編者按：AIGC無疑是當下的熱門話題和場景。面對AI帶來的技術變革和算力挑戰，該如何應對？LiveVideoStackCon 2023上海站邀請到了網心科技副總裁武磊為我們分享網心在面對AI應用場景和業務需求下的實踐經驗。

-01-

AI引領內容消費升級

首先是內容視頻化。過去幾年，整個社會的表達、創作都在視頻化轉型與升級。從人類自身來看，大腦處理視覺信息的速度比文字要快60000倍，視覺輔助可以將學習效率提高多達400%。這在科學層面印證了視頻化敘事的喜聞樂見。從中國整個視頻用戶規模來看，2010到2022年的12年時間里增長了3.5倍，并于2022年網絡視聽用戶規模也正式超越了即時通訊，成為互聯網第一大應用。而移動互聯網的用戶使用時長更能反映出這種趨勢，2019年短視頻用戶使用總時長還落后即時通訊15%，到2021年已經實現反超，今年5月這一數據已經擴大到6.1%。

第二點是優質內容視頻化效率有待提升。從網文到漫畫、電影的內容視頻化，產生了很多成功的商業案例。斗羅大陸最早在起點中文網上連載，到2018年點擊量達到6千多萬，期間也改編過動畫，憑借著廣泛的受眾面，在游戲化后創造了破百億的累計流水。還有大家熟知的鬼吹燈系列，2015年改編上映的《尋龍訣》電影，由陳坤和黃渤等主演，票房高達16.8億，成為當年度中國電影票房第三名。 優質IP的視頻化擁有非常顯著的經濟效益，但從視頻化的效率上來看，還有很多待提升的空間。比如將IP拍成電影，需要經歷劇本的打磨、選角、道具準備、拍攝、后期制作、宣發、時間和人力上都是巨大的投入。以閱文為例，2022年進入IP改編的作品還不到新增作品的0.5%。隨著AI技術的加入，在劇本、剪輯、配音、特效、宣發海報等環節，都能夠很好地利用AI工具實現自動化生成，帶來效率提升。

第三點是AI+音視頻的全方位創新。從圖片、音樂、配音、視頻和交互等各方面已經有了很成熟的應用。 最近發生了好萊塢罷工事件，演員和編劇們對于被AI取代的擔憂已經逐漸成為了現實，技術的革命意味著行業的洗牌和利益的重新分配。 以游戲制作為例，在AIGC的加持下逐漸構建出來了新的創作模式與內容價值。具體來說：1、AIGC可以給創意產生提供思路，同時提升畫質和交互性。2、為游戲制作提效。我們都知道《原神》，它從立項到上線測試耗時2年左右，如果在一些環節使用AI的確可以提升游戲制作效率，例如網易現在用自研AI技術應用于游戲工業化全流程，對關鍵環節的工作效率提升多達90%。3、降本，由于減少了人員和時間投入，可以很好地降低制作成本。4、玩法迭代，助力游戲創新。 來自第三方的調查數據顯示，游戲行業平均研發費用占收入比例為25%左右，如果用AI的方式，可優化制作成本約266億元，40%的研發成本可以得到優化。這里包含了美術設計、自動化測試、音效制作等環節。 從文字到視頻，用戶量級呈幾何倍數的增加。閱文2022年平均月付費用戶為790萬人，而視頻應用僅愛奇藝一家會員用戶就是過億，抖音用戶更是達到驚人的8.09億。視頻的特點是內容聽得到、看得著、強交互，具有廣覆蓋的用戶群體，從網文到音視頻的轉化，網文IP價值進一步放大，隨著AI的加入，生成大量的虛擬人物，產生強互動，為元宇宙的到來奠定基礎。 從文字到音視頻的內容消費升級，內容生產成本從過去的以人工單位定價轉為算力定價。過去的配音、動漫制作、影視劇制作還是游戲開發，核心的成本還是人員投入。但在AIGC模式下，平均算力成本主要由GPU性能等決定；訓練成本與推理成本的比例大約是1：9，以Midjourney為例，大約10%的云成本用于訓練，90%是用戶制作圖像的推理。 AI的投入，在帶來生產力質的飛躍同時，背后是天量算力的缺口。OpenAI分析表明，2012-2019年，AI訓練使用的算力每3.5個月就會翻一倍，相對比摩爾定律是每18個月翻倍，對算力的需求七年增長了30萬倍。而巨大的算力需求背后是高昂的算力成本。以GPT3訓練為例，單次訓練成本高達460萬美元，日常運營對應的單月運營成本高達千萬美元。

