1、 “ “视联网视联网” ”年度洞察报告年度洞察报告 20192019 关于视联网的关于视联网的WHYWHY、WHAT WHAT 和和 HOW HOW （预发布版）（预发布版） 当前，新一轮的科技革命正在迅速改 变 着 人 们 的 生 活 。 在 即 将 到 来 的 5G+AI时代，经济社会将发生怎样的 变革？对于身处其中的每个个人又会 带来怎样的变化呢？ 主流观点认为，人工智能物联网或称 之为“智联网”（即AIoT），将是下一 时代的主要标志。谷歌、亚马逊、阿 里巴巴、华为等科技巨头纷纷布局 AIoT，将之视为竞争的终极赛道。 但是，仔细思索不难发现，AIoT或许 只反映了硬件或物理层面的迭代

2、，还 缺乏从软件或精神层面的迭代思考。 就好比移动智能时代，成功的不仅是 专注物理性能层面的华为、高通、三 星、安卓，更有如Twitter、微信、手 淘、头条、抖音等新的内容输出，通 过满足用户在移动智能条件下的新需 求，同样获得了成功。 我们认为，从媒介变革引发的人们需 求形式的迭代出发，可以为AIoT时代 的展望做一些有益补充。在新的硬件 环境下，人们必然需要新的渠道和形 式来满足新的需求。 当 前 ， 一 个 重 要 的 趋 势 是 ， 借 助 5G+AI的支持，视频将成为连接人与 下一代智能设备、人与互联网的重要 媒介，进而引发人的需求形式迭代， 形成以视频作为主要信息传递介质和 功能

3、载体的互联网形态，可以将之称 为“视联网”。 那么，“视联网”为何能成为下一代互 联网的发展趋势？“视联网”的现状如 何、将会如何发展？又会对互联网产 业生态造成什么影响？围绕这些问 题，我们编撰了视联网年度洞察报 告，以期将我们对于视联网的观察 与思考分享给对未来产业趋势感兴趣 的人们，共同探索数字时代的下一个 金矿。 极链科技-未来研究院 2019.11.25 前言前言 执行摘要执行摘要 在5G+AI时代，视频将成为互联网最重要的入口， 承担起信息传递介质和互联网功能载体的作用。这 一全新的以视频为核心的互联网形态，可以称之为 “视联网”。 视联网不仅能借助视频的高带宽更高效的传输信 息，

4、更可以通过承载的互联网功能给人们带来极大 的便利，直接满足观众在观看过程中产生的购买、 求知、社交等各方面即时需求。从长远角度看，视 联网更是智能眼镜成熟所不可或缺的部分，可以成 为视觉联网的真正“视联网”。 5G+AI解决了视联网所面临的视频传输和视频识别 难题，更为视频内的互动与服务提供了无限想象的 空间，将促使视联网产业的成型与发展。 视联网的早期应用在2016年已出现，表现为视频AI 广告和视频场景电商。前者利用AI技术，自动识别 出视频中能够与品牌价值形成共鸣的场景点位，实 现品牌广告在优质点位的大规模、自动化投放。后 者利用AI识别后的内容信息，在特定物品、人物等 标签出现时，自动

5、完成同款或相关产品的推送和电 商导流。 经过3年的积累与发展，视联网已基本形成产业雏 形，应用服务从点状创新向集成系统整合，开始出 现第一代的视联网系统。视联网的互动技术的路线 选择更加清晰。底层人工智能引擎愈发成熟。 趋势 现状 短期来看，视联网的发展目标是夯实视联网的产业 基础设施，支撑起更多的视联网服务，使视联网产 业真正成型。主要包含三个方面，一是底层人工智 能引擎的进一步升级；二是视联网操作系统的建设 与完善；三是构建产业生态配套服务体系。 长期来看，视联网服务要从早期的“预期-推送”模式 向成熟期的“实时-调用”模式发展。需要经历“一主 一次一辅”三条发展路径：主线-视频识别能力不

6、断 提升；次线-视频小程序生态不断丰富；辅线-软硬 件协同不断推进。 围绕发展路径，视联网产业的发展趋势大致可以分 为四个阶段，首先是婴儿期，也即是当前阶段，产 业雏形出现；其次是“成长期”，也是视联网短期的 发展目标。AI技术的进步与产业基础设施的完善，带 动视频小程序生态开始建立 ；三是“青年期”，小程 序生态基本完善，智能硬件广泛接入视联网系统； 最后是“成熟期”，随着视联网与新一代智能设备完 美对接，视觉感官成为互联网入口，视联网成为人 们工作生活的基础设施。 视联网的发展将为用户带来巨大便利的同时，也为 市场带来了巨大的商业机遇。在短期内，包括视频 流量平台、视频小程序创业者、各类合

