谢谢AI！技术

原本需要传输1GB的让视视频，如今只需上传200KB即可观看——

视频数据压缩率低至0.02%，频压仍能维持画面的缩至高清、流畅与细节完整。技术

也许你会疑惑，让视这到底有何意义呢？频压

设想你正身处一艘航行在太平洋上的远洋货轮，卫星信号仅有一两格，缩至刷一次朋友圈，技术加载的让视圆圈得转上老半天。

正因这项AI技术的频压存在，即便身处如此极端的缩至环境，你也依然能直接观看清晰流畅的技术世界杯直播！

没错，频压视频传输的物理定律，仿佛被彻底颠覆了。

而这项新研究，正是来自中国电信人工智能研究院（TeleAI）的技术——生成式视频压缩（GVC，Generative Video Compression）。

作为中央企业中的国有重要骨干力量，同时也是全球领先的综合性智能信息服务平台运营商，中国电信不仅构建了覆盖陆、海、空、天的通信网络基础设施，还拥有将先进人工智能技术与真实通信应用场景深度结合的实力。

凭借“云网融合+AI原生”这一独特优势，GVC技术得以突破实验室局限，成功应用于远洋船舶、应急现场等实际的极端环境中。

这项研究究竟是如何实现的？又将对我们的日常生活产生怎样的影响？接下来为您揭晓。

以算力，换带宽

在揭开这项黑科技的面纱前，不妨先了解一下当前视频是如何传输的。

无论你观看的是Netflix、B站，还是进行微信视频通话，其背后主要依赖的都是HEVC（H.265）或VVC（H.266）这类传统的视频编码标准。

这些技术的本质，归根结底就是对像素的高效调度：编码器不断分析哪些像素保持稳定、哪些发生位移，力求最大限度保存像素数据，同时设法将其压缩并填入有限的带宽空间中。

这种逻辑在宽带充足时运作良好，但在极限环境（极低带宽）下会迅速失效。

当带宽不足时，传统编码器为勉强完成传输，只能大量舍弃高频信息。最终效果大家都有目共睹：画面模糊不清，严重时甚至直接卡顿崩溃。

但 TeleAI 团队另辟蹊径，倘若不再传输像素，会怎样？

GVC 的核心理念在于：不传输图像本身，而仅传递“绘制该图像的步骤与方法”。

举个例子：

传统压缩：就好比将《蒙娜丽莎》拍摄成一张照片，并尽可能地压缩后发送给你。若网络状况不佳，接收的照片便会模糊不堪，看起来如同杂乱的色块。

生成式视频压缩（GVC）：我不再发送照片了。我只把一段文字描述发给你——“一位女士，神秘微笑，背景是山水，光影自左侧照射……”以及她嘴角上扬的精确弧度数据。你的接收端有一位AI画师（生成式模型），接收到信息后，当场为你创作出一幅《蒙娜丽莎》。

刚才提到的仅是举例说明，实际情形要复杂得多，传输的信息也不止局限于文字。

这就是技术报告中提到的核心理念：用计算，换宽带（Trading computation for bandwidth）。

将原本的传输压力转移至推理计算环节。

GVC究竟隐藏了哪些秘密？

既然不传输像素，那么这0.02%的数据中究竟承载了哪些内容？

技术报告揭示了GVC系统的内部构造，它主要由神经编码器（Neural Encoder）和生成式视频解码器（Generative Video Decoder）两部分组成。

内部传输的是名为“压缩Token”的极小微型数据包，其中承载了视频的核心要素，主要可分为两类：

语义信息（Semantic Information）：这是一个怎样的场景？有没有人？有没有车辆？物体的基本结构是怎样的？这构成了画面的框架。运动信息（Motion Dynamics）：这些物体下一秒会朝哪个方向移动？风向如何？车轮是如何转动的？这赋予了画面生命力。

经过 TeleAI 团队的测试，这些Token的大小可以被压缩到极致的0.005 bpp - 0.008 bpp（bits per pixel，比特每像素）。

这代表着怎样的压缩效率？一般高清视频的码率通常保持在0.1 bpp以上，而GVC却将数据量降低了整整两个数量级。

此外，在接收端还部署了一个扩散模型（Diffusion Model），随时准备就绪。

在接收到这些简短的Token指令后，它凭借预先训练好的庞大世界知识（例如，原本就了解海浪与足球的模样），融合指令中提供的特征信息，逐步推演并生成相应的视频内容。

这在通信理论领域，实现了前所未有的重大突破。

香农-韦弗（Shannon-Weaver）通信模型将沟通过程划分为三个层次：

Level A：技术层面（传输是否准确？） Level B：语义层面（表达是否恰当？） Level C：实效层面（能否达成目标？）

传统视频压缩仍在专注打磨 Level A，而 GVC 却已跃升至 Level C。

它不关注每个像素是否与原图完全一致（比如这片树叶的纹理是否100%吻合），而更在意：从人的视角看，画面是否呈现出一场连贯、清晰且真实的比赛？从机器的角度判断，能否精准识别出是否存在越位情况？

