徽声在线7月26日讯（记者 林悦）刚刚圆满落幕的美加墨世界杯赛事，腾讯云凭借其强大的技术实力，为全球17个国家和地区的官方赛事直播提供了坚实支持，覆盖了亚太地区及国内三分之二的官方授权平台，让全球观众都能享受到流畅、高清的观赛体验。

本周，腾讯云副总裁、腾讯云国际产品技术负责人李郁韬在接受徽声在线记者专访时透露，此次世界杯直播中，AI技术首次大规模应用于直播生产环节，从画质增强、智能导播、自动剪辑到智能横转竖、质检溯源等，大部分工作均由AI全自动完成，极大地提升了直播效率和观赛体验。

世界杯赛事直播的成功支持，只是AI时代AIGC技术大规模生产应用的一个缩影。随着技术的不断进步，AIGC正逐步渗透到各个领域，成为推动行业发展的重要力量。

李郁韬向徽声在线记者表示，腾讯云致力于成为多模态领域的引领者，即关注从模型生成到稳定交付给用户之间的全链条服务，包括预处理、质检、拼接、转码、分发、格式适配等关键环节，确保用户能够享受到高质量、稳定的服务。

模型与用户需求之间的“桥梁”构建

李郁韬指出，在生成式人工智能的快速发展下，多媒体应用面临着网络传输、视频画质、用户体验等多重挑战。单一模型往往只能解决部分问题，无法满足复杂多变的应用场景需求。

他进一步解释道：“许多厂商在看到新的多模态大模型后，急于对接，但往往发现各种问题。我们从客户反馈中了解到，他们希望云服务厂商能提供底层支持，让他们更专注于业务创新和上层应用。因此，如何识别用户需求、找到合适的模型、修补模型缺陷，并将最终服务提供给用户，是我们作为云服务厂商需要解决的关键问题。”

此前，在6月5日的腾讯云AI产业应用大会上，腾讯云音视频发布了AI品牌Tencent Cloud WAND，该品牌构建了6大自研媒体专用模型与60+项AI能力，覆盖内容生成、理解、处理、编码全链路，专门为电商、短漫剧、教育、赛事直播等垂直场景训练，满足媒体内容生产的全链路场景需求。

李郁韬表示：“我们将把所有模型串联起来，不仅包括大语言模型，还包括多模态模型以及小参数量的画质提升模型、应用模型等。我们团队去年已经开始布局多模态领域的Harness，今年生成式视频模型的增多，使得大家对Harness的概念和理解更加一致。”

值得关注的是，视频生成被业内视为AI Coding之后第二个有望实现商业闭环的AI变现场景。今年以来，音视频大模型领域的竞争愈发激烈，行业格局加速洗牌。

在国内市场，厂商商业化进程迅猛，字节旗下的Seedance和快手的可灵AI在AI视频生成赛道上形成了“双寡头”格局。据公开数据，今年3月可灵AI的ARR（年度经常性收入）近5亿美元，一年内增长了4倍。

另有媒体报道称，截至上半年，Seedance 2.0的ARR已达20亿美元，尽管字节方面辟谣称这一数据“偏高、与实际不符”，但也明确表示Seedance 2.0已跨过“生产力质变点”门槛。

然而，在海外市场，今年3月OpenAI宣布停止Sora的独立App、API接口及ChatGPT内置视频功能，退出消费级AI视频生成市场，这一举动引发了业界的广泛关注。

李郁韬谈到，对于To B的产品和解决方案来说，生态合作是首要战略选择。通过与合作伙伴的紧密协作，共同推动技术创新和应用落地。

同时，他也坦言，团队内部也在探讨未来从生成到交互之间的链路被压缩后，Harness这一生态位是否会被忽略或绕过。但他认为：“至少在过去半年里，我们观察到Harness的重要性不仅没有减弱，反而有所加强。大模型作为后端的生产力，其提升会显著刺激前端应用需求的增长。而大模型永远无法满足最终用户的极致需求，中间存在一个供给关系差，这就是Harness存在的必要性。”

在李郁韬看来，腾讯云卡位多模态Harness领域，最大的机会在于重新定义音视频场景体验。随着技术的不断进步和应用场景的拓展，许多音视频场景的体验都值得重新设计和优化。第二个机会点则是如何快速将最新的模型应用到企业级生产服务中，让最终用户感受到大模型的最新体验。这需要一套完整的生产流程和工具链条来支持。

AIGC技术进入大规模生产应用阶段

李郁韬注意到，自去年开始，整个AI算力已经开始从训练向推理倾斜。许多厂商在构建推理算力上的开销已经超过了训练投入，这意味着AIGC应用开始进入大规模生产应用阶段。在国内市场，短剧、漫剧制作是典型的应用场景，目前已大量使用多模态技术进行生产。

据徽声在线记者了解，音视频解决方案已成为腾讯云出海的重要“排头兵”。在亚太地区，腾讯云在收入、市场份额和行业心智方面均位居行业前列。最近五年，腾讯云将国际化作为重要战略方向，投入大量业务资源和基础设施建设在海外进行储备和布局。公司披露数据显示，近三年腾讯云在海外业务保持了两位数增长。

腾讯云音视频总经理李志成在接受徽声在线等媒体采访时提到，无论是短剧、漫剧还是电商、工具类场景出海，客户前期可能更关注效果和影响力，但中后期都非常关注ROI（投资回报率），即到底能否盈利、能产生多少价值。他表示：“现在我们被问得最多的就是短剧、电商工具的使用情况。我觉得未来1-2年这些应用会慢慢普及开来，很多用户和企业都会用起来。就像以前的大语言模型一样，两三年前更多是垂直行业在用，现在基本上已经全面普及了。”

徽声在线记者获悉，随着Agent时代的到来，腾讯云的前述能力还将与音视频智能体、AI硬件、具身机器人、云手机等结合，依托全球基建与边缘推理能力，支撑AI应用快速跑向全球、就近上线。

李郁韬介绍称，目前团队已与艾欧等多家具身智能企业、无人清扫车企业开展了合作，并成功孵化出TRRO远程实时操控（远程数智人解决方案），以解决弱网情况下机器人在人工介入时的低延时稳定通信、音视频数据回传等核心问题。

李郁韬进一步谈到，未来云厂商在多模态领域的竞争将围绕三个方向展开：

第一是多模态的训练和算力。不同于语言模型训练，多模态领域在理解和生成上的投入比例更大。未来会有大量端到端的语音交互、端到端的视频生成需求出现，对算力的要求和对云厂商基建的投入都将非常大。因此训练和算力将成为未来竞争的一个关键点。

第二是存储和数据积累。多媒体相对于文字来说存储量要求更高，对存储稳定性、数据清洗和获取的要求也不一样。大量视频需要在预训练之前进行数据清洗和处理，不同模态的数据要放在一起进行训练前的处理都与语言文字类不同。这是云厂商需要构建的竞争力之一。

第三是应用生产端。云服务商需要提供更面向最终客户的推理服务、综合处理的应用能力，这是影响云厂商能否被客户选择的重要因素。在创新趋势中产生的需求如何在运营端用很好的方式帮客户满足这一点对腾讯云来说也非常重要。

（徽声在线记者 林悦）