我們在尋找「網絡」的全盤解法。

音視頻數字化在消費領域的紅利儼然見頂，而產業級視頻應用激活了更多場景下的業務模式。與此同時，音視頻客戶也從單一的業務需求，趨向于多種業務并行存在的需求。

固有的網絡能滿足新興的業態嗎？延時與成本之間存在區間最優解嗎？業務的升級切換如何不再費時費力？在成本可控下網絡的穩定性怎樣保障？

一張多元融合的流媒體傳輸網絡可否解決全盤之困？

面向未來的流媒體傳輸網絡，又將從何揭開其神秘面紗？

本文由IMMENSE、「阿里云視頻云」通訊服務負責人黃海宇和LiveVideoStack策劃、采訪而成。

網絡新基建，若隱若現

降本還是網絡最大痛點嗎？“元數據”是新主角嗎？

網絡基礎設施升級、音視頻傳輸技術迭代、WebRTC開源等發展，音視頻業務在消費互聯網領域蓬勃發展，并逐漸向產業互聯網領域加速滲透。

然而，行業紅利期退卻之后，以往隱蔽的音視頻業務現象，逐漸顯露。

一方面，“降本”是持續熱議的話題。而在音視頻應用中，網絡傳輸在IT成本中占比很高，例如，在一個典型的直播應用中，網絡傳輸成本占總成本70%以上。于是，在降本增效的大背景下，降低網絡傳輸成本，是行業客戶和云廠商共同面臨的課題。

另一方面，“延時”帶來更多價值和空間。從消費端的實時交互，到產業端的實時遠程，對視頻流的延時要求越來越高， 在云渲染、云游戲、數字虛擬場景中，涉及復雜的編碼、解碼、傳輸環節，而最復雜的瓶頸就在于傳輸網絡的時延，但網絡的構成與影響因素高度復雜，對其延時的提升也是極大挑戰。

與此同時，新趨勢的生長也帶來更多挑戰。

不久前，蘋果Vision Pro在 WWDC 2023 亮相，推出其首個空間計算設備，將熱度漸消的元宇宙重新拉回大眾視野。

圖片來源于網絡

對未來的想象，不再局限于頭盔上的渲染視頻，更涉及到云端的交互與合成。然而，元宇宙的真正繁榮，不僅需要MR硬件終端的性能升級，更取決于流媒體傳輸網絡的迭代演進。

我們發現，當下的海量視頻主要基于傳統拍攝模式而生，可以預想，未來源自渲染合成的視頻比例將顯著增加，這一趨勢勢必帶來海量的計算和傳輸需求，同樣也帶來計算成本和傳輸成本的極大考驗。

同時，這也意味著網絡需要承載更加不可估量的數據量級，這其中，不僅有常規的音視頻，更涵蓋更多維度的數據傳輸，比如基于遠程場景、云游戲下的控制信令數據、用于控制渲染視頻生成的“元數據”，可以表達更復雜的立體場景信息。

如此來看，需要一張承載多元內容的強大網絡，同時提供高性能的云邊計算能力，其作為新基建才能支撐未來式的視頻化業態。

「Unified」能解決所有關鍵嗎？

更低成本、更低延時、更多算力結合、更多維內容傳輸，這些無疑都是傳輸網絡的趨勢關鍵，而怎樣的招式可以全盤解決？也許是“Uni”。

Uni源于Unified，意味著“統一”。

在網絡上，我們正在探索落地更好的“Uni”技術、真正的“Uni”能力，創造由“Uni”帶來的業務價值。

阿里云視頻云基于廣泛的異構節點，構建了全分布式、超低延時、多業務支撐的多元融合流媒體傳輸網絡——MediaUni。

這是在我們的全球實時傳輸網絡GRTN之上，以“大一統”的理念對網絡深化設計，實現網絡底座的全新升級。

MediaUni打通底層資源，統一技術架構，以一張流媒體傳輸網絡，實現音視頻應用中多形態的內容傳輸，并滿足更低成本、更低延時的多元融合業務需求。

延時可以是自由的

任何延時的業務，都能跑在一張網上？

得益于底座能力和關鍵技術的持續突破，音視頻服務已實現了從傳統的點播、直播，到實時音視頻的深化發展，未來，還將撬動傳統行業中眾多強實時、強互動場景的數字化升級。

其中，“時延”首當其沖成為最需攻克的難題之一。

以一張網，MediaUni能夠支撐全域延時的業務：

從普通直播（HLS/FLV）、到基于WebRTC技術的超低延時直播RTS（約1s左右延遲）、再到實時音視頻傳輸（如直播連麥、遠程監考等場景），同時，更可支持對延遲要求極高的云渲染、實時遠程控制等業務，實現所有業務真正跑在一張網上。

