aigcbar - null

无人机直连卫星传Token！TeleAI智传网解析

type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能与大模型技术日新月异的今天，我们见证了从文本生成到多模态互动的诸多突破。然而，当AI的触角从云端延伸到物理世界的边缘时，通信带宽与设备载荷的限制成为了新的瓶颈。
在WAIC（世界人工智能大会）上，中国电信人工智能研究院（TeleAI）展示了一项令人瞩目的前沿成果——轻小型无人机直连卫星并进行高清视频实时稳定传输。令人惊叹的是，这一过程传输的不再是传统的视频“比特流”（Bitstream），而是大模型所使用的“词元流”（Token Stream）。这项技术背后的核心支撑，正是斩获WAIC卓越人工智能引领者奖（SAIL）的智传网（AI Flow）技术体系。
想要了解更多关于大模型、AGI及前沿AI新闻的深度解读，欢迎访问 AI门户 获取最新AI资讯。

从比特流到词元流：通信逻辑的根本性变革

传统视频通信的逻辑是基于像素的。摄像头采集画面后，通过H.264或H.265等编码器分析像素的变化并进行压缩，最后将数据转化为比特流通过网络发送。在5G或光纤等宽带网络下，这种方式非常成熟。但在卫星窄带、荒野、深海或灾区等极端环境下，有限的带宽根本无法承载高清视频的实时传输。
TeleAI提出的智传网（AI Flow）则彻底颠覆了这一逻辑，将传输对象从“比特流”转变为“词元流”：
  1. 端侧语义编码：发送端的智能设备（如无人机）内置的神经编码器首先对视频进行“理解”，提取出场景语义、物体结构、人物动作及运动状态等关键信息，并将其转化为高度压缩的Token序列。
  1. 窄带链路传输：这些体积极小的Token通过卫星或其它窄带链路传回后方。
  1. 生成式重建：接收端利用预训练的生成式大模型，结合接收到的Token与模型自身具备的“世界知识”，重新生成并还原出连贯的高清视频。
这种“发送端负责理解、接收端负责生成”的模式，本质上是用“计算资源”换取“通信带宽”。在带宽极度受限的情况下，通过消耗两端的算力，大幅降低了传输所需的数据量。

信容律与正激励噪声：智传网的理论支撑

智传网（AI Flow）的成功并非偶然，其背后有着坚实的理论基础。TeleAI提出了信容律，即通信资源与计算资源在一定条件下可以相互置换。当链路带宽受限时，发送端与接收端利用大模型完成信息提取和生成式重建，以更多的计算来弥补带宽的不足。
此外，TeleAI的研究还涉及正激励噪声理论。在传统通信中，噪声是需要被滤除的干扰；但在智传网的框架下，特定条件下的噪声甚至可以成为促进模型训练和演化的正向因素，帮助提升视频重建的逼真度。
根据TeleAI公布的数据，这种技术在实际应用中的表现非常惊人： * 在音频传输中，智传网可以在0.266Kbps的极低码率下完成语音通话，比传统方案降低了约500倍的速率要求。 * 在视频传输中，即使在100Kbps的极低码率下，智传网依然能够传输并重建出1080P@30fps的高清视频，而传统方案通常需要3600Kbps的码率。
这种“用发信息的带宽通电话，用通电话的带宽传视频”的技术突破，为极端环境下的数据传输开辟了全新道路。

拓宽应用边界：从空中无人机到深海潜航器

智传网（AI Flow）并非只停留在实验室阶段，它已经在多个物理空间展现出巨大的应用潜力。

1. 应急救援与灾区勘察

2. 具身智能与跨城遥操作

3. 空海跨域与水下勘探

视频存储的新解法：存储空间缩减至四十分之一

除了解决传输带宽问题，智传网还在解决城市级视频资源的存储难题。中国电信的视联网目前覆盖了超过1亿路摄像头。随着4K、8K高清摄像头的普及，海量视频的存储成本极高。
智传网改变了视频的表达与存储方式。通过仅保留视频中提取的精简Token，在需要时再利用大模型解码还原，视频的存储空间可以降低为传统方案的四十分之一。这意味着在同等硬件条件下，原本只能保存一周的影像资料，现在可以完整保存接近一整年，极大地压降了存储成本。

结语：让智能在网络中流动起来

在AI时代，通信网络扮演的角色正在发生深刻的变化。过去，网络中流动的主要是文本、图片和视频等原始数据；而未来，网络中流动的将是Token、中间推理结果、模型能力和任务指令。
TeleAI通过智传网（AI Flow）的建设，不仅连接了设备，更让大模型的智能在天空、卫星、地面和水下之间自由流动。当越来越多的终端设备拥有智能，如何让它们跨越空间限制进行高效协作？智传网交出了一份令人瞩目的答卷。
关注最新AI日报、大模型动态及人工智能前沿趋势，请持续锁定 AINEWS，为您带来第一手科技前沿报道。
Loading...

没有找到文章