1872年的某一天，在美國加利福尼亞州的一個酒店裡，兩個年輕人發生了激烈的爭論。
其中一人認為，奔跑的馬在躍起的瞬間，四蹄是騰空的。而另一人則認為，馬奔跑時，始終有一個蹄子是著地的。
來自英國的攝影師麥布里奇得知此事後，決定通過實驗來驗證誰對誰錯。於是，他藉助24臺相機，連續拍攝了24張照片，並由此創造了人類歷史上第一個「視訊」。
不久後，1877年，著名發明家愛迪生在他的「圓筒留聲機」上，錄下了他親自朗讀的《瑪麗有隻小羊羔》的歌詞。
這短短數秒的聲音，成為了人類歷史上第一條音訊。由此，人類正式進入了音視訊時代。
█ 音視訊技術的發展和演進
眾所周知，人有五感，分別是視覺、聽覺、嗅覺、味覺和觸覺。通過五感，我們才能感知外部物理世界的存在，享受真實生活的美好。
在人類漫長的歷史長河中，文字、圖畫是記錄和傳遞資訊的主要方式。直到前面提及的音視訊出現，才將人類記錄資訊的方式，升級到了一個更高的維度，更加具象化。
音訊和視訊誕生早期，只能儲存在膠片和磁帶上，容量有限，也不方便保存和運輸。
電影膠片
直到20世紀70-80年代，隨著數字錄音和攝像技術的不斷成熟，唱片公司和電影公司開始採用數字方式錄製原始素材，並進行後期製作，掀起了音視訊技術的革新浪潮。
在數字技術的支撐下，音視訊剪輯變得更加方便快捷。CD、MD、DVD等數字載體的出現，不僅讓音質畫質大幅改善，還極大地擴充了儲存容量，減少了空間佔用。
世界上第一款CD播放器，索尼CDP-101(1982年）
到了90年代，個人PC的規模普及，以及網際網路的爆炸式發展，再次刺激了音視訊技術的飛躍，並將人類全面推向了多媒體時代。
那一時期，網際網路先民們瘋狂地上傳和下載mp3、wav格式的音樂，bmp、jpg格式的圖片，還有rm、mov、avi格式的電影。他們不再侷限於純文字的互動方式，而是全面轉向了QQ、MSN這樣的多媒體通訊工具。
與此同時，基於音視訊技術發展起來的遊戲產業，更是將人們對數字世界的感官體驗，推向了更高的層級。人們開始有了對數字虛擬空間生活的早期憧憬和迷戀。
「模擬人生」遊戲截圖
進入21世紀後，隨著3G/4G、光纖寬頻的高速發展，以及摩爾定律下CPU、記憶體、硬碟能力的進一步躍升，音視訊技術再獲突破，幾乎可以說是日新月異。
以視訊的清晰度為例，一路從早期的標清（320p/480p），發展到高畫質（720P/1080P），再到超高畫質（4K/8K），並最終催生了前所未有的人機互動模式——VR/AR（虛擬現實/增強現實）。
VR/AR的出現，第一次讓人類感受到什麼叫做沉浸式體驗。我們與數字世界的互動，從單向非同步，變成了雙向同步。我們向真正的數字空間生活，邁出了一大步。
2020年，騰訊提出「全真網際網路」。2021年，元宇宙火遍出圈。這些都是音視訊技術飛速發展的產物。
視訊編解碼技術的不斷演進，資訊通訊技術的快速迭代，極大地改善了人們的視訊觀看體驗，徹底激發了人們對平行數字空間的渴望和嚮往，認為這是一種可以實現的夢想。
人們不再滿足於使用音視訊技術傳遞真實世界的影像，而是更希望將真實世界的一切元素都「捕捉」下來，轉換成無數的比特，存放在硬碟裡。這些比特，將成為人們構建數字虛擬世界的素材。
█ 音視訊技術的需求變化
元宇宙到底能不能成真，我並不知道答案。但是，音視訊技術的需求趨勢，卻是顯而易見的。歸納而言，就是兩點：平民化、產業化。
近年來，智慧手機的普及，專業攝錄設備的降價，讓越來越多的普通使用者有機會進行音視訊內容創造和生產。
短視訊業務的爆發，以及全民直播的興起，更是將視訊平民化推向了新的高潮。
網紅直播帶貨
幾乎在一夜之間，我們就進入了「人人看視訊，人人拍視訊」的時代。很多優秀的up主或主播，能夠通過優質的內容，賺取鉅額收益，刺激了人們將視訊作為謀生手段的熱情。
在這樣的情況下，音視訊技術需要進一步降低門檻，讓更多的人能夠更容易地生產內容。
2020年，突如其來的新冠疫情，也間接推動了音視訊產業的發展。我們需要藉助虛擬空間的延伸，彌補疫情導致的物理空間上的限制。
學生居家學習，企業居家辦公，產生了大量的網課、會議視訊流量。根據運營商的統計資料，截至2020年底，視訊在全網資料流量的佔比已接近70%。
遠端會議
除了學習和辦公之外，產業將視訊的應用進行了延伸，發掘了更多的創新場景。
