截止到2022年，中国互联网视频用户规模达到了9亿人；IDC（中国互联网数据中心）预计，2025年全球数据空间中80.3%将是以视频、图片、音频为代表的非结构化数据，音视频的高效处理越来越重要。

短视频和直播的兴起拓展出了新的业态，视频直播、智能化内容生成、视频推荐等应用越来越丰富，给视频云业务带来了巨大的发展机遇，同时也对云服务架构提出了新的挑战，其中涉及高并发、分布式存储、音视频编解码以及边缘计算等多项技术。

年轻的架构师对架构设计、技术选型经常充满疑惑，由Science与英特尔联袂推出的“架构师成长计划”第二季系列课程正是针对这类需求量身定做，精心挑选了音视频、云游戏、5G核心网、算力网络、联邦学习、生信大数据等十大热门话题，为架构师群体提供优质学习资源和实操经验分享。

为帮助音视频行业的架构技术人答疑解难，“架构师成长计划”第一期特邀火山引擎总经理谭待、英特尔大数据高级首席工程师程从超、智源人工智能研究院副院长刘江共同探讨《超视频时代音视频架构建设与演进》。

火山引擎：超视频时代音视频架构      

首发讲师谭待结合火山引擎的具体实践，针对视频云备受关注的技术方向：边缘计算、音视频编解码、智能中台等技术的应用，介绍超视频时代的音视频架构演进。课程共分三部分：

第一部分：什么是超视频时代

2020年，疫情爆发，各行各业或主动或被动地与视频开始接触，视频云渗透到更多“传统”行业，在工业、教育、医疗等行业不断涌现更多落地场景，这些场景对音视频架构带来功能、性能和安全层面的不同挑战，视频云来到了超视频时代。

第二部分：字节跳动音视频业务架构设计

边缘端最接近业务场景，首先优选全国各省市丰富的边缘资源和运营商网络，并按地理层级部署优质的单线、多线和BGP的节点，结合多种架构的硬件设备，如：X86、ARM服务器、智能网卡、GPU等，实现面向异构算力的边缘基础底座，构建从1ms到40ms的广域网络接入和边缘数据处理能力。基于边缘基础设施底座构建了云原生边缘平台，灵活管理异构的计算和网络资源，实现边缘一张网调度。

为了降低超大规模、实时处理对中心架构的挑战，通过基于ROI的视频编码理念，来架构对应的计算与存储架构，这不仅取得带宽成本的收益，在用户指标方面，包括平均时长等也有显著的提升。通过自研多场景数据集、眼动仪采集ROI，然后在CPU上使用mobilenet加速时域建模，GPU上并行处理，实现了>90%的准确率，视频压缩性能也显著提升。

通过数据驱动优化体验，建立完整的QoS、QoE数据体系，并进行不断优化，以数据驱动技术再进化。从数据的采集、挖掘、模型的训练到策略的下发，到串联AB实验平台反馈全部打通，在不同用户、不同场景中能够把优化做到个性化、精细化、性价比最大化。

第三部分：视频云未来演进趋势及需要怎么样的视频技术

面向超视频时代，视频云技术应更好满足用户沉浸式、交互性、高清化的极致视频体验。讲师结合今年北京冬奥会上大规模的8K超高清转播，提出视频编码和传输始终是巨大挑战，需要顶尖的视频压缩能力，火山引擎的端云一体H.266视频编码方案，节省了30%-50%的码率，为超高清视频铺平道路。

英特尔分享：

软硬一体的端到端视频优化

英特尔大数据高级首席工程师程从超，在第一期课程中为大家带来了“软硬一体的端到端视频优化方案”。

重点从输入到输出，从软件到硬件，从内容生产、存储、计算和分发等多个环节，解读了英特尔视频云的全栈优化方案。

在视频编解码方面，英特尔自研了基于CPU处理器的编解码组件Scalable Video Technology（SVT），SVT技术实现了一张图的分块并行、图与图之间的并行、视频的多个帧之间的并行，通过几层的并行把整个CPU的所有核心都充分利用起来，在每个核心里面又通过AVX-512和SIMD指令集的优化，在一个CPU的指令周期内做更多的处理，最终实现2-20倍的视频编解码性能提升。

SVT具有高度可扩展的核心架构，全面实现SIMD/AVX-512指令集的优化，基于Intel Xeon CPU平台实现更优的线程和进程并发，充分利用多核功能，达到视频转码速度、视频质量、传输速度的最佳权衡。

类似SVT这样的软件层优化及底层基础设施XPU的接口封装好之后，根据负载的不同，可以通过OneAPI来调用底层不同的处理单元，数据具体在哪里执行，可以自动地感知并调度，充分利用云端、边缘端、终端的处理能力，实现编解码、推理、渲染等环节的效率最大化。

大咖对话：

视频云架构如何平衡软硬件投入

交流碰撞火花，沟通启迪灵感。本期圆桌对话中，智源人工智能研究院副院长刘江、讲师谭待、讲师程从超三位大咖围绕“超视频时代音视频架构建设与演进”，进行了深入的切磋和讨论。

刘江：在直播和短视频时代，火山引擎如何通过AI、云等技术去提升应用体验？

谭待：在全球整合丰富的边缘节点和网络资源，不管是传统的音视频应用，还是新的边缘计算场景，都能快速得到响应，具体到音视频，通过高效的编解码技术去实现性能和体验的平衡；并且建立了一套基于QoS和QoE的指标体系，用数据驱动持续提升用户体验。

刘江：当处理器算力达到瓶颈时，如何提升音视频的处理效率？英特尔在音视频方面有哪些解决方案？

程从超：英特尔做了很多“软硬一体”的行业解决方案。简单来讲概括为三大块——硬件方面，增速度降成本，未来的云端算力一定是XPU（多重处理单元）的解决方案，CPU、GPU、IPU多种组合在一起，实现更灵活的分布式算力；DPDK、SPDK对网络传输实现了很大优化；软件方面，英特尔一直致力于贡献开源社区，我们做upstream/downstream，尽量使能开源社区。在行业层面，与合作伙伴一起做行业解决方案。

XPU作为重要的云端算力，在深度学习推理方面有哪些新的突破？视频推荐技术的架构怎样建设，如何支持亿级的视频内容理解和分发？硬件迭代周期比软件要长，作为架构师应该如何平衡软硬件的资源投入，实现最高的性价比？