截止到2022年，中國互聯(lián)網(wǎng)視頻用戶規(guī)模達到了9億人；IDC（中國互聯(lián)網(wǎng)數(shù)據(jù)中心）預計，2025年全球數(shù)據(jù)空間中80.3%將是以視頻、圖片、音頻為代表的非結(jié)構(gòu)化數(shù)據(jù)，音視頻的高效處理越來越重要。

短視頻和直播的興起拓展出了新的業(yè)態(tài)，視頻直播、智能化內(nèi)容生成、視頻推薦等應用越來越豐富，給視頻云業(yè)務帶來了巨大的發(fā)展機遇，同時也對云服務架構(gòu)提出了新的挑戰(zhàn)，其中涉及高并發(fā)、分布式存儲、音視頻編解碼以及邊緣計算等多項技術(shù)。

年輕的架構(gòu)師對架構(gòu)設計、技術(shù)選型經(jīng)常充滿疑惑，由Science與英特爾聯(lián)袂推出的“架構(gòu)師成長計劃”第二季系列課程正是針對這類需求量身定做，精心挑選了音視頻、云游戲、5G核心網(wǎng)、算力網(wǎng)絡、聯(lián)邦學習、生信大數(shù)據(jù)等十大熱門話題，為架構(gòu)師群體提供優(yōu)質(zhì)學習資源和實操經(jīng)驗分享。

為幫助音視頻行業(yè)的架構(gòu)技術(shù)人答疑解難，“架構(gòu)師成長計劃”第一期特邀火山引擎總經(jīng)理譚待、英特爾大數(shù)據(jù)高級首席工程師程從超、智源人工智能研究院副院長劉江共同探討《超視頻時代音視頻架構(gòu)建設與演進》。

火山引擎：超視頻時代音視頻架構(gòu) ? ? ?

首發(fā)講師譚待結(jié)合火山引擎的具體實踐，針對視頻云備受關注的技術(shù)方向：邊緣計算、音視頻編解碼、智能中臺等技術(shù)的應用，介紹超視頻時代的音視頻架構(gòu)演進。課程共分三部分：

第一部分：什么是超視頻時代

2020年，疫情爆發(fā)，各行各業(yè)或主動或被動地與視頻開始接觸，視頻云滲透到更多“傳統(tǒng)”行業(yè)，在工業(yè)、教育、醫(yī)療等行業(yè)不斷涌現(xiàn)更多落地場景，這些場景對音視頻架構(gòu)帶來功能、性能和安全層面的不同挑戰(zhàn)，視頻云來到了超視頻時代。

第二部分：字節(jié)跳動音視頻業(yè)務架構(gòu)設計

邊緣端最接近業(yè)務場景，首先優(yōu)選全國各省市豐富的邊緣資源和運營商網(wǎng)絡，并按地理層級部署優(yōu)質(zhì)的單線、多線和BGP的節(jié)點，結(jié)合多種架構(gòu)的硬件設備，如：X86、ARM服務器、智能網(wǎng)卡、GPU等，實現(xiàn)面向異構(gòu)算力的邊緣基礎底座，構(gòu)建從1ms到40ms的廣域網(wǎng)絡接入和邊緣數(shù)據(jù)處理能力。基于邊緣基礎設施底座構(gòu)建了云原生邊緣平臺，靈活管理異構(gòu)的計算和網(wǎng)絡資源，實現(xiàn)邊緣一張網(wǎng)調(diào)度。

為了降低超大規(guī)模、實時處理對中心架構(gòu)的挑戰(zhàn)，通過基于ROI的視頻編碼理念，來架構(gòu)對應的計算與存儲架構(gòu)，這不僅取得帶寬成本的收益，在用戶指標方面，包括平均時長等也有顯著的提升。通過自研多場景數(shù)據(jù)集、眼動儀采集ROI，然后在CPU上使用mobilenet加速時域建模，GPU上并行處理，實現(xiàn)了>90%的準確率，視頻壓縮性能也顯著提升。

通過數(shù)據(jù)驅(qū)動優(yōu)化體驗，建立完整的QoS、QoE數(shù)據(jù)體系，并進行不斷優(yōu)化，以數(shù)據(jù)驅(qū)動技術(shù)再進化。從數(shù)據(jù)的采集、挖掘、模型的訓練到策略的下發(fā)，到串聯(lián)AB實驗平臺反饋全部打通，在不同用戶、不同場景中能夠把優(yōu)化做到個性化、精細化、性價比最大化。

