图片来源@视觉中国

1895年12月28日，一辆火车「驶入」法国巴黎的一家咖啡馆，尽管只是无声的黑白影像，在座观众还是被吓得四散奔逃，这也成为视频产业史上的经典注脚。

音频和视频的发展几乎是同时的，留声机、磁带、唱片机、电话等一一而来，视频从默片走向有声，从黑白走向彩色，从模糊走向超清，技术更新迭代，创造了全新的音视频产业。

譬如美国传媒支柱产业有线电视（流媒体），环球影业（1916年），福克斯（1915年），华纳兄弟（1923年），米高梅（1924年），哥伦比亚影业（1924年）都创立于那个时代，好莱坞一度垄断了产业。

有观点认为，美国好莱坞在于创造了内容生产工业化的流程，从一个点子出发，剧本、项目、拍摄、后期、发行一应俱全，而中国直到4G时代，才堪堪追赶上美国音视频产业的节奏，如今爱优腾等视频平台大多效仿了Netfilx、YouTube等。

音视频制作走向规模化和工业化，靠的不只是创意和点子，更需要建立一套工业生产流程，现实是我们还缺少体系化的工具和实践。

与此同时，围绕音视频技术和产业，一种下沉效应逐渐释放——过去作为最终消费品的音频和视频，下沉成为新消费品的基础，由此形成行业不断向前的驱动力，在这一过程中，音视频技术和产业也在重塑。

如上建立在音视频的广泛普及和产业再生长的前提下，音视频本身有海量的消费空间，突如其来的疫情又极大加速了需求的释放，短视频、在线会议、线上教育、直播，甚至未来的元宇宙等，都依赖于音视频行业的发展。

再定义：音视频是什么

音视频是一类技术还是一个行业？其实都不能准确概括它的现状，在笔者看来，如今的音视频更接近于一门工业。技术和产业的下沉效应并不罕见，相反地，它几乎是任何一个规模工业的必经之路。

泛化定义中，工业是原材料的再加工，在如今的数字化时代，原材料既可以是矿石等自然资源，也可以是数据等数字资源，就像制造业生产出日常生活所需的东西，音视频工业也能生产出不止一种形态的数字消费品。

短视频只是一种简单形式的音视频消费品，却也折射出「规模生产」的属性，抖音和快手两大短视频App并不生产短视频，但是他们提供了短视频规模生产的工具，任何人只用一部手机就可以「生产」短视频，进而被其他人所「消费」。

除了短视频，还有更多形式的音视频消费品。数字世界要映射人的五感，耳听和目视是最为直观的两种感觉，实时交互、远程协作、虚实融合等，无不需要音视频技术的参与。

这从认知角度也说得通，人们更愿意获取直接的反馈和交互，同一件事透过电话和当面交流是两种效果，同一件商品在网上商店和直播间销售又是两种效果，音视频传递的情绪要多得多。

音视频已经覆盖到我们生产生活的方方面面，近年来，音视频行业从业者有一个明显的感觉，需求繁多到应接不暇，新场景涌现得眼花缭乱，自己做的事情却愈来愈后端，因为音视频已经融入并成为千行百业的基础。

千行百业也给予音视频工业以反馈，仅就目前的需求和供给两端来看，音视频工业并不处于平衡状态，即使是发展经年的内容制作，3D音视频内容生产周期一般需要18个月甚至24个月，内容供给能力显著落后。

从工业发展的思路入手，提高音视频工业中间环节的效率，能够同时缩短供需两端的工业化历程，很多厂商已经着手，例如声网在疫情期间凭借音视频技术大获关注，快手和抖音也没有仅限于生产短视频，而是推出了自己的音视频PaaS品牌和产品。

其逻辑并不难理解，音视频技术的通用化，能够撬动传统行业众多实时、互动等场景的数字化升级，我们并不能确切预知音视频的普及广度和改造深度，只能说，音视频的未来市场空间充满想象力。

当音视频走向大工业化

技术的工业化通常可以分为三个阶段，首先是技术应运而生，在场景之下不断完胜自身，这更多是技术本身的成熟，仅就目前音视频技术的演进维度，音视频技术已经发展得相对成熟。

但是若从技术产业化或者工业化的维度来看，音视频还有很多难题尚待解决，这也是第二阶段，音视频技术要大规模走向产业，不止于消费互联网，更是广阔的产业互联网，核心是解决规模化的应用问题。

此后技术工业化将进入第三阶段，将显著提高千行百业的生产力和生产效率，促进经济的发展与创造。

在中国V谷·华为云音视频产业峰会2022，关于如何让音视频走向大工业化，我们观测到了一些趋势。

长沙，马栏山，别名「中国V谷」。招商引资、建设园区是城市发展经济的常见方式，而马栏山的另一面有些不太常见。马栏山投资2.2亿元，通过公有云+私有云构建了马栏山的混合云，并实施5G、WIFI、一百兆光纤、网络全覆盖，实行视频制作的云化，改变生产方式，降低生产成本，提高生产效能。

