共计 7108 个字符，预计需要花费 18 分钟才能阅读完成。
这是一篇人物专访，源自 LiveVideoStack 与阿里云视频云负责人席明贤（花名右贤）的对话。面对风云变幻的内外环境，阿里云在视频云赛道是动摇向前的，右贤没有回避多媒体当下行业面临的艰难以及业务面临的挑战，作为多媒体圈的新人，他用了很多工夫调研理解市场和客户，他动摇地抉择 ToB 作为突破口，他认为 AI 将把视频云降级到 2.0，他说（容许团队）拿出更多的研发资源去做产品翻新钻研，投资技术不怕失败。
策动 撰写 / IMMENSE
ABCDE，到 Video
想用英国诗人托马斯·艾略特的作品，来照亮一个人的收场。
1934 年的《The Rock》，是 DIKW 模型的源头，它揭示了从数据到智慧的内蕴，恰好和右贤的经验颇有牵系。
他单刀直入，说本人是个 IT 老兵，20 多年都在“计算”这个圈子内。大学期间学习计算机技术，研究生方向是高性能计算和普适计算，工作先后从事云计算、大数据、数据库、人工智能、边缘计算的产品布局和技术开发，也负责过钉钉教育业务。
认真打量，他的经历横跨 AI + Bigdata + Cloud Computing + Database&DingDing + Edge Computing，而近一年又踏足了视频云，是一个从 ABCDE 到 V 的机缘巧合，有些微妙。
右贤是一个 ToB 老人，又是个视频云新人。
谈到作为新人，对当下的视频云怎么看，他用 “十分离奇、大有可为” 来形容。
简略说，离奇 是源于当下的社会视频化蔓延之势，给生存、工作、乃至万物的加持，这所有给公众带来了很大的便利性。在他看来，视频必然会成为万物交互的新形式，人与人、人与物、物与物，因为内容、沟通都在极速视频化，咱们从早睁眼到晚睡觉都在跟泛视频打交道，“视频 + 万物”将会孕育出大量的陈腐事物及利用，这足够让他离奇万分。
对于他的时空履历，有叠加的化学效应，“之前做的那些产品技术相对来说，是偏底层的；而视频云是技术利用解决方案，它是全链路的、与业务强相干的；同时，这些视频业务的底层须要云计算、数据库、人工智能等交融撑持。正因如此，我过往的经验恰好在视频云这个赛道 大有可为。”右贤说。
能够设想右贤领队下的阿里云视频云会产生怎么的变动，多媒体行业的周期与这名老兵的工夫线交错在了一起，命运是最好的安顿，他的教训正是阿里云视频云须要的。
视频云 2.0
回到事实轨道，与“大有可为”强比照的，可能是音视频旧人眼里的瓶颈。
国内多媒体生态通过了 6 到 8 年的疾速倒退，目前进入到 调整或安稳期，在这样的背景下进入这个赛道，对行业老人来说肯定是难题，对赛道新人或者是另一番新境。
于是，右贤看出了须要迭代变动的 新视频云。
依他的视角，如果说云赋予了视频，带来了视频云的 1.0，去迎面生产互联网的全面暴发，那现在是 AI 赋予了视频云，带来了视频云 2.0，去解决行业数智化的全新降级。
确实，这揭示了视频云的实质，从 1.0 到 2.0，人不知; 鬼不觉，视频云的实质产生了变动。
右贤解释到，“在视频云 1.0 时代，视频利用次要集中在生产互联网畛域，次要解决老本和体验问题，即 B 端的音视频企业老本和 C 端的用户体验。随着 AI 算力和大模型衰亡，在视频云 2.0 时代，视频利用转向产业互联网畛域，去解决各行各业场景化视频智能利用的问题，即视频如何反对行业数智化降级。视频云正在从 1.0 向 2.0 过渡。”
视频云 2.0，这大略是一个赛道的新生命、新契机。
