1872年的某一天，在美國加利福尼亞州的一個酒店里，兩個年輕人發生了激烈的爭論。

其中一人認為，奔跑的馬在躍起的瞬間，四蹄是騰空的。而另一人則認為，馬奔跑時，始終有一個蹄子是著地的。

來自英國的攝影師麥布里奇得知此事后，決定通過實驗來驗證誰對誰錯。于是，他借助24臺相機，連續拍攝了24張照片，并由此創造了人類歷史上第一個“視頻”。

不久后，1877年，著名發明家愛迪生在他的“圓筒留聲機”上，錄下了他親自朗讀的《瑪麗有只小羊羔》的歌詞。

這短短數秒的聲音，成為了人類歷史上第一條音頻。由此，人類正式進入了音視頻時代。

█音視頻技術的發展和演進

眾所周知，人有五感，分別是視覺、聽覺、嗅覺、味覺和觸覺。通過五感，我們才能感知外部物理世界的存在，享受真實生活的美好。

在人類漫長的歷史長河中，文字、圖畫是記錄和傳遞信息的主要方式。直到前面提及的音視頻出現，才將人類記錄信息的方式，升級到了一個更高的維度，更加具象化。

音頻和視頻誕生早期，只能存儲在膠片和磁帶上，容量有限，也不方便保存和運輸。

直到20世紀70-80年代，隨著數字錄音和攝像技術的不斷成熟，唱片公司和電影公司開始采用數字方式錄制原始素材，并進行后期制作，掀起了音視頻技術的革新浪潮。

在數字技術的支撐下，音視頻剪輯變得更加方便快捷。CD、MD、DVD等數字載體的出現，不僅讓音質畫質大幅改善，還極大地擴充了存儲容量，減少了空間占用。

到了90年代，個人PC的規模普及，以及互聯網的爆炸式發展，再次刺激了音視頻技術的飛躍，并將人類全面推向了多媒體時代。

那一時期，互聯網先民們瘋狂地上傳和下載mp3、wav格式的音樂，bmp、jpg格式的圖片，還有rm、mov、avi格式的電影。他們不再局限于純文字的交互方式，而是全面轉向了QQ、MSN這樣的多媒體通信工具。

與此同時，基于音視頻技術發展起來的游戲產業，更是將人們對數字世界的感官體驗，推向了更高的層級。人們開始有了對數字虛擬空間生活的早期憧憬和迷戀。

進入21世紀后，隨著3G/4G、光纖寬帶的高速發展，以及摩爾定律下CPU、內存、硬盤能力的進一步躍升，音視頻技術再獲突破，幾乎可以說是日新月異。

以視頻的清晰度為例，一路從早期的標清（320p/480p），發展到高清（720P/1080P），再到超高清（4K/8K），并最終催生了前所未有的人機交互模式——VR/AR（虛擬現實/增強現實）。

VR/AR的出現，第一次讓人類感受到什么叫做沉浸式體驗。我們與數字世界的交互，從單向異步，變成了雙向同步。我們向真正的數字空間生活，邁出了一大步。

2020年，騰訊提出“全真互聯網”。2021年，元宇宙火遍出圈。這些都是音視頻技術飛速發展的產物。

視頻編解碼技術的不斷演進，信息通信技術的快速迭代，極大地改善了人們的視頻觀看體驗，徹底激發了人們對平行數字空間的渴望和向往，認為這是一種可以實現的夢想。

人們不再滿足于使用音視頻技術傳遞真實世界的影像，而是更希望將真實世界的一切元素都“捕捉”下來，轉換成無數的比特，存放在硬盤里。這些比特，將成為人們構建數字虛擬世界的素材。

