在 2026 世界人工智能大会（WAIC 2026）上，安谋科技（Arm China）VPU研发总监黄鑫博士发表了题为《AI VPU：开启视频压缩新篇章》的演讲，并披露了下一代“玲珑”视频处理器（VPU）IP“武当”。

图 | 安谋科技（Arm China）VPU研发总监黄鑫博士；来源：与非网摄制

从该演讲中，我们看到视频的“消费者”正在从人类转变为AI，而视频压缩的逻辑也必须从“人眼友好”彻底转向“机器友好”。

从“给人看”到“给机器看”

黄鑫提到，过去二十年间，视频编解码技术（如H.264、H.265等）的演进始终围绕着一个核心：服务于人眼的主观视觉体验。其目标是在有限的带宽和存储空间内，尽可能消除人眼可察觉的瑕疵。

然而，随着人形机器人、自动驾驶、智慧安防等技术的爆发，AI已逐步成为视频数据最大的消费者。数据显示，AI获取的数据超过80%来自视频，视频成为连接物理世界与虚拟世界的关键桥梁。

这带来了全新的挑战：人眼与机器对视频质量的容忍度完全不同。

首先是传统压缩的问题，某些为了节省带宽而对人眼“无感”的微小图像受损，在机器眼里却可能是致命的。这会直接导致AI推理与训练精度的崩塌（例如：自动驾驶系统可能因此将行人误判为背景）。

与此同时，为了降本增效，VPU（视频处理单元）的设计理念必须颠覆，从单纯满足主观视觉，转变为全面提升机器视觉的辨识精度。

从“被动执行”到“内容感知”

面对此产业变局，安谋科技的自研“玲珑”VPU IP给出了清晰的技术演进路线图：

图 | “玲珑”编码技术演进路线图；来源：与非网摄制

1. 内嵌AI算子的CAE技术

 在过往产品中，VPU是被动的，完全由CPU主控。而在现阶段的“峨眉”与下一代“武当”VPU中，内部都集成了轻量化的AI算子，具备了内容感知视频编码（CAE）技术。

黄鑫指出，CAE处于视频编码单元的第一级，在搬移数据的同时，可以平行处理两个核心动作：

• 第一层（浅层）：像素级的图像预处理。
• 第二层（深层）：深度的图像语义解析。

这两层数据融合后共同引导下一级的编码决策，从而在不同场景下实现极高的带宽节省：航拍场景可省20%、监控场景可省10%、游戏场景可省5%以上。

2. “武当”VPU的三维跨越

 作为继“峨眉”之后的最新力作，即将于明年年初发布的“武当”VPU，在继承CAE技术的基础上，将实现三大性能跨越：

• PPA（性能/功耗/面积）层面：单核性能突破8K30fps+@1GHz，且芯片面积比上一代大幅节省40%。在不规则运动等AI典型场景中，编码质量额外提升5%~10%。
• 规格扩展：支持YUV422编码以满足专业拍摄需求；特别支持Raw Data直接压缩，省去色域转换的精度丢失，直接为AI训练输送高精度数据。
• 具身智能适配：支持高达1Gbps+的超高码率，全力服务人形机器人等Physical AI（具身智能）的复杂感知场景。

图 | 玲珑”VPU“武当”揭秘；来源：与非网

端到端联合优化与“任务感知”

为了打破“局部优化”的瓶颈，安谋科技正在落地“AI端到端视频编码技术”。黄鑫透露，该框架的核心在于“端到端联合优化”与“AI 任务感知压缩”。

首先是反向传播打通全链路，在训练时，将前置网络、编码器与下游的特定 AI 应用串联，通过反向传播（Backpropagation）进行联合训练。

其次是灵活配置码率，让压缩过程主动去“感知”下游AI任务的需求，把珍贵的码率智能分配给关键信息，在显著提升压缩率的同时，最大程度保证机器AI的任务精度。

图 | AI VPU在具体视频任务上的实践；来源：与非网摄制

在具体的视频任务实践中，这套框架已展现出惊人的数据回报：在Ostrack目标追踪任务中可节省18.3%的码率；在SlowFast动作识别任务中可节省12.0%的码率，且两者的编码质量皆提升高达10%以上。

所以说，虽然这种优化在人眼看来与传统算法差异不大，但对机器而言，其可辨识度与友好度发生了质的提升。

写在最后

“让 AI 看懂视界”， 安谋科技正在通过将AI算子下沉到VPU硬件层，将自研IP的触角从传统的多媒体编解码，延伸到边缘端AI的部署和训练环节，以此巩固其在端侧异构计算生态中的话语权。

对于下游芯片设计工程师而言，如何在受限的功耗预算下做好系统级优化（System-level Optimization），才是这款VPU能否用起来的关键。