騰訊云開啟音視頻技術(shù)下半場

打開找房軟件的VR看房，點擊地面上的標點進行移動，你可以走進客廳查看沙發(fā)的擺放和布局，走進衛(wèi)生間丈量一下具體的大小，你還可以走進臥室看看午后的采光，甚至你還可以跳出場景查看整個房間的三維模型，或是在線邀約經(jīng)紀人進行實時帶看講解。

這是音視頻通信技術(shù)應(yīng)用場景的一種。在這其中，長時通話的實施性及弱網(wǎng)下的穩(wěn)定性如何，是否通過一系列算法實現(xiàn)了音視頻的QoE，最多可以容納多少人同時在線，以及在場景化方面是否擁有一系列的個性化功能，都作為了音視頻在場景化應(yīng)用的技術(shù)指標。

過去一年以來，隨著越來越多的公司因為疫情將業(yè)務(wù)從線下搬上線上，音視頻技術(shù)作為云技術(shù)的底層技術(shù)也逐漸走到臺前，市場迎來了更廣闊的發(fā)展。

典型的音視頻場景更多。諸如疫情期間大火的視頻會議軟件Zoom和騰訊會議，今年年初線上音頻應(yīng)用Clubhouse，移動直播、在線長短視頻......背后都應(yīng)用著這項技術(shù)。

Timing是國內(nèi)第一個做在線自習室場景的應(yīng)用，用戶可以在Timing里面創(chuàng)建聯(lián)線的學習房間，用戶可以邀請好友和有共同學習目標的陌生人一起到這房間里面，大家可以對著視頻討論，邊寫作業(yè)邊討論。這其中，在線自習室的場景里面有大量的實時音視頻溝通，這些都是基于騰訊RTC產(chǎn)品來進行構(gòu)建。Timing公司——氪細胞CEO郭向云也強調(diào)了他們和騰訊云RTC類型產(chǎn)品的深度合作。

最近一到兩年以來，市場上有這樣需求的企業(yè)并不少。5月17日，騰訊宣布正式成立騰訊云音視頻品牌，同時發(fā)布三合一的RT-ONE?網(wǎng)絡(luò)。該網(wǎng)絡(luò)整合了騰訊云實時音視頻通信網(wǎng)絡(luò)(TRTC)、即時通信網(wǎng)絡(luò)(IM)以及流媒體分發(fā)網(wǎng)絡(luò)(CDN)三張網(wǎng)絡(luò)，為業(yè)界最完整的音視頻通信PaaS平臺構(gòu)建基座，面向泛互聯(lián)網(wǎng)、教育、零售、泛娛樂等行業(yè)需求提供服務(wù)。

隨著音視頻成為很多線上公司的技術(shù)基底，騰訊云也正式開辟了音視頻領(lǐng)域的下半場。

“我們可以說是業(yè)界唯一一家同時具備實時通信網(wǎng)絡(luò)、即時通信網(wǎng)絡(luò)和流媒體分發(fā)網(wǎng)絡(luò)于一體的云廠商?！彬v訊云一位人士稱。

20年的內(nèi)功修煉

騰訊的音視頻技術(shù)最早要追溯到20年前，QQ時代。

據(jù)品玩了解，騰訊在1999年深入這個領(lǐng)域，在2011年成立音視頻中心，2016年音視頻實驗室成立，2017年的數(shù)據(jù)顯示，QQ的月活躍用戶超過8億——在這背后，QQ用戶每天的音視頻通話時長達12億分鐘。

1999年，QQ前身OICQ在聊天對話框中首次加入音視頻功能，人們可以開始在QQ上撥打語音電話。

QQ對于音視頻雙向通話的穩(wěn)定性提出了更高的技術(shù)要求，但起初騰訊是采購?fù)獠考夹g(shù)，但一旦出現(xiàn)技術(shù)難題，它本身就變成了一個“黑盒子”，這堅定了騰訊在音視頻技術(shù)上持續(xù)投入的決心。

黃斌剛加入騰訊時在QQ后臺部門即通平臺部工作，那時候部門的首要任務(wù)就是如何支撐好QQ的海量并發(fā)全球互聯(lián)，比如海內(nèi)外的用戶需要流暢的視頻溝通，“那個時候QQ視頻通話的畫質(zhì)不見得非常好，但是非常流暢，不論你是在國內(nèi)還是國外。這個過程中團隊積累了豐富的音視頻通信技術(shù)棧能力。這是騰訊音視頻技術(shù)的第一階段?！?/p>

