娛樂需求推動(dòng)技術(shù)發(fā)展，技術(shù)發(fā)展又將推動(dòng)更多行業(yè)的生產(chǎn)力進(jìn)步。

(資料圖片)

作者 | 鄭玄

供人們娛樂的視頻技術(shù)，用到另一個(gè)行業(yè)，就有可能成為重要的生產(chǎn)力工具。

看 2022 年的卡塔爾世界杯，抖音的超低延時(shí)轉(zhuǎn)播讓人印象深刻。老球迷應(yīng)該都有印象，之前觀看世界杯直播，網(wǎng)絡(luò)和電視之間會(huì)有數(shù)秒甚至十多秒的延時(shí)——有的時(shí)候網(wǎng)絡(luò)直播里球員還在傳球，電視機(jī)前的朋友就已經(jīng)開始?xì)g呼進(jìn)球。

2022 年卡塔爾世界杯上，抖音首次在體育賽事中引入了 RTM（Real Time Media，低延時(shí)直播）技術(shù)。這是一種新型的直播解決方案，其網(wǎng)絡(luò)傳輸層是基于 WebRTC 技術(shù)（RTP/RTCP 協(xié)議），相比傳統(tǒng)的直播技術(shù)，可以實(shí)現(xiàn)端到端延時(shí)達(dá)到 1 秒級(jí)別，卡頓也更小。

從「5 秒+」到「1 秒內(nèi)」，熬夜看球的體驗(yàn)有了明顯的提升，比如發(fā)朋友圈、微博的速度，手機(jī)上看球的球迷再也不會(huì)永遠(yuǎn)「慢人一拍」。

人類的娛樂需求推動(dòng)技術(shù)進(jìn)步，技術(shù)進(jìn)步反過來又會(huì)推動(dòng)其他行業(yè)的發(fā)展，視頻技術(shù)也不會(huì)例外。近兩年，字節(jié)跳動(dòng)將這些為視頻直播構(gòu)建的技術(shù)能力，通過旗下的火山引擎視頻云開放給視頻傳媒以外的其他行業(yè)。

「1 秒內(nèi)」的超低延時(shí)直播技術(shù)、抖音的超高清直播、PICO 的 VR 看球——這些世界杯上用到的更高清、更交互、更沉浸的視頻技術(shù)，在更多賽道找到了自己的用武之地。

01 從汽車到金融，視頻技術(shù)不止用來「恐龍抗狼」

近兩年智能駕駛發(fā)展迅速，但要用人工智能替代人工駕駛，始終有幾個(gè)需要解決的痛點(diǎn)。

運(yùn)人和運(yùn)物是智能駕駛的兩大主要場(chǎng)景，其中運(yùn)人出于安全性的考慮，自動(dòng)駕駛的落地相對(duì)謹(jǐn)慎。相比之下，運(yùn)物場(chǎng)景下的自動(dòng)駕駛發(fā)展更快，美團(tuán)、京東等線上零售平臺(tái)和物流公司，已經(jīng)在探索用無人車解決物流配送最后一公里的難題。

但物流無人車要投入商用，必須要解決遠(yuǎn)程監(jiān)控和平行駕駛的問題。讓運(yùn)營人員或云端系統(tǒng)可以隨時(shí)監(jiān)控車輛狀態(tài)，并在有必要的時(shí)候快速遠(yuǎn)程介入，避免造成交通事故。這就需要引入實(shí)時(shí)圖像傳輸技術(shù)，但過去的技術(shù)存在幾個(gè)痛點(diǎn)。

延時(shí)。傳統(tǒng)的視頻傳輸存在數(shù)秒的延時(shí)，這在大多數(shù)直播場(chǎng)景中影響有限，但在分秒必爭(zhēng)的車輛行駛過程中是致命傷。

成本。流視頻的實(shí)時(shí)傳輸是一筆不小的帶寬成本，物流是低毛利行業(yè)，無法負(fù)擔(dān)高額的網(wǎng)絡(luò)傳輸成本。

可靠性。車輛駕駛過程中，一個(gè)不留神就會(huì)導(dǎo)致事故的發(fā)生，不論是視頻傳輸?shù)街锌剡€是將指令下達(dá)車端，卡頓丟包都有可能釀成嚴(yán)重的后果。

