?不久前，LiveVideoStack與阿里云視頻云負責人席明賢（花名右賢）展開一場深度的對話，一個是圈內專業的社區媒體，一個是20年的IT老兵，雙方有交集、有碰撞、有火花。

面對風云變幻的內外環境，阿里云在視頻云賽道是堅定向前的，對談中，右賢沒有回避多媒體當下行業面臨的困難以及業務面臨的挑戰，作為視頻云賽道新人，他用了很多時間調研市場和客戶，他堅定地選擇ToB作為突破口，他認為AI將把視頻云升級到2.0。

從1.0到2.0，云賦予了視頻，AI賦予了視頻云，2.0的視頻云是走向行業場景化的。

以下，透過一個多重視野的管理者，細細道來。

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。

1934年的《The Rock》，是DIKW模型的源頭，它揭示了從數據到智慧的內蘊，恰好和右賢的經歷頗有牽系。

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。大學時期學習計算機技術，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、大數據、數據庫、人工智能、邊緣計算的產品規劃和技術開發，也負責過釘釘教育業務。

仔細端詳，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用，這足夠讓他新奇萬分。

關于他的時空履歷，有疊加的化學效應，“之前做的那些產品技術相對來說，是偏底層的；而視頻云是技術應用解決方案，它是全鏈路的、與業務強相關的；同時，這些視頻業務的底層需要云計算、數據庫、人工智能等融合支撐。正因如此，我過往的經歷恰好在視頻云這個賽道大有可為。”右賢說。

可以想象右賢領隊下的阿里云視頻云會發生怎樣的變化，多媒體行業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，他的經驗正是阿里云視頻云需要的。

視頻云2.0

回到現實軌道，與“大有可為”強對比的，可能是音視頻舊人眼里的瓶頸。

國內多媒體生態經過了6到8年的快速發展，目前進入到調整或平穩期，在這樣的背景下進入這個賽道，對行業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，去迎面消費互聯網的全面爆發，那如今是AI賦予了視頻云，帶來了視頻云2.0，去解決行業數智化的全新升級。

的確，這揭示了視頻云的本質，從1.0到2.0，不知不覺，視頻云的本質發生了變化。

右賢解釋到，“在視頻云1.0時代，視頻應用主要集中在消費互聯網領域，主要解決成本和體驗問題，即B端的音視頻企業成本和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，視頻應用轉向產業互聯網領域，去解決各行各業場景化視頻智能應用的問題，即視頻如何支持行業數智化升級。視頻云正在從1.0向2.0過渡。”

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大模型和場景小模型，來助力行業的數智化。就此，阿里云視頻云擁有三大關鍵能力：第一是規模能力，經過視頻云1.0的蓬勃發展，阿里云成為全球和國內規模最大的視頻云基礎設施服務商之一，能提供高質量、高性價比的視頻服務；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、處理、傳輸、消費全鏈路的產品智能化升級；第三是場景化服務能力，基于多年的豐富行業實踐，可以向客戶提供高易用、高性能的視頻終端服務套件，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行業應用的百花齊放。”

當然，不僅行業賽道正面臨變革，技術突破也為視頻云的服務升級創造機會。“我們從video 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等技術迭代正在為視頻服務注入新的價值。從云養貓到云監考，從牧業養豬到農業育苗，從IPTV到工業質檢，右賢列舉了許多細分行業場景，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，大部分市場處于嚴重的內卷狀態。許多企業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。當然也有許多企業選擇出海，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，破行業的局、破自己的局。壓縮成本不是可持續性的良策，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，在內卷度愈發難以呼吸的市場，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網的ToC場景和產業互聯網的ToB業務，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、做場景化，選擇賽道往往只有1m寬，但你必須挖下100m深，才能創造更多的產品價值，深度服務好客戶。”

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，“是這樣，當我們挖到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。”

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

側面可感，阿里云視頻云已在排兵布陣，顯性突破。作為云廠商，做到超大規模化下的極致，需要站在頂層的抽象思維和重構設計，所以其內部強調“Uni”的技術設計理念，即“統一”：從多元融合的統一網絡，到媒體服務的統一引擎，再到一體化的終端利器，直達市場所需要的低門檻、低成本、高時效、高性能、泛應用。這是技術深度上的極致。

