視頻、互聯(lián)網(wǎng)和“視聯(lián)網(wǎng)”：下一代互聯(lián)網(wǎng)展望

當(dāng)前，互聯(lián)網(wǎng)已經(jīng)成為了我們工作生活中不可或缺的部分，人們利用互聯(lián)網(wǎng)搜尋信息、社會(huì)交往、消費(fèi)購物、協(xié)作辦公，大幅提高了人們的生活質(zhì)量和工作效率。從互聯(lián)網(wǎng)的發(fā)展歷史來看，信息傳遞速率和信息處理能力的大幅提升會(huì)帶來互聯(lián)網(wǎng)的巨大變革。最為典型的例子就是移動(dòng)互聯(lián)網(wǎng)帶來的繁榮。自從3G等移動(dòng)通訊技術(shù)投入使用和手機(jī)芯片處理能力大幅提升，可以隨取隨用的移動(dòng)設(shè)備（主要是手機(jī)）取代了傳統(tǒng)的家用電腦，將人們與互聯(lián)網(wǎng)更緊密的結(jié)合在了一起，產(chǎn)生了諸多基于移動(dòng)端的商業(yè)模式（如共享經(jīng)濟(jì)），也給人們的生活工作方式帶來了很大變化（手機(jī)打車、刷抖音、手機(jī)打卡等）。那么，面臨即將到來的5G+AI時(shí)代，互聯(lián)網(wǎng)又會(huì)迎來怎樣的巨大變革，對(duì)經(jīng)濟(jì)社會(huì)和身處其中的每個(gè)個(gè)人又會(huì)帶來怎樣的變化呢？

有一些觀點(diǎn)認(rèn)為，移動(dòng)智能時(shí)代的下一步是可穿戴式智能時(shí)代。以眼鏡為代表的下一代可穿戴式智能設(shè)備將取代手機(jī)等設(shè)備，成為更為便利的互聯(lián)網(wǎng)節(jié)點(diǎn)，引領(lǐng)下一代互聯(lián)網(wǎng)的潮流。

但仔細(xì)思索不難發(fā)現(xiàn)，上述的觀點(diǎn)僅反映了硬件層面的迭代，還缺乏對(duì)于軟件層面迭代的思考。畢竟人需要一定的渠道和方式去與眼鏡等下一代智能設(shè)備溝通，而且這種溝通在新技術(shù)的支持下必然是與當(dāng)前移動(dòng)智能設(shè)備與人的交互方式是不同的。

我們認(rèn)為從軟件層面看，在5G+AI支持下，下一個(gè)互聯(lián)網(wǎng)時(shí)代將是基于視頻的時(shí)代，視頻將成為連接人與下一代智能設(shè)備、人與互聯(lián)網(wǎng)的重要媒介，進(jìn)而形成以視頻作為主要信息傳遞介質(zhì)和功能載體的互聯(lián)網(wǎng)形態(tài)。我們將這一代互聯(lián)網(wǎng)稱之為“視聯(lián)網(wǎng)”。接下來我們將從三個(gè)方面來論述“視聯(lián)網(wǎng)”，一是“視聯(lián)網(wǎng)”為何代表了互聯(lián)網(wǎng)的下一代發(fā)展方向；二是5G+AI如何助力“視聯(lián)網(wǎng)”的發(fā)展；三是“視聯(lián)網(wǎng)”會(huì)帶來什么影響。

一、“視聯(lián)網(wǎng)”是互聯(lián)網(wǎng)的發(fā)展趨勢(shì)

技術(shù)的發(fā)展是以人為核心的，有的技術(shù)是為滿足人的需求提供便利，有的則為人賦能，使人做到原本做不到乃至想不到的事情?；ヂ?lián)網(wǎng)的發(fā)展也是如此，為人的工作、生活提供便利和賦能是互聯(lián)網(wǎng)發(fā)展的核心要義。相較于圖文、語音等形式，以視頻作為主要的信息傳遞介質(zhì)和功能載體可以為人帶來更多的便利。