火山引擎視頻云將技術(shù)能力開放后，他們找到了自動(dòng)駕駛 AI 公司毫末智行，一起探索將視頻云的技術(shù)能力應(yīng)用到遠(yuǎn)程車輛運(yùn)營平臺(tái)。

毫末智行與火山引擎視頻云合作的遠(yuǎn)程車控解決方案丨來自：毫末智行

雙方通過在車機(jī)場(chǎng)景引入采集編碼傳輸優(yōu)化、多網(wǎng)卡傳輸策略、車牌人臉脫敏 AI 算法等技術(shù)，為遠(yuǎn)程監(jiān)控和平行駕駛場(chǎng)景的音視頻和信令傳輸提供超低延時(shí)、穩(wěn)定可靠、安全合規(guī)的解決方案，應(yīng)用于遠(yuǎn)程監(jiān)控（哨兵模式）、遠(yuǎn)程輔助泊車、遠(yuǎn)程應(yīng)急接管等場(chǎng)景。

視頻平臺(tái)的興起，加上編解碼、視頻制作等技術(shù)的發(fā)展，構(gòu)建視頻能力的技術(shù)門檻已經(jīng)大為降低。依托抖音平臺(tái)多年來積累的音視頻技術(shù)能力構(gòu)建的火山引擎視頻云，其給行業(yè)用戶最大的價(jià)值，是幫助各行各業(yè)打造面向用戶體驗(yàn)的視頻能力，提升用戶體驗(yàn)進(jìn)而提升業(yè)務(wù)效率，從而促成業(yè)務(wù)增長(zhǎng)。

金融也是一個(gè)典型的行業(yè)場(chǎng)景。金融是一個(gè)高度依賴營銷的行業(yè)，近年來隨著視頻這種新媒體形式的快速發(fā)展，金融從業(yè)者需要快速適應(yīng)時(shí)代變化并轉(zhuǎn)移自己的營銷陣地。

但金融行業(yè)在利用直播、短視頻營銷時(shí)，遇到了兩個(gè)痛點(diǎn)。第一是內(nèi)容供給上，相比過去的文字、圖文的宣傳媒介，視頻和直播的制作門檻更高；第二是審核層面，由于金融營銷存在各種合規(guī)性問題，發(fā)出的內(nèi)容需要經(jīng)過合規(guī)性的審核，但相比文字審核視頻審核的工作量提升了數(shù)十倍，幾乎無法通過人工或者過去的機(jī)器審核技術(shù)來完成。

金融直播合規(guī)場(chǎng)景需求丨來自：火山引擎

對(duì)此，火山引擎視頻云結(jié)合智能創(chuàng)作云，幫助國信證券打造了一系列面向最終客戶的視頻產(chǎn)品。內(nèi)容供給上，引入智能創(chuàng)作云的文生視頻工具，只需輸入一段簡(jiǎn)單的文字新聞就能生成視頻內(nèi)容；金融審核上，火山引擎視頻云基于直播平臺(tái)，結(jié)合 AI 圖像識(shí)別、語義檢測(cè)等能力輸出了完整的全鏈路金融審核方案。

除了汽車和金融，火山引擎視頻還將技術(shù)引入云游戲、VR/AR、語音房等泛娛樂場(chǎng)景，比如將彈幕技術(shù)與云游戲結(jié)合，開發(fā)出「彈幕互動(dòng)」的游戲直播新玩法，為直播平臺(tái)創(chuàng)造出新的內(nèi)容增量。此外，視頻云還將技術(shù)能力運(yùn)用到了教育、營銷、辦公等 B 端場(chǎng)景，幫助這些不同行業(yè)的用戶打造了各種不同的應(yīng)用解決方案。