延時“搶跑”，怎樣實現？

從根本上看，網絡的延遲源自兩方面：物理的延遲與IP網絡的不可靠。

為對抗物理的延遲，MediaUni基于全球3200+邊緣下沉節點的就近分布，縮短了與用戶之間的“最后一公里”，縮短數據的傳輸路徑，以便更快感知傳輸網絡質量的變化。

通過將渲染服務部署到靠近用戶的節點，阿里云視頻云在雙11支持淘寶直播全真虛擬互動空間“未來城”，實現超萬路并發在線的虛擬直播，并在2023央視春晚，以低延時傳輸云渲染技術打造了首個元宇宙廟會，實現極致的超低延時體驗。

淘寶3D虛擬電商空間“未來城”

在對抗IP網絡的不可靠性上，MediaUni設計了實時感知系統，實現對節點的負載、鏈路的網絡狀況、以及業務關鍵信息的秒級感知，并基于感知數據，智能調整調度策略與路由策略，可以更好地分配物理資源，選擇服務質量更高的物理鏈路。

同時，通過不斷迭代的QoS技術，在擁塞控制、FEC、多徑傳輸等方向持續優化，對抗網絡中的丟包、延遲與亂序，以滿足更低的網絡延時。

目前，科學界公認的人類極限反應速度為100毫秒，一般人的反應在0.2～0.3秒間，在百米賽跑中，槍響后的0.1秒內起跑會被視為“搶跑”，而MediaUni支撐實現的云渲染場景，已突破60ms以內的端到端交互延時，可謂音視頻延時的“搶跑”。

延時vs成本，網絡可以handle?

眾所周知，在網絡優化到一定程度以后，延時和傳輸成本會成為一對矛盾。

例如，在帶寬允許范圍內，為對抗丟包，協議棧不惜代價進行重傳或增加FEC，有效降低傳輸的延遲，但會因此付出更高的傳輸成本。

在行業普遍追求“快與更快”之際，低延時與低成本之間，是否有兩全之法？

對此，MediaUni的精要在于將降低延時的手段與增加傳輸成本進行量化，再根據業務的場景提供ROI最高的綜合方案，將每個bit的傳輸價值都發揮到極致。

? 對于普通的娛樂直播，其互動方式為彈幕，可以采取5s左右的FLV直播；

? 對于世界杯等賽事直播，可選用延遲1s左右的低延時直播；

? 對于電商直播，通過AB測試發現，采用延時低于1s的互動直播，能夠對GMV有一定的提升。

由此可見，能夠針對不同業務場景進行網絡的精細化運營，自由選擇成本可控的業務延時，才是真正的“延時自由”。

多元融合，紅利釋放

業務復用，就是最大的技術普惠？

依托于強大的底層基礎設施資源，和長期積累的音視頻技術能力，相比于其他賽道玩家，云廠商在網絡服務中具備規模優勢。

此外，通過一張網絡支持多元業務，“業務復用”本身將持續釋放技術紅利。

“紅利”可以透過三點顯現：

第一，業務混跑，驅動資源復用率的提高。

不同業務的錯峰復用率會更高，從而帶來更高的計算資源、網絡資源復用率，如大部分會議、遠程監控等業務都處于白天工作時間，這與互聯網娛樂等“夜間經濟”形成很好的錯峰運行。

