今天早高峰的地铁上，我刷到一篇文章——杂谈--音视频工程师的危机这次真的来了。
作者的焦虑来自另一篇更“爆炸性”的标题：不得了，这个新技术把视频压缩到了0.02%！。

文章的核心思想其实并不复杂：
利用生成式大模型（如扩散模型）结合指令生成视频，跳过传统的视频压缩数据流。

不再传输 H.264、H.265、AV1 等编码后的像素数据，而是只传输一些 prompt ——描述“画面应该是什么样”的语义指令。在接收端，由本地部署的扩散模型根据这些指令重新生成视频画面。

文中设定的场景是：应急救援现场、远洋船舶、极端低带宽环境。
本质上，这是一次“以算力换带宽”的极端有损压缩尝试。

听起来很震撼，也难怪会引发一些同行的担忧。

而作为程序员，每天面对 AI 带来的冲击已经足够多了。
实在没有必要再额外制造焦虑。
所以不妨冷静一点：这件事真的会冲击音视频工程师吗？我们又应该如何看待？

---

一、现实层面：带宽并不是主要矛盾

截至 2026 年初，对于中国大部分普通用户而言，网络带宽并没有成为瓶颈，反而处于某种“性能过剩”的状态。

家庭宽带 300M、500M、甚至千兆已经非常普遍。
移动端 5G 下观看 4K 视频也毫无压力。

传统视频传输的核心痛点（带宽不足）在主流消费场景中已经基本被解决。

在这种背景下，主动牺牲画面真实性与确定性，只为了进一步压缩传输数据量，对于绝大多数用户来说没有实际价值。

生成式视频压缩适用于极端环境，但它不具备替代主流视频传输体系的现实基础。

---

二、技术本质：从“像素通信”到“语义猜测”

扩散模型是一种概率生成模型。

这意味着：
即便输入完全相同的 prompt，多次生成的结果也会存在差异。

这种传输方式，本质上相当于：

• 从“录制后压缩传输观看”

• 变成“传输描述 → 本地生成画面”

这更像什么？

就像从收音机里听足球解说，然后在脑海里脑补比赛画面。
只不过这次脑补的不是人，而是模型。

这确实是一种技术突破。
但某种程度上，也是一种体验的倒退。

因为视频原本的价值就在于——
它是客观记录。

而生成式重建的视频，本质上是一种“符合语义的合理想象”，而不是对真实场景的忠实还原。

在新闻、监控、司法取证等场景中，这种不确定性是无法接受的。

---

三、算力成本：带宽便宜，但算力昂贵

生成视频的计算成本，远高于解码视频。

当前视频解码是高度优化、硬件加速的流程。
而扩散模型生成视频，通常意味着：

• 高性能 GPU

• 大量显存

• 高电力消耗

• 较长推理时间

对普通用户而言，这是完全不可接受的成本结构。

我们拥有廉价而成熟的带宽基础设施。
却要换成昂贵且低效的本地算力生成？

从工程角度看，这在短期内缺乏现实可行性。

因此，至少在未来 5 年内，传统视频编解码体系不会被替代。

---

四、但它真的毫无意义吗？

当然不是。

很多伟大的技术，在诞生之初都不被看好。

汽车刚出现时，速度不如马车。
数码相机刚出现时，画质远逊胶片。

技术演进不是线性替代，而是不断扩展边界。

生成式视频压缩真正的意义，也许并不在于“取代编码器”，而在于：

它为“语义通信”提供了一种可实现的路径。

---

五、从像素通信到语义通信

传统视频编码，本质是像素级通信。

即使再先进的编码器，本质仍是在：

• 建模像素相关性

• 降低冗余

• 优化码率分配

但生成式模型带来了一种全新可能：

• 传输的是语义

• 重建的是符合语义的视觉结果

扩散模型天然允许细节的不确定性。
这与语义通信的理念高度契合。

在“像素精确通信”与“纯语义通信”之间，
也许存在一个中间态：

• 关键结构信息精确传输

• 细节由生成模型补全

这可能才是真正值得研究的方向。

---

六、其实“生成式模型”早就在视频行业存在

在扩散模型爆火之前，视频行业早就使用“生成式模型”——

比如超分辨率网络（Super-Resolution）。

区别在于：

• 超分模型是在已有像素基础上进行细节扩充

• 损失函数以像素一致性为主

• 输出结果仍然“足够真实”

因此，它属于“受约束的生成”。

而扩散模型则是更自由的生成。

或许真正可落地的方向是：

将生成式模型关进笼子里。

让它只在可控范围内工作，例如：

• 低码率视频增强

• 去噪

• 细节恢复

• 主观质量提升

而不是完全替代像素传输。

---

七、真正的焦虑应该来自哪里？

与其焦虑“编码会不会被取代”，
不如思考一个更现实的问题：

当视频行业开始大量采用生成式技术时——
你是否具备理解和驾驭它的能力？

AI 不是来消灭工程师的。
它只是提高了技术门槛。

会使用生成式模型的人，会重新定义编解码。
不会使用的人，才会被淘汰。

焦虑本身没有意义。
能力升级才有意义。

---

八、一个个人方向

将视频编解码与视频生成相结合，
正是我目前在探索研究的方向之一，等再做出一些阶段性成果，再与大家详细分享。

---

最后的话

技术浪潮不会停。
焦虑也不会消失。

但工程师最宝贵的能力，
从来不是“守住旧技术”，
而是“理解新技术”。

生成式视频压缩也许不会取代传统编码，
但它正在扩展我们对“通信”本质的理解。

与其担心被替代，
不如站在演进的浪潮里。

毕竟——
马车不会升级成汽车，
但马车夫可以成为司机。

笔者从视频编解码从业者的角度去学习AI，拥抱AI，欢迎关注个人公众号 门徒AI ，一起在AI的时代中日有所思，日有所进。