騰訊雲李鬱韜談世界盃直播：AI 首次大規模走進生產，雲廠商卡位多模態 Harness

# 騰訊雲李鬱韜談世界盃直播：AI 首次大規模走進生產，雲廠商卡位多模態 Harness

## AI 全面滲透賽事直播，從畫質到剪輯全自動化

剛剛落幕的美加墨世界盃，成為 AI 大規模進入直播生產的關鍵轉折點。騰訊雲副總裁、國際產品技術負責人李鬱韜在近期採訪中指出，本屆世界盃中，騰訊雲撐起了全球 17 個國家和地區的官方賽事直播，覆蓋亞太及國內三分之二的官方授權平台。更值得關注的是，畫質增強、智能導播、自動剪輯、橫轉豎、質檢溯源等大部分環節，已經由 AI 全自動完成，不再需要大量人工干預。這不僅是一次技術升級，更標誌著 AIGC 從概念驗證正式邁入大規模生產應用的實戰階段。 ## 從生成到交付，騰訊雲提出「多模態 Harness」概念

面對這場 AI 直播盛宴，李鬱韜把騰訊雲在其中的角色定位為「多模態領域的 Harness」——即「駕馭工程」。他強調，團隊關注的重點不在於模型本身如何生成內容，而是從內容生成到穩定交付給終端用戶之間的整條產業鏈路。這包括預處理、質檢、拼接、轉碼、分發、格式適配等環節，每一個步驟都可能成為影響直播體驗的瓶頸。多模態大模型固然強大，但單一模型往往只能解決部分問題，真正要讓技術落地，必須有人把底層工程做到位。 ## 客戶痛點倒逼雲廠商補足底層能力

李鬱韜觀察到，在生成式 AI 浪潮下，多媒體應用正面臨多重挑戰，尤其直播、點播、媒體創作、互動場景，受限於網絡傳輸、畫質、用戶體驗及各類特性的疊加，許多廠商在對接新模型時接連碰壁。「很多廠商看到新的多模態大模型，第一反應就是全部對接一遍，今天接這家，明天再接那家，但對接完一定會遇上各種問題。」他透露，從客戶反饋中提煉出的共性訴求是：需要有人把底層全部做好，讓客戶能更專注於業務創新和上層應用。對於騰訊雲這樣深耕音視頻的 PaaS 服務商來說，這正是必須啃下的硬骨頭。 ## Tencent Cloud WAND 問世，自研模型與 AI 能力覆蓋全鏈路

為回應市場需求，騰訊雲音視頻早在今年 6 月的 AI 產業應用大會上就發布了 AI 品牌 Tencent Cloud WAND，構建起 6 大自研媒體專用模型與 60 餘項 AI 能力，覆蓋內容生成、理解、處理、編碼全鏈路。這些能力專門針對電商、短漫劇、教育、賽事直播等垂直場景進行訓練，目的就是讓模型能夠真正在生產環境中發揮作用。李鬱韜指出，團隊實際上從去年就已開始打造多模態領域的 Harness，今年隨著生成式視頻模型大量出現，業界對 Harness 的理解也愈發趨同，驗證了這個方向的正確性。 ## 視頻生成賽道競爭白熱化，國內雙寡頭格局浮現

放眼整個市場，視頻生成已被業內視為繼 AI Coding 之後第二個跑通商業閉環的 AI 變現場景。今年以來，音視頻大模型賽道競爭驟然加速。國內方面，字節跳動旗下 Seedance 與快手可靈 AI 形成了「雙寡頭」格局。公開數據顯示，今年 3 月可靈 AI 的 ARR 已逼近 5 億美元，一年內增長 4 倍；而 Seedance 2.0 上半年的 ARR 傳聞高達 20 億美元，雖然字節方面闢謠稱數據「偏高且與實際不符」，但也明確表示該產品已跨過「生產力質變點」門檻。海外方面，OpenAI 今年 3 月宣布停止 Sora 獨立 App 與 API 服務，退出了消費級 AI 視頻生成市場，留下更大的企業級服務空間。 ## Harness 生態位不會被繞過，供需差創造持續價值