就在剛剛結束的LiveVideoStackCon上海2023，阿里云在原來的GRTN網絡基礎上升級推出MediaUni多元融合流媒體傳輸網絡，正如其名，目的就是極大滿足音視頻多元業務的傳輸需求，并以低成本、低延遲的極致姿態達成，更為面向未來的業務形態實現媒體與元數據的融合傳輸，這是強大的底座。往上走，在關鍵的中間層，破局重組，設計全新的媒體服務頂層架構，打造規模化、智能化、多業務、靈活、開放的媒體服務中臺，突破媒體服務的高時效與高質量，這是強力的發動機。

窺一斑而知全貌，能想象右賢所推進的基礎設施極致化，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。當然，遠不止此，ToB場景更復雜多樣，需要更深的洞察力、創造力和持久的耐心。

這也是右賢提到的第二步，用“全智能”內化之力，來滿足更多ToB的數字化升級，換句話說，面向行業孵化場景應用，做一個標桿，照亮一片。

他提到支持中國美院的“云上藝考”，“以前的藝術類考試，學生都要在短期抵達多個院校現場考試，藝考潮甚至像春運一樣，網上也熱傳過‘藝考生10天輾轉多地趕考，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，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100%的全程順利穩定，這說來輕易，但真實情況是踩過很多坑才能實踐出來。項目結束，學校發來了感謝信，讓我們倍受鼓舞，后來將這種場景方案復用創新在更多藝術院校。”

“我們還有一個有趣的場景——云養貓。我大概調研了一下，中國目前有寵物 2.93億只，如果你經常出差很難把貓帶在身邊。現在可以把貓托管社區或自己家里，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質檢的場景，其他行業新場景也都在探索落地中。”右賢很有期待地說。

或許，不同時空踏在音視頻圈內外的他，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造力。

既要又要，普惠+生態

“數字化轉型升級過程中，65%的行業數字化信息來源于視頻，49%的智能應用又是以視頻為基礎。這就是未來我們要對視頻進行更多行業外應用的基礎，由此，視頻應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略核心是“讓算力更普惠、讓AI更普及”，反映在客戶的認知或許就是眾多云產品的價格下調，但本質是通過釋放技術紅利來實現普惠，讓更多企業以更高性價比獲得阿里云或視頻云的服務，從而擁有更大的市場競爭力。

但更近一步，右賢強調，“我們能夠做的普惠，不僅僅是商業的普惠，還會做到對一些產業的普惠，即加速產業數字化進程。比如，視頻云更多定位為PaaS，產品還是以API的交付方式，就客戶的技術能力和平臺現狀來講，這對很多行業的客戶要求非常高，實現是有一定難度的。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用到客戶自身的APP，過程中還存在海量設備兼容困難的問題，讓整個時效比較低。”

這確實是當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，當然視頻云零代碼還不太現實，所以我們把很多的組件能力套件化，讓企業降低集成的難度；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，實現幾小時即可上線。這是一種普惠。”

這里提到的，即是在持續升級的音視頻開發工具MediaBox，據說是個百寶箱，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，一定需要比現場更有力的防作弊監考能力。于是，基于對線上藝考差異化情景的全面分析，我們的技術團隊極速研發了基于AI 的自動檢測能力，疊加在MediaBox的遠程監考方案中，滿足藝考監測的全維度。這極大減輕學校監考壓力，更能保障教育的公平與公正。在這之上，還能靈活應對各類新需求，比如，針對有的學生違規戴了藍牙耳機，我們可以再疊加一個模型進去，以天為單位，就可實現新功能上線。目前，我們這套智能遠程監考方案已經成功復用在各類藝術考試、青少年編程考試、企業招聘考試中，這也是一種普惠。”右賢說。

透過一個小小考試場景360度的精細打造，能夠看到一個音視頻開發工具的真誠，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。

“我們也很關注農業企業，交流了許多，比如，通過視頻如何去監控牲畜的狀態，以及如何去選苗、育苗，其實大部分企業不具備這樣的能力，所以需要把這個智能技術使用門檻降低，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，企業也用不起來”， 右賢繼續分享到。