1、視頻作為信息傳遞介質(zhì)可以傳遞更多交互信息

視頻是對(duì)一系列靜態(tài)影像（每秒24幀以上）加以捕捉、記錄、處理、存儲(chǔ)、傳輸和重現(xiàn)的技術(shù)，可以簡(jiǎn)單理解為一種信息的記錄與傳輸方式。對(duì)比文字、圖片、語言等信息傳輸方式，視頻最大的優(yōu)勢(shì)在于其具有最大的信息帶寬，在信息處理速度和傳輸速度足夠的情況下，單位時(shí)間內(nèi)視頻可以傳遞的信息更多。同時(shí)，視頻中可以輕易的加載音頻和文字，形成多渠道的信息傳輸，彌補(bǔ)單一渠道的不足，反之則不行。這些優(yōu)勢(shì)也就決定了視頻可以使得人與計(jì)算機(jī)、人與人之間的交互更為便利、真實(shí)、更符合人與生俱來的習(xí)慣。

視頻的高帶寬使其不僅能傳遞語言和圖文能夠表達(dá)的明示信息，更能傳遞其他形式較難表達(dá)的默會(huì)信息，例如人的情感。人與人面對(duì)面的交流要比單純的電話交流更能了解一個(gè)人的精神狀態(tài)，就是因?yàn)槿说囊曈X能夠接收到的信息要遠(yuǎn)大于通過語言表達(dá)接收到的信息，例如表情、動(dòng)作等，從而分析出對(duì)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(shí)現(xiàn)不同時(shí)空的人與人的情感交流。

視頻這一特點(diǎn)已被廣泛應(yīng)用，影視劇作之所以吸引人，是因?yàn)槠涑两泻痛敫懈芤鹑说那楦泄缠Q。越來越多的企業(yè)采用網(wǎng)絡(luò)視頻形式傳播企業(yè)形象，也是為了通過視頻中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(nèi)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(shù)與應(yīng)用突破，預(yù)計(jì)到2022年視頻內(nèi)容的數(shù)據(jù)總量也將達(dá)到82%。這都表明視頻在促進(jìn)人與人交互中的作用得到了廣泛的認(rèn)可。

2、視頻作為互聯(lián)網(wǎng)功能載體可以帶來更多使用便利

而隨著視頻成為人們休閑娛樂和信息傳遞的主要方式，以及人們觀看視頻時(shí)間的增長(zhǎng)，讓視頻承載互聯(lián)網(wǎng)的功能服務(wù)就能夠?yàn)槿藗儙砀嗟谋憷?。這種便利就是視頻作為互聯(lián)網(wǎng)入口的價(jià)值。

從當(dāng)前觀看視頻的體驗(yàn)出發(fā)，很多人都有這樣的感受，感覺視頻中引起你情感共鳴的點(diǎn)缺乏合適的方式去宣泄。設(shè)想如下的場(chǎng)景，在看球賽時(shí)看到球星進(jìn)球后想買雙他的球鞋珍藏；在看到《權(quán)利與游戲》大結(jié)局時(shí)有無數(shù)吐槽不吐不快；刷抖音時(shí)看到別人分享的旅游地標(biāo)想進(jìn)一步了解具體信息。在當(dāng)下，我們碰到以上的場(chǎng)景，唯一的辦法是退出視頻，打開淘寶搜索球星球鞋；打開微博和微信瘋狂吐槽；打開百度搜索旅游地標(biāo)的信息。在這個(gè)退出視頻、登錄其他軟件的過程中，不可避免的會(huì)給人帶來不便。一方面是視頻中的信息并不一定能準(zhǔn)確傳遞到其他功能軟件中，就比如球鞋在淘寶上有多款類似的，你并不能確定哪一款是當(dāng)時(shí)球星腳上穿的引起你購買欲的那款；另一方面是這個(gè)轉(zhuǎn)換過程會(huì)破壞人的情緒積累，就比如一個(gè)人關(guān)掉視頻打開微信準(zhǔn)備吐槽時(shí)，看到微信的界面和朋友圈新鮮的事件，注意力就發(fā)生了轉(zhuǎn)移，可能也就放棄了繼續(xù)吐槽，抑或吐槽力度有所降低。如果視頻能夠直接承載互聯(lián)網(wǎng)功能，滿足人們視頻內(nèi)購物、社交、搜索等種種需求，想必會(huì)給人帶來極大的便利。

