NVIDIA SANA 团队 Sol 引擎将 MiniMax H3 视频推理提速 27.7 倍

NVIDIA SANA 团队最新发布的「Sol 引擎」在 MiniMax H3 视频生成模型上取得了显著的推理加速效果：单 GB200 上生成 10 秒 768p 视频的延迟从 414 秒压缩至 14.93 秒，相当于 27.7 倍提速。该方案通过「低分辨率草稿 + 高分辨率精修」的两阶段采样拓扑与硬件级注意力优化协同设计，将高保真 AI 视频从异步批渲染推向近实时交互基础设施的可行性边界。

技术方案：低分辨率草稿叠加高分辨率精修

Sol 引擎的核心思路是把一次视频生成拆成两段流水线：

• 第一阶段（4 步低分辨率草稿）：在压缩后的潜空间里用 H3 模型快速产出低分辨率 draft，作为后续精修的内容锚点。
• 第二阶段（3 步 LTX 精修）：在目标分辨率下用 LTX refinement pass 对草稿进行细节补全，并通过 Sol-Attn（Sol 注意力机制）控制计算量。
• 解码器替换：把传统沉重的 VAE 解码替换为更轻量的 TAEH3 / TAEHV，同时确保潜空间表征在跨阶段传递时保持稳定，从而避免精修阶段出现伪影或风格漂移。

该方案被视为「采样拓扑与硬件 kernel 加速协同设计」的典型案例：先压缩总步数，再针对 GPU 特性定制注意力路径，最后在解码器侧瘦身，整体实现端到端延迟的量级下降。

性能表现：414 秒到 14.93 秒

在 NVIDIA GB200 单卡环境下，针对 10 秒、768p 分辨率的视频生成任务，Sol 引擎交出了如下成绩单：

• 端到端延迟：414 秒 → 14.93 秒
• 加速比：约 27.7 倍
• 精修阶段步数：仅 3 步
• 草稿阶段步数：仅 4 步

值得注意的是，加速主要来自两阶段拆分和注意力优化两个杠杆，而非简单堆叠硬件资源。这意味着同样的硬件投入下吞吐可以提升近一个数量级。

经济性变化：单节点月产 37.8 万条

延迟量级下降后，AI 视频服务的单位经济随之发生根本性变化：

• 单 GB200 节点月产能约 378,000 条 视频
• 对应 GPU 毛利率声称可达 97% 以上
• 工作负载从「异步批处理渲染」转向可承载近实时、交互式请求的服务形态

按该口径换算，每条视频的边际计算成本已接近传统云端 GPU 推理服务的水平，而非过去的离线渲染预算。

行业意义：开源视频生态的一次工程示范

发布方将这次突破定位为「为开源权重生态设定新的工程标杆」。其潜在影响包括：

• 推动 AI 视频生成 从研究演示走向可商业化、交互式部署的基础设施。
• 提供一种可在多种开源视频模型上复用的「推理加速模板」，降低其他团队接入实时服务的门槛。
• 强化 NVIDIA 在生成式视频推理栈 的话语权，特别是在 open-weight 模型生态层面。

后续值得关注的具体细节包括：Sol 引擎是否随 MiniMax H3 权重一同开源、Sol-Attn 的实现是否依赖特定驱动版本，以及该方案在多卡节点、H100 等其他硬件上的可移植性表现。