第三部分：視頻云未來演進趨勢及需要怎么樣的視頻技術(shù)

面向超視頻時代，視頻云技術(shù)應更好滿足用戶沉浸式、交互性、高清化的極致視頻體驗。講師結(jié)合今年北京冬奧會上大規(guī)模的8K超高清轉(zhuǎn)播，提出視頻編碼和傳輸始終是巨大挑戰(zhàn)，需要頂尖的視頻壓縮能力，火山引擎的端云一體H.266視頻編碼方案，節(jié)省了30%-50%的碼率，為超高清視頻鋪平道路。

英特爾分享：

軟硬一體的端到端視頻優(yōu)化

英特爾大數(shù)據(jù)高級首席工程師程從超，在第一期課程中為大家?guī)砹恕败浻惨惑w的端到端視頻優(yōu)化方案”。

重點從輸入到輸出，從軟件到硬件，從內(nèi)容生產(chǎn)、存儲、計算和分發(fā)等多個環(huán)節(jié)，解讀了英特爾視頻云的全棧優(yōu)化方案。

在視頻編解碼方面，英特爾自研了基于CPU處理器的編解碼組件Scalable Video Technology（SVT），SVT技術(shù)實現(xiàn)了一張圖的分塊并行、圖與圖之間的并行、視頻的多個幀之間的并行，通過幾層的并行把整個CPU的所有核心都充分利用起來，在每個核心里面又通過AVX-512和SIMD指令集的優(yōu)化，在一個CPU的指令周期內(nèi)做更多的處理，最終實現(xiàn)2-20倍的視頻編解碼性能提升。

SVT具有高度可擴展的核心架構(gòu)，全面實現(xiàn)SIMD/AVX-512指令集的優(yōu)化，基于Intel Xeon CPU平臺實現(xiàn)更優(yōu)的線程和進程并發(fā)，充分利用多核功能，達到視頻轉(zhuǎn)碼速度、視頻質(zhì)量、傳輸速度的最佳權(quán)衡。

類似SVT這樣的軟件層優(yōu)化及底層基礎設施XPU的接口封裝好之后，根據(jù)負載的不同，可以通過OneAPI來調(diào)用底層不同的處理單元，數(shù)據(jù)具體在哪里執(zhí)行，可以自動地感知并調(diào)度，充分利用云端、邊緣端、終端的處理能力，實現(xiàn)編解碼、推理、渲染等環(huán)節(jié)的效率最大化。

大咖對話：

視頻云架構(gòu)如何平衡軟硬件投入

交流碰撞火花，溝通啟迪靈感。本期圓桌對話中，智源人工智能研究院副院長劉江、講師譚待、講師程從超三位大咖圍繞“超視頻時代音視頻架構(gòu)建設與演進”，進行了深入的切磋和討論。

?

劉江：在直播和短視頻時代，火山引擎如何通過AI、云等技術(shù)去提升應用體驗？

譚待：在全球整合豐富的邊緣節(jié)點和網(wǎng)絡資源，不管是傳統(tǒng)的音視頻應用，還是新的邊緣計算場景，都能快速得到響應，具體到音視頻，通過高效的編解碼技術(shù)去實現(xiàn)性能和體驗的平衡；并且建立了一套基于QoS和QoE的指標體系，用數(shù)據(jù)驅(qū)動持續(xù)提升用戶體驗。

劉江：當處理器算力達到瓶頸時，如何提升音視頻的處理效率？英特爾在音視頻方面有哪些解決方案？

程從超：英特爾做了很多“軟硬一體”的行業(yè)解決方案。簡單來講概括為三大塊——硬件方面，增速度降成本，未來的云端算力一定是XPU（多重處理單元）的解決方案，CPU、GPU、IPU多種組合在一起，實現(xiàn)更靈活的分布式算力；DPDK、SPDK對網(wǎng)絡傳輸實現(xiàn)了很大優(yōu)化；軟件方面，英特爾一直致力于貢獻開源社區(qū)，我們做upstream/downstream，盡量使能開源社區(qū)。在行業(yè)層面，與合作伙伴一起做行業(yè)解決方案。

XPU作為重要的云端算力，在深度學習推理方面有哪些新的突破？視頻推薦技術(shù)的架構(gòu)怎樣建設，如何支持億級的視頻內(nèi)容理解和分發(fā)？硬件迭代周期比軟件要長，作為架構(gòu)師應該如何平衡軟硬件的資源投入，實現(xiàn)最高的性價比？

編輯：黃飛

?