AI寸進成本怪圈下，視訊內容產業的最優效率區間在哪？

近年來在技術對人生活的改變中，內容消費的變化算是感知最深刻的一項。從在短視訊App日均使用時長達到了驚人的一小時以上，到去年中國線上直播使用者規模達到3.98億。從文字時代到視訊，傳播媒介的驟變也帶來了產業的興盛。中商產業研究院調研報告顯示，在2018年直播產業的市場規模已經突破了500億元。短視訊行業更是吸引了BAT這類巨頭和創業企業一齊參戰。但不論是直播還是短視訊，視訊內容的產業發展是有進化途徑的，我們可以看到經歷過了激烈的競爭和內容監管風波之後，視訊內容產業已經呈現出了明顯的變化。

迴歸內容本身，視訊內容產業在冷靜期蝶變

近年以來，視訊內容產業正在迴歸冷靜，直播產業的競爭以虎牙和映客的上市暫告一段落。短視訊產業則在年中遭遇了一系列的倒閉、下架和約談。

進入冷靜期後，在失去了以資本追逐為目的PR造勢，也停止了競爭期對使用者及內容創作者的補貼，視訊內容產業開始越來越迴歸內容本身。

於是視訊內容產業開始尋找手邊的零件，試圖搭建起足以形成驅動力的內容工具。

首先是對內容來源的賦能。

大量直播和短視訊平臺開始培養自己的主播公會和MCN機構，將這些高質量內容創造者維繫在自己的平臺上。另一方面平臺開始加強AI、AR方面的技術支援，幫助使用者創造出更有趣的視訊內容。

同時還有對於內容推薦的加碼。

隨著時間發展，平臺上的視訊內容只會越來越龐雜。想要高效的抓住使用者注意力，必然要在內容推薦上下功夫，不斷用使用者感興趣的內容黏住使用者的時間。大多數平臺會選擇智慧推薦，其中內容理解和實時使用者行為捕捉的演算法能力，對於智慧推薦的結果有著很大的影響。

最重要的，還有對內容稽核的關注。

在經歷過溫婉、莉哥、陳一發兒等幾位頭部主播的禁封風波後，關於色情、恐暴、不當行為的內容稽核幾乎已經成為了產業的阿克琉斯之踵。可以看出監管部門對於這些問題的容忍度很低，對於很多出過問題的主播進行了封殺。而對於平臺來說，流失一位大主播，幾乎就是流失了一部分生命力。如果因為相關問題造成下架和被點名，更會對資本估值有著致命的傷害。於是除了影像識別、多模態識別等等AI技術進行自動化稽核外，很多平臺還要加入人力編輯進行監督。甚至某些平臺還曾公開招募幾千名黨員進行內容稽核，可見面對相關問題已經無所不用其極。

寸進成本怪圈，為什麼AI讓視訊內容產業入不敷出？

在蝶變之下，視訊內容產業的確在加深對使用者的理解和內容安全的重視程度。可同樣，變化的代價意味著平臺方更大的成本支出。

我們可以舉例對比一下，2015年、2018年直播平臺分別都要做些什麼。

在2015年，當時的直播平臺幾乎只需要搭建好平臺和禮物變現模式，吸引到頭部主播公會，讓他們自行製造內容，就可以吸引流量推動平臺上的生態執行。時不時舉辦一些打榜活動，還能吸引到不少土豪為主播一擲千金。以免費禮物的方式對於使用者進行一些補貼，還能快速收穫流量。

而2018年的直播平臺，一方面平臺方需要競爭簽約優質主播、甚至參與到內容策劃中來，另一方面還要對運營資料進行挖掘，提升內容稽核和智慧推薦能力。否則隨著內容越發龐雜，使用者在冷啟動時遲遲看不到自己想看的內容，很有可能就會拋棄平臺。或者內容安全上除了什麼問題，還會有被下架禁封的風險。

這麼看來，我們可以看到視訊內容產業開始陷入了一種“寸進成本”怪圈：和早期簡單的搭建平臺、補貼使用者相比，今天的視訊內容產業卻要做AI技術研發和內容精細運營兩件事。

這兩個方向無一不需要大量的人力投入，同時不存在任何概念上的重疊。最近還有新聞說，機器學習專業應屆生的薪資已經達到了幾十萬。也就是說企業很可能每年付出幾百萬的人力成本，只為了提升智慧推薦和稽核的精準度，仍然並不能保證內容來源本身的穩定和優質。如此複雜的投入，可能僅僅也只能獲得與產業繁盛期持平的收益。

所謂寸進尺退，進行了相關投入，獲得的回報不成比例；可不進行相關投入，很可能造成極大的損失。這種價效比很低的成本投入，就是寸進成本。

於是現在我們可以看到視訊內容產業開始逐漸轉變戰略。一部分企業，例如快手，開始注重於AI技術驅動而減少內容運營，放棄了平臺主播的打造。也有一部分企業，例如鳳凰傳媒旗下的風直播，專注走人工編輯路線，做小而美的精品新聞直播。

但更多企業，選擇與雲端計算企業合作，通過將AI技術部分的工作交付出去而降低寸進成本。像金山雲的一站式AI內容服務金睛，就與映客、花椒等等多個平臺達成了合作。這種方式似乎體現出了一種視訊內容產業內的分化趨勢，平臺專注內容運營，第三方科技企業負責技術搭建。但當內容稽核危及平臺生命線、智慧推薦關乎平臺增長能力時，平臺們為什麼能夠如此放心的接受這種分化？