7、作方，都将 在视联网的发展浪潮中获得显著收益。 发展 前景 机遇 执行摘要执行摘要 “ “视联网视联网” ”是互联网的发展趋势是互联网的发展趋势 视频作为信息传递介质可以传递更多交互信息 视频作为互联网功能载体可以带来更多使用便利 “视联网”发展的难点 5G与AI技术带来的突破 视联网的现状：产业雏形已现视联网的现状：产业雏形已现 应用服务从点状创新向网状系统集成 互动技术的路线选择基本明确 人工智能引擎愈发 视联网的短期发展目标：夯实产业基础设施建设视联网的短期发展目标：夯实产业基础设施建设 底层人工智能引擎的进一步升级 视联网操作系统的建设与完善 构建产业生态配套服务体系 视联网的长期发展

8、路径：从视联网的长期发展路径：从“ “预期预期- -推送推送” ”到到“ “实时实时- -调用调用” ” 视联网的 “预期-推送”应用模式 视联网的“实时-调用”应用模式 视联网的发展路径：“一主一次一辅” 视联网的发展前景与商业机遇视联网的发展前景与商业机遇 视联网发展的四阶段 视联网产业的商业机遇 总结总结 出品方介绍出品方介绍 0101 目录目录 0202 0303 0404 0505 0606 第一章第一章 “视联网视联网”是互联网的发展趋势是互联网的发展趋势 FUTUREFUTURE 技术赋能技术赋能 技术的发展是以人为核心的，有的技术是为满足人的需求提 供便利，有的则为人赋能，使人

9、做到原本做不到乃至想不到 的事情。 互联网的发展也是如此，为人的工作、生活提供便利和赋能 是互联网发展的核心要义。 相较于图文、语音等形式，以视频作为主要的信息传递介质 和功能载体可以为人带来更多的便利。 资料来源： 视频作为信息传递介质视频作为信息传递介质 可以传递更多交互信息可以传递更多交互信息 视频是对一系列静态影像（每秒24帧以上）加以捕捉、记录、处理、存储、传输和重 现的技术，可以简单理解为一种信息的记录与传输方式。对比文字、图片、语言等信 息传输方式，视频最大的优势在于其具有最大的信息带宽，在信息处理速度和传输速 度足够的情况下，单位时间内视频可以传递的信息更多。同时，视频中可以轻

10、易的加 载音频和文字，形成多渠道的信息传输，弥补单一渠道的不足，反之则不行。这些优 势也就决定了视频可以使得人与计算机、人与人之间的交互更为便利、真实、更符合 人与生俱来的习惯。 视频的高带宽使其不仅能传递语言和图文能够表达的明示信息，更能传递其他形式较视频的高带宽使其不仅能传递语言和图文能够表达的明示信息，更能传递其他形式较 难表达的默会信息，例如人的情感。难表达的默会信息，例如人的情感。人与人面对面的交流要比单纯的电话交流更能了 解一个人的精神状态，就是因为人的视觉能够接收到的信息要远大于通过语言表达接 收到的信息，例如表情、动作等，从而分析出对面人所表现出的情感。视频也是如 此，通过视频

11、能够更为便利的实现不同时空的人与人的情感交流。 视频这一特点已被广泛应用，影视剧作之所以吸引人，是因为其沉浸感和代入感更能 引起人的情感共鸣。越来越多的企业采用网络视频形式传播企业形象，也是为了通过 视频中的情感交流建立与观看者的信任感，树立品牌形象。目前，视频内容已经占据 了互联网数据总量的80%，并且有越来越多的APP开始加载视频功能。即便没有任何 技术与应用突破，预计到2022年视频内容的数据总量也将达到82%。这都表明视频 在促进人与人交互中的作用得到了广泛的认可。 20172017年年 视频视频 在互联网数据中占比在互联网数据中占比 73%73% 20222022年年 视频视频 在互

12、联网数据中占比在互联网数据中占比 82%82% 资料来源： 思科可视化网络指数（2017-2022） 视频作为互联网功能载体视频作为互联网功能载体 可以带来更多使用便利可以带来更多使用便利 而随着视频成为人们休闲娱乐和信息传递的主要方式，以及人们观看视频时间的增 长，让视频承载互联网的功能服务就能够为人们带来更多的便利。这种便利就是视频这种便利就是视频 作为互联网入口的价值。作为互联网入口的价值。 从当前观看视频的体验出发，很多人都有这样的感受，感觉视频中引起你情感共鸣的 点缺乏合适的方式去宣泄。设想如下的场景，设想如下的场景，在看球赛时看到球星进球后想买双他的 球鞋珍藏；在看到权力的游戏大结

