返回
新闻中心detailTitleIcon新闻详情
视频监控存储不足?硬盘不变,TeleAI 让你多存三年
2026-03-10 17:43中国电信人工智能研究院(TeleAI)

做运维、管门店、守园区

天天被监控视频整破防?

24 小时连轴录,硬盘咔咔满

明明花大成本加了存储

可录像还只能存最多 3 个月

newsPicUrl

没需求的时候纯闲置

想查的时候又已删除

......

newsPicUrl


newsPicUrl

难道监控存储就是无限加硬盘?

NONONO!

TeleAI 给你换个思路——

生成式视频压缩(GVC)

让存储效率直接拉满  

还是同样的硬盘

以前只存“几个月”

现在能存“好几年”

历经一年多的深入探索,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创新研发了生成式视频压缩技术(GVC),于 2025 年 12 月正式发布。TeleAI 在 GVC 的基础上引入生成式记忆模块,并将其应用于视频监控场景

GVC 以智传网(AI Flow)信容律为理论基础,将视觉压缩抽象为语义关键信息,使视频序列在数学逻辑上从随机数据演变为高度有序的运动指令,从信息论与统计物理维度给出了超越传统香农极限的率失真新界,在理论与实战的双重维度上重构了视频压缩的物理极限。

传统的监控压缩其实就是“抠像素”:把视频拆成小碎片,记录哪些像素变了、怎么动了,本质还是把一帧帧画面硬塞给硬盘。即便是 H.265、AV1 这些主流技术,也只是在“省着塞”,冗余的内容还是一大堆,硬盘自然扛不住。

而 GVC 直接换了一套逻辑,它根本不纠结像素细节,而是给监控画面写“说明书”!它会提取视频中的关键信息,一边标注场景和主体,一边记录动态变化,也就是存储“这段视频是什么”,以及它在“怎么运动”

newsPicUrl

这就如同给接收端设立一个“AI 画师”,只需递上两张纸条:1.语义 Token:这是什么场景、主体是什么 ?例如:“这是河边,远处有山,近处有树。”2.运动 Token:什么在动,怎么动? 例如:“一个人坐在河边钓鱼,有鱼跳出水面。”

于是,这位“AI 画师”,也就是多模态大模型,根据描述把视频画面还原回来。

这招对监控视频来说,简直是量身定制!

监控大多是固定机位,背景常年不变,偶尔有人、车、物动一动,冗余内容非常多。GVC 精准抓住了这个特点,只留有用信息,剩下的交给 AI 补全

它可以在常规压缩基础上再压超 10 倍以上,原来存 1-3 个月的硬盘,现在能存 1-3 年,直接实现存储自由!并且还能保证 AI 还原的视频仍然清晰流畅。

更香的是,GVC 不光省空间,还让视频更好找!

监控的目的不是为了存储,而是为了在有需要的时候能够找到相应画面。传统方法要先解码视频,然后倍速拉、逐帧看。

而 GVC 存的“线索”是结构化的,想查“谁几点在抽烟”“包裹啥时候被拿走”,先在线索里快速定位时间段,再重建画面回看,三步搞定,效率直接拉满!

newsPicUrl

当然,GVC 不是魔法,而是“用计算换存储”,它存的时候更“省”,但看的时候还需要额外算力做解码。为此,TeleAI 团队采用冷热分层模式。近几天的录像用传统编码,打开就能看;长期存档的通过 GVC,极致省空间,兼顾实用性和存储效率。

如果用一句话总结,GVC 的意义就是:同样硬盘,留存更久;同样录像,检索更快。

相关工作

X. Chen, J. Luo, J. Xu, F. Yi, C. Zhang, X. Li*, "Generative Video Compression: Towards 0.01% Compression Rate for Video Transmission", arXiv:2512.24300.

J. Shao and X. Li*, "AI Flow at the Network Edge," in IEEE Network, vol. 40, no. 1, pp. 330-336, Jan. 2026, doi: 10.1109/MNET.2025.3541208.

H. An, W. Hu, S. Huang, S. Huang, R. Li, Y. Liang, J. Shao, Y. Song, Z. Wang, C. Yuan, C. Zhang, H. Zhang, W. Zhuang, X. Li*. "AI Flow: Perspectives, Scenarios, and Approaches", Vicinagearth 3, 1 (2026).

Y. Fan, Q. Weng and X. Li*, "Computation-Bandwidth-Memory Trade-offs: A Unified Paradigm for AI Infrastructure", arXiv:2601.11577.