如果我們把目光放的更為長(zhǎng)遠(yuǎn)，在可穿戴式智能設(shè)備時(shí)代，AR和VR技術(shù)得到廣泛應(yīng)用，視頻作為互聯(lián)網(wǎng)功能載體將為人們帶來更大的便利。當(dāng)人們帶上智能眼鏡后，本質(zhì)上是將攝像頭捕捉到的視頻信息以虛擬層的形式與人看到的真實(shí)世界進(jìn)行重合，進(jìn)而可以在兩者間展開豐富的互動(dòng)，但這種互動(dòng)肯定是零轉(zhuǎn)換、低延時(shí)的。比如當(dāng)你想買路邊某人的同款外套時(shí)，你肯定希望看到后直接在眼鏡虛擬層上彈出價(jià)格、款式等相關(guān)信息、確認(rèn)后就一鍵下單，而不是虛擬層先關(guān)閉視頻模式再跳轉(zhuǎn)到淘寶頁面獲得商品信息。

3、“視聯(lián)網(wǎng)”發(fā)展的難點(diǎn)

要實(shí)現(xiàn)以視頻作為主要的信息傳輸介質(zhì)和互聯(lián)網(wǎng)功能載體的“視聯(lián)網(wǎng)”，主要有三個(gè)難點(diǎn)。一是有足夠高的帶寬便于視頻傳輸。二是精準(zhǔn)的視頻識(shí)別技術(shù)，準(zhǔn)確找出引發(fā)人們需求的信息。三是視頻互動(dòng)技術(shù)，在兼顧視頻體驗(yàn)的情況下實(shí)現(xiàn)人與視頻、視頻與互聯(lián)網(wǎng)功能服務(wù)的互動(dòng)。

第一點(diǎn)比較好理解，視頻內(nèi)容由于信息量大，需要足夠高的帶寬才能順利觀看。而視頻越精致、承載的互聯(lián)網(wǎng)功能越多，自然也就需要更高的帶寬用于傳輸。

第二點(diǎn)視頻識(shí)別技術(shù)是最為核心的難點(diǎn)。視頻內(nèi)容是非結(jié)構(gòu)化信息，是無法通過計(jì)算機(jī)直接讀取獲得我們所需要的人物、物品、場(chǎng)景、地標(biāo)等信息的，也就無法準(zhǔn)確定位可能引起人們需求的那些信息。視頻就好像一個(gè)黑箱，只能從外部觀看，卻無法看到內(nèi)部裝著的東西。最笨的識(shí)別辦法是通過人力將視頻中可能引起需求的信息進(jìn)行標(biāo)注，就好比人用手伸進(jìn)黑箱，把其中的內(nèi)容一件件取出來，這樣也能解決視頻識(shí)別的問題。但對(duì)于浩如煙海的視頻數(shù)據(jù)量，人力是完全無法滿足的。

第三點(diǎn)的關(guān)鍵在于如何在盡可能少的影響視頻體驗(yàn)的情況下承載最多的互聯(lián)網(wǎng)功能，并且需要根據(jù)人們的使用習(xí)慣不斷優(yōu)化。同時(shí)，隨著視頻識(shí)別技術(shù)的發(fā)展，視頻中蘊(yùn)含的信息識(shí)別出的越多，人們與視頻互動(dòng)或與互聯(lián)網(wǎng)功能的互動(dòng)就會(huì)越多，對(duì)于互動(dòng)技術(shù)的要求也就相應(yīng)提高。

二、5G+AI正在助力“視聯(lián)網(wǎng)”實(shí)現(xiàn)

我們認(rèn)為，5G的應(yīng)用與AI技術(shù)的高速發(fā)展能夠很大程度上解決上述的三個(gè)難點(diǎn)，打通“視聯(lián)網(wǎng)”實(shí)現(xiàn)的主要障礙。

