从古代的飞鸽传书，到近代的电话、电报，再到现代的语音、视频通话，随着通信和网络技术的迭代升级，人们对于信息传播的要求越来越高。
在信息传播的高要求下，实时音视频逐渐走入人们的视野，在市场的作用下，发展成为一个潜力巨大的赛道，让无数创业者、资本为之瞩目。
在过去的十年间，不仅有AWS、阿里云、腾讯云、网易云信等互联网巨头背景的厂商基于实时音视频发力，诸多如声网agora、容联云、融云等初创“新秀”也纷纷登场。
如今，实时音视频技术的应用场景已经随处可见，从游戏场景“吃鸡”、电商场景直播连麦、教育场景授课答题，再到金融场景银行视频开户等都有它的身影。
实时音视频赛道的崛起，与技术升级和市场环境因素密不可分。例如5G技术加速了实时通信的基础设施的完善；疫情催生了线上教育的崛起带动了在线教育场景的应用。
但在变化频频的2021年，该赛道正在悄悄发生改变。
01 互联网的底层新基建
“卖话筒的都开始拓展音视频业务了。”一位知乎网友吐槽道。
毋庸置疑，实时音视频市场，正处在时代的风口上。然而，正如罗马不可能一天建成，实时音视频的风口也不可能随地而起。
“实时音视频”并不是一个生活中会被刻意关注的名词，少有人料到，如今的实时音视频已经成为互联网“煤水电”般重要的存在。
毕竟当年QQ、微信也有实时音视频功能，直播、网课也曾风靡全网，但却也不及现在的发展势头。
那么这样一个如此细分垂直的赛道是如何崛起的？
实时音视频的兴起，最早可以追溯到2013年左右，那时，以声网为代表的玩家开始探索实时音视频技术。在此之前，由于网络技术、通讯技术的不成熟，彼时的实时音视频技术“不尽人意”，以至于不被大众所接受。
之后，在2015-2018年期间，paas、saas公司如雨后春笋般涌出，出现创业热潮。这种商业模式的出现一定程度上让创业者们发现了一些类似实时音视频这样的“利基市场”。尤其在2015年左右，行业投融资金额和数量达到局部高点。其中即购、网易云信、保利威等近40家企业在这期间入局实时音视频赛道并先后完成融资。
然而真正的行业爆发，其实是得利于市场环境和技术革新的双重作用力。
在市场环境方面，疫情使得企业线下活动被迫迁移线上、大量企业采取远程办公的模式代替线下办公方式、学校开办“云”课堂……使得实时互动需求猛增。
据咨询公司IDC数据披露，2020全年，中国视频会议市场规模较同比上涨18.9%，达到约65.2亿元人民币，呈现爆发式增长。
另外，线上教育场景的市场规模也迎来划时代性质的增长趋势，相关数据显示，2020年中国教育实时音视频市场规模较2019同比增长46.9%，达到47亿元。
作为实时音视频的重要应用场景，视频会议、线上教育无疑将对实时音视频市场的增长产生里程碑式的影响。
在技术革新方面，工信部于2021年发布《5G应用“扬帆”行动计划（2021-2023）》，明确目标2023年，我国5G应用发展水平显著提升。其高速率、低延迟、大容量的网络特性有助于推进实时音视频行业的变革。
在高清通信市场规模迅速扩大的情况下，可以更好地满足实时音视频行业对高画质、低延迟等底层技术的需求。
可谓“天时、地利、人和，缺一不可”，实时音视频服务商正是赶上了好时候。
据中国互联网协会发布的《中国互联网发展报告（2021）》显示，2020年我国互联网网络实时音视频规模达到了2412亿元，包括综合视频、短视频、网络直播、网络音乐等领域用户规模持续增长。
总体来看，实时音视频行业正在支撑着市场规模万亿元级别的电商、社交、泛娱乐行业，已经成为互联网产业的底层新基建之一。
02 风口，也对应危机
对于正处于早期阶段且还在高速发展的音视频赛道而言，发展过程中也面临诸多困境。
作为音视频第一股的Agora声网亦是如此。“在技术手段上声网还处于相对比较早期的阶段，实际上未来体验会更沉浸化、更现场化，如果按这个标准，我觉得我们可能刚刚及格。”创始人兼CEO赵斌Tony曾说。
事实上，不只是声网，整个音视频赛道的玩家都面临着技术瓶颈。
首先是低延迟，如果要实现比较流畅的实时互动，那么单向的端到端的迟延大概要在400毫秒以下才能保证流畅沟通。但事实上多个阶段的数据处理、传输的过程中都会产生延迟，这个数值很难达到。
例如在前段时间的云栖大会直播现场，同一个观看直播的大厅内，两台直播屏幕的视听并不能同步，听觉上有“回音”似的体验，而这两台直播屏幕，仅隔三四米。
在实际环境中，还要考虑边缘节点的部署、主干网络拥塞、弱网环境、设备性能、系统性能等问题，所以实际的延时会更大。所以在网络条件限制下，“低延时”以目前的技术很难达到最大化。
另外是回声消除的问题，回声的产生是扬声器播放的声音经过环境反射被麦克风重新采集并传输给对方，这样对方就会一直听到自己的回声，整个互动体验会很差。
然而要解决这一问题并不简单，就拿设备无法统一这一点来说，就十分棘手。
