娛樂需求推動技術發(fā)展，技術發(fā)展又將推動更多行業(yè)的生產力進步。

(資料圖片)

作者 | 鄭玄

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

看 2022 年的卡塔爾世界杯，抖音的超低延時轉播讓人印象深刻。老球迷應該都有印象，之前觀看世界杯直播，網絡和電視之間會有數(shù)秒甚至十多秒的延時——有的時候網絡直播里球員還在傳球，電視機前的朋友就已經開始歡呼進球。

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，低延時直播）技術。這是一種新型的直播解決方案，其網絡傳輸層是基于 WebRTC 技術（RTP/RTCP 協(xié)議），相比傳統(tǒng)的直播技術，可以實現(xiàn)端到端延時達到 1 秒級別，卡頓也更小。

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

人類的娛樂需求推動技術進步，技術進步反過來又會推動其他行業(yè)的發(fā)展，視頻技術也不會例外。近兩年，字節(jié)跳動將這些為視頻直播構建的技術能力，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」的超低延時直播技術、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，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，始終有幾個需要解決的痛點。

運人和運物是智能駕駛的兩大主要場景，其中運人出于安全性的考慮，自動駕駛的落地相對謹慎。相比之下，運物場景下的自動駕駛發(fā)展更快，美團、京東等線上零售平臺和物流公司，已經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，必須要解決遠程監(jiān)控和平行駕駛的問題。讓運營人員或云端系統(tǒng)可以隨時監(jiān)控車輛狀態(tài)，并在有必要的時候快速遠程介入，避免造成交通事故。這就需要引入實時圖像傳輸技術，但過去的技術存在幾個痛點。

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

成本。流視頻的實時傳輸是一筆不小的帶寬成本，物流是低毛利行業(yè)，無法負擔高額的網絡傳輸成本。

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

火山引擎視頻云將技術能力開放后，他們找到了自動駕駛 AI 公司毫末智行，一起探索將視頻云的技術能力應用到遠程車輛運營平臺。

毫末智行與火山引擎視頻云合作的遠程車控解決方案丨來自：毫末智行

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

視頻平臺的興起，加上編解碼、視頻制作等技術的發(fā)展，構建視頻能力的技術門檻已經大為降低。依托抖音平臺多年來積累的音視頻技術能力構建的火山引擎視頻云，其給行業(yè)用戶最大的價值，是幫助各行各業(yè)打造面向用戶體驗的視頻能力，提升用戶體驗進而提升業(yè)務效率，從而促成業(yè)務增長。

金融也是一個典型的行業(yè)場景。金融是一個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)者需要快速適應時代變化并轉移自己的營銷陣地。

但金融行業(yè)在利用直播、短視頻營銷時，遇到了兩個痛點。第一是內容供給上，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)出的內容需要經過合規(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器審核技術來完成。

金融直播合規(guī)場景需求丨來自：火山引擎

對此，火山引擎視頻云結合智能創(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品。內容供給上，引入智能創(chuàng)作云的文生視頻工具，只需輸入一段簡單的文字新聞就能生成視頻內容；金融審核上，火山引擎視頻云基于直播平臺，結合 AI 圖像識別、語義檢測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引入云游戲、VR/AR、語音房等泛娛樂場景，比如將彈幕技術與云游戲結合，開發(fā)出「彈幕互動」的游戲直播新玩法，為直播平臺創(chuàng)造出新的內容增量。此外，視頻云還將技術能力運用到了教育、營銷、辦公等 B 端場景，幫助這些不同行業(yè)的用戶打造了各種不同的應用解決方案。

02 沖進行業(yè) TOP 5，火山引擎視頻云「憑」什么

火山引擎視頻云的技術能力，脫胎于字節(jié)跳動的視頻中臺體系。

字節(jié)跳動從 2013 年開始做視頻技術的積累和沉淀，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的飛書、西瓜和頭條等產品，為了服務不同的業(yè)務線，字節(jié)跳動加大了視頻技術的研發(fā)投入，并以中臺的形式組織和調度。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)化拓展的產品線，第一個客戶是懂球帝，后者當時正在嘗試社區(qū)的視頻化轉型和升級。這也讓剛剛走出字節(jié)體系的火山引擎視頻云技術團隊，一起打磨和完成了覆蓋直播、點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)?；耐卣故袌觯涔?、移動視頻、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直播服務的同時，超大規(guī)模的觀看量也讓視頻云完成了一次重要的「壓力測試」。

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

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)追蹤報告，火山引擎視頻云在解決方案領域進入 Top 5。