13、局时有无数吐槽不吐不快；刷抖音时看到别人 分享的旅游地标想进一步了解具体信息。 在当下，我们碰到以上的场景，唯一的办法是退出视频，打开淘宝搜索球星球鞋；打 开微博和微信疯狂吐槽；打开百度搜索旅游地标的信息。在这个退出视频、登录其他在这个退出视频、登录其他 软件的过程中，不可避免的会给人带来不便。软件的过程中，不可避免的会给人带来不便。 一方面，视频中的信息并不一定能准确传递到其他功能软件中，就比如球鞋在淘宝上 有多款类似的，你并不能确定哪一款是当时球星脚上穿的引起你购买欲的那款； 注：2019年热剧长安十二时辰中，“张小敬（雷佳音饰）吃水盆羊肉”的场景直接导致了饿了吗 外卖同款商品订单量大增，

14、反映了视频内容对观众需求的激发作用。 资料来源：微博、优酷。 另一方面，这个转换过程会破坏人的情绪积累，就比如一个人关掉视频打开微信准备 吐槽时，看到微信的界面和朋友圈新鲜的事件，注意力就发生了转移，可能也就放弃 了继续吐槽，抑或吐槽力度有所降低。如果视频能够直接承载互联网功能，满足人们 视频内购物、社交、搜索等种种需求，想必会给人带来极大的便利。 如果我们把目光放的更为长远，如果我们把目光放的更为长远，在可穿戴式智能设备时代，AR和VR技术得到广泛应 用，视频作为互联网功能载体将为人们带来更大的便利。 当人们带上智能眼镜后，本质上是将摄像头捕捉到的视频信息以虚拟层的形式与人看 到的真实世界进

15、行重合，进而可以在两者间展开丰富的互动，但这种互动肯定是零转 换、低延时的。 比如当你想买路边某人的同款外套时，你肯定希望看到后直接在眼镜虚拟层上弹出价 格、款式等相关信息、确认后就一键下单，而不是虚拟层先关闭视频模式再跳转到淘 宝页面获得商品信息。因此，提供视频内服务的视联网系统是智能眼镜的必备软件。 资料来源： 要实现以视频作为主要的信息传输介质和互联网功能载体的“视联网”，主要有三个难 点。 视频传输技术：视频传输技术：视频内容由于信息量大，需要足够高的带宽才能顺利观看。而视频越 精致、承载的互联网功能越多，自然也就需要更高的带宽用于传输。 视频识别技术：视频识别技术：视频识别技术的难点

16、在于如何把视频内容从非结构化信息转化为可计 算机可直接利用的结构化信息，从而准确定位人们的需求。传统方式是单纯通过人力 标注视频中的所需信息，但这种方式费时费力，无法满足视联网的需求。 视频互动技术：视频互动技术：即人与视频内容以何种方式进行互动。随着视频识别技术的发展，视 频中蕴含的信息识别出的越多，人们与视频互动或与互联网功能的互动就会越多，对 于互动技术的要求也就相应提高。 “ “视联网视联网” ”发展的难点发展的难点 资料来源：极链科技Video+。 我们认为，5G5G的应用与的应用与AIAI技术的高速发展能够很大程度上解决上述的三个难点，打通技术的高速发展能够很大程度上解决上述的三个

17、难点，打通 “ “视联网视联网” ”实现的主要障碍。实现的主要障碍。 让我们先来简单分析一下5G和AI技术的发展意味着什么。5G是新一代信息传输技术， 具有高宽带、低延时、广联接的特点。简单之，就是把现在的无线网络传输速度增加十 倍、反应速度缩减到十分之一、可联入网络的设备数量增加百倍。AI技术，本质是高效 的记忆与识别。通过AI技术，计算机可以用比人类快几万倍的速度读取数据（记忆）， 并找出大量数据间的相关性（识别），甚至找出人脑无法识别的关联。 5G5G很快就要投入应用，这将很大程度上解决视频传输的带宽问题。很快就要投入应用，这将很大程度上解决视频传输的带宽问题。以上海为例，根据已 发布的

18、上海市推进新一代信息基础设施建设三年行动计划(2018-2020年)，上海将 会在2020年底率先完成“双千兆宽带城市”建设。届时，移动网络用户感知速度可以达到 500M/S，固定宽带网速达到千兆。一部无压缩的蓝光电影大约25G左右，用移动网络 也就一分钟不到即可下载完成。视频作为信息传输介质的通讯阻碍已经可以基本排除。 AIAI技术的发展将为视频识别提供极大帮助。技术的发展将为视频识别提供极大帮助。通过AI算法可以实现计算机自动识别视频中 的海量信息，以计算机超过人类数万倍的速度去标识出视频中的可用信息，甚至做出人 难以理解却准确的识别判断。AI技术已经在安防、金融、智能驾驶等垂直领域中有了

19、较 多的应用。尽管现有的技术还难以全面解析视频中的所有信息，但发展速度很快、前景 可期。在不远的将来，随着视频AI识别技术变得更快速、更精准、更低成本，视频内容 的实时全面解析也并非难以做到，那时就能达到“视觉联网”的时代。 视频互动技术则将在视频互动技术则将在5G5G和和AIAI的支持下，迸发出新的活力。的支持下，迸发出新的活力。随着视频传输的限制突破和对 于视频内容信息的丰富提取，视频互动技术的应用可能性大幅增加，将激励人们不断开 发创新的互动形式和互动内容，让互动技术百花齐放。 正是在5G+AI的时代，以视频作为信息传递介质和互联网功能载体的视联网才有建设成 功的可能，并将对人们的工作生

