新机会的起点 直播技术的未来之路

在2011年前后，9158和YY从秀场模式起步做互联网直播业，到去年映客花椒为代表的全民移动直播大爆发，中间还有斗鱼 虎牙代表的游戏直播的兴起，整个互联网直播业已经六年多了。

无论从用户规模还是营收利润上看这六年直播业都是爆发式增长的。这种爆发式增长背后是有多个原因在推动的。

宽带的普及和提速，从ADSL的512k宽带到如今的百兆光纤入户，从移动2G时代的Edge的几十kbps到4G时代的媲美wifi的带宽，intel的CPU和nVidia的GPU忠实地遵照摩尔定律每一年多性能翻倍。在移动端，iPhone6是个里程碑，可以说是iPhone6创造了移动直播，此前的iPhone5s无论在性能、续航能力、摄像头画质、屏幕大小诸多方面都无法满足移动直播要求，而iPhone6来了个全面大飞跃。而一年多以后部分Android高端机型也拥有了接近iPhone6的性能。

移动直播行业更是在2015年迎来了一次大爆发，想必很多人都看过这张包含了近百个直播App的iPhone截图吧

但是任何增长都不可能永远持续的，进入2017年，实际上在2016年底，就不时传来了某某直播公司药丸的消息，有几个已经被媒体确认了，这其实是一种不好的信号，表示行业作为一个整体已经不能爆发式增长了，和2016年初的千播大战相比，行业已经开始退烧了。

下图取了两个比较火的移动直播App在google trend的数据，它们都经历了在2016年上半年达到高峰后缓慢回落的过程。

这意味着直播业不行了吗？不会！想死哪有那么容易。只是直播业第一阶段接近尾声了。

我们应该看到，在直播用户和营收增长的同时，内容和营收模式却变化不大，从六年前主播用50kbps 10FPS的小视频画面说着“谢谢某某某的鲜花礼物”到如今主播在1080p 30帧 3Mbps的高清画面里还在“谢谢土豪的游艇”。享受着人口红利技术红利的时候，业务营收模式当然是怎么简单怎么干，这也在情理之中。所以内容的低俗化，同质化也是理所当然的事情。

互联网行业一种创新的商业模式通常兴起于某几项技术的大飞跃，然后伴随着基础设施的建设，技术细节的改进，运营机制的成熟，享受几年用户和营收增长的大红利。这就是第一阶段，在互联网的历史上，门户，搜索引擎，网络游戏，视频，社交网络等等，都是经历了类似的过程。而第二阶段开始的标志就是用户红利耗尽，增长放缓，原来简单粗放的运营推广收益递减。第二阶段讲究的是优质的内容，精细化的运营，细分用户群，满足个性化需求。游戏直播比秀场模式的直播更早一步进入了第二阶段，不时传来的天价游戏主播的签约费新闻就是游戏直播在购买优质内容，希望以优质内容带来流量，再把这些流量拿去变现。

互联网直播已经被证明是一项技术上可靠，营收模式明确，有庞大的用户基础的互联网业务了，这时候该轮到专业内容制作者进场了。在任何赚钱的事情上，专业的从来吊打业余的，直播也不例外。我才不信用户会看一辈子USB摄像头出来的粗糙画质呢，制作技术上，该轮到专业的摄像，化妆、录音、灯光师傅上场了。而内容上也需要有一定艺术修养，文化底蕴，并且脑洞比较大的人去创作属于互联网直播的特色内容。

所谓的PGC时代来临了。

等等，我不是互联网分析湿啊，我是程序员，我为什么要写这么多行业趋势分析啊，我应该写写技术啊。

是的，说了这么多，我真正想说的是，PGC时代的来临对直播技术的挑战。

在UGC直播的时代，业界建立起了一套推流分发的基础设施，成就了一批直播CDN公司，积累了一套客户端采集、前处理、编码、播放的解决方案，服务端建立了一套分布式高可用的分发网络，这些技术基本满足UGC的需求。

但是PGC会有很多更高的要求：

• 内容制作设备的多样性，有可能在室内是专业摄像机拍摄，到了户外变成DV或者GoPro，也可能就是随身手机。

• 专业的后期设备，导播台、调音台、字幕机，经过后期制作的内容要接入互联网。

• 异地多现场，多个现场的直播源要能随意切换，多流混合，多现场互动。

• 高清高码流的画面会对传输转码带来压力。

• 对服务端实时处理能力有较高要求。

借用一张阿里云的架构示意图，阿里云已经开始了这方面的技术探索。红圈部分列出了部分基本服务端处理功能，但是实际上服务端能做的远不止这些。

互联网直播的采集设备更倾向于便携性，这就导致了设备本身的能力受限，复杂的前处理和导播工作需要大量的运算量，传统的广电设备虽然功能强大，但是普遍粗重不方便携带，这就要求服务端能承担起前处理的工作。而服务端做前处理是非常有优势的，因为服务端的计算能力的上限是非常高的，传统上在客户端需要专门硬件来完成的工作，在服务端都可以靠软件完成，如果CPU的运算能力还不够，还有显卡和FPGA呢，总之服务端能满足任何视频处理需要的计算量。

服务端处理破除了性能限制，创造了更多想象空间，一些以前由于运算能力限制无法作的事情变得可以做了。

比如，以下事情都是服务端可以做得更好的：

• 复杂的美颜效果，目前手机美颜效果很大程度上是受GPU运算能力的限制而达不到最优。

• HEVC编码，HEVC编码的运算量太大客户端承受不了，但是服务器没问题，HEVC可以节省30-50%的带宽，做到高码流H264推流，低码流HEVC分发。

• 人脸，动作识别，这个运算量也比较大，实时精确的识别可以实现动作捕捉，表情捕捉的相关的特效，甚至可以生成虚拟主持人特效，类似 FaceRig，Live2D

• 无绿幕的抠像，可以实现类似虚拟演播室的功能

• 实时的异地多画面合成，异地的多个直播源可以在同一个画面里叠加呈现，还可以互动。

• 可以配合语音识别和机器翻译技术来实现实时多语言字幕

当然服务端处理也是有些缺陷的，这正是需要技术去解决的地方，比如操作延迟，异地的音视频同步，互动延迟，服务器稳定性高可用等。

在传输方面，准备好迎接广播级画质的码流，至少是 1080p 30FPS 10Mbps的。在大码流下，传输的可靠性稳定性会有更大的挑战。客户端到服务器，服务器的机房间传输会成为瓶颈，需要强化基础设施建设和传输控制算法优化。

在终端硬件方面，也会有一些机会，传统广电系统的终端设备都太复杂太笨重，终端设备制造商能否提供便携可靠并且集成了互联网推流能力的终端设备。

比如 能提供专业级摄像画质，也能集成互联网推流能力的摄像机，并且能用手机方便地远程配置管理。iPad大小的便携型无线导播台调音台。

想象下 RTMP推流协议取代HDMI／SDI线成为采集设备的最终输出方式。

从趋势上看，互联网直播必然会逐步取代传统的电视台直播，但是传统电视台积累了几十年的采编播导系统是不能不要的，只是要用互联网的技术思路，用更轻量更高效更廉价的技术方案去逐步取代，在这方面有巨大的技术空白需要去填补。

直播业第二阶段是粗放式增长的结束，也是新机会的起点，直播会成为一项互联网基础应用，同时会围绕直播建立一套技术业务生态，这里面对于技术研发和内容创作都蕴藏着巨大机会。直播行业至少是个几千亿级的市场。