“更大的焦虑，更大的想象力”：音视频厂商如何闯入AI时代？(3)

一个更为遥远的畅想是，随着端上算力的增强，有着几十亿参数的大模型未来也有可能在端上运行。届时，在各个领域实现“实时音视频”则会成为现实。

从GPT3.5到GPT4.0，从Runway、Pika到Sora，当大模型的价值链不断升级，那些暂时还未爬到顶端的企业，还剩下多少“生存空间”？

这是一个引人深思的发问。

近两年，科技界追逐技术的热情在不断高涨。大众对于AI的焦虑是更为遥远的“生存威胁”，而科技界对AI焦虑则是由所谓“参数”和“长文本”所“卷”起来的商业竞争。

如果聚焦到产业侧，融易新媒体消息，聚焦到更实际的赛道，不断刷新的榜单，不断升级的参数、上下文长度，这些对于音视频厂商而言意味着什么？

在与钟声的对话中了解到，声网所追求的是实时性。而从目前来看，如果在云端的服务器上运行，最后在传输到端的设备上，很难实现“实时性”。所以声网的做法是是在端上进行计算。但客观来讲，端上运算的局限是算力不够。

对此，钟声发表了一种观点，虽然现在最前沿的技术都在追求Scaling Law（规模效应）支撑下的大模型，但对于声网而言，追求极致的小模型意义则要更大一些。首先保证低延时、低成本，直接让很小的AI算法在端上发力，通过极致、精准的算法来让音视频发挥最大的价值，低延时低成本可以为更多需要实时互动的客户和用户释放出或者创造出巨大的价值；这方面业界的关注度还不够，但终会成为焦点。声网在这方面则做了较为专注的研发投入。

站在更实际的角度，如果在云端运算，虽然在大算力的支持下运行大模型，最终可以得到较好的效果，但现实情况是，在大多数的消费侧场景，比如社交娱乐，系统响应延时过大，本身就不太像AGI，客户或用户也不可能花较高的费用来追求响应较慢的AGI效果。所以，在端上低延时低成本的运算更为有需求。

同时，钟声提出了一种畅想，在音视频领域，AGI最终会发展成端边云结合的方式，以平衡算力、延时、隐私和数据保护等几个AI发展的关键要素。

这是大模型赋予音视频厂商的想象力，而这种想象力也会应用到更现实的场景解决更实际的问题，比如医疗领域里会用到的远程救治，其实时性要求极高，延迟1s都可能威胁到生命。

那么，在当下这个拼技术刷榜单的大模型时代，音视频厂商要如何顺应AI时代？

实际上，近两年音视频的发展趋势已经从关注技术，走向关注更为实际的“降本增效”。以保利威为例，其SaaS订阅收入达到90%成绩背后，是结合究竟的业务来解决实际用户的问题。

如果通过大模型所提升的音视频技术，不再止步于社交和娱乐，而是更为究竟的生产环节，甚至是治病救人，那么也许实时音视频才会实现破圈，走向大众。