20、活带来巨大的改变。 5G5G与与AIAI技术带来的突破技术带来的突破 FUTUREFUTURE 第二章第二章 视联网的现状：产业雏形已现视联网的现状：产业雏形已现 随着AI技术的进步，从2016年起，视联网早期的应用创新开始出现。经过 3年的发展，视联网的产业雏形已基本可见。呈现出以下三点趋势：点状 创新向集成系统整合、互动技术路线基本明确、人工智能引擎愈发成熟。 当前，视联网整体的市场接受度和价值创造能力尚未得到充分的认可。但 随着技术的成熟和商业模式的不断完善，视联网正在坚定不移的向前迈 进，其趋势性和价值性将愈发明显。 视联网产业雏形视联网产业雏形 资料来源：极链科技Video+。 早期

21、的点状创新早期的点状创新 消费级视频是指用于满足消费者娱乐、教育、资讯等各方面的需求的视频，具有场景丰富、质量不统 一和数据量大的特点。相较于应用在安放、金融领域、功能单一的工业级视频，消费级视频对视联 网的应用需求更为迫切。 在人工智能技术将视频内容信息转化成结构化信息之后，如何有效利用这些信息产生价 值成为了该领域企业考虑的首要问题。在消费级视频领域，首先诞生了视频AI广告和 视频场景电商这两种解决方案。其中，视频AI广告即是利用AI技术，自动识别出视频中 的人物、物品、场景、事件和商标等能够与品牌价值形成共鸣的场景点位，并以合适的 形态完成广告露出，从而实现品牌广告在优质点位的大规模、自

22、动化投放。视频场景电 商也是利用AI识别后的内容信息，在视频中的特定物品、人物等标签出现时，自动完成 同款或相关产品的推送和电商导流。 场景&人物&物品 多维度标签匹配 刺激产生购买欲望点击广告实现购买 注：在视频AI广告中，利用AI技术识别出与品牌定位相关的场景、人物和物品，在这些容易引起观众 共鸣点位投放广告，激发观众的点击和购买欲望。形成更深入人心的品牌曝光和更有效的效果转化。 资料来源：极链科技Video+。 应用服务从点状创新应用服务从点状创新 向集成系统整合向集成系统整合 经过经过3 3年的市场培育，视频年的市场培育，视频AIAI广告和视频场景电商已经逐步得到了市场的认可，广告和视

23、频场景电商已经逐步得到了市场的认可，涌现出 了越来越多的参与企业。例如，在AI广告方面，先后涌现出了极链科技、视联通等科技 创新企业，爱奇艺也自行研发了AI创可贴广告形式。总体市场规模已接近百亿。在场景 电商领域，有极链科技、Yi+、码隆科技等企业投入在各个细分领域，市场规模也有近数 十亿。 除除AIAI广告和场景电商外，视频互动正成为又一个视联网服务的热点领域。广告和场景电商外，视频互动正成为又一个视联网服务的热点领域。在直播领域， 虎牙和快手先后推出了AI直播助手，可与观众和主播进行简单的互动，增加了直播的趣 味性；在点播领域，黑镜：潘达斯奈基带火了互动视频，优爱腾等头部视频媒体都 先后推

24、出了各自的互动视频和制作标准，发力互动视频领域。 随着越来越多经过AI赋能的创新模式在视频中得到应用，如何有效整合各类应用、摆脱 各种创新模式各自为战的现状，并为观众带来更好的整体观看体验和视频内服务，正成 为“AI+消费级视频”领域的新趋势，从而引发了视联网点状创新向网状系统集成的尝 试。 注：在视频场景电商中，当视频中出现特定标签（如上图中的华晨宇），计算机自动识别出后，推送 相关产品（如上图中的华晨宇同款抱枕）。 资料来源：极链科技Video+。 从视联网产业的发展角度看，由点向面的集成不仅是一次对既有功能服务和商业模式的 综合，更是引领下一步跨越式发展的重要起点。在这一过程中，企业需要

25、克服以下三个 方面的难点： 一是核心能力的平台化，一是核心能力的平台化，即把视频识别能力等核心功能从具体的创新模式中抽离出来， 提炼为通用性的底层技术平台，为上层各类应用提供技术赋能。 二是商业链路的体系化，二是商业链路的体系化，将不同模式的商业链路整合在一套统一的完整体系之中，为新 的应用服务模式提供商业变现的成熟路径和经验。 三是配套服务的规模化，三是配套服务的规模化，通过整和各类创新模式的配套服务，形成规模效应，从而降低 各类模式的创新和运营成本。这些配套服务包括，云计算服务、数据分析、金融支持、 开发者社区运营、媒资洽谈、商务推广等。 如果企业能够有效克服以上三个难点，那么就能够将过去