1、5G與AI技術(shù)帶來的突破

讓我們先來簡(jiǎn)單分析一下5G和AI技術(shù)的發(fā)展意味著什么。5G是新一代信息傳輸技術(shù)，具有高寬帶、低延時(shí)的特點(diǎn)，簡(jiǎn)單而言就是把現(xiàn)在的無線網(wǎng)絡(luò)傳輸速度增加十倍、反應(yīng)速度縮減到十分之一。AI技術(shù)，或者說當(dāng)前以神經(jīng)網(wǎng)絡(luò)算法為核心的AI技術(shù)，其本質(zhì)是高效的記憶與識(shí)別。通過AI技術(shù)，計(jì)算機(jī)可以用比人類快幾萬倍的速度讀取數(shù)據(jù)（本質(zhì)就是記憶），并找出大量數(shù)據(jù)間的相關(guān)性（識(shí)別），甚至找出人腦無法識(shí)別的關(guān)聯(lián)。

5G很快就要投入應(yīng)用，這將很大程度上解決視頻傳輸?shù)膸拞栴}。以上海為例，根據(jù)上海去年11月發(fā)布的《上海市推進(jìn)新一代信息基礎(chǔ)設(shè)施建設(shè)助力提升城市能級(jí)和核心競(jìng)爭(zhēng)力三年行動(dòng)計(jì)劃(2018-2020年)》，上海將會(huì)在2020年底率先完成“雙千兆寬帶城市”建設(shè)，屆時(shí)，移動(dòng)網(wǎng)絡(luò)用戶感知速度可以達(dá)到500M/S，固定寬帶網(wǎng)速達(dá)到千兆。一部無壓縮的藍(lán)光電影大約25G左右，用移動(dòng)網(wǎng)絡(luò)也就一分鐘不到即可下載完成。視頻作為信息傳輸介質(zhì)的通訊阻礙已經(jīng)可以基本排除。

AI技術(shù)的發(fā)展則可以為視頻識(shí)別提供極大幫助。通過AI算法可以實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)識(shí)別視頻中的海量信息，以計(jì)算機(jī)超過人類數(shù)萬倍的速度去標(biāo)識(shí)出視頻中的可用信息，甚至做出人難以理解卻準(zhǔn)確的識(shí)別判斷。AI技術(shù)已經(jīng)在安防、金融、智能駕駛和視頻廣告投放等垂直領(lǐng)域中有了充分的應(yīng)用，基于視頻識(shí)別的部分需求得到了一定滿足。盡管現(xiàn)有的技術(shù)還難以全面解析視頻中的所有信息，但其發(fā)展前景使視頻內(nèi)容完全識(shí)別成為了可能。在未來，隨著視頻AI識(shí)別技術(shù)變得更快速、更精準(zhǔn)、更低成本，視頻內(nèi)容的實(shí)時(shí)解析也并非難以做到，或許那時(shí)就能達(dá)到智能眼鏡的時(shí)代。

至于視頻互動(dòng)技術(shù)，相較于技術(shù)研發(fā)，視頻互動(dòng)更為重要的是互動(dòng)生態(tài)的建立。視頻內(nèi)容的生產(chǎn)、傳播者和互聯(lián)網(wǎng)服務(wù)提供商需要認(rèn)可視頻觀看者的互聯(lián)網(wǎng)需求，打開數(shù)據(jù)鏈路，實(shí)現(xiàn)互聯(lián)網(wǎng)生態(tài)在視頻層的對(duì)接。這需要的是有效的商務(wù)推廣、龍頭帶動(dòng)效應(yīng)和不斷的體驗(yàn)優(yōu)化。