在对话中，可能感触到右贤对视频云的信念，“视频云 2.0 的价值在于通过根底大模型和场景小模型，来助力行业的数智化。 就此，阿里云视频云领有三大要害能力：第一是 规模能力 ，通过视频云 1.0 的蓬勃发展，阿里云成为寰球和国内规模最大的视频云基础设施服务商之一，能提供高质量、高性价比的视频服务；第二是 智能能力 ，基于阿里云通义大模型，能够向客户提供横贯媒资生产、解决、传输、生产全链路的产品智能化降级；第三是 场景化服务能力，基于多年的丰盛行业实际，能够向客户提供高易用、高性能的视频终端服务套件，全面升高客户应用门槛。同时，更能利用场景化小模型来实现行业利用的百花齐放。”
当然，不仅行业赛道正面临改革，技术冲破也为视频云的服务降级发明机会。“咱们从 video for human 正向 video for machine 过渡，如何在满足人的需要状况下，同时也满足机器？这让视频云 2.0 可能成为一种混合的职能。比方，编码就是既要满足人的主观体验，也要满足机器对视频的高速解决需要”，右贤说。
于此同时，AI、GPT 等技术迭代正在为视频服务注入新的价值。从云养猫到云监考，从牧业养猪到农业育苗，从 IPTV 到工业质检，右贤列举了许多细分行业场景，透出他对新视频云的信念满怀。
ToB 的急躁，100 米深
进入 2023 年，音视频行业市场空间见顶，除大量场景和个别公司外，大部分市场处于重大的内卷状态。许多企业不得不通过各种形式压缩老本，裁员天然是不可避免的形式之一。当然也有许多企业抉择出海，在竞争不是那么强烈的海内市场拼杀。这是看到的不争事实。
每个管理者都肯定在绞尽思虑，破行业的局、破本人的局。压缩老本不是可持续性的良策，海内拼杀也不过是立体维度的迁延，右贤在寻找别的维度的解法，在内卷度愈发难以呼吸的市场，给咱们皱缩开空间，演出宽度与深度的画面感。
显然，咱们都理解生产互联网的 ToC 场景和产业互联网的 ToB 业务，于是，右贤打了个形象的比喻，给出他的了解，“ToC 的赛道是 100m 宽，咱们往往只须要做 1m 深，就可能满足 70% 到 90% 的客户需要，面对 ToC 就是疾速满足这些需要。然而，做 ToB，做行业、做场景化，抉择赛道往往只有 1m 宽，但你必须挖下 100m 深，能力发明更多的产品价值，深度服务好客户。”
绝对于短平快的 ToC 场景，ToB 的投资回报周期要长得多。这是事实，右贤心如明镜。
决定做好这条新维度的赛道，面对“100m 深”的保持，如何能让本人和团队放弃 急躁 ？面对这个尖刻又必然的问题，右贤很罗唆的回应，“是这样，当咱们挖到 2 米的时候会碰到石头，挖到 50 米会碰到岩石，所以怎么办？ 分两步。”
右贤开展讲，“首先，咱们肯定会持续深耕 ToC 生产互联网市场，做好根本盘。但也会把大家所聚焦的那 1m 深的赛道，继续深挖上来。也就是说，咱们要把视频云的根底能力做到极致化，做到稳定性与体验性的极致、做到老本与性能的极致。”行业里的人都了解，稳固和老本就是生产互联网的最大痛点，但要把根底能力做到极致也并非易事。
侧面可感，阿里云视频云已在排兵布阵，显性冲破。作为云厂商，做到超大规模化下的极致，须要站在顶层的抽象思维和重构设计，所以其外部强调 “Uni” 的技术设计理念，即“对立”：从多元交融的对立网络，到媒体服务的对立引擎，再到一体化的终端利器，中转市场所须要的 低门槛、低成本、高时效、高性能、泛利用。这是技术深度上的极致。
