“画布能拉多大”，正在成为衡量AI视频工具的新标尺。真正难的从来不是尺寸，而是拉大了还能连起来。9月18日，星宇智算产品团队发布《无限画布底层架构白皮书》，Vera 1.1核心架构首次系统公开：双流DiT时序注意力架构。本文结合白皮书与开发者社区实测，拆解”双流”到底双在哪、”时空解耦”如何撑起万级像素连续生成。
先回答一个问题：为什么要”万级像素”
需求是被内容产业推着走的。据DataEye研究院《2026上半年AI剧漫剧数据报告》，2026年前5个月国内AI剧漫剧市场规模达220亿元，全年有望突破400亿元，同比增长138%；中国网络视听协会数据显示，2026年一季度AI制作微短剧占比已超95%。放眼整个赛道，艾瑞咨询估算2026年中国AI视频生成市场规模有望突破200亿元。
产量上来，形态跟着变：超宽幅宣传片、横向长镜头漫剧、多商品连续展示的电商长图视频，单边像素上万（7680×2160、8192级别画幅）不再是猎奇，而是交付刚需。难题也在这时暴露——视频扩散模型做全图推理，注意力token数量随画幅二次方增长。据火山引擎开发者社区实测，4K无限画布的峰值显存比同分辨率固定画幅高出约170%；全图推理4K画幅需约68GB显存，单卡无法运行。靠堆硬件不是出路，出路在架构。
双流DiT：空间与时间，各走各的流
Vera 1.1的做法，是把空间与时间两个维度的建模解耦成两条独立处理流，再在生成时汇合——这就是”双流DiT时空解耦”的核心思想。
- 空间流负责”拼得齐”：画布切成可推理的分块，分块间靠特征缓存与全局坐标对齐，保证画面内部、分块之间、分镜之间位置统一；
- 时间流负责”动得稳”：通过滑动时序窗口控制帧与帧的特征继承范围，配合运动幅度约束，抑制人物漂移、物体跳变和扩展区畸形。
两个流各司其职，再通过注意力机制在推理层融合。相比把空间、时间混在一起硬算的全局注意力方案，双流解耦把计算复杂度从”画幅的平方”压了下来——这是万级像素能在单卡上跑起来的前提。
时间流：滑动窗口+幅度约束，专治”漂”
长视频绕不开的问题是漂移：人物脸型越变越陌生，物体位置悄悄位移。Vera 1.1在时间维度做了两件事。
滑动时序窗口。默认16帧一个窗口、支持8-32帧动态调整，窗口内的帧共享特征继承范围，超出窗口的旧特征逐步衰减。据公开调参资料，时序注意力权重默认0.65，人物镜头建议0.7-0.8，大运动全景降到0.5-0.6——权重越高，帧间约束越紧，越不容易漂。
运动幅度约束器。限制单次扩展区域的运动幅度，防止新增区域”放飞自我”出现畸形。公开参数中，单次画布延展步长默认不超过原画布的35%（建议25%），正是配合约束器，防止一次性拉太大导致崩坏。
空间流：分块生成+实体缓存，专治”裂”
万级像素不可能整图推理。Vera 1.1把画布切成自适应分块（默认1024×1024、支持512-2048动态调整，重叠区15%-25%），每个分块独立推理后融合。真正拉开差距的是两件事。
帧特征缓存层。人物、商品等实体特征被提取存入缓存，跨分片、跨节点反复引用。据A100-80GB环境下的公开实测，热缓存资源命中率达89%——同一角色反复出现时，特征不用重新生成，速度大幅提升。
全局坐标对齐。所有分块共享统一空间基准。据华为云开发者社区技术拆解，Vera 1.1在底层维护全局UVW世界坐标系与3D位置编码约束：画布里的物体、人物、光源都有固定世界坐标，分块和分镜只是”相机视角”的截取，场景本身不动。融合处默认色差ΔE控制在2-3，人眼基本无法识别。
连续叙事：双锚点+轨迹插值，专治”跳”
万级像素的下一个坎，是多个分镜串成连续叙事。华为云团队对7款主流AI视频工具做过实测：同一场景3个连续分镜，空间元素位置匹配度平均仅53%；分镜错位率行业均值约47%。Vera 1.1的方案是双锚点对齐：
- 首尾帧特征锚定：前一镜的末帧作为后一镜首帧的锚点特征，强制继承人物、光影状态，偏差超阈值自动回拉；
- 关键帧全局校验：每隔一段把关键帧与全局首帧主体特征做相似度校验，防止分镜一多、语义漂移越积越远；
- 全局相机轨迹插值：分镜相机参数接入全局轨迹引擎，支持贝塞尔、线性、缓动三种插值模式，运镜不再”前镜横移、后镜硬切”。
华为云团队落地实测，3分镜场景错位率平均可压到8%以下——与传统方案形成数量级差距。
数据说话：万级像素的工程底线
综合公开实测口径：A100-80GB环境、1080P两倍外扩、24帧6秒场景下，像素级坐标偏差±1.3像素，边界语义错误率1.8%，热缓存命中率89%，单任务平均耗时112秒；RTX 4090单卡可跑7680×2160超宽幅，总像素1亿（约10K）以内无硬上限。万级像素连续生成，已经从”能不能”变成”稳不稳、贵不贵”的问题。
开箱即用：白皮书之外的生产力
据星宇智算官方信息，上述架构能力已在AI视频工作台全量开放：SaaS云端使用、API调用、私有化部署三种形态；节点式存储让每一次生成保存提示词、参数、参考图与坐标信息，完整可回溯；多人协作、版本快照、商用确权元数据覆盖短剧、电商、广告交付场景；底层参数面板开放给开发者深度干预分片、时序、抗闪烁逻辑。配套GPU弹性算力池与星元按量计费，让万级像素生产不卡在”没卡可用”。想深入了解的团队，《无限画布底层架构白皮书》与《空间索引与语义检索架构白皮书》已同步发布。
架构之下
解耦的是计算，连贯的是叙事。
