AI视频处理对显卡的要求主要取决于具体的应用场景，比如视频编辑、渲染、深度学习训练或推理等。不同的应用场景对显卡的性能需求也有所不同。以下是一些通用的原则和建议：

1、显存大小：对于大多数AI视频处理任务来说，较大的显存是非常重要的。这允许模型能够处理更高分辨率的视频或是更复杂的网络结构。一般来说，至少8GB的显卡显存是推荐的起点；对于专业级应用或者大规模数据集处理，可能需要16GB甚至更多。

2、CUDA核心数：NVIDIA的GPU通过其CUDA并行计算平台提供强大的计算能力。更多的CUDA核心意味着更强的数据处理能力和更快的速度。对于视频处理而言，选择具有较多CUDA核心的显卡可以显著提升效率。

3、架构与型号：较新的架构通常会带来更好的性能表现以及更低的功耗。例如，NVIDIA RTX 30系列（基于Ampere架构）相较于之前的20系列（Turing架构），在相同级别的产品上提供了更高的性能。此外，针对专业领域，NVIDIA还推出了Quadro系列（现已更名为RTX A系列），这些显卡专为工作站设计，适合于高要求的专业应用。

4、驱动支持与软件兼容性：确保所选显卡支持最新的图形API（如DirectX 12, Vulkan等），并且有良好的驱动程序更新维护记录。同时也要考虑目标开发环境下的库文件是否对该显卡友好，比如TensorFlow、PyTorch等流行的机器学习框架都偏好使用CUDA加速。

5、预算考量：高端显卡往往价格不菲，根据实际需求合理规划预算是很重要的。有时候，中端市场的产品也能很好地满足大部分非极端情况下的需求。

总之，在选择用于AI视频处理的显卡时，应该综合考虑以上几点因素，并根据自己具体的项目需求来决定最适合的选择。如果你能提供更多关于你计划执行的具体任务的信息，我或许还能给出更加针对性的建议。