1895年12月28日，一輛火車「駛入」法國巴黎的一家咖啡館，儘管只是無聲的黑白影像，在座觀眾還是被嚇得四散奔逃，這也成為視頻產業史上的經典註腳。
音頻和視頻的發展幾乎是同時的，留聲機、磁帶、唱片機、電話等一一而來，視頻從默片走向有聲，從黑白走向彩色，從模糊走向超清，技術更新迭代，創造了全新的音視頻產業。
譬如美國傳媒支柱產業有線電視（流媒體），環球影業（1916年），福克斯（1915年），華納兄弟（1923年），米高梅（1924年），哥倫比亞影業（1924年）都創立於那個時代，好萊塢一度壟斷了產業。
有觀點認為，美國好萊塢在於創造了內容生產工業化的流程，從一個點子出發，劇本、項目、拍攝、後期、發行一應俱全，而中國直到4G時代，才堪堪追趕上美國音視頻產業的節奏，如今愛優騰等視頻平台大多效仿了Netfilx、YouTube等。
音視頻製作走向規模化和工業化，靠的不只是創意和點子，更需要建立一套工業生產流程，現實是我們還缺少體系化的工具和實踐。
與此同時，圍繞音視頻技術和產業，一種下沉效應逐漸釋放——過去作為最終消費品的音頻和視頻，下沉成為新消費品的基礎，由此形成行業不斷向前的驅動力，在這一過程中，音視頻技術和產業也在重塑。
如上建立在音視頻的廣泛普及和產業再生長的前提下，音視頻本身有海量的消費空間，突如其來的疫情又極大加速了需求的釋放，短視頻、在線會議、線上教育、直播，甚至未來的元宇宙等，都依賴於音視頻行業的發展。
再定義：音視頻是什麼
音視頻是一類技術還是一個行業？其實都不能準確概括它的現狀，在筆者看來，如今的音視頻更接近於一門工業。技術和產業的下沉效應並不罕見，相反地，它幾乎是任何一個規模工業的必經之路。
泛化定義中，工業是原材料的再加工，在如今的數字化時代，原材料既可以是礦石等自然資源，也可以是數據等數字資源，就像製造業生產出日常生活所需的東西，音視頻工業也能生產出不止一種形態的數字消費品。
短視頻只是一種簡單形式的音視頻消費品，卻也折射出「規模生產」的屬性，抖音和快手兩大短視頻App並不生產短視頻，但是他們提供了短視頻規模生產的工具，任何人只用一部手機就可以「生產」短視頻，進而被其他人所「消費」。
除了短視頻，還有更多形式的音視頻消費品。數字世界要映射人的五感，耳聽和目視是最為直觀的兩種感覺，實時交互、遠程協作、虛實融合等，無不需要音視頻技術的參與。
這從認知角度也說得通，人們更願意獲取直接的反饋和交互，同一件事透過電話和當面交流是兩種效果，同一件商品在網上商店和直播間銷售又是兩種效果，音視頻傳遞的情緒要多得多。
音視頻已經覆蓋到我們生產生活的方方面面，近年來，音視頻行業從業者有一個明顯的感覺，需求繁多到應接不暇，新場景湧現得眼花繚亂，自己做的事情卻愈來愈後端，因為音視頻已經融入並成為千行百業的基礎。
千行百業也給予音視頻工業以反饋，僅就目前的需求和供給兩端來看，音視頻工業並不處於平衡狀態，即使是發展經年的內容製作，3D音視頻內容生產周期一般需要18個月甚至24個月，內容供給能力顯著落後。
從工業發展的思路入手，提高音視頻工業中間環節的效率，能夠同時縮短供需兩端的工業化歷程，很多廠商已經着手，例如聲網在疫情期間憑藉音視頻技術大獲關注，快手和抖音也沒有僅限於生產短視頻，而是推出了自己的音視頻PaaS品牌和產品。
其邏輯並不難理解，音視頻技術的通用化，能夠撬動傳統行業眾多實時、互動等場景的數字化升級，我們並不能確切預知音視頻的普及廣度和改造深度，只能說，音視頻的未來市場空間充滿想象力。
當音視頻走向大工業化
技術的工業化通常可以分為三個階段，首先是技術應運而生，在場景之下不斷完勝自身，這更多是技術本身的成熟，僅就目前音視頻技術的演進維度，音視頻技術已經發展得相對成熟。
但是若從技術產業化或者工業化的維度來看，音視頻還有很多難題尚待解決，這也是第二階段，音視頻技術要大規模走向產業，不止於消費互聯網，更是廣闊的產業互聯網，核心是解決規模化的應用問題。
此後技術工業化將進入第三階段，將顯著提高千行百業的生產力和生產效率，促進經濟的發展與創造。
在中國V谷·華為雲音視頻產業峰會2022，關於如何讓音視頻走向大工業化，我們觀測到了一些趨勢。
長沙，馬欄山，別名「中國V谷」。招商引資、建設園區是城市發展經濟的常見方式，而馬欄山的另一面有些不太常見。馬欄山投資2.2億元，通過公有雲+私有雲構建了馬欄山的混合雲，並實施5G、WIFI、一百兆光纖、網絡全覆蓋，實行視頻製作的雲化，改變生產方式，降低生產成本，提高生產效能。
