視聯(lián)網(wǎng)革命會因為什么而有所突破

隨著互聯(lián)網(wǎng)直播興起，各類平臺想要做出一檔可看且互動性強的直播節(jié)目，除了要精心編排節(jié)目內容，還要重視音視頻及互動方式的呈現(xiàn)。5G時代的到來，也使視頻的內容和展現(xiàn)形式呈現(xiàn)更加多元化，一部無壓縮的藍光電影大約25G左右，用移動網(wǎng)絡在一分鐘不到的時間即可下載完成，視頻作為信息傳輸介質的通訊阻礙已經(jīng)可以基本排除。同時在直播、點播等基礎場景上，也增加了短視頻和實時音視頻互動的新浪潮，同時視頻技術也在安防、醫(yī)療、教育、文娛、廣電等領域有著全新的應用。

互聯(lián)網(wǎng)時代下，人們獲取知識的途徑越來越多元化，所獲取的知識也呈現(xiàn)出碎片化的趨勢。如何正確利用互聯(lián)網(wǎng)來提高自己獲取知識的效率，已經(jīng)成為了當下互聯(lián)網(wǎng)市場需要考慮的重點。視頻作為5G時代下受益的方向，也受到了越來越多企業(yè)的關注。在這樣的市場環(huán)境和視頻技術發(fā)展的雙驅動下，極鏈科技Video++作為「AI+視頻」行業(yè)獨角獸企業(yè)，建立了以5G+AI推動的視頻作為信息和功能核心載體的新互聯(lián)網(wǎng)形態(tài)-視聯(lián)網(wǎng)。

視聯(lián)網(wǎng)，是以視頻作為主要信息傳遞介質和功能載體的下一代互聯(lián)網(wǎng)形態(tài)，顛覆了當前圖文生態(tài)的互聯(lián)網(wǎng)形態(tài)，引發(fā)新一輪互聯(lián)網(wǎng)生態(tài)的激烈競爭。而要實現(xiàn)視聯(lián)網(wǎng)，需要突破通訊帶寬、視頻識別和視頻互動等三個方面的難點。而5G的普及以及AI技術的突破將是解決這三個難點的重要抓手。

在視聯(lián)網(wǎng)的起點，人們剛剛學會如何利用AI技術打破視頻的信息壁，并能夠利用視頻信息進行初步的商業(yè)應用。在這一階段中，對于視頻信息的解讀和利用是比較有限的，表現(xiàn)為數(shù)據(jù)維度較少、可辨識的類別有限。這主要是受限于視頻數(shù)據(jù)的數(shù)據(jù)量和標識量。

當前以深度學習神經(jīng)網(wǎng)絡算法為主流的AI技術需要大量經(jīng)過標識的數(shù)據(jù)樣本作為訓練AI算法的養(yǎng)料。通常，計算機要達到可商用的識別能力，需要上百個差異化的數(shù)據(jù)樣本的反復調試。但數(shù)據(jù)的標識和算法的訓練需要大量的人力投入，同時視頻內容的版權和信息安全問題也制約了視頻數(shù)據(jù)的傳播。人力與數(shù)據(jù)共同限制著視頻識別能力的提升。

為了盡可能的利用識別出的有限信息，初期的視聯(lián)網(wǎng)應用表現(xiàn)出了典型的“預期-推送”模式。在這一模式中，本質上是利用外部已有的用戶大數(shù)據(jù)和行為心理學對視頻觀眾的心態(tài)和行為進行預測，挑選出被認為能引起觀眾共鳴的場景。進而，集中人力和數(shù)據(jù)讓計算機學會識別這些場景，并在全網(wǎng)視頻中找出此類場景中，推送與之相關的應用服務。例如，針對視頻中的團隊聚餐事件，可以分為提出聚餐、進入餐廳、點菜、吃的熱火朝天和結賬等五個場景。通過數(shù)據(jù)分析和常識判斷，吃的熱火朝天的場景能引起人們對吃的情感共鳴，這時候就可以集中資源讓計算機學會識別“吃的熱火朝天”場景，進而在此類場景中大規(guī)模自動化地推送與吃相關的應用服務。

基于“預期-推送”模式，視聯(lián)網(wǎng)的早期參與者開發(fā)出了廣告和電商兩類應用模式。這兩者相對于其他互聯(lián)網(wǎng)服務而言，具有商業(yè)模式較輕、變現(xiàn)速度較快的特點，并且對于視頻場景的需求也較為明確。

視頻的高帶寬使其不僅能傳遞語言和圖文能夠表達的明示信息，更能傳遞其他形式較難表達的默會信息，例如人的情感。人與人面對面的交流要比單純的電話交流更能了解一個人的精神狀態(tài)，就是因為人的視覺能夠接收到的信息要遠大于通過語言表達接收到的信息，例如表情、動作等，從而分析出對面人所表現(xiàn)出的情感。視頻也是如此，通過視頻能夠更為便利的實現(xiàn)不同時空的人與人的情感交流。視頻這一特點已被廣泛應用，影視劇作之所以吸引人，是因為其沉浸感和代入感更能引起人的情感共鳴。越來越多的企業(yè)采用網(wǎng)絡視頻形式傳播企業(yè)形象，也是為了通過視頻傳遞的情感交流建立與觀看者的信任感，樹立品牌形象。目前，視頻內容已經(jīng)占據(jù)了互聯(lián)網(wǎng)數(shù)據(jù)總量的80%，并且有越來越多的APP開始加載視頻功能。即便沒有任何技術與應用突破，預計到2022年視頻內容的數(shù)據(jù)總量也將達到82%。這都表明視頻在促進人與人交互中的作用得到了廣泛的認可。

廣告業(yè)務的基本形式在于視頻場景與廣告內涵的匹配。通過解析視頻內容中蘊含的人物、物體、動作、地標等信息，可以尋找到與廣告品牌內涵相一致的視頻場景，進而實現(xiàn)廣告品牌價值與視頻內容場景相互匹配。這種模式下，可以創(chuàng)造出視頻場景廣告這一全新的廣告形式，大幅提高廣告曝光的接受度和回報率。

隨著5G技術的到來，技術的發(fā)展將帶來更多的便利。在視聯(lián)網(wǎng)的成熟期，人們將可以借助可穿戴智能設備，例如智能眼鏡等，捕捉所見的一切信息，并在極短的時間內處理成計算機可以識別的視頻信息。人們從視覺信息中激發(fā)的需求都可以即時的得到響應。通過語言、手勢、眼動捕捉等多種形式，計算機能夠接收到人們提出的需求，并結合捕捉到的視頻信息獲悉需求的具體內容和對象，進而調用互聯(lián)網(wǎng)的相關應用和服務來滿足人的需求。最終以一種便利的交互方式，將應用和服務反饋在人機交互的虛擬層上，形成未來視聯(lián)網(wǎng)發(fā)展的成熟模式。

成熟階段的視聯(lián)網(wǎng)是互聯(lián)網(wǎng)服務與視頻內容高度結合，這一時期，互聯(lián)網(wǎng)中的各類服務和應用，也將以小程序的形式全方位打通視頻內容。鏈接互聯(lián)網(wǎng)信息、服務、購物、社交、游戲五大模式，實現(xiàn)基于視頻的新互聯(lián)網(wǎng)經(jīng)濟體。

可以推測出，未來智能硬件與視聯(lián)網(wǎng)將深度結合，人的視覺感官將成為互聯(lián)網(wǎng)的入口，鏈接到幾乎所有的互聯(lián)網(wǎng)設備，享受其提供的服務。像互聯(lián)網(wǎng)一樣，融入到人們生活的方方面面。