26、的困难转化成商业壁垒，获得 巨大的竞争优势。 视联网系统集成的尝试视联网系统集成的尝试 视联网系统集成示意图视联网系统集成示意图 核心能力的平台化核心能力的平台化 商业链路的体系化商业链路的体系化 配套服务的规模化配套服务的规模化 目前，目前，极链科技在这一领域率先做出了尝试，推出了第一版的视联网系统。极链科技在这一领域率先做出了尝试，推出了第一版的视联网系统。该系统在集 成既有的视联网功能和应用的基础上，作出了三方面的创新。 一是首次区分了流量端的视频小工具和用户端的视频小程序。视频小工具由流量端管 理、为流量端服务，主要满足流量方对于视频观看体验和视频变现的需求，如视频AI广 告和互动小程

27、序都划归入视频小工具。另一方面，视频小程序则为用户需求服务、根据 用户需求推送或调用服务，场景电商归入了满足用户购物需求的视频小程序中。 二是开发视频桌面和视频小程序的五大模式。视频桌面是用户与视频小程序交互的主要 界面，为小程序管理、展示、互动提供统一标准平台。用户可根据需求随时打开和关闭 视频桌面以决定是否启用小程序服务。同时，根据不同类型的小程序研发了视频小程序 的五类模组，分别是信息、购物、生活服务、社交和游戏，为视频小程序的后续开发提 供了便利。 三是整合了视频内营销的各条链路形成营销中台。极链科技打通了既有的视频AI广告和 视频场景电商系统下的营销链路，整合形成了视联网营销中台，为

28、视联网小程序生态赋 能。 极链极链- -视联网模式图视联网模式图 资料来源：极链科技Video+。 视频互动技术决定着观众与视频内容的互动形式，因而对于视频内服务产业的呈现形式 以及商业链路的构建都有着举足轻重的重要性。目前，视频互动技术主要有两条发展路 径，分别是嵌入式的视频互动和浮层式的视频互动。随着视联网应用和服务的增多，在 视联网产业逐步形成的实践过程中，对于两条互动技术路线的选择也已基本明确。 视频互动技术的两条发展路线视频互动技术的两条发展路线 嵌入式互动是指将视频的互动内容嵌入进视频格式之中，是一种在视频制作过程中添加 互动形式的技术路线。YouTube Annotation是最

29、广为人知的嵌入式互动形式。 Annotation使得视频制作者可以在视频中添加标注（即是annotation的原意）、对话框 和超链接，从而形成了最初的交互式视频。观众可以通过点选视频中预置的链接框而获 得不同的体验，形成诸如游戏答题、剧情导向等的互动。 2018年底，奈飞（Netflix）推出的黑镜：潘达斯奈基可谓是当前条件下，嵌入式互 动技术的极致水准。爱奇艺、腾讯视频和优酷等国内平台也在之后先后推出了各自的互 动视频标准，在功能方面基本都支持情节互动、视角切换和添加外链等功能。 注： 黑镜：潘达斯奈基为观众提供了上百种剧情选择。 资料来源： 互动技术的路线选择基本明确互动技术的路线选择基

30、本明确 另一方面，浮层互动是指在不影响视频正常播放的情况下，在播放层之上建立浮层进行 互动的一种视频互动服务形式。浮层互动的鼻祖是日本NICONICO网站2007年推出的 “live comment”功能，后来被Acfun网站引进入国内，成为了家喻户晓的“弹幕”功能。 直播领域是浮层互动技术应用最为广泛的领域。各类打赏、评论、投票等互动形式在直 播中层出不穷，使得直播具有了更强的互动性，一定程度上助力了直播产业的繁荣。 对比两种技术路线。嵌入式互动的优势和劣势都十分突出。在优势上，由于深入到视频 的制作过程中，嵌入式互动能够近乎完美得与视频内容结合，从而提供定制化的互动形 式和服务内容。但这种

31、深度结合的负面效应便是难以复制和普及，需要对每一个视频进 行定制，无法批量提供视频内服务。同时，由于嵌入式互动涉及对视频格式的修改，需 要依据特定的格式进行制作并在特定的视频播放器上才能播放，从而进一步限制了嵌入 式互动视频的传播和普及。 浮层互动的特点是易于普及，一种互动形式出现后可以轻易的在不同视频平台间复制。 但劣势也十分明显，由于缺乏与视频内容的衔接，使得多数的浮层互动形式难以与视频 的内容形成深度交互，只能流于浮层表面，因此也被称为“轻互动”。 注：浮层互动不会对视频内容产生影响。 资料来源：极链科技Video+。 视联网条件下的路线取舍视联网条件下的路线取舍 随着视频识别技术打破了