就在刚刚完结的 LiveVideoStackCon 上海 2023，阿里云在原来的 GRTN 网络根底上降级推出 MediaUni 多元交融流媒体传输网络，正如其名，目标就是极大满足音视频多元业务的传输需要，并以低成本、低提早的极致姿势达成，更为面向未来的业务状态实现媒体与元数据的交融传输，这是 弱小的底座 。往上走，在要害的中间层，破局重组，设计全新的媒体服务顶层架构，打造规模化、智能化、多业务、灵便、凋谢的媒体服务中台，冲破媒体服务的高时效与高质量，这是 强力的发动机。
窥一斑而知全貌，能设想右贤所推动的基础设施极致化，须要怎么的动摇投入。如此，在深一步撑持 ToC 的同时，也在为 ToB 的减速做更扎实的储备。当然，远不止此，ToB 场景更简单多样，须要更深的洞察力、创造力和长久的急躁。
这也是右贤提到的第二步，用“全智能”内化之力，来满足更多 ToB 的数字化降级，换句话说，面向行业孵化场景利用，做一个标杆，照亮一片。
他提到反对 中国美院的“云上艺考”，“以前的艺术类考试，学生都要在短期到达多个院校现场考试，艺考潮甚至像春运一样，网上也热传过‘艺考生 10 天辗转多地赶考，卖掉一套房’的新闻，尽管略显夸大，但可见其赴考难度极大，考试公平性也很难保障。对此，咱们通过 AI 与视频云技术，让美院的 4 万多名考生同时在线、居家考试，并以高牢靠、高可控实现 100% 的全程顺利稳固，这说来轻易，但真实情况是踩过很多坑能力实际进去。我的项目完结，学校发来了感谢信，让咱们倍受鼓舞，起初将这种场景计划复用翻新在更多艺术院校。”
“咱们还有一个乏味的场景——云养猫。我大略调研了一下，中国目前有宠物 2.93 亿只，如果你常常出差很难把猫带在身边。当初能够把猫托管社区或本人家里，通过视频咱们能够跟宠物进行互动，包含投放猫粮、加水等等。此外，咱们还做了很多工业质检的场景，其余行业新场景也都在摸索落地中。”右贤很有期待地说。
或者，不同时空踏在音视频圈内外的他，从另个维度看到了更多景致和可能。
即便所有看起来繁花似锦，玩味无穷，也听到右贤重复提及，“ToB 是一条艰巨而正确的路”。
这条路，不仅须要“100m 深”的急躁，也要多些 好奇心 和创造力。
既要又要，普惠 + 生态
“数字化转型降级过程中，65% 的行业数字化信息来源于视频，49% 的智能利用又是以视频为根底。这就是将来咱们要对视频进行更多行业外利用的根底，由此，视频利用场景就会百花齐放了。”右贤说。
某种意义上，这就是千行百业的普惠。所以从头至尾，右贤也深谙 “普惠”。
2023 年 4 月，阿里巴巴团体 CEO 张勇提出阿里云的策略外围是“让算力更普惠、让 AI 更遍及”，反映在客户的认知或者就是泛滥云产品的价格下调，但实质是通过开释技术红利来实现普惠，让更多企业以更高性价比取得阿里云或视频云的服务，从而领有更大的市场竞争力。
但更近一步，右贤强调，“咱们可能做的普惠，不仅仅是商业的普惠，还会做到对一些产业的普惠，即减速产业数字化过程。 比方，视频云更多定位为 PaaS，产品还是以 API 的交付形式，就客户的技术能力和平台现状来讲，这对很多行业的客户要求十分高，实现是有肯定难度的。集成周期通常都是在三天到一周，能力把视频语音的一些能力利用到客户本身的 APP，过程中还存在海量设施兼容艰难的问题，让整个时效比拟低。”
这的确是以后广泛的交付模式和交付效率问题，解决它就能 深入普惠。
“所以咱们很早就提出了低代码甚至零代码，当然视频云零代码还不太事实，所以咱们把很多的组件能力套件化，让企业升高集成的难度；同时，依靠大模型，打造小模型，组合能力、适配场景，大幅晋升交付效率，实现几小时即可上线。这是一种普惠。”
