全行业视频化时代：火山引擎要跨越三道“新边界”

  近年来，视频化正呈现出从互联网向全行业渗透的趋势。视频已从一项单纯的功能，发展为企业推动用户增长、提升业务效率和增加商业变现的关键手段，并重塑营销、知识、商业和空间的交互体验。

  顾名思义，视频云是一项覆盖了从视频生产、处理、分析到消费的全链路技术能力，这一产业自移动网络发展以来持续壮大，是云计算领域的一条主赛道。

  当下，随着AI、VR/AR等技术带来新的生产力变革，云计算公司开始把这些新技术与视频云充分融合，形成驱动体验创新的新基石。

  8月22日，字节跳动旗下的火山引擎举办了一场视频云&AIGC技术大会，首次公布其视频云产品与爆火的AIGC（生成式AI）领域的重磅成果，覆盖芯片、框架及方案每个方面，面向全行业视频化时代交出一份“新答卷”。

  视频化时代面临什么样的机遇和挑战？AI与VR/XR等技术怎么样影响视频云技术走势？行业渗透与视频化应用融合，火山引擎视频云又有哪些布局？

  进入全行业视频化时代，算力、体验和交互层都面临“新边界”。Yongyuan谈到他的洞察：

  第一是算力边界。视频数据体量激增，分辨率和清晰度持续提升，算力瓶颈是当前视频行业面临的最大挑战。

  第二是体验边界。用户持续追求更清晰、更流畅的极致体验，处理的算法和流程要跳出现有框架探索体验边界。

  第三是交互边界。沉浸式媒体方向在持续加温，苹果发布的Vision Pro带来了新憧憬，2D画面的边界向3D画面突破。

  首先来看一组数据，Yongyuan告诉智东西，视频所消耗的算力要比图片大上百倍，比文字大上万倍，对算力需求极大。为了应对这些挑战，火山引擎自研了一系列底层硬件技术。

  8月22日，火山引擎自研视频编解码芯片、自研ARM阵列服务器等技术首次公开，揭开了火山引擎视频云的底座基石。基于抖音的大规模应用实践和打磨，火山引擎实现了从通用计算到异构计算的跃进，沉淀了可为不同视频场景提供专用且适用的算力支持。

  据称其自研视频编解码芯片相对主流硬件编码器能提升超30%的压缩效率，一台芯片服务器的转码能力，相当于百台CPU服务器的算力，可用于视频点播、视频直播、VR点/直播、图片转码等多个场景。

  Yongyuan说，这一芯片集成了整个字节贴合业务的优质编解码和前处理算法，以此来实现效果和效率的大大提升。

  同时，火山引擎视频云还自研了ARM阵列服务器。据称，其在转码场景相比x86资源能轻松实现成本节省超40%，在云游戏场景对比同类服务器有非常高的性价比。同时，通过云原生技术对ARM异构阵列服务器来管理和调度，其实现了存储和计算分离，保障用户数据安全。

  AIGC正卷入视频业，全方位地改变音视频行业的玩法。Yongyuan告诉智东西：“AIGC技术作为一种新的视频内容生产方式，包括内容生产效率、丰富度、个性化程度都会极大的提升。”

  可以看到，在抖音等短视频平台上，很多人已经习惯了使用各种智能特效进行创作，也更频繁地看到虚拟数字人直播卖货等内容，AI已经融入到了人们的视频体验中。而为了让更多人能用上这些前沿技术，字节正通过火山引擎为外部提供技术服务。火山引擎此前推出的智能创作云，就支持了更多公司进行智能化内容创作。

  简单来说，火山引擎智能创作云是一个智能内容生产平台，为公司可以提供各类AI赋能的创作工具、编辑技术、正版素材和流程管理。目前，火山引擎智能创作云已经探索推出AIGC脚本撰写、文生图、批量海报制作、数字人分身等多项能力。

  不同于个人创作，企业视频创作面临创意缺乏、工具难用、协作困难、难以持续等更复杂的挑战，智能创作云则从创意策划、视频制作、内容发布到数据回馈，从每一个环节降低内容创作者的创作门槛。比如，国内知名房屋租赁服务企业自如就借助火山引擎智能创作云，通过“剪同款”API能力，批量制作房源介绍视频，引导用户点击VR看房，从而增加了房源曝光率。

  AI能力不仅改变了视频内容生产的方式，还为视频处理提供了更多可能。AI影片修复是一个典型代表场景。就在8月16日，火山引擎、抖音联合中国电影资料馆宣布将对100部香港经典老电影进行4K修复。这是其首次将AIGC视觉大模型应用于老片修复中，在观影活动中得到了一致好评。

  追溯其背后技术，本次修复师基于AIGC大模型完成，这相比传统的影片修复有什么不同？

  Yongyuan告诉智东西，相比于传统的去噪、插帧等算法以及先前的AI技术，火山引擎采用的AIGC视觉模型是关键差异点。借助其强大的生成能力和丰富的先验知识，实现修复效果在清晰度、色彩、流畅度和瑕疵消除等方面的全方位提升。针对老片修复场景，火山引擎对AIGC视觉大模型进行了生成质量、视频任务和效率方面的算法优化，让视觉大模型能够在视频场景下更稳定、优质、高效地输出内容。

