至顶网CIO与CTO频道 11月07日 北京消息:互联网流量正以平均每年26%的速度增长。2017年以来,视频流量在整个互联网流量的占比一直处于高位。从2017年的75%,到现在的约80%, 到2022年预计超过82%的互联网流量将来自于视频或者包含视频的应用。
2019年,每月约200EB的互联网流量里80%来自于视频,到2022年,这个数字将会翻倍,这个巨大的数字所代表的商业价值不言而喻。
腾讯多媒体实验室专注于多媒体技术领域的前沿技术探索、研发、应用和落地。积极贡献国际国内行业标准制定,包括多媒体数据压缩、网络传输协议、多媒体系统和开源平台等。
腾讯多媒体实验室打造三大核心能力,第一、音视频编解码、网络传输和实时通信;第二、多媒体内容处理、分析、理解和质量评估;第三、沉浸式媒体系统设计和端到端解决方案。腾讯于2018年开始参与VVC标准制定,迄今为止已经向标准组织提交超过250个技术提案,其中约70个技术提案已被标准采纳。
编解码技术是数字时代视频应用不可缺少的环节,视频编解码的效率直接影响着一个产品或者一套解决方案的效率、成本、品质甚至是成败。
尽管压缩效率非常重要,但并不是所有人都在使用压缩效率最高的编解码格式,因为不同的应用场景对视频编解码器的需求侧重有所不同。腾讯杰出科学家、腾讯多媒体实验室总经理刘杉表示,在质量、延迟、带宽、成本之间寻找一个最优平衡点是我们努力的方向和目标。
腾讯杰出科学家、腾讯多媒体实验室总经理刘杉
同时AI也已经渗透到多媒体数据压缩、数据处理、数据传输整个链路中,例如数据处理中的,视频画面增强、降噪、锐化、超分、倍增等,以及数据压缩和传输的效率提升。
云游戏是以云计算为基础的游戏方式,在云游戏的运行模式下,所有游戏都在服务器端运行,并将渲染完毕后的游戏画面压缩后通过网络传送给用户。在客户端用户的游戏设备不需要任何高端处理器和显卡,只需要视频解压缩能力。
云游戏商业化面临一个挑战就是高成本,刘杉说道,其中最大的成本来自于带宽 34%,其次是GPU 27%。视频编解码器的优化将有助于大大降低云游戏的带宽成本,推动云游戏商业化。
到了5G时代,让更多应用触手可及,使得万物互联成为可能,在5G的影响下,媒体内容的生产、获取和传播方式都在发生变化。
“4K、8K、VR、AR、MR、点云在过去因为受限于网络带宽的应用,在5G的推动下可能会迎来突破。”刘杉说道,5G的低延迟特性还将触及医疗和其他一些倚赖高速连接和互动的领域,例如远程手术和自动驾驶。
互动沉浸式媒体也将在5G时代迎来爆发,其应用领域非常广泛,包括文旅、教育、影视、泛娱乐、安全、零售等很多垂直行业。
腾讯多媒体实验室也正围绕着腾讯的业务并在不同垂直行业进行应用。例如腾讯多媒体实验室与腾讯云合作的“一部手机游云南”项目,其提供了裸眼VR全景技术,结合白沙细乐、热美磋等多项云南非物质文化遗产内容,为云南旅游景点提供精细化导游导览方案。通过此项技术,游客可跨越时空限制,用一部手机即可随时随地观看演出,身临其境感受当地文化魅力。
多媒体实验室还联合腾讯视频和腾讯云推出AI智能云剪辑,在最短时间内将十一阅兵中精彩片段进行拆分和剪辑。腾讯多媒体实验室和腾讯云正在研发的智能场记解决方案,运用深度学习技术结合信号处理理论,对视频内容进行高级语义理解,并已经在体育赛事等场景取得阶段性成果。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。