█ 音視頻技術的需求變化

元宇宙到底能不能成真，我并不知道答案。但是，音視頻技術的需求趨勢，卻是顯而易見的。歸納而言，就是兩點：平民化、產業化。

近年來，智能手機的普及，專業攝錄設備的降價，讓越來越多的普通用戶有機會進行音視頻內容創造和生產。

短視頻業務的爆發，以及全民直播的興起，更是將視頻平民化推向了新的高潮。

幾乎在一夜之間，我們就進入了“人人看視頻，人人拍視頻”的時代。很多優秀的up主或主播，能夠通過優質的內容，賺取巨額收益，刺激了人們將視頻作為謀生手段的熱情。

在這樣的情況下，音視頻技術需要進一步降低門檻，讓更多的人能夠更容易地生產內容。

2020年，突如其來的新冠疫情，也間接推動了音視頻產業的發展。我們需要借助虛擬空間的延伸，彌補疫情導致的物理空間上的限制。

學生居家學習，企業居家辦公，產生了大量的網課、會議視頻流量。根據運營商的統計數據，截至2020年底，視頻在全網數據流量的占比已接近70%。

除了學習和辦公之外，產業將視頻的應用進行了延伸，發掘了更多的創新場景。

例如，借助視頻識別技術，可以對產品進行質量檢驗，可以對園區進行車輛管理，可以對工地進行安全隱患識別。

再例如，借助VR/AR技術，可以進行人員崗前培訓，可以進行遠程手術，可以進行遠程參觀，也可以進行遠程設備巡檢和故障處理。

也就是說，視頻不再僅僅是娛樂工具，而是變身為生產力工具。

各個領域和垂直行業，都希望借助音視頻技術，升級和改造現有生產場景，提升效率，降低成本。

企業希望充分利用音視頻技術，但是，也面臨著對技術門檻和資源投入的擔憂，望而卻步。

我們現在每天都在討論數字化轉型，其實，“音視頻+垂直行業”，就是企業數字化轉型的一個極佳入口。行業音視頻，即將進入爆發期。

█音視頻技術的未來方向

剛才說的是外部需求的變化。接下來，我們看看音視頻技術是如何應對變化的。

簡而言之，就是三點：算法極致化、功能智能化、服務平臺化。

音視頻的性能指標提升，一直沒有停止前進的腳步。

尤其是視頻方面，因為高清顯示技術的驅動，使得視頻的分辨率不斷增長。除了分辨率之外，視頻的幀率要求，也在增加。

還有VR視頻，因為含有三維的時間和空間信息，所以冗余更高，數據體積更大。

想要實現超高清高幀、VR/AR視頻應用的普及，僅僅依靠增加硬盤容量和通信帶寬是不夠的，必須盡可能壓縮視頻的體積。這就離不開視頻壓縮算法的持續改進。

目前，全球視頻編碼標準分為多個派系。除了大家熟悉的H.26X系列（ITU-T主導）之外，還有MPEG系列（ISO/IEC主導），AVS系列（國內AVS組織主導），以及免費開源的AV1等。

來自知乎用戶：甜草莓

這些標準，形成了開放的競爭關系，不斷探索著視頻算法的極限。它們是視頻技術向前發展的基礎。

除了硬指標提升之外，音視頻的另一個發展趨勢，就是全面智能化時代的到來。

換言之，就是AI人工智能技術不斷被引入到音視頻領域，幫助提升音視頻內容的生產效率，同時創新出更多的玩法。

首先看看音頻。

AI+音頻，可以實現對音頻信號的智能識別、編創。具體識別對象，可以是歌曲中的鼓點、節奏點。

AI可以針對音樂的強度、情緒、風格、情感等維度，對音樂進行理解和打標簽。在編創時，AI可以將音樂中人聲、伴奏、吉他、鋼琴等音軌進行智能分離。

AI還可以自動對歌詞進行續寫，將一首流行歌曲，改編成一首Rap（說唱音樂）。

再看看視頻。

做過視頻的人都知道，視頻內容創作的大部分工作量，都集中在視頻內容剪輯和渲染上，既費時又費力。

相比于傳統的人工剪輯，基于算法和學習，AI可以對視頻素材進行“智能增強”、“智能剪輯/拆條”。

“智能增強”，則是通過AI技術，進行視頻圖像降噪、色彩增強，改善畫面細節，提升人眼的主觀效果。

“智能剪輯/拆條”，則是智能識別和分析視頻原始素材中人物的動作、事件和表情，自動定位精彩片段，將其提取出來，完成剪輯、配樂等工作，變成精彩視頻集錦。

“AI+音頻+視頻”的融合，用途更為廣闊。Up主可以借此實現視頻智能配樂、音樂MV和vlog的自動創作，大幅降低作品的生產難度。

除了內容創作以外，AI還可以用于視頻修復（舊電影修復）、視頻增強和行業視頻應用。

例如，騰訊的多媒體實驗室，通過深度學習敦煌壁畫病害數據，形成自動識別并添加圖示的一整套算法，打造出了高效的AI壁畫病害識別工具。

音視頻技術的第三個發展趨勢，是服務形式的平臺化。

正如前面所介紹的，音視頻技術的應用難度很高，一般個人和企業很難獨立玩轉。于是，現在很多音視頻技術服務商，開始通過視頻云（騰訊）、視頻中臺（中國移動）等方式，對個人和政企用戶進行音視頻能力服務。

這些平臺集成了開放的API接口，方便上層應用開發商調用，開發軟件。平臺本身，又結合了云的能力，擁有無限的算力，可以支撐用戶的需求。

專業服務商們提供的技術和平臺，涵蓋了智能采集、數據處理和渲染展示等多個環節，有利于降低垂直行業對音視頻業務的開發門檻，讓更多的企業能夠從容地使用音視頻業務，享受音視頻紅利，加快數字化轉型。

█結語

現在，沒有音視頻，人們的快樂會減少一半。

未來，沒有音視頻，企業的效率會下降一半。

正如前面所說，未來，音視頻技術將進入爆發期。尤其是工業制造、金融證券、文旅教育等垂直領域，音視頻將進入高速增長的階段。音視頻的商業模式，將發生很大的變化。音視頻業務的應用場景，也將大量出現。

希望音視頻能夠帶來更多的創新，帶給我們更多的驚喜。