设备会极大的影响回声消除，比如国内某手机厂商，从麦克风采集音频数据到提交中间有将近一百毫秒的延迟，这时回声消除算法如何适应这么长回声延迟的手机就很关键。再比如很多用户在直播中都会用外置声卡，甚至是模拟器，这无形中也会带来回声的延迟。
除了设备，场地同样存在很大的相关性，对于普通会议室，设置 40米的回声延迟可能已经足够了，但一些大会场这种回声延迟能达到将近上百米，这也是一种挑战。虽然各大服务商都积极给出具体解决方案，但大多无关痛痒，效果并不明显。
除此之外，音视频赛道目前在流畅性、海量并发等诸多方面存在诸多技术痛点。
总体而言，音视频赛道的技术天花板已经显露，很难作出0到1的突破性技术，所以目前整个音视频市场服务商们的技术水平相差并不多。这也意味着，身处这一赛道的服务商们，想要通过技术创新来获得坚固的护城河并不现实。
凡事无绝对，虽然在技术方面很难获得突破性的创新，但通讯技术、网络技术还在进一步成熟，正在实施的5G，都将为信号传输范围、信号稳定性做出保障。
例如网易云信前段时间推出的WE-CAN全球智能路由网络，就是依托于当下相对成熟的通讯技术，通过建立去中心化网状互联，在全球各个地区之间搭建最优的网络传输通道，实现可以为99.9%的通话提供无卡顿实时音视频服务的效果。
此外，在技术之外，服务商们将目光锁在了应用场景上。不可否认的是当下大众层次和企业层次，确实都已经在进一步接受实时音视频的应用范畴，这点从2020年爆火的在线教育、在线会议、远程医疗、直播+等等方面都有所体现。
不过市场环境的变化无法预测，难免一些应用场景会受到政策等因素影响。
最直接且最深刻的例子，就是“教育双减”，直接影响了实时音视频重要的发展领域—在线教育。
前段时间，中共中央办公厅、国务院办公厅印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》，学科类培训机构一律不得上市融资成定局。
这一份文件的下达，直接将曾经在线教育领域中市场规模最大、资本开发最为火热的K12教育封杀，让实时音视频失去了一个极具发展前景的途径。
还有就是前段时间，有关部门前段时间出版署《关于防止未成年人沉迷网络游戏的通知》的相关规定，严格地限制了未成年人用户的游玩时间，也加大了对于未成年人游戏消费的干预力度，打压了一部分泛娱乐领域的野蛮发展。
而泛娱乐又是实时音视频一直服务的重点领域。可以确认，泛娱乐在此次受到打压之后，势必会在短期内影响实时音视频的市场。
正所谓“成也萧何，败也萧何”。虽然市场环境和技术革新推动了实时音视频迎来行业大爆发，但同时也让这个赛道“危机四伏”。
03 拐点已至：奔向 “元宇宙”？
众所周知，技术层面所带来的问题，需要长时间的研发实践才能有所突破。所以企业想要破局，应该先从应用场景方面寻找突破口。
一个TO B行业内的共识是，对于实时音视频赛道的客户而言，系统切换成本有些高，一般客户不希望换，越来越多的客户在用2家互相备份，大的平台甚至3家以上，有的还自研一套系统。
基于此一条较为明确的路径是，早早布局主要应用场景，利用先发优势，积累客户，从而可以获得较多的市场份额。
不能忽略的是虽然受到市场环境的影响，但音视频技术正在被应用在越来越多的场景下，拥有着越来越多的可能性。
其中，最近较火的就是Roblox与Facebook追捧的“元宇宙”的概念。目前，后者成为很多人对于虚拟世界的终极幻想。
“元宇宙”是一个极其宽泛的概念，其中的应用场景众多，每个场景所需要的服务也尽不相同，社交、购物、金融等所有领域。
像是在 VR/AR/MR应用场景中，用户往往会遇到跨区域、跨国协作的情况，因而网络情况会更为复杂。所以为全球任意国家/区域用户提供高速网络服务尤为重要。
再比如虚拟场景对于音频的“空间感”要求很高，举例来说，在竞技游戏或虚拟办公场景中，你需要通过脚步声感知其他用户的距离和方位，而空间音效可以让用户更有身临其境的沉浸感。
可以发现，在“元宇宙”概念下的应用场景，都离不开实时音视频技术。“元宇宙”的应用场景实现，实时音视频是其中一个重要基础。
但在一切尚未成型的实时音视频领域，仍有着很多未知的变数。
其中，实时音视频赛道存在大量的跨界玩家，既有腾讯云代表的互联网巨头，亦有Twilio代表的CPaaS厂商、ZOOM代表的视频会议厂商等多方的竞争，尤其在“元宇宙”概念大火的背景下，互联网巨头绝不会对这块巨大的蛋糕视若无物。实时音视频服务商要想突围并不容易。
众所周知，互联网巨头往往技术成熟，生态构建能力强，资金充足，加之有较强的行业渗透能力，下场之后很容易对该赛道“造血”能力不足的初创企业形成降维打击。
由此可能会形成“大鱼吃小鱼”的竞争格局，初创企业或将面临夹缝中生存抑或是被并购的结局。
可是在商业范畴内，弱小本就是原罪。风口带来了机遇，自然也带来了新的挑战。
随着越来越多服务商在这一“黄金赛道”布局，将不断有更多新的实时音视频产品涌现，而较早入局且掌握核心竞争力的服务商，必将奔涌长流。