02 沖進(jìn)行業(yè) TOP 5，火山引擎視頻云「憑」什么

火山引擎視頻云的技術(shù)能力，脫胎于字節(jié)跳動(dòng)的視頻中臺(tái)體系。

字節(jié)跳動(dòng)從 2013 年開始做視頻技術(shù)的積累和沉淀，最初是用于今日頭條。2016 年抖音開始孵化，加上同樣需要視頻技術(shù)的飛書、西瓜和頭條等產(chǎn)品，為了服務(wù)不同的業(yè)務(wù)線，字節(jié)跳動(dòng)加大了視頻技術(shù)的研發(fā)投入，并以中臺(tái)的形式組織和調(diào)度。這是火山引擎視頻云的前身。

2020 年火山引擎開始孵化。視頻云作為第一批商業(yè)化拓展的產(chǎn)品線，第一個(gè)客戶是懂球帝，后者當(dāng)時(shí)正在嘗試社區(qū)的視頻化轉(zhuǎn)型和升級(jí)。這也讓剛剛走出字節(jié)體系的火山引擎視頻云技術(shù)團(tuán)隊(duì)，一起打磨和完成了覆蓋直播、點(diǎn)播和圖片處理的全鏈路音視頻解決方案。

2021 年和 2022 年，視頻云開始規(guī)模化的拓展市場(chǎng)，咪咕、移動(dòng)視頻、虎牙、央視頻等先后成為視頻云的客戶。2021 年底視頻云支持羅振宇的《時(shí)間的朋友》跨年演講直播，在提供了高穩(wěn)定性、高處理性能的視頻點(diǎn)直播服務(wù)的同時(shí)，超大規(guī)模的觀看量也讓視頻云完成了一次重要的「壓力測(cè)試」。

之后就是 2022 年的世界杯，火山引擎視頻云累計(jì)支持了 106 億人次直播觀看的技術(shù)支持，還抗住了世界杯決賽 2.3 億觀看人次這樣的峰值壓力。同時(shí)世界杯期間引入的 RTM 超低延時(shí)等新技術(shù)，和邊看邊聊等場(chǎng)景創(chuàng)新，這些規(guī)模化的服務(wù)能力被沉淀到視頻云產(chǎn)品里。

2023 年，視頻云開始了新的嘗試，將客戶從流媒體行業(yè)向更多行業(yè)開拓，上文提到的汽車、金融案例就是這種新嘗試的部分成果?；鹕揭嬉曨l云透露，目前其行業(yè)客戶已經(jīng)超過千家。根據(jù) 2023 年 4 月 IDC 發(fā)布的視頻云行業(yè)追蹤報(bào)告，火山引擎視頻云在解決方案領(lǐng)域進(jìn)入 Top 5。

依托過去 10 年的實(shí)踐和沉淀，今天火山引擎視頻云已經(jīng)構(gòu)建出了一個(gè)完整的音視頻產(chǎn)品服務(wù)矩陣。

火山引擎視頻云 產(chǎn)品矩陣丨來自：火山引擎

如上圖所示，整個(gè)產(chǎn)品矩陣的底座基石是其自研異構(gòu)算力平臺(tái)，包括基于 AI 大模型的智能生產(chǎn)和處理能力，以及全球部署的傳輸網(wǎng)絡(luò)和在抖音沉淀的億級(jí)多媒體處理框架。

在這之上，打造了集視頻直播、視頻點(diǎn)播&智能處理、實(shí)時(shí)音視頻、圖片處理、企業(yè)直播、云游戲、云手機(jī)、慢直播等一站式音視頻產(chǎn)品服務(wù)，可以幫助企業(yè)快速集成端到端的視頻服務(wù)能力。

最后面對(duì)各行各業(yè)的多樣性，在解決方案層面，不僅推出了通用的云端一體解決方案 veVOS；還基于行業(yè)實(shí)踐，把視頻能力與業(yè)務(wù)形態(tài)、場(chǎng)景需求融合，在營銷、知識(shí)傳遞、商業(yè)鏈接和拓展等企業(yè)的業(yè)務(wù)場(chǎng)景進(jìn)行體驗(yàn)創(chuàng)新，沉淀了一系列的行業(yè)場(chǎng)景化方案。

火山引擎不是第一個(gè)做端到端視頻解決方案的云服務(wù)商，對(duì)于火山引擎視頻云的優(yōu)勢(shì)，火山引擎視頻云負(fù)責(zé)人 Yongyuan 告訴極客公園，是抖音等億級(jí) DAU 產(chǎn)品的大規(guī)模應(yīng)用實(shí)踐，沉淀給火山引擎的技術(shù)和產(chǎn)品資產(chǎn)。

