文|智能相對論 陳選濱

前不久，字節(jié)跳動旗下火山引擎組了一個局——視頻云科技原力峰會，并拉上了阿里云、騰訊云國內(nèi)兩大云廠商，聯(lián)合發(fā)布了一項“超低延時直播協(xié)議信令標(biāo)準(zhǔn)”。

基于這個新標(biāo)準(zhǔn)，阿里云、騰訊云以及火山引擎共同為視頻直播行業(yè)首次定義了直播“客戶端-服務(wù)器”信令交互流程，使得傳統(tǒng)直播技術(shù)3至6秒的延時縮短到了1秒以內(nèi)，最快可達(dá)到500毫秒。且不同技術(shù)供應(yīng)商在一套標(biāo)準(zhǔn)方案下更加方便互通，行業(yè)參與者使用一套SDK（軟件開發(fā)工具包）即可無縫切換各種供應(yīng)商的產(chǎn)品。

盡管這并非一次業(yè)務(wù)合作，而是技術(shù)共建。但，從某種程度來看，在視頻云技術(shù)領(lǐng)域，阿里、騰訊、字節(jié)跳動已經(jīng)有意加速互聯(lián)網(wǎng)的“拆墻行動”，由新BAT格局引領(lǐng)、聚焦到視頻云，更是成為接下來互聯(lián)網(wǎng)發(fā)展的重磅焦點。

更低的延時、更協(xié)同的技術(shù)標(biāo)準(zhǔn)......從這一次標(biāo)準(zhǔn)發(fā)布來看，視頻云背后的技術(shù)動向已經(jīng)預(yù)示了一個泛視頻時代的來臨，不惜讓阿里、騰訊以及字節(jié)跳動三大巨頭放下了“對立意識”，走向全新的競合關(guān)系。

01 越底層，越標(biāo)準(zhǔn)

“廣泛的商業(yè)場景內(nèi)容正在從圖文走向視頻?！痹诖舜?超低延時直播協(xié)議信令標(biāo)準(zhǔn)"發(fā)布上，火山引擎總經(jīng)理譚待提出判斷。

而這一判斷在大數(shù)據(jù)的佐證下也更加清晰。根據(jù)QuestMobile發(fā)布的《2021中國移動互聯(lián)網(wǎng)年度大報告》顯示，互聯(lián)網(wǎng)場景中的視頻內(nèi)容增長勢頭迅猛，以短視頻為代表，全網(wǎng)用戶11.74億，時長占比25.7%，已經(jīng)成為了占據(jù)人們網(wǎng)絡(luò)時間最長的行業(yè)。

跳出了短視頻，還有中長視頻、直播等一系列基于視頻化的內(nèi)容輸出與交互模式，都已經(jīng)成為當(dāng)前互聯(lián)網(wǎng)服務(wù)的主流形態(tài)。

艾瑞研究院副總經(jīng)理徐樊磊在去年的Imagine阿里云視頻云全景創(chuàng)新峰會上提到一個觀點：視頻不應(yīng)該被看作一個單獨的行業(yè)，就像云計算同樣不該被看作一個單獨的行業(yè)，它們都將滲透到各個行業(yè)、各個場景。

可以預(yù)見，隨著視頻化應(yīng)用的滲透與擴(kuò)展，未來將是一個泛視頻時代。而越是底層的支持，對于標(biāo)準(zhǔn)化的需求也就越高——當(dāng)一項技術(shù)發(fā)展成為一個通用形態(tài)，用的人多，做的人也多，流程之間的標(biāo)準(zhǔn)化也就愈發(fā)關(guān)鍵。

眾所周知，當(dāng)前視頻行業(yè)采用WebRTC技術(shù)是谷歌在2011年開源的一個API，但并沒有一套標(biāo)準(zhǔn)化的信令交互流程。這也就導(dǎo)致了不同廠商之間都有著自家的一套客戶端與服務(wù)器的交互邏輯，存在著流程上的差異。

