實時音視頻，離打通產業鏈的企業級服務巨頭有多遠？

在線教育十余年的歷程中，經歷了錄播課——直播課——實時互動直播的變遷過程，如今，隨著網絡和音視頻技術的不斷更新以及在線教育產品的不斷創新，線上實時互動的學習方式對很多人來說已不再陌生。在互聯網技術的助力下，在線教育突破了傳統線下教學的諸多限制，將優質的教育資源傳遞給了更多的人，促進了教育公平。

疫情期間，「停課不停學」的號召讓人們再一次意識到線上化技術對于教育的重要性，實時音視頻行業也一度成為風口。而后疫情時代，盡管需求有所回落，在線教育已成為不可逆轉的趨勢。

在線教育與實時音視頻技術密不可分，那么，教育實時音視頻經歷了怎樣的發展歷程？其產業鏈和商業模式如何？實時音視頻技術的難點和未來趨勢是什么？有哪些值得關注的實時音視頻公司，他們的優勢是什么？行業將呈現怎樣的格局，未來競爭的關鍵點是什么？

想了解實時音視頻行業，首先離不開對基礎概念的認知。

實時音視頻，即 Real-Time Communication（簡稱 RTC ），是一種終端服務，為各行業提供高并發、低延時、高清流暢的互動式實時音視頻服務。

實時音視頻技術對「實時性」的要求極高，一般要求音視頻數據傳輸的延時不超過 400ms ，以實現低延時和無卡頓的使用體驗。音視頻數據傳輸目前在互動直播、視頻會議等應用場景中發揮著至關重要的作用，廣泛地應用于社交娛樂、在線教育、金融、醫療等行業。

一個完整的音視頻系統，一般包含音視頻采集，音視頻數據處理，音視頻編碼，音視頻編碼數據的封裝、保存、傳輸和分發，音視頻解碼，音視頻數據處理和音視頻播放和渲染等模塊。而實時音視頻系統相對于普通的音視頻系統，最大的區別在于傳輸時效上要求「實時」，音視頻的處理要達到具體場景要求。

實時音視頻服務商一般以 SDK 的形式提供一整套解決方案。PaaS（Platform as a Service , 「平臺即服務」）層的實時音視頻企業以功能模塊的方式接入需要 RTC 功能的軟件中，而 SaaS（Software as a Service, 「軟件即服務」）層公司則直接以軟件、瀏覽器或 APP 的形式提供實時音視頻服務。

而縱觀實時音視頻和在線教育的發展線，可以總結出以下三個時期：

初創成長期（2015 年之前）：這一時期，在線教育以直播式大班教學為主流模式，實時音視頻云服務剛剛興起。此階段只有部分教育機構試水在線 1 V 1 模式，互動性水平整體較低。

擴張爆發期（2015 年-2018 年）：隨著 2016 年直播元年的到來，直播課成為了教學的重要手段，學生的課堂互動參與感明顯增強。同時，雙師課堂、在線小班課堂相繼出現。而此時的 PaaS、SaaS 公司也出現了創辦熱潮，行業投融資金額和數量分別在 2015、2016 年達到局部高點，行業迅速擴張。

機遇挑戰并存期（ 2018 年至今）：疫情對人們教育觀念的重塑以及 5G 技術的革新，使得實時音視頻在教育行業的應用更加廣泛，接受度更高，實時音視頻應用進入強互動時代。疫情期間，在線教育迎來了第二波高潮，而隨著教培監管政策趨嚴，行業逐漸走向規范化。

數據來源：鯨準、企查查，多鯨教育研究院整理，融資數據截至2021.6.30

快速發展的實時音視頻行業背后，有哪些主推因素？

首先是政策的推動。在國家大力支持下，數字化經濟、云計算產業迎來黃金增長期。2019 年 5G 商用牌照落地標志著中國進入 5G 商用元年，其高速率、低延遲、大容量的網絡特性極大地推動了音視頻行業變革。新一輪降費提速的推進、超高清計劃的發布也為音視頻行業提供新的動能。