「我們內(nèi)部大規(guī)模的視頻應(yīng)用場(chǎng)景，給我們的技術(shù)和產(chǎn)品提供了練兵場(chǎng)，這些在內(nèi)部是驗(yàn)證過，只要標(biāo)準(zhǔn)化應(yīng)用到客戶場(chǎng)景里，會(huì)比其他視頻云做產(chǎn)品和技術(shù)孵化的過程中更有優(yōu)勢(shì)。」

大規(guī)模應(yīng)用還帶來了規(guī)?；瘍?yōu)勢(shì)。每天龐大的視頻內(nèi)容消費(fèi)量，使視頻云更有動(dòng)力研究降本方法，包括自研編解碼芯片、投入幾百個(gè)博士做編解碼、研究算力調(diào)度方案、AI 算法、傳輸協(xié)議、視頻標(biāo)準(zhǔn)的制訂等，今天視頻云已經(jīng)應(yīng)用了多種技術(shù)降本方案，其中大多數(shù)都是小規(guī)模的應(yīng)用團(tuán)隊(duì)需要但無力投入自研的技術(shù)能力，而通過火山引擎視頻云對(duì)外提供，后者也是希望借此推動(dòng)行業(yè)的視頻化進(jìn)程。

此外，抖音對(duì)于技術(shù)指標(biāo)和業(yè)務(wù)的理解，以及其內(nèi)部實(shí)踐積累的方法論，也是視頻云的重要優(yōu)勢(shì)。在抖音內(nèi)部的業(yè)務(wù)實(shí)踐中，會(huì)將技術(shù)指標(biāo)和業(yè)務(wù)指標(biāo)做一一對(duì)應(yīng)，比如分析視頻明亮度和用戶留存的關(guān)系、主播口播時(shí)長(zhǎng)與帶貨轉(zhuǎn)化率的關(guān)聯(lián)……

抖音在打造用戶粘性上的成功，靠的是實(shí)驗(yàn)而不是經(jīng)驗(yàn)，視頻云也將這些多年積累的數(shù)據(jù)分析經(jīng)驗(yàn)和方法論沉淀到了客戶解決方案當(dāng)中，幫助客戶打造更好的面向最終用戶體驗(yàn)的視頻解決方案。

03 視頻云的未來：算力、AI 和 VR/AR

日活達(dá)到 6 億的抖音，還在繼續(xù)探索音視頻技術(shù)的可能性，并通過火山引擎視頻云這個(gè)出口，將新的技術(shù)不斷外溢到千行百業(yè)。

目前，視頻云有三個(gè)比較重要的視頻技術(shù)方向：異構(gòu)算力、3D 視頻（VR/AR）和 AI。

前面提到，為了服務(wù)內(nèi)外部客戶，火山引擎已經(jīng)建立起了一個(gè)龐大的異構(gòu)算力平臺(tái)，其中既有通用的 CPU、GPU，也有自研的視頻編解碼專用芯片、ARM 服務(wù)器集群等自研產(chǎn)品。

火山引擎視頻云異構(gòu)算力平臺(tái)丨來自：火山引擎

通用芯片足以滿足大多數(shù)普通人甚至小規(guī)模的視頻應(yīng)用平臺(tái)的算力需求。但對(duì)需要支持抖音和外部客戶的火山引擎視頻云來說，自研芯片從而用軟硬結(jié)合的方式來完成視頻處理等計(jì)算工作，為更多大算力要求的場(chǎng)景來提供支持。所以從三四年前，字節(jié)跳動(dòng)的視頻中臺(tái)團(tuán)隊(duì)就開始研究將抖音的視頻編解碼能力硬件化。

最初，視頻云嘗試將算法能力固化到 FPGA，從而驗(yàn)證了這種思路的可行性。但 FPGA 的成本依然高昂，所以在思路驗(yàn)證完后，視頻云技術(shù)團(tuán)隊(duì)開始自研芯片，于 2022 年底完成初代芯片的成功流片，并計(jì)劃會(huì)在未來 12 個(gè)月到 18 個(gè)月迭代一次，從而滿足字節(jié)跳動(dòng)內(nèi)部和外部的處理用量需求。

