2018年8月30日,知名分析机构艾瑞发布了一则《2018年中国视频云服务行业研究报告》。网易旗下通讯与视频云服务品牌网易云信凭借在IM与音视频技术领域的优势和成功实践而获得肯定,入选典型案例。
这份报告涵盖了对于中国视频云服务行业的行业概述、市场洞察、竞争策略和未来趋势。报告指出,视频云厂商基于自身能力、业务扩张需求和客户群体的不同有所侧重,其中性能表现和稳定性是必要条件,在此基础上客户会要求简单易用以及细分领域的场景化功能。报告中还显示,PaaS层服务以通用型为主,行业集中度相对比较高,逐渐在通用能力的基础上探索行业解决方案;SaaS层服务注重场景化应用,厂商在各自细分领域内展开竞争。此外,结合人工智能技术,以效率提升和价值创造赋能客户将成为行业未来发展趋势。其中,网易云信在过去一年表现强劲,报告认为,网易云信在视频云领域的技术实力得到市场认可的同时,行业优势更加凸显。
过去一年间,短视频、直播竞答、在线抓娃娃机、在线教育等应用纷纷站上行业“风口”,这些花样翻新的应用以新的交互方式刺激着人们的听视觉感官。作为“幕后英雄”的视频云市场也随之需求激增,呈现爆发之势。
艾瑞报告提到,在互联网“唯快不破”的法则之下,产品能否快速追赶抢占行业风口,技术显得尤为重要。对此,网易云信首席技术官(CTO)赵加雨在采访中表示:“第一时间抓住机会为客户输出技术并帮助他们快速实现商业变现,是网易云信的价值所在。这背后是网易云信对音视频技术持续多年的攻坚所形成的底气。”
艾瑞在报告中肯定了网易云信的技术能力。作为十年磨一剑的成果,网易云信自研的工业级音视频技术框架NRTC攻克了诸多实时音视频领域的研发难点,以相对完整、功能齐全、灵活易用的优势赢得市场,超过55万开发者接入。 技术攻坚方面,NRTC以技术、功能和场景应用的全面性使这一技术具有更广的适用性。比如,针对音视频使用场景的需要,实现多点实时音视频通信,提供包括直播与实时音视频通话等在内的多样的音视频通信功能。此外,针对音视频交友、在线教学等场景,NRTC也可形成专门的解决方案。其次,在灵活性方面,NRTC在传输端采用私有协议,保障了音视频通信功能在开发过程中能灵活应对业务需求和开发环境的要求。例如,在建立连接和链路选择方面,传输层私有协议大幅提升了连接效率,避免了繁重的标准化的传输协议沟通。
由此可见,NRTC音视频技术框架不仅为客户提供了强大的技术工具,省去二次开发的难题,也为整个互联网行业的产品创新注入了活力。
通用技术能力之外,NRTC还具备高效落地多元化场景应用的能力。当前,实时音视频功能已成为诸多现象级应用的刚需配置。赵加雨透露,NRTC在为网易自家产品提供技术支持之外,也在扩展音视频技术的应用场景。譬如,网易云信历时8个月,为步步高小天才手表接入音视频功能,实现了手表的实时沟通,以便家长及时了解孩子的动态,从而构建起新的场景功能。 2018年年初刮起的直播竞答“风口”,网易云信仅用一天时间便形成解决方案交付客户。而在2017年风靡一时的在线抓娃娃被认为是网易云信入局“直播音视频+物联网“领域的探路之举。它凭借玩法创新让用户脱离视觉、听觉、触觉以及地理位置的束缚,逼近乃至还原对现实场景的控制,引来大量用户“尝鲜”。此外,NRTC技术框架在在线音乐教育等对音视频技术要求更为苛刻的场景中仍然胜任。
可以预见,互联网行业时刻变化,创新层出不穷,音视频技术同样需要持续的升级迭代。对此,赵加雨表示:“除了深耕教育、医疗、金融、智能硬件等行业之外,网易云信也将持续关注企业协同领域,以帮助用户节约成本、提升效率为出发点,将音视频与即时通讯技术完整、深入地落地场景化,加速传统企业转型互联网。”
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。