比如，此前的信令流程就特別繁雜，標(biāo)準(zhǔn)WebRTC的信令往往需要經(jīng)過SDP交換，ICE交互，DTLS握手之后才能傳輸流媒體數(shù)據(jù)，這導(dǎo)致了直播首幀耗時嚴(yán)重惡化，非常不流暢。

對于這個問題，各家都在提出自己的優(yōu)化方案，比如騰訊云就是通過miniSDP和0-RTT的結(jié)合來大幅減少信令耗時，提升信令交互成功率。但，這種優(yōu)化方案如果不能在行業(yè)內(nèi)形成統(tǒng)一的標(biāo)準(zhǔn)，那么各家的解決方式不一樣，所帶來的優(yōu)化體驗還是非常有限的。

因此，隨著視頻化應(yīng)用的滲透率越來越高，對于底層技術(shù)標(biāo)準(zhǔn)化的共識也就越強烈。但，最終這種標(biāo)準(zhǔn)化能實現(xiàn)到什么程度，還得看未來市場的發(fā)展。當(dāng)前，不管是阿里、騰訊還是字節(jié)跳動，之所以在這個節(jié)點上發(fā)布新標(biāo)準(zhǔn)，除了在技術(shù)共建方面初步達(dá)成共識之外，最多的考慮主要還是對自家技術(shù)能力和行業(yè)影響力的展示，也就是“秀肌肉”。

簡而言之，三大巨頭的“共識”不僅僅只是技術(shù)標(biāo)準(zhǔn)化，更有相互“搭臺”突顯自家技術(shù)優(yōu)勢之意。

02 拼技術(shù)的周期到了？

徐樊磊認(rèn)為，云服務(wù)市場的需求周期在于前期主要看成本，后期則看能力。

那么，從三大巨頭的技術(shù)共建來看，視頻云作為云服務(wù)的一個焦點領(lǐng)域，儼然已經(jīng)進(jìn)入到了看能力的后期階段。

技術(shù)以及技術(shù)帶來的突破價值也是當(dāng)前各大云廠商講得最多的一個話題。

技術(shù)的標(biāo)準(zhǔn)化是一方面。就在火山引擎召開視頻云科技原力峰會的前三天，騰訊云便聯(lián)合了中國信通院發(fā)布《超低延時直播白皮書》，“搶先”為超低延時直播技術(shù)標(biāo)準(zhǔn)化奠定基礎(chǔ)，從技術(shù)層面拿下行業(yè)創(chuàng)新的話語權(quán)。

但，在拼技術(shù)的賽道上，“先人一步”還不足以說明什么，最關(guān)鍵的還得“勝人一籌”。簡單來說，技術(shù)所帶來的成果展現(xiàn)最為重要，也是這一周期內(nèi)市場最想看到的云廠商差距與優(yōu)勢。

當(dāng)前視頻云技術(shù)所要為行業(yè)帶來的變革主要聚焦在兩方面：

一是“數(shù)量”問題，即解決視頻應(yīng)用的規(guī)?；涞貑栴}，比如如何降低視頻創(chuàng)作的門檻，保證視頻內(nèi)容的大規(guī)模產(chǎn)出，拉動全民視頻消費等等。

從這個角度來看，快手、抖音等短視頻平臺同步推出的云端剪輯工具，如云剪、剪映等就屬于一個基礎(chǔ)的視頻云解決方案之一。

再深入一點，又比如冬奧會期間，央視體育新媒體和總臺技術(shù)團(tuán)隊聯(lián)合阿里云視頻云、阿里巴巴達(dá)摩院打造的智能生產(chǎn)工具“AI云智剪”，依托AI技術(shù)的引入，能在比賽完成的第一時間實現(xiàn)對比賽視頻內(nèi)容的多維度解析，生成精彩素材，并創(chuàng)作出相應(yīng)的主題視頻，為人們帶來及時的視頻化內(nèi)容。

二是“質(zhì)量”問題，即通過技術(shù)突破開拓視頻應(yīng)用邊界，帶來更多元化的視頻化體驗，比如如何創(chuàng)新視頻的交互模式等等。

阿里云視頻云在冬奧會上基于AliRTC（音視頻通信技術(shù)）推出的云上創(chuàng)新解決方案——阿里云聚“Alibaba Cloud ME”，就是視頻交互模式的一次應(yīng)用試探。