第二，技術復用，帶來研發邊際成本的降低。

在流媒體傳輸中，無論是音視頻還是消息信令的傳輸，無論是直播還是實時通訊業務，都需要解決基于大量節點的路由問題、全局的快速信息感知問題、協議棧優化抗弱網問題。

通過使用一張網絡支持多元業務，可以復用這些基礎技術，使得在同樣的研發投入上，獲取更優的技術指標。

第三，云產品的使用更便捷、更高效。

由于多業務的支撐，用戶可以更方便地升級服務或者組合出新的場景化方案。

例如，通過阿里云控制臺，用戶只需“一鍵升級”，就可以將延時5s左右的普通直播，切換成延時僅為1s的超低延時直播RTS，或者延時在400ms以內的互動直播。

從資源利用、研發成本，再到產品使用，一張多元融合的網絡實現了最極致的紅利釋放。

支持的業務多了，會打架嗎？

在駕馭“Uni”之下的多元業務時，MediaUni不可避免面臨著許多技術挑戰。

其中，最大的挑戰，來自于多業務復用之后對工程能力的要求。

一張網絡支持多個業務以后，需要解決業務之間相互影響的問題，解決業務功能快速迭代的問題。

而MediaUni，通過良好的模塊化設計來進行業務的隔離，減少不同業務的相互影響；同時，MediaUni構建了可編程能力，對于一些簡單的業務需求，可以通過運行時可編程來解決，從而滿足業務功能的快速迭代。

再者，多元業務復用的另一個技術挑戰，來源于資源的復用，即不同業務對資源消耗的瓶頸可能不同，例如直播的瓶頸在于帶寬，音視頻通訊中復雜的QoS策略可能帶來CPU的瓶頸，這時候需要更智能的調度系統來對不同業務進行編排。

未來的N種可能

一張傳遞“人類五感”的網

在過去的幾十年中，通過一代代技術人的努力，人類的視覺和聽覺已經得到了較好的數字化呈現，實現了如今低延時、高可靠的音視頻體驗。然而，人類的感覺除了視覺與聽覺之外，還包括嗅覺、味覺、觸覺等。

可預見的是，沉浸式XR作為面向未來的交互形態，將需要同時對嗅覺、味覺、觸覺等感官信息進行完全模擬和實時交互，從而實現用戶體驗擴展與人機互動，給用戶創造身臨其境、感同身受的逼真體驗。

面向未來的流媒體傳輸網絡，將實現更多維數據的高效傳輸。

未來，網絡將支撐多種感覺（如味覺、嗅覺、觸覺甚至情感等）的互動通信，人類多維感知的數據化、交互協作，也將在同一張網內進行。

如同游戲手柄上的震動一般，刺激著一個復刻真實世界的真正元宇宙誕生。

三管齊下，優先布局

為了支持未來多感官的音視頻應用，流媒體傳輸網絡將具備毫秒級的延時、與計算的緊密結合、元數據的傳輸能力三大關鍵特征，而MediaUni多元融合流媒體傳輸網絡正在這三個方面化深度演進。

? 高質量的毫秒級延時

在音視頻全鏈路延時中，網絡傳輸延時，是其中最困難、優化空間最大的部分。

MediaUni通過大量的節點覆蓋和極具媒體特性感知的QoS優化，在云渲染場景已達60ms以內的端到端延時，并持續探索更低延時的傳輸能力，未來將在20-100ms之間尋求延時的極致與質量的平衡。

? 收放自如的算網

網絡天然就靠近用戶，我們希望通過網絡連接分布式資源，有效促進算力資源的按需“流動”，彌補終端算力的不足。

利用全球廣域的分布式計算能力，MediaUni正在實現計算與傳輸的統一調度，已將部分實時媒體處理的業務部署在傳輸網絡上，并支持實時啟動處理任務，在降低用戶延時的同時，有效優化媒體的網絡傳輸成本。

? 元數據傳輸

元數據（Metadata），越來越成為音視頻產品的一部分，結合元數據自定義音視頻功能，可以更好滿足場景的個性化需求。尤其在通向“人類五感”傳輸的網絡世界里，多維感官的數據化、精準化，更需要元數據的支撐。

在音視頻傳輸之外，MediaUni也支持更多維度的數據內容，例如消息信令的傳輸，進而可以擴展到更豐富的IM、多場景遠程控制、元宇宙等業務。未來，隨著多感官網絡通道的真正打開，MediaUni將發揮更大的能量。

面向未來，MediaUni將如何實現「多元融合」下的新升級？