能看得出，阿里云視頻云很真誠在拓延行業的普惠，但視頻云是偏方案型的服務，尤其面向視頻云2.0的產業互聯網，它更是一個典型的ToB賽道服務，與做一個應用或軟件不同，會面對行業各種復雜的場景，這等同于數量級的個性化需求，一家廠商必然乏力。

于是，右賢給出他的直言，“我經常講，我們是技術有限公司，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，我們要與生態伙伴合作，彼此雙向賦能。生態伙伴會涉及到幾類：一個，是面向大行業和行業領先的生態伙伴，我們會攜手一起解決行業重難點問題，針對一些典型場景會以聯合共創的方式展開合作；另一個，是面向廣大的開發者或中小型ISV，我們會把能力標準化、原子化讓他們易集成、易使用，實現低代碼乃至零代碼的集成，讓我們的能力被真正用好。”

總言之，阿里云視頻云要做生態伙伴做不了的或不容易實現的能力，比如底層的通用算力，比如一些較為復雜的算法模型，比如算法跟底層芯片的調優。而面向應用場景的優化微調，交給更擅長的ISV去做。“這樣，把邊界也切分清楚，我們會調動各行各業的生態伙伴，共同促進視頻在行業智能化的價值，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，生態是明晰邊界的覺知，一切都是為了更大的商業與社會價值。

有機未來，不止AI

不管舒展還是內卷，我們都更喜歡看未來。

“在未來，我會拿出更多的研發資源，不以商業為目的去做一些技術研究，做一些相對超前的技術儲備”，右賢表示，“其實產品技術投資上不要怕失敗，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劃今天，是在解決歷史問題，你只能贏得當下。如果你不站在后天想明天做什么，你是永遠都不可能走到后天去的，也很難贏得明天。”

談及視頻云的明天和后天，就回扣右賢最初對視頻的認知，他認為，如果這是改變萬物交互的方式，當下，人與人的音視頻溝通已經做得很多、體驗也不錯，人與機器的溝通也可以通過NLP（自然語言處理）等技術來實現。未來，音視頻技術還可以有更大的應用范疇，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”。

“我覺得新技術目前可能很難再井噴，視頻云需要做的是把眾多技術進行有機的融合，這是更重要的。技術不斷的融合創新，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的發展經歷三起三落，我們經常講摩爾定律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，整個數據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、人工神經網絡、腦科學等等。我認為，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，技術和應用會聚焦在“數能生智”方面，DIKW模型會快速迭代。以前是“人工+智能”，現在是“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，從標簽標準到媒資自動化管理，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標準組織合作，加速推進MPEG-VCM標準的制定。這是右賢列舉的幾個技術演進點。

不僅如此，右賢還將“視頻”有機關聯到“數據密集型科研”，認為其會成為未來科研的新范式。什么是數據密集型？“其實就是大視頻，它數據量很大，但數據價值密度相對較低，所以需要快速的分析。科研第四范式就是利用大數據進行科學研究，通過數學重構這個真實世界，而以前都是模擬、仿真，再往前就是實驗觀察、理論總結等等。在可預見的未來科研里，視頻大數據顯得尤為重要。”

視頻、數據、智能、智慧、世界，這里看得出他有更深更遠的視野。

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%以商業價值，或許只能贏今天，不一定能贏明天。”

這也引出他對商業、技術、產品的看法，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。

“產品技術是為商業服務的，也是為社會服務的。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知，無論是產品、技術、商業，我們都要敬畏市場、尊重客戶。這是我從最初就特別強調的一個問題。我們過往的發展模式過于敏捷迭代，很多技術也是ToC業務中沉淀起來的，但是，做ToB要非常講究嚴謹、講究價值，要圍繞著商業價值、社會價值。在這樣的一個前提下，產品的商業價值要牽引技術的研發，從出發點到終點，都要做到真正的敬畏與尊重，最后就能實現很好的商業。”

辭海里，“有機”是代表有生命的，事物構成各部分互相關聯而具不可分的統一性，與生物相同。這或許觸類旁通了他對技術、商管的有機之見，也發現了視頻云的新生命。

最后，如果尋幾個詞來素描右賢，大概是開闊、堅定、務實，一個賽道新人對瓶頸感行業生出很多新的覺知，這讓他“ABCDE”的經驗游歷于Video之上的更高視野。如果這份覺知和經驗發酵，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。