這是一篇人物專訪，源自LiveVideoStack與阿里云視頻云負(fù)責(zé)人席明賢（花名右賢）的對話。面對風(fēng)云變幻的內(nèi)外環(huán)境，阿里云在視頻云賽道是堅定向前的，右賢沒有回避多媒體當(dāng)下行業(yè)面臨的困難以及業(yè)務(wù)面臨的挑戰(zhàn)，作為多媒體圈的新人，他用了很多時間調(diào)研了解市場和客戶，他堅定地選擇ToB作為突破口，他認(rèn)為AI將把視頻云升級到2.0，他說（允許團隊）拿出更多的研發(fā)資源去做產(chǎn)品創(chuàng)新研究，投資技術(shù)不怕失敗。

策劃 撰寫 / IMMENSE

ABCDE，到Video

想用英國詩人托馬斯·艾略特的作品，來照亮一個人的開場。

(相關(guān)資料圖)

1934年的《The Rock》，是DIKW模型的源頭，它揭示了從數(shù)據(jù)到智慧的內(nèi)蘊，恰好和右賢的經(jīng)歷頗有牽系。

他開門見山，說自己是個IT老兵，20多年都在“計算”這個圈子內(nèi)。大學(xué)時期學(xué)習(xí)計算機技術(shù)，研究生方向是高性能計算和普適計算，工作先后從事云計算、大數(shù)據(jù)、數(shù)據(jù)庫、人工智能、邊緣計算的產(chǎn)品規(guī)劃和技術(shù)開發(fā)，也負(fù)責(zé)過釘釘教育業(yè)務(wù)。

仔細(xì)端詳，他的閱歷橫跨AI + Bigdata + Cloud Computing + Database&DingDing + Edge Computing，而近一年又踏足了視頻云，是一個從ABCDE到V的機緣巧合，有些奇妙。

右賢是一個ToB老人，又是個視頻云新人。

談到作為新人，對當(dāng)下的視頻云怎么看，他用“非常新奇、大有可為”來形容。

簡單說，新奇是源于當(dāng)下的社會視頻化蔓延之勢，給生活、工作、乃至萬物的加持，這一切給大眾帶來了很大的便利性。在他看來，視頻必然會成為萬物交互的新方式，人與人、人與物、物與物，因為內(nèi)容、溝通都在極速視頻化，我們從早睜眼到晚睡覺都在跟泛視頻打交道，“視頻+萬物”將會孕育出大量的新鮮事物及應(yīng)用，這足夠讓他新奇萬分。

關(guān)于他的時空履歷，有疊加的化學(xué)效應(yīng)，“之前做的那些產(chǎn)品技術(shù)相對來說，是偏底層的；而視頻云是技術(shù)應(yīng)用解決方案，它是全鏈路的、與業(yè)務(wù)強相關(guān)的；同時，這些視頻業(yè)務(wù)的底層需要云計算、數(shù)據(jù)庫、人工智能等融合支撐。正因如此，我過往的經(jīng)歷恰好在視頻云這個賽道大有可為?！庇屹t說。

可以想象右賢領(lǐng)隊下的阿里云視頻云會發(fā)生怎樣的變化，多媒體行業(yè)的周期與這名老兵的時間線交織在了一起，命運是最好的安排，他的經(jīng)驗正是阿里云視頻云需要的。

視頻云2.0

回到現(xiàn)實軌道，與“大有可為”強對比的，可能是音視頻舊人眼里的瓶頸。

國內(nèi)多媒體生態(tài)經(jīng)過了6到8年的快速發(fā)展，目前進入到調(diào)整或平穩(wěn)期，在這樣的背景下進入這個賽道，對行業(yè)老人來說一定是難題，對賽道新人或許是另一番新境。

于是，右賢看出了需要迭代變化的新視頻云。

依他的視角，如果說云賦予了視頻，帶來了視頻云的1.0，去迎面消費互聯(lián)網(wǎng)的全面爆發(fā)，那如今是AI賦予了視頻云，帶來了視頻云2.0，去解決行業(yè)數(shù)智化的全新升級。

