AI時代視頻壓縮邏輯生變，“玲瓏”VPU要讓機器“看懂”世界

“在AI時代，不光多了很多給人看的視頻，比如AI短劇，還多了很多給機器看的視頻。如何讓這些硅基生命更好地理解人類社會？”對于這一問題，安謀科技VPU研發總監黃鑫博士在WAIC 2026安謀科技展臺以《AI VPU：開啟視頻壓縮新篇章》為題，試圖從“面向機器的視頻壓縮”這一維度給出安謀科技的答案。

視頻角色的嬗變：從為人眼服務，到為AI服務

黃鑫首先厘清了一個產業背景的根本性轉變。傳統視頻壓縮技術，主要解決的是手機存儲、朋友圈傳輸這類問題，衡量的標準是“人眼主觀視覺上有沒有瑕疵”，一切為人的觀看體驗服務。但隨著AI應用與視頻的結合日趨緊密，視頻的角色正在發生根本性變化。

一方面，AI成為視頻的“生產者和加工者”——AIGC生成視頻內容已是常態。另一方面，在更廣泛的應用場景中，AI正在變成視頻的“消費者”。黃鑫列舉了一連串常見的案例：人形機器人、機器狗、自動駕駛以及各類視覺單元的感知模塊——這些系統需要用海量視頻數據進行推理和訓練。視頻，由此成為連接物理世界與虛擬世界的核心橋梁。

這一角色轉變帶來了一項硬約束：視頻質量對AI推理和訓練精度的影響是決定性的。“如果視頻本身有損，對整個AI推理精度、訓練精度會產生非常大的影響。”黃鑫強調，數據本身的受損，將波及整個產業布局和降本增效的進程。因此，VPU的設計理念必須隨之改變——從為人眼主觀視覺服務，轉向為機器視覺服務。“AI打開了面向機器的視頻壓縮新維度。”他總結道。

從“峨眉”到“武當”，嵌入內容感知編碼

面對這一產業變局，玲瓏VPU的技術演進路線清晰而堅定。黃鑫在回顧了今年初發布的“峨眉”VPU的同時，還首次透露了明年年初即將發布的下一代產品——“武當”VPU。這兩款產品最大的共同特點是：集成了輕量化AI算子，具備了“內容感知編碼”（Content-Aware Encoding, CAE）能力。

所謂內容感知編碼，其核心邏輯是將視頻內容解析為兩個層次：第一層做淺層的圖像紋理處理，第二層做深度的語義解析。這兩層信息被同時注入編碼器，為編碼決策提供智能化的依據。

黃鑫展示的框架顯示，CAE模塊處于視頻編碼單元的第一級，在搬運數據的同時完成上述兩層處理，再將數據傳輸給下一級的編碼決策模塊。在航拍、游戲、監控等不同場景下，該技術均能實現可觀的碼率節省。

作為“峨眉”之后的又一力作，“武當”在繼承智能感知編碼技術的基礎上，實現了三個維度的顯著提升：

PPA層面，“武當”可支持8K 30fps的編碼能力，足以滿足各類AI應用對性能的需求，同時面積上相較前代有40%的節省。

規格層面，“武當”新增了對YUV 422編碼格式的支持，這對專業攝像拍攝場景是一大利好；同時支持Raw Data壓縮，可省去輕度轉換環節，更好地服務于AI訓練流程；此外還支持高達1Gbps的碼率，能夠滿足人形機器人等Physical AI應用場景的大帶寬需求。

編碼質量層面，全面繼承“峨眉”的基礎上，“武當”實現了額外提升。黃鑫特別指出，其靈活可配置的特性讓用戶可選擇不同檔次，目前版本已可與軟件最高檔水準持平；而在服務AI應用場景中，面對不規則運動等復雜畫面，“武當”還有額外5%到10%的編碼質量提升。

下一代愿景：從局部最優走向端到端全局最優

“峨眉”和“武當”是服務當下，但技術演進并未止步。黃鑫透露，團隊在研項目中已經開始布局下一代的端到端視頻編碼技術，總體方向有兩條：一是從智能CAE的局部優化拓展到端到端的全局最優；二是從以人眼主觀視覺為主的編碼優化，拓展到面向不同AI應用的定向優化。

黃鑫展示了正在落地的技術框架。訓練階段，系統引入前置網絡，結合虛擬編碼器和特定AI應用，通過聯合訓練實現針對特定任務的最優優化結果。部署階段，前置網絡經優化后與玲瓏VPU編碼器直接耦合，形成真正意義上“任務感知”的編碼器，最終實現壓縮效率與任務精度的最佳平衡。

黃鑫展示的對比效果顯示，目前該框架在目標追蹤和動作識別兩項任務上，均已取得10%以上的編碼質量提升。傳統方法處理后的畫面與經過AI VPU算法處理后的畫面，在人眼看來或許差異不大，但對機器而言，后者的可辨識度和友好度明顯更優——精度提升的同時，碼率也得到節省。

安謀科技的VPU團隊的野心不止于此。據黃鑫介紹，下一步計劃是將AI VPU訓練框架進行泛化，引入前置網絡和后置網絡，通過多模態參數配置，最終實現人眼主觀視覺與AI特定任務的雙向提升——既讓人看得舒服，也讓機器看得明白。

“如何讓硅基生命擁有和人一樣的清晰視野？”回到最初的提問，黃鑫給出了自己的答案：“玲瓏VPU作為AI視覺的引擎，可以讓人類看清世界，讓AI看懂世界。”

編輯：芯智訊-浪客劍