產業分化初現，AI賦能帶來三種魔力

尋找其中的答案，我們可以從目前主流視訊平臺在AI內容服務上的選擇——與雲端計算廠商深度合作中一探究竟。找其中的答案的過程中，我們可以看看選擇與雲端計算企業合作能為視訊內容平臺帶來哪些收益。

1、 節省了模型訓練上的投入

在視訊領域，最大的特點之一就是資料規模和體量最大化。所以在訓練模型時，不管是對於資料清洗、結構化，還是算力的投入都十分沉重。尤其是直播行業，在流量密集的高峰時期，很可能會短時間內迸發大量AI計算需求。

相比之下，金山雲金睛這樣作為建立在雲端計算企業上的產品，除了有海量底層計算資源儲備以外，還有強大的彈性擴容和資源排程能力。例如短視訊、直播產品在內容安全方面往往需要毫秒級響應速度，在21:00-02:00的業務高峰期時直播併發路數可以達到平時的3-8倍，必須要強大的後端計算資源協調和動態擴容技術才能滿足。雲端計算企業為AI在視訊內容產業的落地提供了從IaaS、PaaS到SaaS層全面的應用服務，技術產品化能力更強，降低了平臺方應用技術的學習門檻。

2、 完善定製化AI能力

術業有專攻，視訊內容方面的AI技術要遠比文字或圖片複雜。聲音的處理、畫面的處理、畫面中文字的處理、評論彈幕的處理……其中涉及的識別物件非常複雜，既包括單一物件的識別，也包括了多物件的跨模態識別。如果視訊平臺選擇自己進行研發，不僅僅可能會影響智慧推薦的精準程度，更有可能因為智慧稽核不力而造成不可挽回的損失。

在這方面，顯然第三方企業更加專業。例如在人才儲備上，金山雲金睛就有超過150人的研發團隊。建立在人才供給和千億級特徵訓練之上，金山雲金睛可以提供人臉檢測、五官定位、活體檢測、語音識別種族等等整套技術方案，幾乎包含了視訊內容產業所遇到的靜態圖片、動態視訊、語音、畫中畫等等大多數情況，從內容的創作到理解再到消費，足以覆蓋內容產品整個生命週期。企業業務的的每一階段，都可以利用上金山雲金睛的技術。

尤其作為在行業擁有眾多合作伙伴雲端計算企業來說，所能獲取的資料標籤會更加全面，可以為客戶提供定製化的AI能力。例如金山雲金睛就可以提供“直播實時AI安全監管服務”、“短視訊AI安全稽核解決方案”、“資訊平臺AI安全解決方案”、“廣電AI視聽解決方案”等等針對不同平臺運營需求的定製化模型。

3、 解決了內容AI的重運營之負

比起以上方面，視訊內容AI技術最大的負擔在於使用者需求和監管政策的持續變化。例如在今年年初PGone被全網封禁時，內容平臺可能要在短時間內就下架所有和PGone有關的音訊和視訊。同時上有政策下有對策，不當內容的釋出者還會不斷的用諧音、拼音等方式躲避稽核。不保持對政策的靈敏感知和對技術的持續投入，是無法應對這些問題的。

在這一問題上，金山雲通過兩步驟戰略建立了一個完整的運營鏈。一方面金睛與國家監管部門持續保持有效溝通，對於監管政策有著更加深入的理解。可以在監管部門新的監管政策下發時第一時間同步調整演算法，內容報警也可以更加準確。幫助平臺及時規避內容風險。

另一方面，金山雲金睛在技術上建立了完整的內容安全體系，可以基於語音分析和深度識別引擎準確識別出變體、拼音組成的不當文字資訊；還可以精準識別兩千餘個違規場景、敏感人物等等；至於在很多直播平臺都難以避免的違禁歌曲上，金山雲金睛的聲音識別可以實現實時語音監控和過濾，對違禁歌曲、不當歌曲進行實時檢測。而這一點幾乎是人力無法完成的，大部分平臺還是以對主播的教育為主。有了AI的助力，則可以把問題的隱患降到最低。

看過這三種魔力，我們可以很容易理解為什麼金山雲金睛在視訊內容產業中如此受歡迎。雲端計算企業AI能力的接入，不僅可以讓平臺集中資源投入到內容運營這樣他們更擅長的領域中來，還能在內容稽核和分發上極大的提升效率，超過人力所能及的範圍。

尋找最優概率區間，視訊內容平臺是否存在共同方向？

其實視訊內容平臺目前面臨的變化，可以用統計學的概念解釋。

在統計學的觀點看來，只要存在不確定性，就不可能存在最優概率。同樣視訊內容平臺面臨的狀況也是如此，有些平臺很早就開始投入技術累積，那他們可能不需要再將自己的技術體系和第三方進行耦合；有些平臺堅持進行人工分發，這種精品模式也不一定能從AI中受益。所以讓整個產業都投入到同一條軌道上顯然是不現實的，倡導AI或不倡導AI，都不是標準的答案。

在複雜的選擇下，我們無法得出唯一的答案，卻可以得出一個答案範圍，也就是統計學上的最優概率區間。

我們的已知條件是，在失去了資本的過度青睞以及流量視窗期之後，視訊內容產業的生長成本正在不斷增加。而金山雲金睛用三種魔力所表達的，是如何利用AI提升內容分發和稽核效率，利用分工減輕企業利用AI的成本。

在“成本增長”這一已知條件下，“提升效率”自然就是我們所能找到的最優概率區間。或許對於AI的利用不是每一家視訊內容企業的必經之路，但一定是整個產業的繼續發展的安全路徑。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31561483/viewspace-2222606/，如需轉載，請註明出處，否則將追究法律責任。