的確，這揭示了視頻云的本質(zhì)，從1.0到2.0，不知不覺，視頻云的本質(zhì)發(fā)生了變化。

右賢解釋到，“在視頻云1.0時代，視頻應(yīng)用主要集中在消費互聯(lián)網(wǎng)領(lǐng)域，主要解決成本和體驗問題，即B端的音視頻企業(yè)成本和C端的用戶體驗。隨著AI算力和大模型興起，在視頻云2.0時代，視頻應(yīng)用轉(zhuǎn)向產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域，去解決各行各業(yè)場景化視頻智能應(yīng)用的問題，即視頻如何支持行業(yè)數(shù)智化升級。視頻云正在從1.0向2.0過渡?！?/p>

視頻云2.0，這大概是一個賽道的新生命、新契機。

在對話中，能夠感受到右賢對視頻云的信心，“視頻云2.0的價值在于通過基礎(chǔ)大模型和場景小模型，來助力行業(yè)的數(shù)智化。就此，阿里云視頻云擁有三大關(guān)鍵能力：第一是規(guī)模能力，經(jīng)過視頻云1.0的蓬勃發(fā)展，阿里云成為全球和國內(nèi)規(guī)模最大的視頻云基礎(chǔ)設(shè)施服務(wù)商之一，能提供高質(zhì)量、高性價比的視頻服務(wù)；第二是智能能力，基于阿里云通義大模型，可以向客戶提供橫貫媒資生產(chǎn)、處理、傳輸、消費全鏈路的產(chǎn)品智能化升級；第三是場景化服務(wù)能力，基于多年的豐富行業(yè)實踐，可以向客戶提供高易用、高性能的視頻終端服務(wù)套件，全面降低客戶使用門檻。同時，更能利用場景化小模型來實現(xiàn)行業(yè)應(yīng)用的百花齊放。”

當(dāng)然，不僅行業(yè)賽道正面臨變革，技術(shù)突破也為視頻云的服務(wù)升級創(chuàng)造機會?！拔覀儚膙ideo for human正向video for machine過渡，如何在滿足人的需求情況下，同時也滿足機器？這讓視頻云2.0可能成為一種混合的職能。比如，編碼就是既要滿足人的主觀體驗，也要滿足機器對視頻的高速處理需求”，右賢說。

于此同時，AI、GPT等技術(shù)迭代正在為視頻服務(wù)注入新的價值。從云養(yǎng)貓到云監(jiān)考，從牧業(yè)養(yǎng)豬到農(nóng)業(yè)育苗，從IPTV到工業(yè)質(zhì)檢，右賢列舉了許多細(xì)分行業(yè)場景，透出他對新視頻云的信心滿懷。

ToB的耐心，100米深

進入2023年，音視頻行業(yè)市場空間見頂，除少量場景和個別公司外，大部分市場處于嚴(yán)重的內(nèi)卷狀態(tài)。許多企業(yè)不得不通過各種方式壓縮成本，裁員自然是不可避免的方式之一。當(dāng)然也有許多企業(yè)選擇出海，在競爭不是那么激烈的海外市場拼殺。這是看到的不爭事實。

每個管理者都一定在絞盡思慮，破行業(yè)的局、破自己的局。壓縮成本不是可持續(xù)性的良策，海外拼殺也不過是平面維度的拖延，右賢在尋找別的維度的解法，在內(nèi)卷度愈發(fā)難以呼吸的市場，給我們舒展開空間，上演寬度與深度的畫面感。

顯然，我們都了解消費互聯(lián)網(wǎng)的ToC場景和產(chǎn)業(yè)互聯(lián)網(wǎng)的ToB業(yè)務(wù)，于是，右賢打了個形象的比喻，給出他的理解，“ToC的賽道是100m寬，我們往往只需要做1m深，就能夠滿足70%到90%的客戶需求，面對ToC就是快速滿足這些需求。但是，做ToB ，做行業(yè)、做場景化，選擇賽道往往只有1m寬，但你必須挖下100m深，才能創(chuàng)造更多的產(chǎn)品價值，深度服務(wù)好客戶?！?/p>

相對于短平快的ToC場景， ToB的投資回報周期要長得多。這是事實，右賢心如明鏡。

決定做好這條新維度的賽道，面對“100m深”的堅持，如何能讓自己和團隊保持耐心？面對這個尖刻又必然的問題，右賢很干脆的回應(yīng)，“是這樣，當(dāng)我們挖到2米的時候會碰到石頭，挖到50米會碰到巖石，所以怎么辦？分兩步?！?/p>