例如，藉助視訊識別技術，可以對產品進行質量檢驗，可以對園區進行車輛管理，可以對工地進行安全隱患識別。
再例如，藉助VR/AR技術，可以進行人員崗前培訓，可以進行遠端手術，可以進行遠端參觀，也可以進行遠端設備巡檢和故障處理。
也就是說，視訊不再僅僅是娛樂工具，而是變身為生產力工具。
各個領域和垂直行業，都希望藉助音視訊技術，升級和改造現有生產場景，提升效率，降低成本。
企業希望充分利用音視訊技術，但是，也面臨著對技術門檻和資源投入的擔憂，望而卻步。
我們現在每天都在討論數字化轉型，其實，「音視訊+垂直行業」，就是企業數字化轉型的一個極佳入口。行業音視訊，即將進入爆發期。
█ 音視訊技術的未來方向
剛才說的是外部需求的變化。接下來，我們看看音視訊技術是如何應對變化的。
簡而言之，就是三點：演算法極致化、功能智慧化、服務平臺化。
音視訊的性能指標提升，一直沒有停止前進的腳步。
尤其是視訊方面，因為高畫質顯示技術的驅動，使得視訊的解析度不斷增長。除了解析度之外，視訊的幀率要求，也在增加。
還有VR視訊，因為含有三維的時間和空間資訊，所以冗餘更高，資料體積更大。
想要實現超高畫質高幀、VR/AR視訊應用的普及，僅僅依靠增加硬碟容量和通訊頻寬是不夠的，必須儘可能壓縮視訊的體積。這就離不開視訊壓縮演算法的持續改進。
目前，全球視訊編碼標準分為多個派系。除了大家熟悉的H.26X系列（ITU-T主導）之外，還有MPEG系列（ISO/IEC主導），AVS系列（國內AVS組織主導），以及免費開源的AV1等。
來自知乎使用者：甜草莓
這些標準，形成了開放的競爭關係，不斷探索著視訊演算法的極限。它們是視訊技術向前發展的基礎。
除了硬指標提升之外，音視訊的另一個發展趨勢，就是全面智慧化時代的到來。
換言之，就是AI人工智慧技術不斷被引入到音視訊領域，幫助提升音視訊內容的生產效率，同時創新出更多的玩法。
首先看看音訊。
AI+音訊，可以實現對音訊信號的智慧識別、編創。具體識別對象，可以是歌曲中的鼓點、節奏點。
AI可以針對音樂的強度、情緒、風格、情感等維度，對音樂進行理解和打標籤。在編創時，AI可以將音樂中人聲、伴奏、吉他、鋼琴等音軌進行智慧分離。
AI還可以自動對歌詞進行續寫，將一首流行歌曲，改編成一首Rap（說唱音樂）。
再看看視訊。
做過視訊的人都知道，視訊內容創作的大部分工作量，都集中在視訊內容剪輯和渲染上，既費時又費力。
相比於傳統的人工剪輯，基於演算法和學習，AI可以對視訊素材進行「智慧增強」、「智慧剪輯/拆條」。
「智慧增強」，則是通過AI技術，進行視訊圖像降噪、色彩增強，改善畫面細節，提升人眼的主觀效果。
「智慧剪輯/拆條」，則是智慧識別和分析視訊原始素材中人物的動作、事件和表情，自動定位精彩片段，將其提取出來，完成剪輯、配樂等工作，變成精彩視訊集錦。
「AI+音訊+視訊」的融合，用途更為廣闊。Up主可以藉此實現視訊智慧配樂、音樂MV和vlog的自動創作，大幅降低作品的生產難度。
除了內容創作以外，AI還可以用於視訊修復（舊電影修復）、視訊增強和行業視訊應用。
例如，騰訊的多媒體實驗室，通過深度學習敦煌壁畫病害資料，形成自動識別並添加圖示的一整套演算法，打造出了高效的AI壁畫病害識別工具。
騰訊與敦煌研究院合作的文物VR遠端會診
音視訊技術的第三個發展趨勢，是服務形式的平臺化。
正如前面所介紹的，音視訊技術的應用難度很高，一般個人和企業很難獨立玩轉。於是，現在很多音視訊技術服務商，開始通過視訊雲、視訊中臺等方式，對個人和政企使用者進行音視訊能力服務。
這些平臺集成了開放的API接口，方便上層應用開發商調用，開發軟體。平臺本身，又結合了雲的能力，擁有無限的算力，可以支撐使用者的需求。
專業服務商們提供的技術和平臺，涵蓋了智慧採集、資料處理和渲染展示等多個環節，有利於降低垂直行業對音視訊業務的開發門檻，讓更多的企業能夠從容地使用音視訊業務，享受音視訊紅利，加快數字化轉型。
█ 結語
現在，沒有音視訊，人們的快樂會減少一半。
未來，沒有音視訊，企業的效率會下降一半。
正如前面所說，未來，音視訊技術將進入爆發期。尤其是工業製造、金融證券、文旅教育等垂直領域，音視訊將進入高速增長的階段。音視訊的商業模式，將發生很大的變化。音視訊業務的應用場景，也將大量出現。
希望音視訊能夠帶來更多的創新，帶給我們更多的驚喜。