AI视频从「全量生成」转向「选择性计算」：两篇新论文与Snapchat的分发边界 (2026)

窗口内能改变判断的新材料，集中在推理效率，而不是又一次「更长、更清晰」的视频模型发布。北京时间 8 月 4 日 00:42 和 01:05，同一研究团队先后向 arXiv 提交了 EchoCache 与 Token Radius Attention 两篇论文：前者按音频变化决定哪些视频 latent 需要重新计算，后者按每个 query token 的注意力熵决定应该保留多少交互。1 2

本文覆盖窗口为 2026 年 8 月 3 日 09:00 至 8 月 5 日 09:00（北京时间）。平台侧能与这条技术线对照的材料，是 Snapchat 在 8 月 3 日发布的一篇行业报道：Spotlight 不再推荐全 AI 生成视频，但 AI 辅助剪辑仍可推荐，并要求带透明度标识。Snapchat 的原始规则其实发布于 7 月 31 日，所以它不是本窗口内的新政策；窗口内的新信息，是这条规则如何被解释为创作者变现边界。3

两边放在一起，得到的不是因果链，而是一个相同方向的信号：AI 视频的竞争开始从「所有位置都生成」转向「只在有信息的位置花算力」，再转向「只把部分成品交给分发和变现」。

两篇论文都在砍全量计算

EchoCache 针对音频驱动视频生成（A2V）。这类模型用声音驱动口型、身体或其他动作，声音的变化并不是均匀分布的。论文把音频转成时频能量，用高能量片段作为显著性提示：动作变化更密集的片段优先更新，变化平缓的片段复用缓存；缓存还会在时间步、latent 和存储管理三个层级协同调度。4

EchoCache 将音频能量映射为显著性掩码，并在 latent、时间步和缓存存储层级分配计算 — *EchoCache 方法总览：音频能量先产生显著性掩码，再决定哪些 latent 需要更新、哪些可以复用。*4

它在 Wan2.2-S2V 的 EMTD 测试上把论文设定下的延迟从 1039 秒降到 423 秒，报告 2.46 倍加速；在 LongCat-Avatar 的同类测试上，延迟从 742 秒降到 412 秒，报告 1.80 倍加速。两组实验都使用 NVIDIA H200，生成的是 5 秒视频：前者为 720p、81 帧，后者为 480p、93 帧。4

这个数字最有价值的地方，恰恰不是「2.46 倍」本身，而是它暴露了优化对象：模型不再默认每个时间片、每个 latent 都值得同样多的更新。论文作者也承认，音频能量并不能覆盖所有跨模态线索，跨模型的调度仍有启发式成分。4

Token Radius Attention（TRA）切的是更底层的 3D 自注意力。它先用 query 的注意力熵估算所需的 token 数量，再把这个预算转换成随时间衰减的空间半径，最后用稀疏 kernel 执行。低熵 query 只保留较小的邻域，高熵 query 保留更宽的交互范围；分配粒度从 head 或 block 下沉到 token。5

Token Radius Attention 将注意力熵转换为 token 预算，再转换为跨帧半径和可执行的稀疏 mask — *TRA 流程：将 query 的注意力需求映射到空间和时间范围，再把不规则 mask 整理成硬件可执行的 block mask。*5

TRA 在 Wan2.1、Wan2.2 和 HunyuanVideo 的 7 个文生视频与图生视频配置上测试，保留 9%—19% 的注意力交互，报告 1.56—2.05 倍端到端加速。默认测试分辨率是 720×1280，实验使用 H200；不同模型生成 81 帧或 129 帧，稀疏计算前还保留了前 25% 去噪过程的 dense warm-up。5

EchoCache 用输入声音判断哪里重要，TRA 用模型内部的注意力状态判断哪里重要。一个沿着内容条件分配计算，一个沿着网络状态分配计算。两篇论文的共同点，是把「减少计算」从统一比例的工程开关改成了内容相关的决策。

加速数字还不是商业成本

两篇论文都给出了可复现的实验条件，却没有给出视频服务真正要付的那张账单。EchoCache 的优化后结果仍然是在 H200 上生成 5 秒视频；TRA 的结果来自 720p、81 或 129 帧的固定配置。它们能证明方法在论文设置下减少了延迟和 FLOPs，不能直接证明 API 的并发吞吐、排队时间、单位成片成本或端侧功耗已经下降同样比例。4 5