32、视频黑箱、视频内容可分解为结构化信息后，浮层互动形式具 备了与视频内容深度互动的条件，展现出了更强的适用性，成为了各类视联网应用服务 的主要表现形式。尽管AI技术对于嵌入式互动视频的制作也提供了极大便利，但是约束 更少、拓展性更强的浮层互动形式无疑在商业模式的复制和推广上有着更明显的优势。 因此，视频AI广告、视频场景电商等视频内服务模式自出现后，在互动形式的选择上， 多数企业都选择了浮层互动。只有如Wirewax等少数公司提供的视频在线编辑工具中， 会采用嵌入式的购物链接、互动游戏等形式，但仍只能一个一个视频制作。 从需求角度看，嵌入式互动是视频制作者出于视频内容的表现性、体验性和趣味性添加

33、 的互动内容，本质上是视频制作者对于观众需求的预测与满足。但是对于观众丰富多 样、超乎预测的需求，仍普遍需要通过实时捕捉需求、调用小程序来满足。在这种情况 下，浮层互动形式是必不可少的。 值得注意的是，嵌入式互动与浮层互动并不是相互对立的关系，更多是一种互补关系， 适合应用在不同的层面。在满足视频观众普遍性、高频发的需求方面，建立在浮层互动 之上的商业模式无疑是更便于复制和推广。而与视频内容深度定制的观看体验和视频需 求则更适合或者只能通过嵌入式的互动形式来满足。 深度定制互动服务 资料来源：极链科技Video+。 用户需求 制作者需求 浮层浮层 互动互动 嵌入式嵌入式 互动互动 视联网服务

34、AIAI 赋赋 能能 深度定制互动服务 + 人工智能引擎愈发成熟人工智能引擎愈发成熟 到目前为止，人工智能已能够识别视频中包括人脸、物体、场景、品牌、动作、表情、 事件、地标等多个类别和不同维度的信息，且计算成本大幅下降，挖掘出了大量视频内 容信息为上层应用服务的创新提供资源。 人工智能技术可以说是视联网服务和功能的核心引擎，也是支撑起上层产业生态的底层 地基。 正如同引擎将燃料转化为了动力一般，人工智能技术将视频内容转化成了结构化信息， 为视频内服务的兴起提供动力。在以下几个方面，视联网的人工智能引擎得到了大幅的 进步，初步具备了支撑一个产业的能力。 一是对视频内容信息的挖掘愈发充分。一是对

35、视频内容信息的挖掘愈发充分。在过去几年中，人工智能技术的算法、算力、数 据等核心要素快速进步，推动视频内容识别的精度、效率、类别多样性等都获得了极大 进展。在刚出现时，只有人脸识别的要求达到了商业化应用的标准。 资料来源：极链科技Video+。 二是基于内容信息的知识图谱愈发丰富。二是基于内容信息的知识图谱愈发丰富。随着视频内容信息的增多，人们对于信息间的 相互关联性的理解也逐渐深入，从而推动了内容信息知识图谱的丰富和完善。其意义主 要表现在两个方面，一方面知识图谱的丰富可以推动AI识别效率的提升，基于信息间的 相互关联性，可以减少识别所需的训练样本。另一方面，知识图谱的丰富有益于增加上 层商

36、业应用的价值。例如在视频AI广告中，早期只是通过人脸、物体识别找出与广告品 牌关联的视频场景用于投放，而随着知识图谱的丰富，逐步结合表情和背景音乐等方面 的识别来排除负面场景，提高了广告的投放质量。 三是工程化和平台化功能逐步完善。三是工程化和平台化功能逐步完善。从技术走向商业应用需要经过工程化和产品化的考 验。伴随着视频内应用服务的不断成熟，人工智能引擎在工程化方面也积累了大量的经 验，例如工程化构架设计、计算资源管理、计算优先级调度等方面在都已基本成熟，能 够为上层产品端提供按需的AI支持。此外，在平台化方面，结合云计算技术的进步，AI 智能云得到蓬勃发展，使得视频识别以及视联网的服务基本

37、实现了云上运行，人工智能 引擎初步具备了平台化服务能力。 资料来源：极链科技Video+。 FUTUREFUTURE 第三章第三章 视联网的短期发展目标：视联网的短期发展目标： 夯实产业基础设施建设夯实产业基础设施建设 底层人工智能引擎的进一步升级底层人工智能引擎的进一步升级 在视联网产业中，人工智能将一直是最重要的产业驱动引擎，决定着整个产业的理论边 界。因此，不断升级人工智能引擎，促使视频识别能力早日实现从量变到质变，将是视 联网进入短期内最核心的基础设施建设。 从当前人工智能与视频领域的结合发展现状出发，除了上文提到的方面以外，以下三个 方向或将为进一步升级人工智能引擎提供思路： 一是多