面對模型能力的高速迭代，李鬱韜坦言團隊內部一直在討論一個核心問題：當從生成到交互之間的鏈路被不斷壓縮，Harness 這樣的生態位是否會被忽略甚至繞過？經過至少半年的觀察，他的判斷是「不會」，而且 Harness 的重要性還會持續加強。他解釋說，如果把大模型視為後端的生產力，生產力提升將顯著刺激前端應用需求的增長，且需求增長的廣度始終強於生產力本身的提升。「模型永遠滿足不了最終用戶的極致需求，中間始終存在一個供給關係差，這正是 Harness 存在的必要性。」

## 兩大機會點浮現：體驗重做與快速模型應用

在李鬱韜看來，騰訊雲卡位多模態 Harness，最大的機會來自兩個方面。第一，很多音視頻場景的體驗都值得用 AI 重新做一遍，從直播互動到點播觀看，用戶體驗的提升空間還很大。第二，未來將有更多、更強、更全面的模型不斷湧現，如何快速把這些模型應用到企業級的生產服務中，讓終端用戶即時感受到最新大模型帶來的體驗升級，正是 Harness 要解決的問題。他強調，整個生產流程和工具鏈條會變得格外重要，誰能把最新模型以最低成本、最高效率落地到客戶場景，誰就能佔據主動。 ## 推理算力需求激增，AIGC 進入大規模生產應用

自去年以來，整個 AI 算力市場已經從訓練向推理傾斜，不少廠商構建推理算力的開銷已經超過訓練投入。這意味著大量 AIGC 應用開始真正進入大規模生產階段。在國內，短劇、漫劇製作是典型場景，目前已大量使用多模態技術完成內容生產。李鬱韜表示，隨著 Agent 時代到來，相關能力還將與音視頻智能體、AI 硬件、具身機器人、雲手機等深度結合，依托騰訊雲的全球基建與邊緣推理，支撐 AI 應用快速走向全球、就近上線。 ## 出海場景聚焦 ROI，多模態技術將如大語言模型般普及

騰訊雲音視頻總經理李志成補充指出，無論是短劇、漫劇還是電商、工具類場景的出海，客戶前期可能更關注效果與影響力，但到了中後期，ROI──也就是到底能不能盈利、能產生多少價值，成為最核心的考量。他觀察到，現在被問得最多的問題圍繞短劇和電商工具的使用，未來 1 到 2 年內，多模態技術預計會像大語言模型一樣快速普及，從少數垂直行業擴展到絕大多數企業，成為日常工作中的基礎能力。騰訊雲音視頻作為出海的「排頭兵」，近三年海外業務保持兩位數增長，在收入與市場份額上均居行業第一。 ## 跨界合作延伸：從直播到具身智能遠程操控

值得一提的是，騰訊雲 Harness 的落地場景正從純粹的內容直播向外延伸。李鬱韜介紹，團隊已與逐際科技等多傢俱身智能企業及無人清掃車企業展開合作，孵化出 TRRO 遠程實時操控解決方案。這套方案實際上是一個遠程數智人系統，專門解決弱網情況下人工介入機器人時所需的低延時穩定通信與音視頻數據回傳問題。這些探索表明，多模態 Harness 的能力不僅服務於內容生產與分發，也能在物理世界中支撐更複雜的人機協作場景。 ## 未來競爭三方向：算力、數據與應用生產端

展望未來，李鬱韜把雲廠商在多模態領域的競爭歸納為三個方向。第一是多模態訓練與推理算力，與語言模型不同，多模態領域很大比例投入在理解和生成上，未來端到端的語音交互與視頻生成將對算力基建提出更高要求。第二是存儲與數據積累，多媒體對存儲穩定性及數據清洗、處理的需求遠高於文字，訓練前需要大量跨模態數據的預處理工作。第三是應用生產端，雲服務商能否提供更面向終端的推理服務與綜合處理應用，將直接影響客戶的選擇。他強調，在創新趨勢中產生的需求，如何用最佳運營方式幫助客戶滿足，對騰訊雲而言同樣是關鍵勝負手。

從世界盃直播的 AI 大規模應用，到多模態 Harness 的理念落地，騰訊雲正試圖在快速變化的生成式 AI 版圖中，找到屬於雲廠商的核心價值錨點。隨著模型能力持續進化、應用場景不斷拓寬，這條「駕馭工程」的賽道，或許將成為雲計算行業下一個重要戰場。