核心技術的不斷進步是音視頻行業發展的底層動力。決定音視頻實時互動質量的關鍵因素是網絡和編解碼技術，目前，5G 網絡基建落地以及網絡適應技術的進步有效地提升了網絡傳輸質量，升級的視頻編解碼標準可以在有限的帶寬下支持更高分辨率視頻的編解碼，底層 IaaS 廠商提供的服務逐漸規范成熟。另一方面，AI 技術不斷加速創新并與實時音視頻服務逐步融合，也讓更流暢高清的視覺體驗成為可能。比如，通過 AI 深度學習可以提高分辨率，進而改善實時音視頻的圖像質量，通過算法補償，可以改善實時傳輸質量。

技術之外，教育應用場景不斷延伸，對互動性的強需求催生行業繁榮。互動性是在線教育最大的需求，也是痛點所在。據《新冠疫情期間中小學在線教育互動研究報告》顯示，「互動不充分」是教師認為線上教育存在的最大問題，互動性的提升成為在線教育關鍵。目前，通過語音連麥和視頻連線實時作答是最為常見的互動方式，在這樣的市場強需求推動下，實時音視頻企業不斷在技術和場景應用上打磨和創新，以滿足客戶和終端用戶的實際需求。

除了技術方面的政策，教育實時音視頻服務的發展也不可忽視教育政策帶來的影響。2018 年以來，在線教育監管趨嚴，教育行業經歷了從大力扶持到規范整頓的過程。相關文件法案的出臺對于在線教育不同領域的發展影響不一。K12 教育受到的監管最為嚴苛，短期內面臨著陣痛調整，職業教育、高等教育受益于政策鼓勵，發展勢頭良好。教育行業的新變化無疑對作為底層服務的音視頻行業提出了更高要求，企業需要在打磨自身技術的同時，深入理解教育行業和具體應用場景的需求，把握行業變化和政策趨勢，將挑戰轉化為機遇。

實時音視頻技術現已廣泛地應用在了各行各業，如在線教育、社交娛樂、互動電商、金融、政企服務、IoT、醫療。而與其他場景相比，教育應用場景對實時音視頻技術的要求更高。

為什么這樣說？

一方面，教育場景的「高要求」體現在對延時性、流暢性、互動性及并發性等特征同時具有較高要求；另一方面，相比其他行業，教育行業具有更強的用戶付費屬性，音視頻效果直接影響用戶體驗，進而直接影響其付費和續費決策。因此，在線教育公司需要在音視頻技術上做出更大投入以保證用戶體驗。

數據來源：多鯨教育研究院整理

從教育各細分賽道來看，目前 K12 是實時音視頻技術應用程度最深的領域，主要取決于賽道本身的線上化程度以及師生對「實時互動」的需求。

具體到教育場景，實時音視頻有哪些應用呢？

目前，實時音視頻廣泛應用于1 V 1、小班課、互動大班課、萬人直播課、公開課、雙師課堂等學科培訓教學場景。同時，實時音視頻也正在覆蓋更加個性化的教學場景，尤其體現在素質教育領域，比如，語言培訓、樂器陪練、書法繪畫培訓、編程培訓、精品閱讀等。

每一個細分場景對實時音視頻技術的要求都有所不同，比如，從互動性角度來講，1 V 1 和小班課更注重雙向互動性，而萬人直播課堂更側重單向輸出；從并發性來講，1 V 1 和小班課要求的單場景承載人數一般在幾十人以內，而大班課、公開課有時可達上萬人，對并發性要求極高。針對不同場景，音視頻技術方案也會相應在音質、畫質、延時、多語言、流暢度等不同方面有所調整和側重，力求高效、低成本地匹配特定場景需求。

數據來源：多鯨教育研究院整理

當然，在線教育不僅局限在「課中」這一個場景，而是貫穿于整個在線教育用戶旅程。盡管實時音視頻技術目前主要服務于教師授課場景，解決的是授課過程中師生互動的問題，但隨著在線教育整體解決方案需求的增強，實時消息、互動白板也成為音視頻解決方案的「標配」，與此同時，越來越多的音視頻公司也將服務從「課中」延展至「課前」和「課后」場景，提供如備課、作業批改、數據統計等更加多樣的功能，力圖打造「一站式教育解決方案」。

數據來源：多鯨教育研究院整理

隨著場景復雜度越來越高，教育場景對音視頻技術提出了更高要求。目前，實時音視頻技術難點主要集中在高清晰度、高音質、海內外互通、音畫同步和白板同步、海量并發、低端設備適配等方面，實時音視頻公司正在通過技術升級、算法優化、網絡優化、方案架構調整等方法，應對技術難點，提升技術方案效果。

