一、介绍：两条路线，一个终局
过去三十年，视频编码的进化路径惊人地一致：H.261 → MPEG-2 → H.264 → HEVC → VVC，每一代都是\”混合编码框架\”的精细化——更聪明的划分（QTMT）、更细的预测（AFFINE/SMVD）、更灵活的变换（MTS/LFNST）、更强的环路滤波（ALF/SAO）。收益在递减：HEVC 相对 H.264 省 ~50% 码率，VVC 相对 HEVC 再省 ~50%，但复杂度的增速已经远超压缩收益的增速——VVC 的解码复杂度是 HEVC 的 2~4 倍，编码复杂度更是数倍以上。靠\”手工设计工具箱\”这条路，边际收益正在快速逼近零。
与此同时，两条 AI 路线正在重塑这个领域：
路线 A：神经工具嵌入标准编码器（NNVC）。JVET（JPEG/VCEG 联合视频专家组）在 VVC 定稿后启动了 Exploration Experiment 1（EE1），专门评估**基于神经网络的视频编码（NNVC, Neural Network-based Video Coding）**技术。其思路不是推翻混合框架，而是把神经网络作为\”可插拔模块\”嵌入传统管线：环内滤波、帧内预测、跨分量预测、深度参考帧。早期原型在 HOP（高复杂度操作点）下相对 VVC 在随机接入（RA）配置下 Y 分量 BD-rate 节省已达 14.2%，色度通道甚至到 19.5%/19.9%，叠加更多工具后整体节省向 25% 迈进——这是自 VVC 定稿以来第一次有明确证据表明\”后 VVC 时代\”的增益空间真实存在。
路
