2018年，你的朋友圈有沒有被短視頻刷屏呢？上到白發(fā)蒼蒼，下到咿呀學語，短視頻不僅用戶覆蓋了各個階層和年齡段，連創(chuàng)作者也覆蓋了各類人群。行業(yè)迎來了全面爆發(fā)，意味著關注度、吸金力和研發(fā)重視程度都已今非昔比。那么究竟是哪些因素導致了在背后推動了短視頻的全面爆發(fā)呢？

CDN如何保障視頻質(zhì)量

本質(zhì)上來看，短視頻與直播采用的是一類技術，二者相比傳統(tǒng)視頻都對延遲和秒開有著較高的要求，這一點在移動時代更顯得尤為突出。

是從2015年10月移動端直播出現(xiàn)開始，視頻行業(yè)的發(fā)展就接入了高速軌道。2016年號稱移動直播元年，2017年又成為了移動直播的下半場。走到今天，不少移動直播的末端企業(yè)已經(jīng)無力回天，流量競爭已經(jīng)越來越集中在頭部客戶中。這些客戶的競爭主要集中在視頻質(zhì)量和內(nèi)容吸引力等方面。評價視頻質(zhì)量主要包括延遲、秒開、卡頓等三個主要參數(shù)。

延遲一般會在三個環(huán)節(jié)中產(chǎn)生，一是推流；二是CDN傳輸?shù)倪^程，但這個延遲很小只有幾十毫秒；三則是在播放端會有2到3秒左右的延遲。不過并不是所有的延遲都是不允許出現(xiàn)的，對延遲要求最高的直播行業(yè)中，不同直播類型對延遲控制要求不同，游戲類、社交類、秀場類的延遲會控制在3到5秒，這樣才能滿足主播與粉絲之間的文字交互不受影響；對于事件類和賽事類的直播，由于會涉及到一些特殊的因素，一般延遲會更大一些，在播出過程中會要求有15到30秒的延遲，這樣也方便做內(nèi)容的審核。

秒開方面的實現(xiàn)，在離用戶最近的CDN邊緣節(jié)點緩存一部分數(shù)據(jù)，能讓用戶在幾十毫秒內(nèi)看到音視頻；而且，短視頻和直播不同，一些熱點短視頻很容易在邊緣網(wǎng)絡中存儲，然后在手機端進行加速，可以進行預加載幫助實現(xiàn)秒開。

再者，傳統(tǒng)網(wǎng)絡和終端的細節(jié)也會有所影響，比如DNS和播放器的細節(jié)問題進行優(yōu)化。典型問題就是最后一公里的網(wǎng)絡，即從手機到最近的節(jié)點的距離。由于用戶可能會身處戶外或者信號不好的地方，很容易導致延遲產(chǎn)生。

解決這一問題有多種辦法，比如金山云推出了一款雙邊加速產(chǎn)品，幫助解決邊緣網(wǎng)絡難題，提高觀看質(zhì)量。另外也可以讓碼率在傳輸過程中降低，然后在終端實現(xiàn)增強，這種碼率的自適應方式可以通過算法感知到用戶終端播放過程中網(wǎng)絡問題，動態(tài)的切換到適應的碼率上，以保障視頻播放用戶的體驗。

人工智能是短視頻行業(yè)的重大利好

視頻質(zhì)量的保障靠CDN，而另一大競爭點內(nèi)容吸引力則要靠人和人工智能了。在以往，視頻是一種特殊的內(nèi)容，只有人才能夠理解、欣賞和應用。在人工智能崛起后，機器在人工智能的幫助下也能夠做到人的部分工作，從本質(zhì)上使得視頻行業(yè)發(fā)生了轉(zhuǎn)變。

視頻吸引力的保障一方面需要優(yōu)質(zhì)的視頻作者或主播源源不斷的提供素材，另一方面就要看視頻本身的因素了，這包括了內(nèi)容的安全和對用戶的傳遞。而且AI能做到的越來越多，包括了軟件檢測、物體檢測、視頻分析、視頻分類、違規(guī)視頻檢測等，通過硬件和軟件的提升可以在平臺上將AI的速度和性能兼顧以達到最佳效果。內(nèi)容安全方面，在內(nèi)容識別領域可以通過分析找出違規(guī)或者不允許的內(nèi)容，高效而且降低了人力成本；圖像增強方面，AI能夠通過算法將一些不太清晰的視頻細節(jié)恢復出來，既節(jié)省了傳輸帶寬，又增強了用戶體驗。

AI的出現(xiàn)對于視頻行業(yè)意味著什么呢？這可能是一種顛覆。AI模型可以對機器進行訓練，讓機器能夠識別視頻，并且在很多領域?qū)崿F(xiàn)應用，在安防領域的識別，訓練過的機器一個月幫助公安局多抓500名逃犯；而民用領域，色情、恐暴等內(nèi)容也會無處遁形。AI對視頻行業(yè)帶來的是重大的利好。

對于機器學習，一個優(yōu)質(zhì)的訓練平臺可以實現(xiàn)事半功倍的效果。目前英特爾主推的至強可擴展處理器可以很好的進行 influence，英特爾一方面會幫用戶進行測試選型，從不同的 CPU型號中選擇最適合的主頻和核數(shù)的 CPU來支撐用戶業(yè)務，提供最好的性能和 TCO；另一方面則是提供針對英特爾平臺優(yōu)化的深度學習軟件框架使至強 CPU性能的得到最大發(fā)揮，英特爾工程師也可以根據(jù)用戶的具體需求進行有針對性的調(diào)優(yōu)，比如根據(jù)拓撲結構等進行特定的算法優(yōu)化，借助英特爾的平臺提升深度學習的性能。通過提供英特爾優(yōu)化版 Caffe、TensorFlow、MXNet等機器學習框架，用戶可以最大程度利用英特爾至強可擴展處理器的 AVX-512指令集來達到性能提升，在終端設備上英特爾提供的 Movidius VPU等硬件加速器也可以實現(xiàn)圖像及視頻的分析加速，通過引入英特爾 FPGA等更多的新硬件也能夠在提供高性能的同時進一步降低延遲。