  实际上，火山引擎视频云的很多产品能力都有AI技术的加持，例如“智能转档”使用了AI重采样方案，满足了高质量多码率分发需求，支持直播、点播多档位画质提升。“极智超清”是基于人眼的主观感受最优为基准的AI前处理方案，该方案不但可以提升主观画质，还能更加进一步实现整体带宽降低15-35%。

  在探索交互边界方面，火山引擎视频云基于在字节跳动旗下VR品牌PICO 上的实践和探索，沉淀了很多优质的能力。

  比如，火山引擎的VR 360°全景图像技术在今年CVPR Workshop举办的一项比赛中，双目超分双三次插值保线°全景图像超分赛道上，荣获了双料冠军，技术能力达到行业领先水平。本次火山引擎还推出了8K 360度 VR直播云制播解决方案，据称能大幅度的降低VR内容的开发和消费门槛。

  可以看到，从通用算力到异构算力、从传统到AI、从二维到三维，视频行业已被新技术掀起阵阵新浪潮，而火山引擎已经加速布局。

  技术的价值体现在实战落地应用。面向视频化全行业渗透的趋势，火山引擎已经将其视频云从游戏、电商、社交等消费互联网领域向医疗、金融、教育、汽车等行业互联网延伸。

  本次，火山引擎重磅推出了一系列行业解决方案，覆盖互动娱乐、在线教育、金融合规、智能驾驶等场景。

  首先，这些方案大多将技术与场景深入结合，带来了更有沉浸感、交互感的视频体验。

  以互动娱乐行业为例，在与抖音多人合唱项目合作中，火山引擎视频云行业首发「多人视频一起唱方案」，把合唱互动方案从双人升级到多人，现在已能达到九人合唱；并实现了36ms超低延时合拍，支持48kHZ采样率，满足K歌场景的听感盛宴；同时集成25W+高品质曲库，助力用户实现了随时随地与朋友一起想唱就唱，感受最鲜活多样的音乐魅力。

  此外，火山引擎还推出了弹幕互动方案，这是一种直播平台兴起的弹幕互动玩法，允许观众通过发送点赞、弹幕和礼物来参与并影响互动内容。火山引擎视频云行业首推云游戏+RTC（实时音视频）弹幕互动方案，融合云游戏服务的强大底层算力以及 RTC 先进架构设计和音视频能力，独家支持RTC+云游戏云端合流功能，能解决多源音视频流管理和同步问题。

  同时，火山引擎的AIGC能力也被嵌入这些方案之中，为公司能够带来全新的视频生产体验。

  比如面向金融领域，在火山引擎与国信证券联合落地的金融直播解决方案中，国信证券上线了AI虚拟数字主播，并结合数字人使用AI短视频模板自动化生成实时短视频。金融行业智能直播面临合规性挑战，AI生成内容需要逐帧做合规审核，国信证券正探索通过AIGC做初审再采用人工复审，从而提升内容创作和审核效率。

  此外值得一提的是，从2D到3D视觉的交互升级，在这一些行业方案中亦有多处体现。

  火山引擎行业首推的VR云制播方案，从内容生产到传输分发降低VR内容的开发和消费门槛。比如在其与央视打造身临其境的虚拟演播平台案例中，央视通过火山引擎视频云和云创智媒的能力，轻量化地用一台笔记本实现VR视频的制作，而不再需要一个演播室和一堆硬件系统。

  可见，除了在抖音熟悉的互联网领域，火山引擎在金融、传媒、汽车等领域不断探索并且推出相应方案，探索视频云“三道技术边界”并不是说说而已，而是已经有了深入实战经验。

  Yongyuan回顾，自2013年今日头条平台的短视频内容诞生，团队就开始做视频方面积累。2016年抖音的孵化，则促使团队进一步以视频中台的方式输出更多音视频技术上的支持。随着2017~2020年抖音规模不断变大，更多音视频的标准化工具出现，逐步具备了对外服务的条件。

  2021年6月，字节正式推出火山引擎云服务业务板块；12月，火山引擎发布了包括了视频云在内的五大类共78项云服务，确立“IaaS+PaaS+SaaS”完整云服务体系。2022年7月，火山引擎推出音视频云端一体解决方案veVOS，进一步助力企业客户的业务敏捷创新。

  2023年，随着火山引擎的商业化落地进入规模化阶段，其底层技术也加速迭代，这些自研芯片及服务器等技术并不对外销售，而是通过视频云的方式服务企业。“我们的核心技术都会沉淀在火山引擎，以‘对内对外统一’的方式提供，这是火山引擎做云的一个出发点。”Yongyuan说。

  知名调查机构IDC预测，到2025年，超80%全球数据将是音视频等非结构化数据，这样的超视频化成为数字时代的重要特征。同时，AIGC、VR等技术的爆发，带来视频生产的成本不断降低，可能将视频行业市场撑大十倍都不止。

  本次，火山引擎推出了一系列底层硬件及产品和行业解决方案，在视频云领域的布局进一步加深。从传统到AI，从2D到3D，从泛互联网到行业，火山引擎在拓宽自身云业务发展边界的同时，也为公司可以提供了通过视频及AI技术实现数字化升级的新选择。