依托過去 10 年的實踐和沉淀，今天火山引擎視頻云已經構建出了一個完整的音視頻產品服務矩陣。

火山引擎視頻云 產品矩陣丨來自：火山引擎

如上圖所示，整個產品矩陣的底座基石是其自研異構算力平臺，包括基于 AI 大模型的智能生產和處理能力，以及全球部署的傳輸網絡和在抖音沉淀的億級多媒體處理框架。

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

最后面對各行各業(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)實踐，把視頻能力與業(yè)務形態(tài)、場景需求融合，在營銷、知識傳遞、商業(yè)鏈接和拓展等企業(yè)的業(yè)務場景進行體驗創(chuàng)新，沉淀了一系列的行業(yè)場景化方案。

火山引擎不是第一個做端到端視頻解決方案的云服務商，對于火山引擎視頻云的優(yōu)勢，火山引擎視頻云負責人 Yongyuan 告訴極客公園，是抖音等億級 DAU 產品的大規(guī)模應用實踐，沉淀給火山引擎的技術和產品資產。

「我們內部大規(guī)模的視頻應用場景，給我們的技術和產品提供了練兵場，這些在內部是驗證過，只要標準化應用到客戶場景里，會比其他視頻云做產品和技術孵化的過程中更有優(yōu)勢?！?/p>

大規(guī)模應用還帶來了規(guī)模化優(yōu)勢。每天龐大的視頻內容消費量，使視頻云更有動力研究降本方法，包括自研編解碼芯片、投入幾百個博士做編解碼、研究算力調度方案、AI 算法、傳輸協(xié)議、視頻標準的制訂等，今天視頻云已經應用了多種技術降本方案，其中大多數(shù)都是小規(guī)模的應用團隊需要但無力投入自研的技術能力，而通過火山引擎視頻云對外提供，后者也是希望借此推動行業(yè)的視頻化進程。

此外，抖音對于技術指標和業(yè)務的理解，以及其內部實踐積累的方法論，也是視頻云的重要優(yōu)勢。在抖音內部的業(yè)務實踐中，會將技術指標和業(yè)務指標做一一對應，比如分析視頻明亮度和用戶留存的關系、主播口播時長與帶貨轉化率的關聯(lián)……

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

03 視頻云的未來：算力、AI 和 VR/AR

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

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

前面提到，為了服務內外部客戶，火山引擎已經建立起了一個龐大的異構算力平臺，其中既有通用的 CPU、GPU，也有自研的視頻編解碼專用芯片、ARM 服務器集群等自研產品。

火山引擎視頻云異構算力平臺丨來自：火山引擎

通用芯片足以滿足大多數(shù)普通人甚至小規(guī)模的視頻應用平臺的算力需求。但對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合的方式來完成視頻處理等計算工作，為更多大算力要求的場景來提供支持。所以從三四年前，字節(jié)跳動的視頻中臺團隊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，所以在思路驗證完后，視頻云技術團隊開始自研芯片，于 2022 年底完成初代芯片的成功流片，并計劃會在未來 12 個月到 18 個月迭代一次，從而滿足字節(jié)跳動內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 轉碼。相對于 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，能對大量/甚至全量的點播/直播視頻使用高質量的轉碼從而降低業(yè)務帶寬成本并提升用戶體驗和業(yè)務指標（使用時長、留存等）；另外在實時的場景，ASIC 方案有更低的轉碼延時，從而降低端到端延時，提升用戶體驗。

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 陣列服務器。在轉碼場景相比 x86 資源可以節(jié)省超過 40% 的成本，在云游戲、云手機、云測試等場景，也都能提供高性價比的算力。

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

2021 年以后，火山引擎視頻云加快了對 3D 和 VR/AR 視頻技術的探索。其中 8K 360° VR 直播全鏈路解決方案，去年至今廣泛應用于字節(jié)內外部的應用場景，落地案例包括企業(yè)新品發(fā)布會、文旅項目、Asoul 虛擬偶像演唱會、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 則是另一個重要的技術方向。事實上，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、編解碼等場景。抖音龐大的業(yè)務體量決定了其必須使用技術方案來處理各類視頻需求，而不能靠人工解決。

結合火山引擎智能創(chuàng)作云的 AIGC 能力，火山引擎視頻云在商品營銷、互動娛樂、在線教育、數(shù)字金融、智能駕駛等場景引入了數(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。近期，火山引擎視頻云還首次將自研的 AIGC 視覺模型應用于老片修復場景，對經典老片進行全面的畫質提升。

火山引擎智能創(chuàng)作云負責人廖謙介紹，智能創(chuàng)作云已經為近千家企業(yè)提供了從腳本創(chuàng)意、視頻制作、內容發(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、批量海報制作、數(shù)字人分身等多項能力。

AIGC 這波熱潮，對年輕的云服務商火山引擎來說，也是一場十年難得一遇的機遇。左手是中國最大最優(yōu)質視頻資源的抖音、右手是過去數(shù)年積累的 AI 視頻場景實踐，火山引擎有了「釘子」，也有了做出「好錘子」的養(yǎng)料，儼然是這場視頻 AI 競賽的「種子選手」。

關鍵詞：