38、模态识别技术的联合应用、拓展高维度信息判断能力。一是多模态识别技术的联合应用、拓展高维度信息判断能力。以计算机视觉技术为主， 综合运用语音语义识别、文本识别、体态识别等技术提升对于视频内容的理解能力。多 模态识别不仅能够提供单一视觉维度所无法识别的信息，更能综合各角度数据、提升高 维度信息的识别精度。例如对于视频中人物情绪的变化，从背景音乐中进行识别要比单 纯从面部表情进行识别会更为便捷。而对于事件一类的高维度信息，更是只有通过多个 维度的复合判断才能得到满意的结果。 在视频识别技术和视频互动技术愈发成熟与完善的当下，视联 网已经初步具备了作为一个新兴产业的基本条件，而早期如广 告、电商和互动

39、体验的应用模式创新，进一步积累了视联网服 务运营的经验，塑造了视联网产业的基本雏形。 下一阶段，视联网将从雏形走向真正成型，其中的关键在于完 善产业基础设施的建设，支撑起更多的视联网服务内容和形 式。视联网基础设施主要包含三个方面，一是底层人工智能引 擎的进一步升级；二是视联网操作系统的建设与完善；三是构 建产业生态配套服务体系，有效降低企业成本。 优酷借助多维度数据开发了观众情感模拟系统，为视频场景价值的测算提供了一种思路。但显而易见 的是，单纯的情感或者注意力曲线仍不足以有效驱动商业模式。 二是利用多维度知识图谱、开发视频场景商业价值的综合算法。二是利用多维度知识图谱、开发视频场景商业价值

40、的综合算法。目前对于视频场景商业 价值的判断仍相对初级，如果能够利用多维度、多模态的视频信息和人工智能技术，建 立视频场景的商业价值估算模型，将对视联网产业的发展起到巨大的推动作用。例 如，对于视频场景引发的观众需求有着准确预估，从而实现基于场景定向的视频小程序 服务推荐分发。为达到这一标准，可能需要多学科联合参与共同构建关于视频场景价值 的知识图谱。 三是视联网应用专项数据集的开发。数据是人工智能技术必不可少的养料。三是视联网应用专项数据集的开发。数据是人工智能技术必不可少的养料。目前，视频 的多维度、细标准数据集已经开始出现，将推动视频算法的进步，进而引发视联网服务 的大幅增加。但随着视联

41、网服务形式和类型的增多，对于视频内服务更为精细化和定制 化的需求必将出现，并引起对于专项算法以及算法背后的专项数据集的强烈需求。正因 此，针对每一类视频小程序开发，制作专项数据集，或将是视联网定制化服务的一种方 向。 资料来源：极链科技Video+。 视联网操作系统的建设与完善视联网操作系统的建设与完善 视联网操作系统需要有效管理和控制接入的底层AI能力、视频媒介资源、小程序软件资 源和云上的数据和运算资源，在提高视频小程序应用效率的同时，为观众的使用提供便 利。 市场上已有初级的视联网系统级产品出现，初步实现了视频小程序的调度、控制和展示 等功能，但距离真正成熟的视联网操作系统还有一段距离。

42、报告认为，在视频内容层面 建立的操作系统，需要具备以下特点： 跨媒介，跨媒介，也即是一套操作系统需要具备在不同视频媒介中的运行能力。视联网的服务 能力需要覆盖所有视频的播放媒介，为不同媒介的视频观众提供相当质量的视频内服 务和互动体验。因此，可以说跨媒介特点是视联网产业对操作系统的必然要求。 高性能高性能，也即是操作系统需要在尽可能少的消耗计算资源的情况下提供尽可能好的系 统服务能力。视频播放相当占据计算资源，因此为保证其他程序的正常运作，视联网 操作系统能够调用的计算资源是相对有限的，对其性能提出了很高的要求。 热更新热更新，也即是操作系统需要在不关闭的情况下实现实时更新。视联网操作系统由于

43、 建立在视频媒介之上，对于服务的延续性有着很高的要求。需要中断服务的冷更新模 式不适合视频领域。 优体验，优体验，视联网是为观众提供便利而非破坏观看体验，因此，视联网服务的控制、调 度和运行需要建立在较优的体验之上。 富创新，富创新，视联网操作系统不仅自身是一个巨大的创新，同时还需要具备较好的拓展 性，对各种创新的应用形式或者技术服务有着很强的兼容能力。为AI技术的进步与迭 代、应用服务的创新提前做好预案。 构建产业生态配套服务体系构建产业生态配套服务体系 视联网产业的成熟与完善不仅需要作为核心的人工智能引擎以及作为骨架的视联网操作 系统，还需要一系列配套服务功能来填充起整个躯壳，从而使得整个

