智传网(AI Flow)
生成式智能传输
GenTrans
迎来重磅升级!
传输码率再降近 70%!
仅需不到 40 kbps
就能高质量传输
1080P 高清视频
作为 AI 时代的新一代通信网,智传网(AI Flow)开拓了视频传输从“比特流”向“词元流”模式跃迁。发送端不再只搬运像素比特,而是传输语义、特征与条件等信息,接收端再利用生成模型完成视频重建。
当这条链路走向实际业务,还要继续回答两个问题:
如何进一步减少重复传输,让有限带宽承载更多有效信息?
如何在更低码率下保持画质与连续性?
为此,中国电信集团 CTO、首席科学家、中国电信人工智能研究院(TeleAI)院长李学龙教授带领科研团队,对智传网(AI Flow)生成式智能传输 GenTrans 进行升级。新版在画质基本保持不变的情况下,传输码率再降近 70%,并进一步提升连续画面的重建稳定性。
智传网(AI Flow)的“计算换传输”并不是简单地用更大的模型替代带宽,而是一个需要统筹传输、编码和解码成本的系统工程。
模型对画面结构、纹理和运动规律的理解越充分,需要额外传送的信息就可能越少;但更强的模型,也往往意味着更高的计算开销和部署成本。真正需要优化的,是模型能力、计算投入与带宽节省之间的平衡,让压缩收益转化为整体成本收益。
这与信容(Information Capacity,IC)理论所关注的问题一致。信息量与模型参数量的比值反映了模型内存储的知识密度;放到生成式智能传输中,还需要把压缩收益、词元表达效率与模型推理开销纳入同一个分析框架。
在这一思路下,接收端不再只是被动等待数据,而是成为视频重建的重要参与者。它能够利用的先验知识越充分,发送端需要补充的信息就越少;词元表达越紧凑,有限传输比特能够承载的有效信息就越多。
最终目标不是单纯追求“传得最少”,而是在画质约束下,让传输与计算的整体投入更合理。
为了进一步降低传输码率,TeleAI 引入了正激励噪声(Positive-incentive Noise,Pi/π-Noise)。噪声的身份从来不是固定的:一段噪声是干扰还是资源,取决于具体任务,以及接收端利用它的能力。一些看似冗余、类似噪声的因素,在合适条件下也能帮助模型降低重建的不确定性。
在生成式传输中,收发双方预先约定的共享随机性、生成过程中的采样噪声,以及其他共享生成条件,都有机会成为可利用的资源。如果双方共享随机种子、噪声调度方式等信息,接收端就不必在大量可能的结果中反复搜索,而可以在少量语义、特征和条件信息的约束下完成重建。
噪声本身并不创造信息。它的作用,是帮助模型更充分地调用已经学到的先验知识;而传输信息与已有上下文,则为生成结果提供必要的约束。
升级之后的生成式智能传输 GenTrans 方案带来两大直观收益:
原视频
(码率:6.48 mbps)
上一代 GenTrans 视频重建
(码率:132.68 kbps PSNR:24.75 dB LPIPS:0.219)
新版本 GenTrans 视频重建
(码率:44.54 kbps PSNR:25.27 dB LPIPS:0.171)
原视频
(码率:95.5 mbps)
上一代 GenTrans 视频重建
(码率:160.68 kbps PSNR:23.33 dB LPIPS:0.143)
新版本 GenTrans 视频重建
(码率:68.09 kbps PSNR:27.45 dB LPIPS:0.130)
原视频
(码率:4.395 mbps)
上一代 GenTrans 视频重建
(码率:63.71 kbps PSNR:28.28 dB LPIPS:0.094)
新版本 GenTrans 视频重建
(码率:21.18 kbps PSNR:27.98 dB LPIPS:0.106)