2、“視聯(lián)網(wǎng)”發(fā)展的四個(gè)階段

隨著5G和AI技術(shù)的不斷成熟與應(yīng)用，我們?cè)O(shè)想了“視聯(lián)網(wǎng)”發(fā)展的四個(gè)階段：

首先是“嬰兒期”，即5G和AI的初步應(yīng)用，也是當(dāng)下我們所處的階段。這一階段中，視頻AI技術(shù)實(shí)現(xiàn)了對(duì)視頻內(nèi)容的初步解構(gòu)，形成了包括內(nèi)容、情景、事件等結(jié)構(gòu)化數(shù)據(jù)。基于這些結(jié)構(gòu)化數(shù)據(jù)，可以實(shí)現(xiàn)視頻與用戶的初步互動(dòng)，滿足用戶的有限需求。AI場(chǎng)景廣告就是一種初級(jí)應(yīng)用形態(tài)，實(shí)現(xiàn)了場(chǎng)景購買需求與購買渠道的對(duì)接。這一時(shí)期的“視聯(lián)網(wǎng)”功能是初級(jí)的、有限的，所有的參與者都是“視聯(lián)網(wǎng)”的嘗鮮者。

再次是“成長(zhǎng)期”，即5G和AI的廣泛應(yīng)用。隨著AI技術(shù)越來越強(qiáng)，視頻中的信息已經(jīng)可以做到全面解析，“視聯(lián)網(wǎng)”能夠帶來的價(jià)值清晰可見。“視聯(lián)網(wǎng)”的嘗鮮者獲得了足夠的收益，大量跟風(fēng)者開始出現(xiàn)。從視頻中直接獲取信息逐漸成為用戶的基本行為習(xí)慣，?如在視頻中直接點(diǎn)擊即可獲取演員的姓名和屬性，直接點(diǎn)擊地標(biāo)景點(diǎn)即可獲取旅游信息等將成為視頻的最基礎(chǔ)功能。視頻內(nèi)的對(duì)象與信息成為了人與互聯(lián)網(wǎng)交互的?個(gè)重要?口。

之后是“青年期”，即“視聯(lián)網(wǎng)”生態(tài)的形成。隨著視頻作為互聯(lián)網(wǎng)?口得到普遍認(rèn)可，?量互聯(lián)網(wǎng)公司將其服務(wù)以“視頻小程序”的形式遷移到視頻之中，而不僅僅是接入外部鏈接，從?形成了完整的“視聯(lián)網(wǎng)”?態(tài)。到此時(shí)，視頻就已經(jīng)完成了從媒體到介質(zhì)的轉(zhuǎn)化，出現(xiàn)了“視頻操作系統(tǒng)”，真正實(shí)現(xiàn)了“視頻即桌面”的一次互聯(lián)?進(jìn)化。

最后是“成熟期”，“視聯(lián)網(wǎng)”生態(tài)與可穿戴式智能設(shè)備達(dá)到了深度結(jié)合，并隨著智能眼鏡的普及達(dá)到了巔峰，在這一時(shí)期，人們的感官成為了互聯(lián)網(wǎng)的接口，“視聯(lián)網(wǎng)”也實(shí)現(xiàn)了從“視頻”到“視覺”的跨越。這一基于自然感官的系統(tǒng)可以稱為“自然操作系統(tǒng)”。

再之后，“視聯(lián)網(wǎng)”可能會(huì)被更為便利的模式所替代。互聯(lián)網(wǎng)的發(fā)展不會(huì)停止，會(huì)向著更為便利和符合人類自然習(xí)慣的方向發(fā)展?？赡茉凇耙暵?lián)網(wǎng)”之后，人們就實(shí)現(xiàn)了通過神經(jīng)傳輸數(shù)據(jù)，進(jìn)入了腦機(jī)時(shí)代。此處就不做贅述。

三、“視聯(lián)網(wǎng)”的影響猜想

“視聯(lián)網(wǎng)”會(huì)帶來哪些影響？這個(gè)問題在沒有發(fā)生前我們只能做一些大致的猜想。

1、視頻作為信息介質(zhì)帶來的影響：對(duì)圖文生態(tài)的顛覆

圖文制作與視頻制作融合

可以想見，當(dāng)視頻的內(nèi)容信息可以完全識(shí)別和解析后，圖文表現(xiàn)形式可以完全被視頻表現(xiàn)形式所取代。當(dāng)然這并不意味著人們不再需要圖文形式的內(nèi)容，而是說人們完全可以用制作視頻的方式制作圖文內(nèi)容，人們對(duì)于需要的圖文信息可以輕松的去蘊(yùn)含該信息的視頻中提取出來，而傳統(tǒng)的圖文制作可能將會(huì)成為視頻制作軟件中的一個(gè)基礎(chǔ)服務(wù)。