-02-

“云”訓練“邊”推理是最優架構

實際上，邊緣計算一定不是建設驅動和比拼資金密度的行業，基于碎片化的供給，會有很強的平臺效應。 網心通過合作招募+自建+共建等方式觸達到的云、邊、端的資源，這也是網心從2015年一直從各個渠道拓寬觸達更廣的邊緣資源。有了穩定供給的資源，中間一層核心工作是異構資源的治理和標準化，通過統一的接入流程，千萬節點的容器化的平臺支撐，做到資源的合理調度和高效應用。

最上層是我們的解決方案產品矩陣，網心當前兩大成熟場景：邊緣計算平臺和基于邊緣資源的帶寬加速解決方案。 網心的定位是做邊緣云計算服務提供商，提供支持未來任何算力的需求場景；在算力場景，我們構建了一個健壯，彈性，高可用的基礎設施平臺，通過智能調度服務，能夠更加經濟節省的滿足客戶的AI推理，自動駕駛，工業互聯網等場景需求。 我們希望通過提供底層的邊端資源，中心云進行模型訓練、算法迭代等，得到一個合適的推理模型放在邊緣做數據建模。例如，我們最近在和某電動汽車廠商合作，嘗試把智能語音模型推理從云端改到邊端。 接下來講一下新架構帶來的變化。

第一、多云融合，需要把中心云和邊緣云的能力進行契合，通過探索和實踐實現訓練和推理的無縫銜接。

第二、資源視圖升級為服務視圖，我們不僅作為資源提供方，更要親身實踐，提供相關的服務。 第三、邊緣云的多層計算力分配，將分散、異構、多層級、閑置的算力集合起來。 第四、延時降低，交互增加，帶來更多的沉浸式和“臨場感”需求，需要增加相應的技術積累。 在此基礎上，我們提出IAAS+架構。最底層就是上文提到的中心云與邊緣云的合作，以提供更好的資源管理；中間層通過模型托管平臺，把開源和閉源模型做好銜接；最上層是應用層，包括端到端應用等。 在AIGC實踐上。我們嘗試將AIGC中的某些業務模塊，所需要的算力從中心下沉至邊緣節點，當然目前還是將數據回傳至中心存儲，未來希望能直接存儲在邊緣，達到真正的云邊端協同。

-03-

網心的音視頻架構演進

AIGC的爆發會使更多的內容在邊緣產生，同時帶來了低延時的需求。

在直播場景中，需要將一路流拆分成多路，分配到離用戶更近的邊緣節點，在播放端需要這路流時，尋找多個邊緣節點拉起多路子流合成最終直播流。這個流程目前已經相對成熟，無論是在QoS還是QoE方面，都和傳統的方式沒有太大差異。 目前我們的要求有兩點：1、質量上與云廠持平，包括流暢度、畫質、延時等；2、成本上保證邊緣要服務80%以上的流量。在關鍵技術點上，云負責起播和回切，邊負責多鏈路傳輸通道以及網絡傳輸優化。 在做雙端優化的過程中，我們通過用戶端的網絡容量評估，實現對單個鏈路的帶寬分配，通過用戶和每個鏈路之間的實時質量評估以及冗余FEC多通道容錯機制，盡量減少重傳。

在云游戲中，延時要求更高。接入端和玩家距離越近，延遲越低，網心智能調度服務可以根據網絡距離實現最優覆蓋，通過調度返回最優節點列表，實現更低延遲。 在這里，談談基于Serverless構建邊緣算力服務。內容在邊緣產生，邊緣是一定有用的。內容在邊緣分發，超低延時的技術積累一定有用。 內容在邊緣大量產生，就需要把它們組織起來。我們目前的思路是，中心云在Serverless存在實踐難點，而在邊緣云當中是剛需，所以需要充分發揮新業務+端+Serverless相結合的優勢。 網心作為全球邊緣計算創領者，從2015年至今一直深耕邊緣計算，目前擁有首屈一指的邊緣網絡資源，而且資源的豐富度和異構度是非常充足。 關于未來網心的業務演進方向，大致是三步走的策略： 第一步是降本增效，采用更高效的方式、更好的資源配比，助推企業良性擴張。 第二步是功能迭代，在算力場景下不斷積累，逐步探索和實踐出真正能跑通的業務場景和商業模型。 第三步是構建生態，推動邊緣網絡和算力疊加，對接產業場景并實現產業場景產品化，并構建開放網絡平臺，吸引開發者、合作伙伴共同構建生態。

編輯：黃飛

?