右賢展開講，“首先，我們一定會繼續(xù)深耕ToC消費互聯(lián)網(wǎng)市場，做好基本盤。但也會把大家所聚焦的那1m深的賽道，持續(xù)深挖下去。也就是說，我們要把視頻云的基礎(chǔ)能力做到極致化，做到穩(wěn)定性與體驗性的極致、做到成本與性能的極致?！毙袠I(yè)里的人都理解，穩(wěn)定和成本就是消費互聯(lián)網(wǎng)的最大痛點，但要把基礎(chǔ)能力做到極致也并非易事。

側(cè)面可感，阿里云視頻云已在排兵布陣，顯性突破。作為云廠商，做到超大規(guī)?；碌臉O致，需要站在頂層的抽象思維和重構(gòu)設(shè)計，所以其內(nèi)部強調(diào)“Uni”的技術(shù)設(shè)計理念，即“統(tǒng)一”：從多元融合的統(tǒng)一網(wǎng)絡(luò)，到媒體服務(wù)的統(tǒng)一引擎，再到一體化的終端利器，直達(dá)市場所需要的低門檻、低成本、高時效、高性能、泛應(yīng)用。這是技術(shù)深度上的極致。

就在剛剛結(jié)束的LiveVideoStackCon上海2023，阿里云在原來的GRTN網(wǎng)絡(luò)基礎(chǔ)上升級推出MediaUni多元融合流媒體傳輸網(wǎng)絡(luò)，正如其名，目的就是極大滿足音視頻多元業(yè)務(wù)的傳輸需求，并以低成本、低延遲的極致姿態(tài)達(dá)成，更為面向未來的業(yè)務(wù)形態(tài)實現(xiàn)媒體與元數(shù)據(jù)的融合傳輸，這是強大的底座。往上走，在關(guān)鍵的中間層，破局重組，設(shè)計全新的媒體服務(wù)頂層架構(gòu)，打造規(guī)模化、智能化、多業(yè)務(wù)、靈活、開放的媒體服務(wù)中臺，突破媒體服務(wù)的高時效與高質(zhì)量，這是強力的發(fā)動機。

窺一斑而知全貌，能想象右賢所推進的基礎(chǔ)設(shè)施極致化，需要怎樣的堅定投入。如此，在深一步支撐ToC的同時，也在為ToB的加速做更扎實的儲備。當(dāng)然，遠(yuǎn)不止此，ToB場景更復(fù)雜多樣，需要更深的洞察力、創(chuàng)造力和持久的耐心。

這也是右賢提到的第二步，用“全智能”內(nèi)化之力，來滿足更多ToB的數(shù)字化升級，換句話說，面向行業(yè)孵化場景應(yīng)用，做一個標(biāo)桿，照亮一片。

他提到支持中國美院的“云上藝考”，“以前的藝術(shù)類考試，學(xué)生都要在短期抵達(dá)多個院校現(xiàn)場考試，藝考潮甚至像春運一樣，網(wǎng)上也熱傳過‘藝考生10天輾轉(zhuǎn)多地趕考，賣掉一套房’的新聞，雖然略顯夸張，但可見其赴考難度極大，考試公平性也很難保障。對此，我們通過AI與視頻云技術(shù)，讓美院的4萬多名考生同時在線、居家考試，并以高可靠、高可控實現(xiàn)100%的全程順利穩(wěn)定，這說來輕易，但真實情況是踩過很多坑才能實踐出來。項目結(jié)束，學(xué)校發(fā)來了感謝信，讓我們倍受鼓舞，后來將這種場景方案復(fù)用創(chuàng)新在更多藝術(shù)院校。”

“我們還有一個有趣的場景——云養(yǎng)貓。我大概調(diào)研了一下，中國目前有寵物 2.93億只，如果你經(jīng)常出差很難把貓帶在身邊?，F(xiàn)在可以把貓托管社區(qū)或自己家里，通過視頻我們可以跟寵物進行互動，包括投放貓糧、加水等等。此外，我們還做了很多工業(yè)質(zhì)檢的場景，其他行業(yè)新場景也都在探索落地中?！庇屹t很有期待地說。