圖文系統(tǒng)被視頻系統(tǒng)取代

圖文信息形式被視頻形式所取代并將帶來整個(gè)系統(tǒng)生態(tài)的劇烈變化，最為顯著的變化莫過于當(dāng)前計(jì)算機(jī)的圖文操作系統(tǒng)會(huì)被視頻操作系統(tǒng)所取代。這種變化類似于當(dāng)年Windows的圖文操作系統(tǒng)取代DOS的文字操作系統(tǒng)，操作系統(tǒng)的迭代會(huì)大幅改變?nèi)藗兪褂糜?jì)算機(jī)的習(xí)慣，衍生出大量新的內(nèi)容和服務(wù)。

圖文服務(wù)向視頻服務(wù)進(jìn)化

在視頻操作系統(tǒng)上的服務(wù)可能會(huì)分為兩類，一類是原有圖文服務(wù)的視頻化移植。就比如谷歌做的搜索服務(wù)，在“視聯(lián)網(wǎng)”時(shí)代也十分需要，當(dāng)然服務(wù)內(nèi)容會(huì)有變化，主要搜索對(duì)象可能變成視頻幀或視頻中的某個(gè)元素。另一類是無法想象的、基于視頻系統(tǒng)的原生服務(wù)。這需要根據(jù)人們?cè)趯?shí)際使用“視聯(lián)網(wǎng)”的過程中逐步發(fā)掘與創(chuàng)新。

2、視頻作為互聯(lián)網(wǎng)功能載體帶來的影響

互聯(lián)網(wǎng)入口的全新競(jìng)爭(zhēng)

“視聯(lián)網(wǎng)”中，視頻作為互聯(lián)網(wǎng)的主要入口將會(huì)引爆新一輪的入口競(jìng)爭(zhēng)。很可能不同于過去門戶網(wǎng)站、APP等功能性入口，“視聯(lián)網(wǎng)”時(shí)期的入口更可能是基于內(nèi)容層面的，是通過視頻內(nèi)容來吸引流量，進(jìn)而從內(nèi)容出發(fā)延伸出其他互聯(lián)網(wǎng)功能。影響視頻內(nèi)容的可能包括分辨率、內(nèi)容解析度、共鳴度等各類硬性和感性的標(biāo)準(zhǔn)，形成更為垂直分化的用戶群體。從這一點(diǎn)出發(fā)，視頻內(nèi)容的提供商可能將成為“視聯(lián)網(wǎng)”中的重要角色。

“視聯(lián)網(wǎng)”的行業(yè)標(biāo)準(zhǔn)之爭(zhēng)

視聯(lián)網(wǎng)中的各類服務(wù)是通過小程序形式加載在視頻中，從而實(shí)現(xiàn)零轉(zhuǎn)換和低延時(shí)。為了讓各類小程序有序開發(fā)并應(yīng)用在各類格式的視頻中，相關(guān)的行業(yè)標(biāo)準(zhǔn)建立將是重要一步，必將成為巨頭們競(jìng)爭(zhēng)的焦點(diǎn)，就像ios系統(tǒng)與安卓系統(tǒng)的競(jìng)爭(zhēng)一般。在這一過程中，“視聯(lián)網(wǎng)”的嘗鮮者們或許有一次提前入局的機(jī)會(huì)。就好似抓住互聯(lián)網(wǎng)風(fēng)口的阿里巴巴、抓住移動(dòng)互聯(lián)網(wǎng)風(fēng)口的Uber，“視聯(lián)網(wǎng)”的風(fēng)口也將孕育出一批新的巨頭。