzers run /ryzers/download_wan22.sh로Wan-AI/Wan2.2-TI2V-5B체크포인트를/models볼륨에 받습니다.- 처음부터 1280x704를 고집하지 말고 낮은 해상도, 짧은 프레임, 낮은 스텝으로 mp4 출력까지 확인합니다.
- 성공하면
demo_wan22.sh기준으로 121프레임, 50스텝 같은 참조값을 천천히 올립니다. 실패하면 VAE 타일링, 프레임 수, 해상도부터 낮춥니다.
설정을 어디부터 낮춰야 하나요?
첫 번째는 해상도입니다. 1280x704가 공식 검증값에 들어갔다고 해서 첫 실행을 그 값으로 시작할 필요는 없습니다. 낮은 해상도로 전체 파이프라인이 끝나는지 먼저 봐야 합니다. 두 번째는 프레임 수입니다. 121프레임 5초 영상도 무겁습니다. 테스트는 2초 이하로 줄이는 편이 덜 답답합니다.
세 번째는 스텝 수입니다. 50스텝은 품질을 위한 값이지만 시간이 큽니다. 네 번째는 VAE 디코드입니다. Ryzers PR이 tiled VAE fallback을 넣은 이유가 바로 여기에 있습니다. 결과가 끝에서 터지면 모델 본체보다 VAE 단계가 병목일 수 있습니다.
되는 것 / 어려운 것
Ryzen AI Max+ 395 128GB급 Strix Halo에서 Wan 2.2 TI2V-5B를 끝까지 실행해 5초 mp4를 만드는 실험은 가능합니다. 낮은 해상도와 짧은 클립으로 시작하면 학습용 장비가 됩니다.
짧은 시간에 여러 후보 영상을 뽑는 작업, 긴 영상 이어붙이기, 14B급 Wan 2.2 반복 생성은 미니PC 한 대로 기대치를 낮춰야 합니다.
사도 되는 사람 / 보류할 사람
사도 되는 사람은 로컬 AI를 실험하는 시간이 즐거운 사람입니다. 밤새 5초 영상을 하나 뽑아도 괜찮고, ROCm, Docker, 모델 경로, VAE 타일링을 직접 만질 수 있다면 Ryzen AI Max+ 395 128GB 미니PC는 재미있는 장비입니다. 큰 데스크톱을 두기 어렵고, LLM과 영상 모델을 같은 작은 본체에서 번갈아 시험하고 싶은 사람에게 잘 맞습니다.
보류할 사람은 결과물을 빠르게 많이 뽑아야 하는 사람입니다. 쇼츠용 영상 후보를 하루에 수십 개 뽑아야 한다면 RTX 5090급 CUDA 워크스테이션이나 클라우드 GPU가 더 맞습니다. 또 Windows에서 버튼 몇 번으로 끝내고 싶은 사람에게도 아직은 쉽지 않습니다. Wan 2.2와 ROCm 조합은 가능성이 크지만, 손이 덜 가는 소비자 기능은 아닙니다.
자주 하는 질문
Q. Ryzen AI Max+의 NPU가 Wan 2.2를 빠르게 돌리나요?
이 글의 기준은 NPU가 아닙니다. Ryzers PR의 핵심은 Radeon 8060S, ROCm, PyTorch, tiled VAE입니다. NPU TOPS보다 GPU 백엔드가 더 중요합니다.
Q. 32GB RAM 미니PC도 가능합니까?
Wan 2.2 TI2V-5B 실험용으로 추천하기 어렵습니다. 모델, VAE, 캐시, 출력 파일을 생각하면 128GB급 통합 메모리 장비가 훨씬 안전합니다.
Q. RTX 4060 8GB 노트북으로는 안 되나요?
짧은 이미지 생성이나 작은 모델은 가능하지만, Wan 2.2 영상 생성의 현실 권장선으로 보기는 어렵습니다. VRAM 8GB는 너무 자주 막힙니다.
Q. ComfyUI로 하면 더 쉽나요?
NVIDIA 장비에서는 자료가 많아 접근은 쉽습니다. 다만 최근 ComfyUI 이슈처럼 32GB VRAM에서도 VAE decode와 메모리 예약 문제가 나올 수 있습니다.
Q. 지금 사야 할까요?
로컬 AI 실험실을 만들 목적이면 검토할 만합니다. 빠른 영상 생산이 목적이면 아직은 32GB 이상 NVIDIA GPU나 클라우드를 먼저 보는 편이 낫습니다.
구매 판단
Wan 2.2 TI2V-5B와 Ryzen AI Max+ 395 128GB 조합은 “작은 미니PC로 로컬 영상 생성까지 맛볼 수 있나”라는 질문에는 예라고 답할 수 있습니다. 하지만 1280x704 5초 영상에 약 2.5시간이라는 기준을 보면, 이 장비를 영상 생성 전용 생산 머신으로 생각하면 실망합니다. 로컬 LLM, 이미지 생성, 영상 생성 실험을 한 본체에서 해보는 연구용 미니PC로 보는 편이 정확합니다.
아래 제품은 Ryzen AI Max+ 395 계열 미니PC 후보입니다. 구매 전에는 RAM 128GB 구성인지, SSD 용량이 충분한지, Linux/ROCm 세팅을 감당할 수 있는지 확인해야 합니다. “영상 생성 버튼만 누르면 바로 결과가 쏟아지는 PC”가 아니라, 로컬 AI를 직접 만지는 사람을 위한 장비입니다.
출처: Wan 2.2 공식 GitHub, AMDResearch Ryzers PR #83, ComfyUI #14157, Wan2GP #1837, sd-webui-forge-classic #1181, AMDResearch/Ryzers