人工智能对图像的需求量很大。向它输入未压缩的数据是一种成本高昂的做法。

每个新的视觉模型都是在更多帧图像、更高分辨率以及来自更多摄像头和传感器的数据上进行训练的。数据集的增长速度同样迅速，这两者都必须保存数年之久。

这些数据大多仍以未压缩的形式存储，因为没有人愿意冒着丢失模型或未来修复工作所需细节的风险。由此产生的成本无处不在：存储空间不断扩大， 上传至cloud 需要数天时间，而昂贵的GPU却在等待磁盘和网络响应，而非进行计算。

intoPIX 压缩技术消除了这种权衡。位精确或近无损编码能在数据生成时就对其进行压缩，并确保数据在传输至模型的整个过程中始终保持小体积，且编解码器足够轻量，可在标准CPU和GPU上以全速进行解码。

现在每太字节的成本更高了

人工智能数据中心正消耗全球大量闪存和DRAM 。自2025年底以来，固态硬盘（SSD）和内存价格已大幅攀升，制造商预计未来数年供应仍将紧张。

每1太字节的数据都会进行镜像、备份、供电、散热，并保存数年之久。在cloud 中，该数据每月都会计费，且每次移动时也会再次计费。

更高的分辨率、更多的摄像头和传感器、更长的数据保留时间。如果不进行压缩，随着每个新项目的启动，存储支出就会随之增加。

利用您现有的硬盘、数据记录仪和内存，将相同的内容存储在仅需原空间2至10分之一的地方。

相当于未压缩的内容。实际比例取决于内容、bit depth 以及格式。

在源头进行一次压缩。

后续的所有操作（存储、传输、加载、训练）处理的都只是其中一小部分数据。

在您已付费的硬盘、服务器和cloud 存储桶中，存储2到10倍于当前数量的训练数据或存档素材。

每帧需要读取的数据量越少，在磁盘和网络上的等待时间就越短。JPEG XS 和TicoRAW 可在标准 CPU 和 GPU 上快速解码，因此解码速度能与训练保持同步。

近无损模式能够保留检测、分割和测量所依赖的细节。intoPIX 的研究表明，JPEG XS 编码可以针对具体的视觉任务进行调整。

FPGA 此外，ASIC IP 处理器在相机和数据记录仪内部以亚毫秒级延迟进行实时压缩，数据在传输至存储设备之前便已完成压缩。

TicoRAW 存储的是拜耳传感器数据，而非经过处理的图像。无需进行新的采集工作，即可针对新的ISP和新的模型对数据集进行重新处理。

用于供电和散热的驱动器更少，网络传输的数据量更少，且编解码器专为低功耗设计。在处理流程的每个阶段都实现了效率提升。

一类标准编解码器，两种压缩方式，取决于是必须保留每个比特，还是保留每个有用的细节。

位对位可逆。

解码后的文件每次都与原始文件完全一致。

对人眼而言，或对机器而言，都是无损的。

未观察到任何可见的伪影，且对任务未产生可测量的影响。