还有两个容易被忽略的成本。第一，模型需要先做 dense warm-up、计算显著性或注意力熵，决策本身也消耗算力。第二，稀疏或缓存策略一旦误判，损失不一定表现为一张静态图变糊，可能是嘴型不同步、身份漂移、闪烁或跨镜头动作断裂。EchoCache 的消融实验显示，只有 step-level 或只有 latent-level 的调度，都不如两者联合；TRA 也报告，去掉预算映射或半径构造后，保真度会明显下降。4 5

因此，这两篇论文给商业团队的信号不是「马上可以把 GPU 预算砍掉一半」，而是下一代视频运行时会把质量预算做成条件函数：说话、快速运动、主体切换等片段保留更多计算，静态或低变化片段承担更多复用。供应商如果只给一个平均加速倍数，买方仍不知道它在哪些内容上省下了算力，又在哪些内容上把返工成本推给了用户。

Snapchat 把生成资格和分发资格分开

Snapchat 官方公告写得很明确：从 2026 年 7 月起，全 AI 生成视频不再有资格获得 Spotlight 推荐；使用 Snapchat AI 工具做增强或编辑的内容仍可推荐，并会带透明度指标。公告同时承认没有检测系统是完美的。6

8 月 3 日，Tubefilter 根据这条公告报道，创作者不能再提交全 AI 生成视频，也不能通过 Spotlight 的变现项目获得报酬。这里必须保留来源边界：Snapchat 原文明确说的是推荐资格，变现结论来自 Tubefilter 对提交和奖励规则的转述，不应写成 Snapchat 公布了检测准确率或统一的行业标准。3

这项规则的商业含义比「平台反对 AI」更窄，也更实际。Snapchat 没有把 AI 工具从创作者流程里拿走，反而保留了 AI 辅助编辑的推荐资格；平台要筛掉的是全自动成片进入内容池后带来的低质量重复供给，同时继续让自己的生成工具参与生产。对创作者而言，「用了 AI」不再是一个足够的分类，至少要分成全 AI 生成、真人素材的 AI 编辑，以及真人创作中使用 AI 工具三类；这三类内容可能对应不同的推荐、申诉和收入结果。

这与两篇论文的选择性计算并不是同一件事，也没有证据表明其中一方导致了另一方。但它们给供应商和平台提出了同一个产品问题：哪些部分值得保留更多预算，哪些部分可以被压缩、拒绝或降权？模型侧的答案是音频能量、注意力熵和 token 邻域；分发侧的答案是人类创作介入、透明度标识和内容池质量。

采购时要验收「选择性」

如果把这两类信号放进同一份视频系统验收表，至少要问五个问题：

算力省在哪里：分别测试说话密集、快速运动、静态背景、主体切换和长镜头，报告每类内容的延迟、显存、同步质量、闪烁和身份一致性，而不是只报全局平均值。
端到端是否真的省钱：把 warm-up、缓存管理、稀疏 kernel、编码、上传、排队、失败重试和人工返工一起计入；论文中的 H200 实验不能替代真实并发下的成本曲线。
全 AI 与 AI 辅助如何判定：让供应商和平台写清分类边界、检测误判、申诉流程与收入处理。Snapchat 的规则只证明一个平台的推荐政策，不能直接当成普遍法律定义。
透明度能否跟着成品走：对裁剪、拼接、换音轨、二次编辑、导出和转码逐步测试标识是否仍在；「支持透明度指标」不等于每个发布页面都已经完成披露。
质量下降由谁承担：合同里应写明加速策略的默认阈值、可回退的 dense 模式、失败重试费用，以及内容被降权或无法变现时谁负责补偿和举证。

两篇 8 月 4 日论文把模型提供者的工作推进到「按内容分配计算」；Snapchat 的规则则把分发平台的工作推进到「按创作介入分配注意力和收入」。对 AI 视频从业者来说，下一次看到「2 倍加速」或「支持 AI 创作」时，真正该索取的不是一段更漂亮的样片，而是一张条件矩阵：什么内容被省算力，什么内容会掉质量，什么成品能被推荐，以及证据能否穿过最后一次导出。