工程经验2026 年 10 月 5 日5 分钟阅读AI 产品 · 产品测试 · 工程实践

算得更少，不等于用户等得更短

视频生成的一次提速实验提醒我们：少做计算只是起点。产品验收还要看，从点击生成到拿到可用结果，用户究竟少等了多久。

文章目录

用户等的是一条能用的视频#

假设一个电商运营要在发布前生成商品短片。系统告诉他“计算效率提升了”，但他仍然要排队、等待生成、检查画面，再决定是否重做。只要其中一步没有完成，这次任务就还没结束。

这是一个假设场景。它让性能优化有了更明确的验收问题：用户从点击生成，到拿到一条能用的视频，究竟少等了多久？

我认为，产品经理应该把这个问题写进提速需求。否则，团队很容易交付一个更漂亮的技术数字，却说不清用户是否真的更早完成了工作。

Google 的视频生成实验中，理论上跳过约 61% 的注意力关联，局部耗时却从 78.70 毫秒增至 96.37 毫秒。调整执行方式后，这一环节才实现 2.40 倍加速。官方文章

团队跳过无需计算的整块、减少重复检查，并调整保留关联的边界；最终输出未必与原方案相同。

注意力可以简单理解为模型判断画面信息之间关系的过程。少安排一些关联计算，并不保证机器实际工作时就能省下相应时间。

在更完整的 720p 视频去噪测试中，耗时从 153.50 秒降至 119.86 秒，约减少 22%。这里的去噪是逐步生成画面的过程，仍不等于用户从提交到拿到成片的全部等待。

对我而言，这组结果最值得带进需求评审的，是测量范围必须与承诺范围一致。局部快了，值得继续做；要承诺“生成更快”，还需要补上产品里的完整测试。

以下是本文的产品建议，不是 Google 已验证的业务结论。

仍以上面的商品短片为例，我会保留两组记录：一组用于工程定位，拆开排队、生成、文件处理和交付；另一组面向用户任务，从提交开始，直到拿到符合要求的结果。

如果第一次生成失败，自动重试的时间应该留在同一次任务里。如果用户发现商品外观不对而重新生成，也需要单独记录原因和累计等待。不能把失败的一次从报表里删掉，再用成功的那一次证明产品变快。

“可用”还需要提前约定。对于商品短片，可以检查商品外观是否准确、动作是否连贯、画面能否正常播放。这些条件是该场景的验收建议，换成创意草图工具，标准可能不同。

这样做可能得到一个不太好看的结论：生成本身快了，但排队更久，或用户重做更多，完整任务没有变快。这个结果仍然有价值，它告诉团队下一笔投入应该放在哪里。

比较速度之前，我会先固定一批有代表性的任务，以及不能退让的质量底线。测试任务既要有容易完成的，也要有复杂动作、较长内容和容易出错的画面。否则，团队可能只是在简单任务上换到了速度。

质量验收还需要看任务本身。两个视频在像素上接近，可以帮助定位变化，却不能代替“商品有没有画错”“这条能不能发布”的判断。对于不依赖画面还原的创作场景，也不必把与旧结果一模一样当成唯一目标。

接下来，我会一起看三个问题：

这些指标不必都朝同一个方向变化。若成本下降、等待基本不变，方案仍可能值得采用；但上线说明应该讲清收益来自哪里。若提速依赖降低质量，就应让用户知道自己选择了什么，而不是在默认模式里悄悄改变标准。

离线测试能控制任务和条件，却很难替代真实的排队压力、网络状况和用户修改行为。因此，我会先让小范围流量使用新方案，并保留旧方案作为对照。

上线前就要约定停止条件：关键画面错误增加、慢请求恶化，或每个可用结果的成本超过团队接受范围时，应暂停扩大流量。具体门槛需要结合业务定，不能从这篇工程文章里直接抄一个比例。

对少数表现不好的任务，可以回到原方案，而不是让所有用户承担同样的取舍。每次回退都记录任务类型和失败原因，把这些案例加入下一轮固定测试集。后续优化是否有效，要在旧问题上重新验证。

最终，性能报告应该回答三个连贯的问题：哪个环节变快了，完整任务改善了多少，质量和成本付出了什么代价。能回答清楚，技术上的进步才有机会变成用户感受到的进步。

一手来源： Google Developers《Accelerating Spatio-Temporal Attention for Video Diffusion on TPUs》，2026 年 9 月 30 日；Ravisri Valluri、Sagar Chapara、Rishabh Manoj。
局部测试： 单颗 TPU v6e、合成 BF16 输入、75,600 tokens、10 头、每头维度 128。
去噪对照： 81 帧、720p、40 步、8 颗 TPU v6e；配对使用相同提示词及随机种子，取 3 次预热后运行的中位数。新旧配置分别调优，不能作单变量归因。
限制： 原文的 PSNR 是像素相似度；未报告用户研究、线上慢请求或业务成本。

本文未独立复现实验。有限示例不足以替代失败任务测试，也不能支持对其他系统的收益承诺。商品短片场景、完整计时、质量门槛及上线流程均为本文建议。