这里提到的，即是在继续降级的音视频开发工具MediaBox，据说是个百宝箱，具备丰盛、极致、智能的能力，在高易用、高性能之下，极大满足客户实在需要的场景化。
“还拿考试为例，在居家条件下的云上艺考，肯定须要比现场更无力的防舞弊监考能力。于是，基于对线上艺考差异化情景的全面剖析，咱们的技术团队极速研发了 基于 AI 的自动检测能力 ，叠加在 MediaBox 的近程监考计划中，满足艺考监测的全维度。这极大加重学校监考压力，更能保障教育的偏心与公正。在这之上，还能灵便应答各类新需要，比方，针对有的学生违规戴了蓝牙耳机，咱们能够再叠加一个模型进去，以天为单位，就可实现新性能上线。目前，咱们这套 智能近程监考计划 曾经胜利复用在各类艺术考试、青少年编程考试、企业招聘考试中，这也是一种普惠。”右贤说。
透过一个小小考试场景 360 度的精密打造，可能看到一个音视频开发工具的真挚，这大略也是右贤所提到的“100m 深”的保持。有了这样的急躁和诚心，视频云的视线仿佛也真正关上了。
“咱们也很关注农业企业，交换了许多，比方，通过视频如何去监控家畜的状态，以及如何去选苗、育苗，其实大部分企业不具备这样的能力，所以须要把这个智能技术应用门槛升高，这是一种更切实的普惠，而不是简略地把价格升高，因为把价格降再低，企业也用不起来”，右贤持续分享到。
能看得出，阿里云视频云很真挚在拓延行业的普惠，但视频云是偏计划型的服务，尤其面向视频云 2.0 的产业互联网，它更是一个典型的 ToB 赛道服务，与做一个利用或软件不同，会面对行业各种简单的场景，这等同于数量级的个性化需要，一家厂商必然乏力。
于是，右贤给出他的婉言，“我常常讲，咱们是技术有限公司，也是能力无限团队。理论状况就是这样的，面向千百行业的需要，仅靠一家公司、一个团队是很难解决的，只有通过与业界宽广的合作伙伴一起肩并肩、背靠背，能力疾速解决客户的问题。因而，咱们要与生态搭档单干，彼此双向赋能。 生态搭档会波及到几类：一个，是面向大行业和行业当先的生态搭档，咱们会携手一起解决行业重难点问题，针对一些典型场景会以联结共创的形式开展单干；另一个，是面向宽广的开发者或中小型 ISV，咱们会把能力标准化、原子化让他们易集成、易使用，实现低代码乃至零代码的集成，让咱们的能力被真正用好。”
总言之，阿里云视频云要做生态搭档做不了的或不容易实现的能力 ，比方底层的通用算力，比方一些较为简单的算法模型，比方算法跟底层芯片的调优。而面向利用场景的优化微调，交给更善于的 ISV 去做。“ 这样，把边界也切分分明，咱们会调动各行各业的生态搭档，独特促成视频在行业智能化的价值，成就彼此。”右贤这样说。
如果“既要又要”的话，普惠是无所不包的期许，生态是清晰边界的觉知，一切都是为了更大的商业与社会价值。
有机将来，不止 AI
不论皱缩还是内卷，咱们都更喜爱看将来。
“在将来，我会拿出更多的研发资源，不以商业为目标去做一些技术钻研，做一些绝对超前的技术储备”，右贤示意，“其实产品技术投资上不要怕失败，就怕没有想法、没有能源往前走，所以，如果很多事件是站在昨天布局明天，是在解决历史问题，你只能博得当下。如果你不站在先天想今天做什么，你是永远都不可能走到先天去的，也很难博得今天。”
谈及视频云的今天和先天，就回扣右贤最后对视频的认知，他认为，如果这是扭转万物交互的形式，当下，人与人的音视频沟通曾经做得很多、体验也不错，人与机器的沟通也能够通过 NLP（自然语言解决）等技术来实现。将来，音视频技术还能够有更大的利用领域，与 AI 交融，与 AIGC、ChatGPT 都要做有机的交融。
