AI 視訊雲 VS 窄帶高清，誰是視訊時代的寵兒
隨著網路技術的逐漸改善，各類視訊訊息成為媒體傳播的主要選擇手段。但其實支撐著視訊傳播的並不單單是網路技術，還有視訊轉碼與壓縮技術。這類技術下分很多，比如曾經被頻繁提到的 H.265，比如時下熱門的窄帶高清，比如與元宇宙密不可分的 AI 視訊雲，他們都有些什麼差別，在選擇時我們該選擇什麼？
窄帶高清
我們通常所說的窄帶高清，指的是在視訊編位元速率保持不變的前提下，平均降低視訊大小的方法。以又拍雲窄帶高清為例，其工作大致流程為首先輸入一個視訊轉碼的分片，接著進行復雜度分析，然後分場景轉碼引數，比如運動緩慢還是劇烈，當然這其中還會有位元速率控制的演算法來調整編碼器的輸出，最終得到編碼後的視訊。
這其中的複雜度，又拍雲借鑑了標準 BT1788 裡的關於空間感知資訊和時間感知資訊。空間感知資訊是每一幀影象做一個 Sobel 值，然後分析它的紋理的多少作為參考標準；時間感知資訊是幀與幀之間的幀差做標準差，作為時間上的變化情況。又拍雲最初根據使用者的應用場景不同一共分了四類場景：手機自拍、動畫、運動緩慢和運動劇烈。不需要使用者操作，由系統根據複雜度的分析自動選擇上面四個最合適的方法。
而編碼器則使用了 H.264 和 H.265 兩種。其中 H.265 是在視訊編碼標準 H.264 基礎上，進一步提高壓縮效率、提高魯棒性（Robustness 抗變換性）和錯誤恢復能力、減少實時的時延、減少通道獲取時間和隨機接入時延、降低複雜度，以達到最優化設定。
在窄帶高清中二者編碼框架差不多，都是關於空間域和時間域的冗餘壓縮。其中 H.264 的框架流程包括了幀間、幀內的預測、變換、量化、反變換反量化、熵編碼和去方塊濾波。而 H.265 大致上與 H.264 相同，包括了幀間、幀內的預測、熵編碼等，只不過 Deblocking 為了去除“塊效應"，增加了一個新的 SAO 的濾波來消除振鈴效應。不過雖然框架相同，H.265 在技術上卻進行了相關優化：
-
H.264 塊的尺寸是從 16x16 擴充套件到 H.265 的 64x64，這是一個指數級的塊的複雜度的提升；
-
H.265 幀內的預測方向提升到了 35 種。因為 H.265 是針對高清的，包括 1080P、2K、4K，最高到 8K，這種圖片的尺寸會比較大，所以它可以分大塊，對於那些變化不明顯的大塊影象區域，可以用更大的塊尺寸，可以在預測環節減少分塊帶來的複雜計算。對運動向量也做了優化，並且對亮度和色度差值演算法變的更復雜；
-
加入了平行計算，因為複雜度提升了很多，而且目前計算機行業的並行技術發展的也很好，所以在視訊編碼標準制定的時候加入了並行的優化，來節省編碼時間。
這些優化功能可以通過設定引數來進行調整。
AI視訊雲
AI 技術的加入，讓使用者對視訊的內容、檢索、個性化推薦、等等個性化設定上都有更大的選擇和便利。
AI 視訊雲通過結合新型算力生態、邊緣計算和低功耗 AI 視訊晶片等前沿技術，由 AI 進行有效資訊的快速提取和構築，進而減少人力、物力、時間的損耗。
其中邊緣計算讓服務的計算能力更接近於使用者，它的基本理念是將資料的處理、應用程式的執行，甚至一些功能服務的實現，由中心伺服器下放到網路邊緣的節點上，從而有效得減小計算系統的延遲，減少資料傳輸頻寬，緩解雲端計算中心壓力，提高可用性，保護資料安全和隱私。
與上面所提到的窄帶高清不同，AI 視訊雲更致力於打造全生命週期的，雲邊一體化視訊服務。一般會從以下幾個方面提供服務：
-
快速產出視訊：提供視訊錄製、編輯、播放為一體的內容生產解決方案。
-
完美相容不同格式、時間的資料：針對大資料和物聯網背景下的資料儲存需求，提供非結構化資料雲端儲存 USS、融合雲端儲存等物件儲存服務。同時提供快速遷移服務，避免使用者被資料所困，幫助使用者掌握資料主權。
-
對於海量資料進行智慧分析：基於新型算力生態、邊緣計算和低功耗 AI 視訊晶片等前沿技術，對 AI演算法進行持續訓練，讓 AI 形成對特定場景的視訊理解能力和視訊結構化分析能力。有效且快速地提取有價值的結構資訊，免除大量人力、物力和時間的損耗
-
降低成本，提升效率：針對多媒體資料，能有效降低 40-70% 視訊大小，同時提供智慧視訊還原等多種前沿技術。讓使用者不再需要自建服務和功能，隨需隨用，大幅降低開發成本。
-
避免運營商差異，完成快速分發：依託雲服務商大量的節點分部，覆蓋全部運營商，同時提供智慧排程和邊緣快取功能。能針對應用內容快速分發，提高網站響應速度。
那麼 AI 視訊雲和窄帶高清又有什麼差別呢？
相比窄帶高清，AI 視訊雲的使用更加方便，使用也能更加貼合用戶場景。依託於 AI 的智慧特性，AI 視訊雲會不斷進行自動調整，不會出現更新換代的問題。