实测数据显示：极为节省流量

“极端压缩”听上去似乎高深莫测，但其实背后有明确的具体指标。

技术报告中呈现了在MCL-JCV权威数据集上的测试成果，数据极为扎实。

画质远超传统算法

在极低码率（约0.005 bpp）条件下，采用LPIPS（一种更贴近人类视觉感知的图像质量评估指标）进行对比：

传统霸主HEVC已全面崩坏，画面几乎沦为马赛克乱象，LPIPS数值急剧上升（越低越好）。相比之下，GVC生成的画面仍维持出色纹理与结构完整性，LPIPS数值远低于HEVC。

技术报告中揭示了一项令人震惊的对比结果：为实现与GVC相当的视觉质量，传统编码方式（例如HEVC）所需的带宽竟超过GVC的六倍以上！

在相同低画质网络条件下，GVC能让您看清C罗的表情细节，而HEVC仅能呈现C罗作为一块晃动的色块。

不仅供人阅读，机器同样可以使用

有人不免疑问：AI生成的视频会不会出现失真？例如，原本存在的球体竟被错误地消失？

这是一个极为尖锐又直击本质的问题。

为此，团队在DAVIS2017视频分割任务上开展了验证；结果表明，在bpp=0.01的极端压缩条件下，GVC重构视频的J&F指标（用于评估分割精度）明显优于HEVC。

这表明GVC不仅传递了“视觉上的美感”，更确保了“语义上的精确”。即便经过AI重绘，关键物体（人、车、球）的位置与轮廓依然保持准确，丝毫不影响后续的AI分析。

普通消费者级别的显卡也能运行

换个宽带，电脑会不会被“算”炸了？

的确，生成式模型向来以消耗大量算力著称。但 TeleAI 凭借模型小型化与知识蒸馏等技术，成功破解了部署落地的最后难关。

报告显示，经优化后的GVC模型在消费级GPU（例如RTX 4090）上，生成包含29帧画面的序列仅需约0.95至1.35秒。

尽管无法达到传统解码器毫秒级的速度，在许多非实时或准实时的应用场景中（例如直播允许几秒延迟），其表现已具备实际使用价值。

当然不仅仅是为了看个世界杯

0.02%——这份技术报告中的关键数据已令人惊叹，然而更值得期待的，是这项技术为未来带来的深远变革。

除开前文提及的世界杯案例之外，在报告演示的Demo场景中，GVC还呈现了其他极端网络条件下的表现：

- 远洋海事通信：船员以往依赖带宽极为昂贵且稀缺的窄带卫星网络获取数据。借助GVC技术，仅需200K的数据流即可实现流畅的球赛直播。这不仅提升了海上娱乐体验，更在远程医疗、设备维修指导等关键场景中，成为挽救生命的重要手段。

- 应急救援：在地震或洪水灾区，基站受损，仅存微弱应急通信信号。若救援无人机传回4K高清影像，因带宽限制几乎无法传输；而采用GVC压缩后的Token数据，指挥中心可实时接收并生成清晰现场画面——即便细节纹理由AI补全，但受灾人数、房屋倒塌结构等关键信息仍准确可靠。

- 深空探测与车载视频：试想火星车传回的影像，或数百万辆自动驾驶汽车每日上传的道路测试数据。若能实现0.02%的压缩率，存储与传输成本将大幅降低，呈现指数级缩减。

事实上，GVC并非一项孤立的技术突破，而是构建于“智传网（AI Flow）”理论体系之上的成果。

智传网（AI Flow）是一项融合人工智能与通信、网络技术的关键创新，依托网络的分层结构，通过连接与交互机制，推动智能的高效传递与自组织演化。

在去年的世界人工智能大会（WAIC）上，中国电信集团CTO、首席科学家，及中国电信人工智能研究院（TeleAI）院长李学龙教授，阐述了TeleAI在智传网（AI Flow）研究中揭示的三项规律：信容律、同源律与集成律。

信容律揭示了大模型的根本规律与能力极限，其核心在于通过数据压缩的方式评估模型的知识密度，进而反映其智能水平。

同源律则揭示了大模型中“部分”与“整体”的内在关联，在相同的训练计算资源投入下，可有效引导产出数量更丰富、性能更优的不同尺寸模型家族。

集成律可引导大模型在“单体”与“群体”间的协作，借助多模型集成机制，推动智能效能的增强与新能力的涌现。

依据智传网（AI Flow）的信容律，在人工智能时代，通信的核心已不局限于数据的传递，而转向智能的分发与协作。

在此框架中，GVC 采用“用计算换带宽”的资源调配方式，达成通信效率与感知质量之间的最佳平衡。

GVC正是这一理念的完美体现：当带宽受限时，便用算力去换得灵活。

从像素级还原迈向语义层级生成，视频压缩技术正经历一场犹如功能机转向智能机般的范式变革。

GVC代表视频通信迈入了以语义生成为核心的新阶段，告别了单纯的像素传输时代。

作为中央企业推动AI与通信深度融合创新的关键成果，该技术不仅为远洋通信、应急救援及边缘智能等应用场景提供了高效且切实可行的解决方案，更标志着以任务有效性为核心导向的下一代视频传输模式正式开启：

在未来互联网中，光纤与电波间流动的，或许将不再是海量的原始数据，而是一份份精炼的智慧与指令。（《未来网络》）