技術提升的同時，如何與具體場景結合始終是音視頻技術應用的關鍵。在客戶服務過程中，實時音視頻公司需要深入教學場景，理解具體場景中的重難點，提出適配方案。隨著音視頻公司與教育企業合作愈發緊密，場景打磨將愈發深入和成熟，未來有望逐漸實現線下場景的線上復現，全面提升教學效果。

除了當前的技術難點，未來有哪些值得關注的技術趨勢呢？

未來，對音視頻技術趨勢的關注點將主要集中在 AI 應用、5G、低代碼開發等方面。

AI 技術將深刻影響實時音視頻行業，主要體現在兩個方面：對音視頻技術本身的影響和對教育應用場景的影響。

從實時音視頻技術角度來說，當前個性化場景對技術質量要求越來越高，外部網絡環境也愈加復雜，傳統技術難有較大優化空間。因此，很多音視頻企業成立了 AI 實驗室或項目組，專門負責 AI 在音視頻中的應用研究。

AI 在實時音視頻技術中的應用，主要集中在音頻技術、視頻技術和網絡傳輸技術三個方面。音頻方面包括 AI 降噪、AI 語音識別、AI 語音分析、AI 語音增強等。視頻技術則如 AI 超分、AI 摳圖、AI 視覺識別、AI 美顏、AI 補幀算法等。在網絡傳輸方面，AI 自適應 QoS 可幫助提升抗弱網和去抖動能力，AI 智能傳輸可幫助算法補償，應對網絡傳輸中的丟包和數據失真，提升傳輸質量。

AI 技術在教育場景的應用同樣廣泛。比如，在教師端，利用人臉識別，墨水筆識別技術和智能作業批改系統，可將學生的課堂表現透明化，幫助教師進行智能備課、作業精準推送和智能批改。在學生端，通過 AI 情緒識別功能，可生成課堂情緒報告，實現千人千面，提供個性化服務。

5G 時代的到來帶來了又一次通訊革命，5G 的大帶寬、低延時、海量連接等特點，將進一步豐富在線教育應用場景，使得實時通話、連線的使用門檻更低、質量更高、功能更加豐富。音視頻傳輸效果的提升也將進一步影響在線教育體驗，老師和學生的在線交互將更加真實可感，效果將逐步接近線下教學體驗。

AI、5G 之外，另一個值得關注的技術趨勢是 aPaaS。aPaaS 平臺的誕生解決了部分 PaaS、SaaS服務的痛點，成為不少實時音視頻企業的主推服務之一。aPaaS 介于 PaaS 和 SaaS 層之間，相對于 SaaS 產品更加靈活，定制性更強，相比于 PaaS 則更加高效便捷，對開發者要求更低。面對愈發復雜的教育應用場景和多樣化的客戶需求，aPaaS 服務將提供給開發者更為豐富靈活的選擇，提升開發者的接入效率和體驗，因此也成為重要的技術趨勢之一。

根據多鯨教育研究院測算，2021 年教育實時音視頻市場規模可達到近 60 億人民幣，到 2024 年將超過 100 億人民幣。

數據來源：中國科學院大數據挖掘與知識管理重點實驗室、安信證券、專家訪談，多鯨教育研究院整理

市場規模測算背后有這樣幾個關鍵假設：

首先．整體而言，教育實時音視頻市場增速與在線教育增速基本保持同步，疫情階段迎來一波高增長，疫情后增速趨于穩定。

其次，教育實時音視頻市場增長的主要驅動力，一是在線學習人數的增加，二是學生平均在線學習時長的增長，三是在線學習過程中采用「實時」方式互動的師生比例增加。K12 教育的實時音視頻滲透率高于其他子賽道。

最后，在線教育前期階段，由于「實時」需求的不斷增長，教育公司在實時音視頻技術上的投入比例呈增加態勢；后期，隨著底層技術的成熟，投入比例將趨于穩定。

從產業鏈來看，教育實時音視頻服務的上游包括硬件基礎設施、IaaS 廠商、電信運營商和第三方技術廠商等角色，為行業提供硬件設施、網絡服務、計算存儲等資源。中游作為行業主體，由PaaS 廠商和 SaaS 廠商構成，主要提供音視頻通訊產品和接口服務。下游則包括在線教培機構、公立或私立院校和有開發能力的用戶。