據(jù)悉，這款自研的視頻編碼處理芯片，可以支持 HDR 和 8K 轉(zhuǎn)碼。相對(duì)于 x265 medium 檔位，具有 35%-50% 的編碼效率提升。由于其超高的算力密度和低成本，能對(duì)大量/甚至全量的點(diǎn)播/直播視頻使用高質(zhì)量的轉(zhuǎn)碼從而降低業(yè)務(wù)帶寬成本并提升用戶體驗(yàn)和業(yè)務(wù)指標(biāo)（使用時(shí)長(zhǎng)、留存等）；另外在實(shí)時(shí)的場(chǎng)景，ASIC 方案有更低的轉(zhuǎn)碼延時(shí)，從而降低端到端延時(shí)，提升用戶體驗(yàn)。

除了視頻編碼芯片，火山引擎視頻云還自研了一款高密度 ARM 陣列服務(wù)器。在轉(zhuǎn)碼場(chǎng)景相比 x86 資源可以節(jié)省超過 40% 的成本，在云游戲、云手機(jī)、云測(cè)試等場(chǎng)景，也都能提供高性價(jià)比的算力。

自研芯片更多是對(duì)已有的視頻場(chǎng)景降本增效，VR/AR 和 AI則代表了火山引擎視頻對(duì)新技術(shù)的探索方向。

2021 年以后，火山引擎視頻云加快了對(duì) 3D 和 VR/AR 視頻技術(shù)的探索。其中 8K 360° VR 直播全鏈路解決方案，去年至今廣泛應(yīng)用于字節(jié)內(nèi)外部的應(yīng)用場(chǎng)景，落地案例包括企業(yè)新品發(fā)布會(huì)、文旅項(xiàng)目、Asoul 虛擬偶像演唱會(huì)、世界杯賽事直播、PICO VR 直播間等

火山引擎視頻云 VR 云制播解決方案丨來自：火山引擎

AI 則是另一個(gè)重要的技術(shù)方向。事實(shí)上，在這波大模型熱開始前，視頻云一直在探索利用 AI 和模型來處理視頻，探索方向包括 AI 視頻修復(fù)、編解碼等場(chǎng)景。抖音龐大的業(yè)務(wù)體量決定了其必須使用技術(shù)方案來處理各類視頻需求，而不能靠人工解決。

結(jié)合火山引擎智能創(chuàng)作云的 AIGC 能力，火山引擎視頻云在商品營銷、互動(dòng)娛樂、在線教育、數(shù)字金融、智能駕駛等場(chǎng)景引入了數(shù)字人、虛擬直播間等 AIGC 能力，助力企業(yè)降本增效、提升用戶體驗(yàn)。近期，火山引擎視頻云還首次將自研的 AIGC 視覺模型應(yīng)用于老片修復(fù)場(chǎng)景，對(duì)經(jīng)典老片進(jìn)行全面的畫質(zhì)提升。

火山引擎智能創(chuàng)作云負(fù)責(zé)人廖謙介紹，智能創(chuàng)作云已經(jīng)為近千家企業(yè)提供了從腳本創(chuàng)意、視頻制作、內(nèi)容發(fā)布和數(shù)據(jù)回饋的完整 AI 能力，大幅降低了企業(yè)和商家的視頻使用門檻。未來，智能創(chuàng)作云還將持續(xù)探索 AIGC 腳本撰寫、文生圖、批量海報(bào)制作、數(shù)字人分身等多項(xiàng)能力。

AIGC 這波熱潮，對(duì)年輕的云服務(wù)商火山引擎來說，也是一場(chǎng)十年難得一遇的機(jī)遇。左手是中國最大最優(yōu)質(zhì)視頻資源的抖音、右手是過去數(shù)年積累的 AI 視頻場(chǎng)景實(shí)踐，火山引擎有了「釘子」，也有了做出「好錘子」的養(yǎng)料，儼然是這場(chǎng)視頻 AI 競(jìng)賽的「種子選手」。

關(guān)鍵詞：