44、产业能够高效的运 转起来。随着视联网产业的发展，其生态配套服务体系也将随之共同成长，孕育着巨大 的市场价值。在其仅列举出一些短期内可以预见或相对重要的配套服务功能。 视联网小程序开发者生态视联网小程序开发者生态 开发者生态包括开发者平台和开发者社区。一个良好的开发者生态，通过搭建便利的 开发环境和活跃的开发者社区，有助于激励开发者不断研发和更新视频小程序，也有 助于开发者的阶梯式培养，不断壮大开发者群体。 视联网全域营销平台视联网全域营销平台 对于任何产业而言，获得营收和利润才能长期健康的发展下去。因此，视联网产业需 要整合视频内所有的营收渠道，包括视频AI广告、小程序内展示广告、商品和服务成

45、 交平台等，建立视联网全域营销平台，为视频小程序的营收和收益提供支持。 资料来源：极链科技Video+。 信用、结算和数据支持平台信用、结算和数据支持平台 为了支持视联网产业的交易和营销功能，需要建立信用、结算和数据支持平台，具体而 言，包括以下功能：一是信用评级功能，对小程序开发者和运营者做信用评级，并根据 评级提供相应的服务和权限，营造诚信、守序、健康的产业氛围；二是交易结算和金融 支持功能，视频小程序生态的商业链路和交易模式创新需要有专业的结算和金融支持； 三是视联网产业的数据服务功能，包括数据采集、第三方监测、数据分析和数据服务等 各类服务。 多样化的输入和输出技术支持多样化的输入和输

46、出技术支持 视联网的跨媒介特性意味着其需要不同的输入和输出模块以应对不同媒介的互动和体验 需求。所以，不仅视联网操作系统需要开放各类输入、输出接口，视联网产业应对新技 术的提供商也保持开放，如手势识别技术、AR/VR/XR、全息投影等都可成为视联网服 务的重要功能。 隐私保护与伦理审核模块隐私保护与伦理审核模块 人工智能和大数据技术的广泛应用引起了社会对于用户隐私和技术伦理的广泛关注。政 府、学界和企业都在设法引导“科技向善”，而非无止境的追求利益。因此，在视联网的 配套服务体系中，加入用户隐私保护以及技术应用伦理审核的模块是十分必要的。 第四章第四章 视联网的长期发展路径：视联网的长期发展路

47、径： 从从“预期预期- -推送推送”到到“实时实时- -调用调用” FUTUREFUTURE 在这一章节，我们将对视联网在短期产业化目标实现 之后的长期发展路径做一个展望。随着视联网产业的 发展，其将对人们的工作生活产生巨大影响，同时也 蕴含着巨大价值。通过展望视联网发展的可能路径， 可以对产业发展趋势做简要的预判，提前布局下一个 产业风口。 在视联网的起点，人们刚刚学会如何利用AI技术打破视频的信息壁，并能够利用视频信 息进行初步的商业应用。在这一阶段中，对于视频信息的解读和利用是比较有限的，表 现为数据维度较少、可辨识的类别有限。 为了最大化的利用识别出的有限信息，早期的视联网应用采用了为

48、了最大化的利用识别出的有限信息，早期的视联网应用采用了“ “预期预期- -推送推送” ”的模式。的模式。 在这一模式中，本质上是利用外部已有的用户大数据和行为心理学对视频观众的心态和 行为进行预测，挑选出被认为是最能引起观众共鸣的场景。进而，集中人力和数据让计 算机学会识别这些场景，并在全网视频中找出此类场景中，推送与之相关的应用服务。 例如，针对视频中的团队聚餐事件，可以分为提出聚餐、进入餐厅、点菜、吃的热火朝 天和结账等五个场景。通过数据分析和常识判断，吃的热火朝天的场景最能引起人们对 吃的情感 共鸣，这时候就可以集中资源让计算机学会识别“吃的热火朝天”场景，进而在 此类场景中大规模自动化

49、地推送与吃相 关的应用服务，比如外卖广告。 视联网的视联网的 “ “预期预期- -推送推送”应用模式应用模式 与观众的情感共鸣度预期 “ “预期预期推送推送” ”模式模式 示意图示意图 （以聚餐事件为例）（以聚餐事件为例） 视频时间轴 4分28秒4分55秒5分24秒6分57秒7分25秒 训练算法，识别 场景。在全网此 类视频场景中推 送相关服务，例 如广告。 注：情感共鸣预期，是通过用户大数据和行为心理学对视 频观众的心态和行为进行预测。 视频中的场景 为了探寻视联网的长期发展路径，有必要更深入的分析视联网 的起点与终点，从中提炼出推动视联网成长的核心要素。 资料来源：极链科技Video+。 技术的发展将为人带来更大的便利。从技术便利性的角度出发，我们可以对视联网的成 熟形态作出大胆而又合乎情理的想象。 在视联网的成熟期，借助可穿戴智能设备、尤其是智能眼镜的普及，人所见的一切信息 都将被摄像头捕捉并在极短的时间内处理成计算机可以识别的视频信息。此时，人们从 视觉信息中激发的所有需求都能得到直接的响应。通过语言、手势、眼动捕捉等多种形 式，计