或許，不同時空踏在音視頻圈內(nèi)外的他，從另個維度看到了更多景致和可能。

即使一切看起來繁花似錦，玩味無窮，也聽到右賢反復(fù)提及，“ToB是一條艱難而正確的路”。

這條路，不僅需要“100m深”的耐心，也要多些好奇心和創(chuàng)造力。

既要又要，普惠+生態(tài)

“數(shù)字化轉(zhuǎn)型升級過程中，65%的行業(yè)數(shù)字化信息來源于視頻，49%的智能應(yīng)用又是以視頻為基礎(chǔ)。這就是未來我們要對視頻進行更多行業(yè)外應(yīng)用的基礎(chǔ)，由此，視頻應(yīng)用場景就會百花齊放了。”右賢說。

某種意義上，這就是千行百業(yè)的普惠。所以自始至終，右賢也深諳“普惠”。

2023年4月，阿里巴巴集團CEO張勇提出阿里云的戰(zhàn)略核心是“讓算力更普惠、讓AI更普及”，反映在客戶的認(rèn)知或許就是眾多云產(chǎn)品的價格下調(diào)，但本質(zhì)是通過釋放技術(shù)紅利來實現(xiàn)普惠，讓更多企業(yè)以更高性價比獲得阿里云或視頻云的服務(wù)，從而擁有更大的市場競爭力。

但更近一步，右賢強調(diào)，“我們能夠做的普惠，不僅僅是商業(yè)的普惠，還會做到對一些產(chǎn)業(yè)的普惠，即加速產(chǎn)業(yè)數(shù)字化進程。比如，視頻云更多定位為PaaS，產(chǎn)品還是以API的交付方式，就客戶的技術(shù)能力和平臺現(xiàn)狀來講，這對很多行業(yè)的客戶要求非常高，實現(xiàn)是有一定難度的。集成周期通常都是在三天到一周，才能把視頻語音的一些能力應(yīng)用到客戶自身的APP，過程中還存在海量設(shè)備兼容困難的問題，讓整個時效比較低?！?/p>

這確實是當(dāng)前普遍的交付模式和交付效率問題，解決它就能深化普惠。

“所以我們很早就提出了低代碼甚至零代碼，當(dāng)然視頻云零代碼還不太現(xiàn)實，所以我們把很多的組件能力套件化，讓企業(yè)降低集成的難度；同時，依托大模型，打造小模型，組合能力、適配場景，大幅提升交付效率，實現(xiàn)幾小時即可上線。這是一種普惠。”

這里提到的，即是在持續(xù)升級的音視頻開發(fā)工具MediaBox，據(jù)說是個百寶箱，具備豐富、極致、智能的能力，在高易用、高性能之下，極大滿足客戶真實需求的場景化。

“還拿考試為例，在居家條件下的云上藝考，一定需要比現(xiàn)場更有力的防作弊監(jiān)考能力。于是，基于對線上藝考差異化情景的全面分析，我們的技術(shù)團隊極速研發(fā)了基于AI 的自動檢測能力，疊加在MediaBox的遠(yuǎn)程監(jiān)考方案中，滿足藝考監(jiān)測的全維度。這極大減輕學(xué)校監(jiān)考壓力，更能保障教育的公平與公正。在這之上，還能靈活應(yīng)對各類新需求，比如，針對有的學(xué)生違規(guī)戴了藍(lán)牙耳機，我們可以再疊加一個模型進去，以天為單位，就可實現(xiàn)新功能上線。目前，我們這套智能遠(yuǎn)程監(jiān)考方案已經(jīng)成功復(fù)用在各類藝術(shù)考試、青少年編程考試、企業(yè)招聘考試中，這也是一種普惠。”右賢說。

透過一個小小考試場景360度的精細(xì)打造，能夠看到一個音視頻開發(fā)工具的真誠，這大概也是右賢所提到的“100m深”的堅持。有了這樣的耐心和誠心，視頻云的視野似乎也真正打開了。