呈現(xiàn)出來的全息形態(tài)之所以如此真實并能保證實時動態(tài)交互，就在于阿里云視頻云視頻編碼與增強技術(shù)團(tuán)隊提出了一種結(jié)合可變形卷積的稠密殘差連接網(wǎng)絡(luò)結(jié)構(gòu)，極大提升了窄帶高清產(chǎn)品對視頻的轉(zhuǎn)碼效果。

不可置否，在今年的冬奧會上，阿里云視頻云著實是用技術(shù)秀了一把“肌肉”。

對于整個視頻云領(lǐng)域而言，這也是不可避免的趨勢——拼技術(shù)，還要拼出創(chuàng)新度、拼出亮眼的效果，就如同視頻本身所帶給人們的視覺沖擊感一樣，都是接下來云服務(wù)廠商角力的關(guān)鍵。

03 產(chǎn)業(yè)的格局已經(jīng)松動

站在今天的視角來看，「視頻化」的想象力是無限的。這種想象能實現(xiàn)多少，本身也就取決于廠商的技術(shù)能力。

但，可以確定的是，伴隨著技術(shù)的持續(xù)迭代，視頻化的一步步升級，產(chǎn)業(yè)的格局也在一點一點的松動，發(fā)生變革。

這種松動信號，在百度智能云的“智能視頻云3.0全景圖”中也能有所預(yù)見。

根據(jù)介紹，百度智能云基于元學(xué)習(xí)-遷移學(xué)習(xí)的視頻生成技術(shù)可根據(jù)需求快速定制不同風(fēng)格的高質(zhì)量視頻，并同時結(jié)合虛擬數(shù)字人形象生成與語音合成、唇動等技術(shù)，低成本制作形象豐富靈動、線上線下多端覆蓋的的數(shù)字人，由此應(yīng)用到媒體主持、金融客服、文娛偶像等場景中。

同樣是在今年冬奧會上，“百度智能云曦靈”團(tuán)隊打造的AI手語主播就是一個已經(jīng)落地的應(yīng)用。

這種「視頻化」的多元應(yīng)用就已經(jīng)不僅僅是對一塊屏幕表現(xiàn)力的改革，而是對整個產(chǎn)業(yè)的基礎(chǔ)邏輯的變革——生產(chǎn)力的轉(zhuǎn)變。

從這個角度來看，我們可以發(fā)現(xiàn)，負(fù)責(zé)內(nèi)容生產(chǎn)、導(dǎo)播、交互的主體已經(jīng)開始向AI中臺以及虛擬數(shù)字人轉(zhuǎn)移，視頻云技術(shù)的應(yīng)用使得“它們”具備了更強的表現(xiàn)力和規(guī)?；涞氐臈l件。

在本屆冬奧會上，阿里云的“AI云智剪”就已經(jīng)自動化處理了200+場比賽，生產(chǎn)素材片段達(dá)3萬段以上。而像百度AI手語主播這樣活躍在冬奧會各個場景的虛擬數(shù)字人也多達(dá)將近30個，其中就包括了騰訊的“聆語”、科大訊飛的“愛加”、小冰公司的“夏語冰”等等。

在這些虛擬數(shù)字人的背后，正是視頻云技術(shù)的創(chuàng)新與應(yīng)用。

不要低估了視頻云。

在《視頻云發(fā)展趨勢洞察》報告中，IDC認(rèn)為，數(shù)字化時代，從商業(yè)活動到社會生活，視頻數(shù)據(jù)已經(jīng)成為連接個人、家庭、社區(qū)乃至社會的重要紐帶。IDC預(yù)測，到2025年中國視頻云市場規(guī)模更將達(dá)到314億美元。

不管是從市場潛力還是應(yīng)用前景來看，視頻云都充滿巨大的想象空間。

也不枉阿里云、騰訊云、火山引擎、百度智能云等各大云廠商紛紛下場，走向競合！