说到这一点，右贤提到一个概念，“有机交融”。
“我感觉新技术目前可能很难再井喷，视频云须要做的是把泛滥技术进行有机的交融，这是更重要的。 技术一直的交融翻新，交融后会衍生出很多意想不到的新场景，这个过程中，视频云会成长成为智能社会的新基建，带来的收益空间也是可预感的，会十分大。”
AI 的交融是首要，且要看清其成长纹理。
“AI 的倒退经验三起三落，咱们常常讲摩尔定律 18 个月，但因为 AI 算力的冲破，后摩尔定律让 AI 根本每 3 到 4 个月，整个数据的算力需要就翻一倍，这意味着 AI 的进化会十分迅猛，包含衍生到明天的 GPT、人工神经网络、脑科学等等。我认为，人工智能是人工与智能两个词，今后一段期间，人工智能的重点会在智能上，技术和利用会聚焦在“数能生智”方面，DIKW 模型会疾速迭代。以前是“人工 + 智能”，当初是“智能 + 人工”，右贤笑着说。
换个角度，将来或者是 AI 了解世界，咱们了解 AI。
无论如何，谈及鲜为人知的 DIKW 金字塔，足见右贤对 AI 智慧的更深了解，这必然成为阿里云视频云在研发动能上的有形牵引。
于是，他的团队始终在摸索实际，比方，AIGC 方向，文本生成图片、图片生成视频，还包含 2D 到 3D 的交融直播等等。接下来，针对智能媒资治理，从标签规范到媒资自动化治理，也会加大投入。而面向 video for machine 的将来，阿里云视频云针对机器编码也在与相干规范组织单干，减速推动 MPEG-VCM 规范的制订。这是右贤列举的几个技术演进点。
不仅如此，右贤还将“视频”有机关联到“数据密集型科研”，认为其会成为 将来科研的新范式 。什么是数据密集型？“其实就是大视频，它数据量很大，但数据价值密度绝对较低，所以须要疾速的剖析。 科研第四范式就是利用大数据进行科学研究，通过数学重构这个真实世界，而以前都是模仿、仿真，再往前就是试验察看、实践总结等等。在可预感的将来科研里，视频大数据显得尤为重要。”
视频、数据、智能、智慧、世界，这里看得出他有更深更远的视线。
假使把眼帘再贬低一点，看视频云的将来，右贤还是那句话，“如果 100% 以商业价值，或者只能赢明天，不肯定能赢今天。”
这也引出他对 商业、技术、产品 的认识，也能以“有机交融”来点睛。在他看来，这三者不可割裂，是一个残缺的有机体。
“产品技术是为商业服务的，也是为社会服务的。作为管理者，必须要跟团队要讲明确，咱们作为一个小家庭必须要有认知，无论是产品、技术、商业，咱们都要敬畏市场、尊重客户。这是我从最后就特别强调的一个问题。咱们过往的倒退模式过于麻利迭代，很多技术也是 ToC 业务中积淀起来的，然而，做 ToB 要十分考究谨严、考究价值，要围绕着商业价值、社会价值。 在这样的一个前提下，产品的商业价值要牵引技术的研发，从出发点到起点，都要做到真正的敬畏与尊重，最初就能实现很好的商业。”
辞海里，“有机”是代表有生命的，事物形成各局部相互关联而具不可分的统一性，与生物雷同。这或者举一反三了他对技术、商管的有机之见，也发现了视频云的新生命。
最初，如果寻几个词来素描右贤，大略是宽阔、动摇、求实，一个赛道新人对瓶颈感行业生出很多新的觉知，这让他“ABCDE”的教训游历于 Video 之上的更高视线。如果这份觉知和教训发酵，投射在 2.0 背景下的阿里云视频云身上，大抵现在年 LiveVideoStackCon 所述，是“云智新生”的视频云。 将来的将来，咱们刮目相待。