“我們也很關(guān)注農(nóng)業(yè)企業(yè)，交流了許多，比如，通過視頻如何去監(jiān)控牲畜的狀態(tài)，以及如何去選苗、育苗，其實大部分企業(yè)不具備這樣的能力，所以需要把這個智能技術(shù)使用門檻降低，這是一種更實在的普惠，而不是簡單地把價格降低，因為把價格降再低，企業(yè)也用不起來”， 右賢繼續(xù)分享到。

能看得出，阿里云視頻云很真誠在拓延行業(yè)的普惠，但視頻云是偏方案型的服務(wù)，尤其面向視頻云2.0的產(chǎn)業(yè)互聯(lián)網(wǎng)，它更是一個典型的ToB賽道服務(wù)，與做一個應(yīng)用或軟件不同，會面對行業(yè)各種復(fù)雜的場景，這等同于數(shù)量級的個性化需求，一家廠商必然乏力。

于是，右賢給出他的直言，“我經(jīng)常講，我們是技術(shù)有限公司，也是能力有限團隊。實際情況就是這樣的，面向千百行業(yè)的需求，僅靠一家公司、一個團隊是很難解決的，只有通過與業(yè)界廣大的合作伙伴一起肩并肩、背靠背，才能快速解決客戶的問題。因此，我們要與生態(tài)伙伴合作，彼此雙向賦能。生態(tài)伙伴會涉及到幾類：一個，是面向大行業(yè)和行業(yè)領(lǐng)先的生態(tài)伙伴，我們會攜手一起解決行業(yè)重難點問題，針對一些典型場景會以聯(lián)合共創(chuàng)的方式展開合作；另一個，是面向廣大的開發(fā)者或中小型ISV，我們會把能力標(biāo)準(zhǔn)化、原子化讓他們易集成、易使用，實現(xiàn)低代碼乃至零代碼的集成，讓我們的能力被真正用好?！?/p>

總言之，阿里云視頻云要做生態(tài)伙伴做不了的或不容易實現(xiàn)的能力，比如底層的通用算力，比如一些較為復(fù)雜的算法模型，比如算法跟底層芯片的調(diào)優(yōu)。而面向應(yīng)用場景的優(yōu)化微調(diào)，交給更擅長的ISV去做。“這樣，把邊界也切分清楚，我們會調(diào)動各行各業(yè)的生態(tài)伙伴，共同促進視頻在行業(yè)智能化的價值，成就彼此。” 右賢這樣說。

如果“既要又要”的話，普惠是包羅萬象的期許，生態(tài)是明晰邊界的覺知，一切都是為了更大的商業(yè)與社會價值。

有機未來，不止AI

不管舒展還是內(nèi)卷，我們都更喜歡看未來。

“在未來，我會拿出更多的研發(fā)資源，不以商業(yè)為目的去做一些技術(shù)研究，做一些相對超前的技術(shù)儲備”，右賢表示，“其實產(chǎn)品技術(shù)投資上不要怕失敗，就怕沒有想法、沒有動力往前走，所以，如果很多事情是站在昨天規(guī)劃今天，是在解決歷史問題，你只能贏得當(dāng)下。如果你不站在后天想明天做什么，你是永遠(yuǎn)都不可能走到后天去的，也很難贏得明天?！?/p>

談及視頻云的明天和后天，就回扣右賢最初對視頻的認(rèn)知，他認(rèn)為，如果這是改變?nèi)f物交互的方式，當(dāng)下，人與人的音視頻溝通已經(jīng)做得很多、體驗也不錯，人與機器的溝通也可以通過NLP（自然語言處理）等技術(shù)來實現(xiàn)。未來，音視頻技術(shù)還可以有更大的應(yīng)用范疇，與AI融合，與AIGC、ChatGPT都要做有機的融合。

說到這一點，右賢提到一個概念，“有機融合”。

“我覺得新技術(shù)目前可能很難再井噴，視頻云需要做的是把眾多技術(shù)進行有機的融合，這是更重要的。技術(shù)不斷的融合創(chuàng)新，融合后會衍生出很多意想不到的新場景，這個過程中，視頻云會生長成為智能社會的新基建，帶來的收益空間也是可預(yù)見的，會非常大。”