這給了行業很大的啟示。某種意義上，馬欄山就是一個鮮明的音視頻工業化生產案例，音視頻由技術到應用場景，再到產業，同時回溯前端的需求，轉化為後端的技術演進，形成一個技術-場景閉環。
其中的關鍵是「加工廠」。華為雲中國區總裁張修征表示，行業正邁向虛實融合的3D互聯網時代，音視頻產業迎來蓬勃發展期。面向新時代，音視頻產業應深入到Cloud for Media、AI for Media，生於雲、長於AI。
「音視頻領域面臨一場人機交互體驗的革命，是算力、連接、顯示整個端到端革命的升級，市場也在呼喚着顛覆式的終端，現象級的內容以及全新的產業生態」，張修征說道。
音視頻的工業化，本質上就是要把音視頻做成一個基礎設施，音視頻的技術路線天然和雲計算相近，在雲原生的大背景下，音視頻的工業版圖能夠更好的補全。
縱觀全球技術廠商，不論是華為雲這樣的公有雲廠商，基於底層IaaS向上層PaaS延伸，還是以Twilio、聲網為代表的PaaS廠商，豐富雲原生的能力，賽道交叉、一體化的趨勢越來越明顯。
音視頻基礎設施下沉之後
從文字到圖片到視頻，到3D互聯網，音視頻產業跨越了傳統的電影電視，移動互聯網時代的點播、直播、短視頻實時互動的直播，再到3D互聯網時代或者近似於元宇宙，音視頻技術正原來內容的表現方式，成為千行百業的生產力。
音視頻技術下沉，會下沉成為什麼樣子？
從客戶的需求反推當下的演變，音視頻技術應當重塑為雲原生媒體基礎設施，華為雲總結為「1個生態+2類服務+3大引擎+4大核心能力」，具體來看：
1.個生態是通過沉澱夥伴的優秀經驗，面向不同行業發布系列化的雲上生產線；
2.類服務是面向夥伴及開發者，提供內容類服務，提升內容生產效率；提供應用類服務，讓虛實融合的應用開發更加便捷。
3.大引擎是通過雲原生的圖形、空間、音視頻引擎，讓3D建模、仿真、渲染、VR/AR等處理更加高效。
4.大核心能力是以媒體為中心，重新定義算力、網絡、AI、區塊鏈等雲基礎設施能力，從cloud for computing走向cloud for media。
雲原生媒體基礎設施不只是技術的集合體，我們也注意到，華為雲發布了數字內容夥伴計劃，將在未來3年，結合華為雲GoCloud計劃，發展300家以上數字內容夥伴，會上亮相的參與方包括微贊、芒果幻視、積木易搭、美攝科技、中影年年、融雲、ZEGO即構科技、硅基智能、贊奇、中科大洋、造夢星河等。
工業生產首先是分工協作的，然後才是全面專業化升級的，用製造業邏輯來理解，音視頻從原材料到最終成品，一定是涉及多方的生產線，存在多個中間環節，沒有生態也就無從談及工業化，協作是專業化發展的必然結果，協作的發展又促進專業化的發展，讓音視頻解決方案更完善。
其次是服務，一個是面向內容開發的數字內容生產線，另一個是面向應用開發的3D虛實融合應用的生產線，兩者可以理解為針對音視頻製作方式的變化，工具加服務平台，可以讓內容生產門檻大大降低。
此外是雲原生、AI原生、CG+CV融合三大引擎，雲原生讓引擎使用雲上的海量算力，基於數據驅動的AI原生，可以實現數字人的自驅動等，通過CG/CV的融合，可以讓現實世界拍攝的視頻圖像，虛擬世界中創作的3D模型能夠精準融合。
最後是基礎能力，雖然基礎，但卻體現了技術下沉的核心，諸如多元化的算力、高速文件存儲、全球一張網的調度，AI和區塊鏈等等，音視頻工業生產線的下游參與者不用再去考慮什麼是計算、存儲和網絡，甚至安全、AI和區塊鏈，只需依據自己的需求再加工，雲原生媒體基礎設施已經固化了前期要素。
當音視頻技術下沉，雲原生媒體基礎設施重塑了每一個中間環節，音視頻走向工業大生產式必經之路，由消費互聯網到產業互聯網，通過音視頻的技術工業化，一切皆可創作，一切皆可想象。
音視頻產業化將行至何處？張修征給出了他的判斷，「音視頻市場又迎來了一個爆發期，人們總是容易高估未來一年發生的事情，而低估未來5-10年發生的事情。」
蒸汽機和內燃機成為工業革命的動力，內置在各種機械中；以電力為基礎，電燈、電話、電腦、電冰箱等不斷湧現；雲計算成為現代IT的基礎平台，企業的組織、數據和生產系統都建立在雲平台上。
可以預見的是，未來在產業各界實踐者的探索下，音視頻技術將越來越無需感知，蛻變為產業互聯網的基本構成，數字世界的磚石瓦礫，音視頻產業吹響大工業時代的號角。-（鈦媒體/作者:張帥）