2015年開始，移動互聯(lián)網(wǎng)已過萌芽，4G和智能手機逐漸普及，技術(shù)和媒介的更迭創(chuàng)造了新的業(yè)態(tài)，流媒體技術(shù)和移動直播成為市場上新的熱點。在普及的過程中，技術(shù)人員們也發(fā)現(xiàn)，網(wǎng)絡(luò)連接的穩(wěn)定性逐漸成為了一個技術(shù)問題。

比如直播中音頻和視頻可能出現(xiàn)延遲，但人們可能一般會簡單總結(jié)為帶寬問題。殊不知，這背后可能涉及到的是網(wǎng)絡(luò)帶寬檢測、網(wǎng)絡(luò)丟包、抖動以及如何自動平衡視頻質(zhì)量和傳輸速度的帶寬檢測等更細節(jié)的技術(shù)問題。

音視頻技術(shù)應(yīng)運而生——其實就是因為背后互聯(lián)網(wǎng)數(shù)據(jù)傳輸方式的變化?；ヂ?lián)網(wǎng)的應(yīng)用往富媒體的方向演進，背后隨之而來的技術(shù)更迭是編解碼、帶寬以及終端性能的幾方面的變化。

這正是以QQ為代表，深耕音視頻多年的騰訊的強項。后來，即通平臺部將IM后臺、音視頻后臺等幾塊以開放接口形式提供給第三方使用。這些音視頻通信技術(shù)匯入了云服務(wù)的潮流，成為騰訊云To B成長的排頭兵。騰訊云視頻云也從一個原生的To C技術(shù)團隊從頭開始“創(chuàng)業(yè)”，經(jīng)歷了組建團隊、跟客戶磨合、積累技術(shù)解決方案、復(fù)制到整個行業(yè)的過程，轉(zhuǎn)變成為一個To B商業(yè)化產(chǎn)品團隊。

黃斌稱，無論是2016年、2017年的直播風口，還是2018、2019年的短視頻，又或是這幾年音視頻從泛娛樂發(fā)展到各個垂直行業(yè)，音視頻成為了各個行業(yè)的基礎(chǔ)設(shè)施。一項20年前開始的技術(shù)在最近奇妙地與時代產(chǎn)生了共振。

換句話說，騰訊抓住了直播和短視頻的機會，實現(xiàn)了基礎(chǔ)技術(shù)的演進、平臺和產(chǎn)品的積累和豐富，針對各行各業(yè)垂直行業(yè)的場景和解決方案，并且和越來越多的行業(yè)合作伙伴落地了更多的實際應(yīng)用和案例。據(jù)了解，騰訊云目前已經(jīng)覆蓋了國內(nèi)90%音視頻客戶，視頻云解決方案市場份額位列行業(yè)第一。

為何要統(tǒng)一為RT-ONE？

實際上，這里最好做一個概念上的區(qū)分。

傳統(tǒng)通信在向互聯(lián)網(wǎng)通信轉(zhuǎn)變的過程中，分類出了更多的概念。比如即時通訊（Instant Messaging，IM），主要基于發(fā)送者到接受者的即時聊天消息傳輸，強調(diào)消息的可靠性和送達率，而實時音視頻（Real Time Communication，RTC），多應(yīng)用于互動直播、視頻會議等場景，滿足實時的通信需求，強調(diào)低延時和接通率。

而騰訊云音視頻品牌發(fā)布的RT-ONE網(wǎng)絡(luò)提倡的是一站式滿足需求，整合騰訊云實時通信網(wǎng)絡(luò)（TRTC）、即時通信網(wǎng)絡(luò)（IM）以及流媒體分發(fā)網(wǎng)絡(luò)（CDN）三張網(wǎng)絡(luò)。

據(jù)騰訊云介紹，CDN則負責通過海量加速節(jié)點實現(xiàn)了低延時、超高畫質(zhì)、大并發(fā)訪問量的需求。三方融合在一起，騰訊云提供的價值因此與眾不同。

為什么要統(tǒng)一為一個RT-ONE解決方案？

騰訊云副總裁李郁韜在接受品玩采訪時表示，多數(shù)音視頻需求要搭建三個網(wǎng)絡(luò)，這是底層需求，而RT-ONE網(wǎng)絡(luò)可以一站式滿足需求。

2020年，一家使用騰訊云技術(shù)產(chǎn)品的公司宣布要將線下的工作全部搬向線上，除去更大流量的CDN需求，他們也需要構(gòu)建IM和RTC網(wǎng)絡(luò)。

騰訊云副總裁李郁韜對品玩稱，后疫情時代，騰訊云也是在接觸客戶的時候，發(fā)現(xiàn)這3個需求是并存的。而且這3張網(wǎng)有很多的共通性：它們的基礎(chǔ)設(shè)施天然就是一起的，從IDC到網(wǎng)絡(luò)構(gòu)建都在一起；而從技術(shù)能力來看，3張網(wǎng)都需要有就近接入的能力、有海量調(diào)度的能力和有傳輸優(yōu)化的能力。正是基于這幾個點，騰訊云把3張網(wǎng)融合在一起。