數據來源：多鯨教育研究院整理

目前，產業鏈上游各主體已經發展地較為成熟，未來，行業競爭將聚焦于產業鏈中游云服務商（主要包括 PaaS 層和 SaaS 層服務商）的技術能力、服務能力和智能化建設能力。

數據來源：多鯨教育研究院整理

PaaS 服務商主要通過整合網絡、通訊等資源，以 SDK / API 的形式為下游企業提供服務，重視技術和資源的規模效應，通過帶寬的復用實現毛利的增長。PaaS 廠商的核心競爭力在于其技術壁壘，一般研發投入占比均在 30% 以上。

SaaS 服務商對 PaaS 的平臺功能進行集成，主要提供軟件應用服務，強調產品體驗和場景化能力。因獲客成本較高，SaaS 廠商需要不斷提升服務的匹配度和數據安全性，以提高客戶黏性。

PaaS、SaaS 服務優劣勢各異，隨著行業發展，單一模式無法完全滿足所有行業和場景的需求，行業也誕生了新的商業模式。一方面，不少廠商開始同時提供 PaaS 和 SaaS 服務，以更好地滿足客戶需求。另一方面，一些音視頻公司推出了 aPaaS 低代碼開發平臺，協助用戶進行更加便捷的開發，同時滿足其個性化需求。

實時音視頻面向的下游客戶主要有公立院校和培訓機構，以目前的市場現狀來看，教培機構是主要需求方，但校內市場的增長性也不可忽視。

對于教育機構而言，處于初創期的中小型機構，以快速實現在線授課為主要需求，且開發資源和能力有限，因此 SaaS 服務即可滿足其大部分需求。而處于成熟期的大型教育機構，其自身擁有一定的開發集成能力，教育產品多樣，需要高定制化方案，因此會優先選擇 PaaS 服務。大型教育機構可能會嘗試自行搭建音視頻系統，但在此過程中，會面臨投入成本高、開發周期長、運維服務難等問題。整體而言，采用第三方音視頻云服務比自行搭建實時音視頻系統性價比更高。

數據來源：多鯨教育研究院整理，數據截至2021.6.30

資本動向揭示了行業近些年的走勢。據多鯨教育研究院統計，教育實時音視頻領域最早一筆融資發生在 2007 年，其后從 2013 年開始，融資數量逐漸增多，在 2016 年達到頂峰，隨后呈現下降趨勢，2020 年則再次上升。從融資輪次來看，2016 年開始，C 輪及以后項目融資數量逐漸增多，A 輪及更早期融資減少，且近幾年，戰略投資、并購也有增多趨勢。從融資金額來看，除2016 年以外，基本與當年融資數量保持相同趨勢。

2020 年末至今，ZEGO 即構、融云、拓課云、拍樂云、齊心好視通等音視頻公司再獲融資，行業集中度將進一步加強。

值得注意的是，盡管疫情加強了資本和市場對于音視頻賽道的關注和認可，但本質上來說，實時音視頻賽道的擴張主要來自于長時間段內需求的穩定增長。未來，在政策鼓勵和資本加持下，行業將在技術應用、場景打造、客戶服務能力等方面持續提升，進一步走向成熟。

教育實時音視頻領域相關的上市公司有十余家，從時間來看，近幾年上市案例較多，且有赴海外上市案例。聲網于 2020 年 6 月在納斯達克上市，是首家專注實時音視頻賽道的上市公司，同時，聲網的上市也充分彰顯了音視頻賽道的擴張潛力。而騰訊云、網易云信等云廠商，依靠大型互聯網上市公司的資金和技術支持，打造底層業務的融合能力，業務更加全面和多樣化。

實時音視頻領域并購事件不多，主要出于并購方的戰略考慮，尤其體現即時通訊業務和實時音視頻業務的協同效應。比如，聲網于 2021 年 1 月收購環信，目標即打造「音視頻+即時通訊」的一體化云服務能力。