这给了行业很大的启示。某种意义上，马栏山就是一个鲜明的音视频工业化生产案例，音视频由技术到应用场景，再到产业，同时回溯前端的需求，转化为后端的技术演进，形成一个技术-场景闭环。

其中的关键是“加工厂”。华为云中国区总裁张修征表示，行业正迈向虚实融合的3D互联网时代，音视频产业迎来蓬勃发展期。面向新时代，音视频产业应深入到Cloud for Media、AI for Media，生于云、长于AI。

“音视频领域面临一场人机交互体验的革命，是算力、连接、显示整个端到端革命的升级，市场也在呼唤着颠覆式的终端，现象级的内容以及全新的产业生态”，张修征说道。

音视频的工业化，本质上就是要把音视频做成一个基础设施，音视频的技术路线天然和云计算相近，在云原生的大背景下，音视频的工业版图能够更好的补全。

纵观全球技术厂商，不论是华为云这样的公有云厂商，基于底层IaaS向上层PaaS延伸，还是以Twilio、声网为代表的PaaS厂商，丰富云原生的能力，赛道交叉、一体化的趋势越来越明显。

音视频基础设施下沉之后

从文字到图片到视频，到3D互联网，音视频产业跨越了传统的电影电视，移动互联网时代的点播、直播、短视频实时互动的直播，再到3D互联网时代或者近似于元宇宙，音视频技术正原来内容的表现方式，成为千行百业的生产力。

音视频技术下沉，会下沉成为什么样子？

从客户的需求反推当下的演变，音视频技术应当重塑为云原生媒体基础设施，华为云总结为“1个生态+2类服务+3大引擎+4大核心能力”，具体来看：

1个生态是通过沉淀伙伴的优秀经验，面向不同行业发布系列化的云上生产线；

2类服务是面向伙伴及开发者，提供内容类服务，提升内容生产效率；提供应用类服务，让虚实融合的应用开发更加便捷。

3大引擎是通过云原生的图形、空间、音视频引擎，让3D建模、仿真、渲染、VR/AR等处理更加高效。

4大核心能力是以媒体为中心，重新定义算力、网络、AI、区块链等云基础设施能力，从cloud for computing走向cloud for media。

云原生媒体基础设施不只是技术的集合体，我们也注意到，华为云发布了数字内容伙伴计划，将在未来3年，结合华为云GoCloud计划，发展300家以上数字内容伙伴，会上亮相的参与方包括微赞、芒果幻视、积木易搭、美摄科技、中影年年、融云、ZEGO即构科技、硅基智能、赞奇、中科大洋、造梦星河等。

工业生产首先是分工协作的，然后才是全面专业化升级的，用制造业逻辑来理解，音视频从原材料到最终成品，一定是涉及多方的生产线，存在多个中间环节，没有生态也就无从谈及工业化，协作是专业化发展的必然结果，协作的发展又促进专业化的发展，让音视频解决方案更完善。

其次是服务，一个是面向内容开发的数字内容生产线，另一个是面向应用开发的3D虚实融合应用的生产线，两者可以理解为针对音视频制作方式的变化，工具加服务平台，可以让内容生产门槛大大降低。

此外是云原生、AI原生、CG+CV融合三大引擎，云原生让引擎使用云上的海量算力，基于数据驱动的AI原生，可以实现数字人的自驱动等，通过CG/CV的融合，可以让现实世界拍摄的视频图像，虚拟世界中创作的3D模型能够精准融合。

最后是基础能力，虽然基础，但却体现了技术下沉的核心，诸如多元化的算力、高速文件存储、全球一张网的调度，AI和区块链等等，音视频工业生产线的下游参与者不用再去考虑什么是计算、存储和网络，甚至安全、AI和区块链，只需依据自己的需求再加工，云原生媒体基础设施已经固化了前期要素。

当音视频技术下沉，云原生媒体基础设施重塑了每一个中间环节，音视频走向工业大生产式必经之路，由消费互联网到产业互联网，通过音视频的技术工业化，一切皆可创作，一切皆可想象。

音视频产业化将行至何处？张修征给出了他的判断，“音视频市场又迎来了一个爆发期，人们总是容易高估未来一年发生的事情，而低估未来5-10年发生的事情。”

蒸汽机和内燃机成为工业革命的动力，内置在各种机械中；以电力为基础，电灯、电话、电脑、电冰箱等不断涌现；云计算成为现代IT的基础平台，企业的组织、数据和生产系统都建立在云平台上。

可以预见的是，未来在产业各界实践者的探索下，音视频技术将越来越无需感知，蜕变为产业互联网的基本构成，数字世界的砖石瓦砾，音视频产业吹响大工业时代的号角。（本文首发钛媒体APP 作者 | 张帅）