品玩了解到的另外一個案例是：2020年，有一家廠商在對接市場CDN服務(wù)時也出現(xiàn)了RTC的需求，但公司就找了兩組人對接兩個需求，操作流程和技術(shù)難度上都比較大。

郭向云在選擇騰訊云音視頻解決方案之前也綜合考慮過市場其他幾家供應(yīng)商之后，他認為騰訊云“還挺有性價比”、“很平衡”。

“我們之前和別的廠家合作的時候，要么響應(yīng)不及時，要么就是價格過高，很難有像騰訊云這樣，幾方面都做得特別平衡的廠商，所以整體來看，性價比確實是我們考量特別重要的維度。但是不僅僅是價格，還包括不穩(wěn)定之后所造成的損失和解決速度過慢造成的損失?！?/p>

實際上，“平衡”確實是騰訊云相比其他一些提供類似服務(wù)公司的優(yōu)勢。疫情期間，騰訊云音視頻在在線教育（比如騰訊會議、騰訊課堂）和電商直播等新領(lǐng)域上取得快速突破，這些自身的案例正是對其技術(shù)能力的公開驗證。

音視頻市場后續(xù)

在過去一年時間，在線教育顯然算是疫情催生最明顯的快速增長行業(yè)。李郁韜認為，如果按正常發(fā)展的話，他估計還需要3—5年才會達到線下往線上搬的過程。

疫情催生的行業(yè)不止在線教育。醫(yī)療、金融、政務(wù)民生和工業(yè)物聯(lián)網(wǎng)都是音視頻技術(shù)可以覆蓋的場景。

不過，音視頻技術(shù)的發(fā)展和市場趨勢也必須要回應(yīng)一個問題：如果疫情問題得以解決，市場是否會繼續(xù)保持強勁的增長？

此前，品玩一篇文章中介紹過另外一家音視頻巨頭——聲網(wǎng)。2020年疫情之下，全球范圍內(nèi)對于實時音視頻技術(shù)的爆發(fā)式需求在一定程度上促成了聲網(wǎng)在服務(wù)規(guī)模上的質(zhì)變。一年內(nèi)聲網(wǎng)的實時音視頻月均用量超過400億分鐘，累計純RTC(real-time communication)的PaaS實時音視頻分鐘數(shù)超10,000億分鐘。目前公司市值在46億美元左右。

李郁韜所負責的音視頻平臺的業(yè)務(wù)目前不僅在服務(wù)外部客戶，在騰訊體系內(nèi)的絕大部分音視頻的服務(wù)——比如微信視頻號的直播，也是他的團隊在承接。他認為音視頻技術(shù)的市場空間主要分為三個部分：一是邊緣計算，國內(nèi)市場會在數(shù)百億的市場規(guī)模，全球估計在500億左右；二是音視頻的直播、實時音視頻兩個加起來，跟實時相關(guān)的領(lǐng)域，大概會是邊緣計算的十分之一左右，有超過50億的市場份額；三是RTC多人互動實時音視頻領(lǐng)域，騰訊預(yù)估今年的市場空間大概在15-20個億，未來每年會有30%-40%的復(fù)合增長。

他認為，全球的資本市場對這個領(lǐng)域都非?？春谩驗閷崟r音視頻是非常核心底層的基礎(chǔ)設(shè)施，只有這個東西存在，你才能夠?qū)崿F(xiàn)大家在線上無縫的溝通，所以這就會被大家描繪成未來的基礎(chǔ)設(shè)施之一。

當然，這也會牽出另一個問題，與垂直企業(yè)相比，大型公有云廠商提供這類服務(wù)能實現(xiàn)多大的差異性？

騰訊云把市場提供的能力比作十八般武藝，有時候可能會被一個直拳在某個領(lǐng)域打倒，但是隨著時間的演變，單做一個領(lǐng)域是沒有辦法去做觸類旁通的——很多招式都是基于內(nèi)功，所以騰訊云未來的提升會更快。

騰訊云當天演示的另外一個重要場景是云游戲。這個場景也剛好印證了“更全面更平衡”這個趨勢。云游戲涉及到了很多要素：一是內(nèi)容版權(quán)，二是基礎(chǔ)設(shè)施（邊緣計算、服務(wù)器、GPU是否具備足夠低的成本和足夠高的性能），三是音視頻技術(shù)和音視頻云服務(wù)是否配套。

而騰訊的獨特性就在于此——它又是唯一一家同時擁有3個要素的云廠商。