财联社7月26日讯（记者 付静）刚刚落下帷幕的美加墨世界杯，腾讯云支持了全球17个国家和地区官方赛事直播，并覆盖了亚太以及国内三分之二的官方授权平台。

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财联社记者采访时透露，此次世界杯AI首次大规模进入直播生产。其中，借助腾讯云的技术支持，画质增强、智能导播、自动剪辑、智能横转竖、质检溯源在内的大部分环节得以由AI全自动完成。

世界杯赛事直播支持仅为当下快速发展的AI时代AI生成内容开始进入大规模生产应用的一个案例。

李郁韬告诉财联社记者，腾讯云致力于开展多模态领域的驾驭工程（Harness），即对从模型生成到稳定交付给用户之间包括预处理、质检、拼接、转码、分发以及格式适配等在内的一整条产业链路予以关注。

模型与用户需求之间的供给关系差

李郁韬观察到，在生成式人工智能的发展下，多媒体应用面临多重挑战。特别是在直播、点播、媒体创作以及多媒体互动等应用领域，这些应用受到网络传输、视频画质、用户体验以及各种特性的叠加影响，单一模型只能解决部分问题。

他介绍，“许多厂商在看到新的多模态大模型之后，第一件事就是把它们全部对接一遍，今天对接这家，明天出新的再去对接。对接完毕后，他们一定会发现这样那样的问题。如果每一家遇到的都是同样的问题，我们从客户反馈中得出一个共性诉求，那就是应该帮他们把底层全部做好，让他们能够更专注于业务创新和上层应用。如何识别用户需求、找到能够解决需求的模型，并且修补模型天然的一些缺陷，再把最终的服务提供给用户，这是我们作为云服务厂商，特别是音视频PaaS云服务厂商，所要追求和解决的挑战。”

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AI品牌Tencent Cloud WAND，该品牌构建了6大自研媒体专用模型以及60+项AI能力，全面覆盖内容生成、理解、处理以及编码的全链路。其中，WAND专门为电商、短漫剧、教育以及赛事直播等垂直场景进行了训练，覆盖了媒体内容生产的全链路场景。

李郁韬表示，腾讯云将把所有模型串连起来，不仅包括大语言模型，也包括多模态模型，甚至还包括一些小参数量的画质提升模型和小参数量的应用模型。团队去年已经开始在多模态领域开展Harness工作。今年生成式视频模型开始增多，对Harness的概念和理解也变得更加一致。

值得关注的是，视频生成被业内视为AI Coding之后第二个跑通商业闭环的AI变现场景。今年以来，音视频大模型领域竞争加速，行业格局加速洗牌。

国内，厂商商业化进程迅猛，字节旗下Seedance，快手可灵AI形成AI视频生成赛道的“双寡头”。据公开数据，今年3月可灵AI的ARR近5亿美元，一年内增长4倍。

媒体报道称，至上半年，Seedance 2.0 ARR已达20亿美元。字节方面辟谣称这一收入数据偏高，与实际不符，同时明确提及Seedance 2.0已跨过生产力质变点门槛。

In overseas markets, however, in March OpenAI announced the discontinuation of Sora's standalone app, API interfaces, and the built-in video functionality in ChatGPT, thereby exiting the consumer-level AI video generation market.

李郁韬谈到，做To B的产品和解决方案，生态合作是摆在第一位的战略选择。

同时他坦言，团队内部也在讨论，以后从生成到交互之间的链路被压缩以后，Harness这一生态位是否将会被忽略、绕过。

对此他谈到，至少在过去半年，我们观察下来发现甚至Harness的重要性还会加强，如果把大模型当成后端的生产力，那么生产力的提升会显著刺激前端应用需求的增长，而且需求增长的广度会一直强于生产力的提升，大模型永远满足不了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。

In Li Yutao's view, Tencent Cloud's positioning of multi-modal Harness holds the greatest opportunity in that many video audio scenarios merit a complete redesign. The second opportunity point lies in the fact that more powerful and comprehensive models will emerge in the future, and how to rapidly apply these models to enterprise-level production services so that end users can experience the latest large-model performance is the issue that multi-modal Harness must address. It will be necessary to continuously apply the latest models to the front end of customer services, and the entire production process and toolchain then become crucially important.

李郁韬注意到，自去年开始，整个AI算力已经开始从训练往推理倾斜，这也意味着很多厂商构建推理算力的开销已经超过训练投入，进而使得很多AIGC应用开始进入大规模生产应用。国内，短剧、漫剧制作是典型场景，目前已大量使用多模态技术做生产。

In a report by a reporter from Lianhe Caijing, video and audio solutions for Tencent Cloud have served as the vanguard for the company's overseas expansion, ranking first in the Asia-Pacific region in terms of revenue, market share, and industry reputation. Over the past five years, Tencent Cloud has made internationalization a key strategic focus, investing substantial business resources and infrastructure development to build reserves and layouts overseas. The company disclosed that its overseas business for Tencent Cloud has maintained double-digit growth in the past three years.

腾讯云音视频总经理李志成在接受财联社等媒体采访时提到，不管是短剧漫剧还是电商工具类场景出海，前期客户可能关注效果关注影响力但中后期都很关注ROI即到底能不能盈利能产生多少价值现在我们被问得最多的就是短剧电商工具的使用我觉得未来1-2年会慢慢普及很多用户企业都会用起来就跟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全普及了成了大家工作中的一部分。

财联社记者获悉，随着Agent时代到来，腾讯云前述能力还将与音视频智能体、AI硬件、具身机器人、云手机结合，依托全球基建与边缘推理，支撑AI应用快速跑向全球、就近上线。

李郁韬介绍，目前团队已与艾欧等多家具身智能企业以及无人清扫车企业开展了合作，并已孵化出TRRO远程实时操控（远程数智人解决方案）。该解决方案旨在解决弱网情况下机器人在人工介入时的低延时稳定通信以及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。

第一，多模态训练与算力。“不同于语言模型的训练，多模态领域的投入很大比例仍集中于多模态理解与生成方面。未来将出现大量端到端的语音交互以及端到端的视频生成，这将对算力提出要求，对云厂商本身的基础设施投入也较大。因此，训练与算力将成为未来竞争的一个点。”

第二，存储与数据积累。多媒体相比文字，存储需求更高，对存储稳定性以及数据清洗和获取的要求也有所不同。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，训练前要做的处理都与语言文字类不一样，这正是云厂商需要构建的竞争力之一。

云服务商向最终客户提供推理服务以及综合处理应用能力，这一举措对云厂商能否被客户选择产生重要影响。在创新趋势中产生的需求如何通过运营端以很好的方式来帮客户满足这一点对腾讯云来说也非常重要。

来源：对话腾讯云副总裁李郁韬：AI大规模走进世界杯直播生产 腾讯云卡位多模态Harness | 财联社