【記者蔡富丞/柯妮妮 綜合報導】在影音AI持續發展的同時，另一個關鍵瓶頸是運算與傳輸成本。最新提出的TokenFlow框架，透過跨模態壓縮技術，讓影片資訊在傳輸與處理過程中大幅減少資源消耗，成為平台優化的重要方向。
傳統影音AI需要處理大量畫面與聲音資料，導致計算成本與延遲問題難以解決。TokenFlow的核心概念，是將影片轉換為更精簡的「資訊單位（token）」，並透過跨模態整合方式，只保留對理解最重要的內容。
這種設計不僅降低運算負擔，也提升系統效率，使AI能在有限資源下維持穩定表現。對於即時串流、行動裝置與大規模平台而言，這類技術特別關鍵，因為能直接影響使用體驗與成本控制。
此外，這項框架也讓影音AI更容易部署。當資料被有效壓縮後，模型可在較低算力環境中運行，降低企業導入門檻，並加速技術普及。
可以觀察到，影音AI發展已不再只是提升效果，而是同步解決「效率問題」。未來誰能在理解能力與資源消耗之間取得平衡，誰就能在平台競爭中佔據優勢，並推動影音服務邁向更大規模應用。
