Nunchux AI推出VC-Attention 视频DiT运算速度最高提3.58倍

近日，AI企业Nunchux AI推出全新免训练低位宽注意力内核VC-Attention，该技术针对性解决了值离群点与FP32 softmax瓶颈问题，可实现视频扩散Transformer（DiT）注意力模块最高3.58倍的运行速度提升，且无需对原有模型进行额外训练适配，为视频生成类AI技术的效率优化提供了新的可行路径。

VC-Attention核心技术亮点

不同于多数需要配套调整模型训练流程的效率优化方案，VC-Attention的核心优势在于完全训练无关的设计，开发者无需修改原有视频扩散Transformer的训练逻辑、权重参数，即可直接接入该内核实现性能提升。
其技术设计针对性解决了两大运算瓶颈：一是注意力模块的值离群点问题，二是FP32 softmax运算带来的性能损耗，最终可将视频DiT的注意力运算速度最高提升至原有水平的3.58倍。

视频类AI工具的效率优化空间

当前各类视频类AI产品的核心运算负载普遍来自扩散模型的注意力模块，运算效率直接决定了用户的使用体验与厂商的落地成本。目前市面上的AI Video AI、AI Birthday Video Maker等内容生成工具，AI Video Upscaler等画质增强工具，以及Illusion Diffusion、PhoneDiffusion这类轻量化扩散模型产品，都在持续探索效率与效果的平衡路径。
可以推断，VC-Attention这类免适配、低改造成本的效率优化方案，未来有望被快速集成到各类视频类AI工具的技术栈中，进一步降低相关产品的运算成本、提升用户体验。