AI的融合是首要，且要看清其生長紋理。

“AI的發(fā)展經(jīng)歷三起三落，我們經(jīng)常講摩爾定律18個月，但由于AI算力的突破，后摩爾定律讓AI基本每3到4個月，整個數(shù)據(jù)的算力需求就翻一倍，這意味著AI的進化會非常迅猛，包括衍生到今天的GPT、人工神經(jīng)網(wǎng)絡(luò)、腦科學(xué)等等。我認(rèn)為，人工智能是人工與智能兩個詞，今后一段時期，人工智能的重點會在智能上，技術(shù)和應(yīng)用會聚焦在“數(shù)能生智”方面，DIKW模型會快速迭代。以前是“人工+智能”，現(xiàn)在是“智能+人工”，右賢笑著說。

換個角度，未來或許是AI理解世界，我們理解AI。

無論如何，談及鮮為人知的DIKW金字塔，足見右賢對AI智慧的更深理解，這必然成為阿里云視頻云在研發(fā)動能上的無形牽引。

于是，他的團隊一直在探索實踐，比如，AIGC方向，文本生成圖片、圖片生成視頻，還包括2D到3D的融合直播等等。接下來，針對智能媒資管理，從標(biāo)簽標(biāo)準(zhǔn)到媒資自動化管理，也會加大投入。而面向video for machine的未來，阿里云視頻云針對機器編碼也在與相關(guān)標(biāo)準(zhǔn)組織合作，加速推進MPEG-VCM標(biāo)準(zhǔn)的制定。這是右賢列舉的幾個技術(shù)演進點。

不僅如此，右賢還將“視頻”有機關(guān)聯(lián)到“數(shù)據(jù)密集型科研”，認(rèn)為其會成為未來科研的新范式。什么是數(shù)據(jù)密集型？“其實就是大視頻，它數(shù)據(jù)量很大，但數(shù)據(jù)價值密度相對較低，所以需要快速的分析?？蒲械谒姆妒骄褪抢么髷?shù)據(jù)進行科學(xué)研究，通過數(shù)學(xué)重構(gòu)這個真實世界，而以前都是模擬、仿真，再往前就是實驗觀察、理論總結(jié)等等。在可預(yù)見的未來科研里，視頻大數(shù)據(jù)顯得尤為重要?！?/p>

視頻、數(shù)據(jù)、智能、智慧、世界，這里看得出他有更深更遠(yuǎn)的視野。

倘若把視線再抬高一點，看視頻云的未來，右賢還是那句話，“如果100%以商業(yè)價值，或許只能贏今天，不一定能贏明天?！?/p>

這也引出他對商業(yè)、技術(shù)、產(chǎn)品的看法，也能以“有機融合”來點睛。在他看來，這三者不可割裂，是一個完整的有機體。

“產(chǎn)品技術(shù)是為商業(yè)服務(wù)的，也是為社會服務(wù)的。作為管理者，必須要跟團隊要講明確，我們作為一個大家庭必須要有認(rèn)知，無論是產(chǎn)品、技術(shù)、商業(yè)，我們都要敬畏市場、尊重客戶。這是我從最初就特別強調(diào)的一個問題。我們過往的發(fā)展模式過于敏捷迭代，很多技術(shù)也是ToC業(yè)務(wù)中沉淀起來的，但是，做ToB要非常講究嚴(yán)謹(jǐn)、講究價值，要圍繞著商業(yè)價值、社會價值。在這樣的一個前提下，產(chǎn)品的商業(yè)價值要牽引技術(shù)的研發(fā)，從出發(fā)點到終點，都要做到真正的敬畏與尊重，最后就能實現(xiàn)很好的商業(yè)。”

辭海里，“有機”是代表有生命的，事物構(gòu)成各部分互相關(guān)聯(lián)而具不可分的統(tǒng)一性，與生物相同。這或許觸類旁通了他對技術(shù)、商管的有機之見，也發(fā)現(xiàn)了視頻云的新生命。

最后，如果尋幾個詞來素描右賢，大概是開闊、堅定、務(wù)實，一個賽道新人對瓶頸感行業(yè)生出很多新的覺知，這讓他“ABCDE”的經(jīng)驗游歷于Video之上的更高視野。如果這份覺知和經(jīng)驗發(fā)酵，投射在2.0背景下的阿里云視頻云身上，大抵如今年LiveVideoStackCon所述，是“云智新生”的視頻云。未來的未來，我們拭目以待。

關(guān)鍵詞：