拍乐云创始人赵加雨：沉浸式音视频加持数智化未来世界

“本文由 拍乐云创始人兼 CEO 赵加雨 撰写并投递参与由数据猿&上海大数据联盟联合推出的“行业盘点季之数智化转型升级”大型主题策划活动之《2021 中国企业数智化转型升级先锋人物》榜单/奖项的评选。

数据智能产业创新服务媒体

——聚焦数智 · 改变商业

作为拍乐云的创始人及音视频行业从业者，我从音视频行业的角度来分享我们对于数智化的观察和从业感受。2019 年底开始的疫情给各行各业都带来了深远影响，其中比较大的一个变化是各行各业的线上化，疫情强迫人们把工作、学习、生活、娱乐等都搬到了线上，而这个影响不会因为疫情的缓解而减少，各行各业的线上化将会成为长期的趋势。（数据猿曾对外发布#榜样的力量#《新冠战“疫”——中国数据智能产业最具社会责任感企业》榜单）

音视频的“达克效应”曲线

“达克效应”描述的是一种心理学现象，通常新技术的出现和应用也符合达克效应曲线，即技术刚出现时会引来非常高的关注度和热度，此为愚昧之巅，但是过一段时间后可能因为达不到大规模商用的成熟度，或者没有找到应用场景等，导致进入绝望之谷，那么接下来随着技术更加成熟，会进入开悟之坡，最终会取得比愚昧之巅时更大的应用。

音视频并不算新技术，但随着网络、设备、各种新技术的发展，音视频技术也随之不断发展，在疫情之前，音视频互动一般只应用在视频会议、在线娱乐交友、在线教育等少数场景，疫情使得音视频技术迅速出圈，在各种场景下获得了广泛应用。过去两年的音视频技术也很符合“达克效应”曲线，可以说，疫情让音视频短时间内进入了愚昧之巅，各行各业都进入了线上化，而线上化离不开音视频技术。随着疫情趋于稳定，音视频的用量和使用场景大幅下跌，貌似进入了绝望之谷，但是疫情给生产端和消费端都造成了很多不可逆的改变，未来音视频一定会在更广的行业和场景里应用起来，即进入开悟之坡，最终的用量一定会超过疫情期间。

音视频赋能下的行业线上化

音视频技术的门槛高，涉及到的技术栈长，需要的专业人才多，因此需要第三方云厂商提供音视频解决方案。拍乐云作为一家提供实时音视频 PaaS 云服务的公司，在过去两年里服务了各种行业和线上化场景，也亲身感受到了其中的发展和变化。这里和大家分享一下我们看到的一些变化。（拍乐云曾以《视频矫正技术——基于参数估计的自由几何变换算法》荣获《数据猿·金猿榜年度榜单——2020大数据产业创新技术突破》）

疫情后我们看到了一个明显的趋势：音视频通讯成为大众沟通分享的重要方式。企业会议、远程授课、医生会诊、社交播客等场景越来越多，未来这类功能性实时场景将以更成熟的内容、更丰富的形式出现，而支撑这些场景的正是背后的直播和音视频技术。

娱乐行业作为线上化的先行者，一直热度不减，疫情让人们居家娱乐的需求快速爆增。一起听/一起看、视频社交、秀场直播、语聊房、在线 KTV 等等娱乐社交 APP 不断推陈出新，满足人们多元化线上娱乐的需求。这意味着音视频厂商不仅要保证优异稳定的音视频质量，还需要不断迭代底层技术以支持产品形态的持续创新。

我们看到疫情让教育的线上化得到了大规模的实践，虽然学科教育正面临政策的监管，但线上化的需求不会少，线上化的趋势也不会变。教育的线上化在一定程度上解决了资源不均衡的问题，而技术的升级解决的是线上教学的效果和效率的问题，让老师和学生能像线下面授一样身临其境，随时答疑、激励，甚至还可以像线下班课一样，有小组讨论和 PK 互动。

金融行业的线上化转型近年来也是发展迅速，出现了远程银行、视频客服、金融双录等各种线上化的业务场景。为了解决线上线下业务办理“零差别”，内部协同运营更高效的问题，音视频厂商也在不断地创新技术并深入场景痛点，为金融行业发展持续赋能。

物联网行业也在快速发展，万物互联，音视频技术成为必不可少的推动力，电话手表、陪护机器人、智慧车载、智慧家居、智慧安防、智慧工业等场景中都需要深度结合音视频技术，连接人与人、人与物。为了更好地适配不同的硬件终端，我们深度优化了音视频编码算法和引擎，适应各种低功耗、低内存等极限环境下的音视频通信。

我们还看到了政企行业在数字化、线上化转型中的决心和能力。在政策的推动下，我国信创产业发展迅速，成为了推动经济发展的“新基建”。作为音视频技术厂商，我们全力支持国产化，与麒麟软件完成兼容性认证，全面适配鸿蒙系统，为政企行业的数字化、线上化转型打造发展引擎。

沉浸式音视频加持数智化未来

音视频技术会随着 AI、5G、AR/VR 等技术的发展而发展，将会给用户带来更加沉浸式的体验，也将催生更多行业和场景来应用音视频技术。

AI 技术对整个 RTC 行业带来的影响是非常深远的，客观地说，以深度学习为代表的 AI 技术的发展与成熟，对音视频关键技术的突破提供了另一个有希望的方向。有些使用传统技术无法解决的问题，可以通过与 AI 技术的融合，大大降低问题解决的难度。无论是 RTC 行业的核心音视频编解码，还是其他一些音视频处理和增强技术，比如现在比较热的音频降噪、视频超分、对象分割识别、语义识别等，在 AI 的加持下，都获得了突破，从而催生了智能客服、智能监控、虚拟形象等新领域。

5G 浪潮的爆发正在为实时音视频创造低时延和高带宽的网络条件，这些基础设施的改进，为超高清视频、VR 和全景视频技术的落地创造了可能, 这些技术将会给用户带来“身临其境”的沉浸式体验。大家一定有听过 Metaverse 元宇宙概念，它是 Meta+Verse 的组合，被定义为全新的“未来互联网形态”。而实时音视频技术在其中的应用，才刚刚开始，它会打破虚拟和现实的边界，将人与人之间的距离不断拉进，打造一个全新的数智化未来世界。

作者个人简介

赵加雨，拍乐云创始人兼 CEO，音视频技术专家，资深程序员，足球爱好者，崇尚极简主义，简单就是生产力。东南大学计算机系毕业，从事实时音视频领域技术 18 年，精通音视频整体架构和技术。曾任 Cisco Webex 美国架构师、网易云信 CTO 等职，在 14 年外企氛围的熏陶后，2017 年寻求改变，离开美国回国加入互联网云服务浪潮。2019 年创立了国内第一家视频会议背景的实时音视频 PaaS 云服务公司拍乐云，深耕技术创新、场景研究和行业洞察，致力于为企业和开发者提供更好的实时音视频、互动白板、互动直播等产品，构建云上的每一次美好互动。