音視頻賽道的企業類型多樣、優勢各異。各公司主要在 IaaS、PaaS、SaaS、硬件的某一類業務上聚焦或在多項業務上鋪開。總體而言，不同類型的公司，其優勢體現在技術壁壘、產業鏈協同和客戶觸達某一個或多個方面。以專注 PaaS 層的公司為例，其最大優勢在于專注性，技術壁壘高，因此，這一領域當前頭部公司優勢明顯；而從 PaaS 拓展到 SaaS 業務的公司，通過布局多樣化的產品線，可以觸達不同類型、不同需求的客戶，對垂直行業的理解也更加深入。

數據來源：多鯨教育研究院整理

未來，行業格局趨勢將體現在以下四個方面：

首先，音視頻行業作為一個增量市場，蛋糕仍在做大。一方面，隨著技術創新優化、5G 等基礎設施布局完善，實時音視頻應用將愈發多樣化，整個市場處于快速發展期。在教育領域，線上化有助于實現優質教育資源的傳遞，促進教育公平，因此，教育實時音視頻需求量只會有增無減。面對這樣一個增量市場，公司需要抓住市場趨勢，共同做大蛋糕。但另一方面，早期入局的公司有明顯的先發優勢，主要體現在技術壁壘較和行業經驗積累。

其次，實時音視頻 PaaS 層、SaaS 層格局不同。PaaS 作為產業賦能者，服務于全行業，技術壁壘較高，格局相對集中且頭部公司優勢明顯。而 SaaS 層主要為垂直行業提供產品和服務，在場景打磨和延展服務上更具優勢，但格局相對分散。在市場發展過程中，中小機構客戶和成熟機構客戶的需求都將快速增長，因此，實時音視頻 PaaS 和 SaaS 賽道都有巨大的市場空間。PaaS 和 SaaS 也并非直接競爭關系，兩類企業共同合作為市場提供服務，當然，隨著市場需求變化已衍生出 aPaaS、低代碼開發等適應快速開發需求的產品。

再次，互聯網大廠、實時音視頻公司各具優勢。互聯網大廠背景的 IaaS 廠商大多已將業務延展到了 PaaS、SaaS 層，其優勢在于自身擁有的底層基礎設施資源，具有相對成本優勢和內部協同優勢。而起家于 PaaS、SaaS 的音視頻公司則在技術研發上更加專注，產品化解決方案上更加豐富。

最后，在教培之外，校內市場值得關注。「三個課堂」彰顯了校內市場的巨大潛力，實時音視頻技術將作為信息化整體解決方案的一部分進入校內市場，音視頻技術提供方將與其他硬件廠商共同合作開拓市場，服務于學校教學場景。同時，線上考、面試等新場景也成為校內市場新的需求增長點，未來將看到更多應用的落地。

下一階段，音視頻行業競爭關鍵點將聚焦在技術、服務和人才三個方面：

在技術方面，首先是音視頻技術本身的競爭。未來，實時音視頻企業需要在實時音視頻技術上持續打磨，將技術從「能用」變為「好用」，在延時控制、弱網對抗、跨國傳輸、機型適配、音視頻編碼、算法等方面持續精進，針對復雜的網絡情況，提升音視頻傳輸質量和穩定性。「技術」的另一個層面是技術與場景結合的能力。針對特定應用場景，音視頻公司需要為用戶帶來更具互動性和沉浸感的體驗，打造真實的教學場景。尤其是隨著 AI、VR/AR 等技術的成熟，各家的技術創新能力、新技術應用落地能力將愈發受到考驗。

在服務方面，由于 To B 業務模式本質上是為B端賦能，因此，實時音視頻公司需要在技術打磨的基礎上，深入理解客戶需求，理解行業、場景特性，與客戶進行價值共創。面對多樣化的客戶需求，音視頻企業也需要積極尋求上下游合作，發揮產業鏈上的協同優勢，與合作伙伴協作提供多樣化的服務形式。

人才對于音視頻行業至關重要。實時音視頻領域優秀技術人才稀缺，使得這一領域的人才成本高昂，技術研發投入大。另一方面，除了計算機技術領域，音視頻也涉及其他基礎學科知識，對這些領域的尖端人才也有較強需求。未來，競爭將演變為對優秀人才的競爭。

本文來自微信公眾號 “多鯨”（ID：DJEDUINNO），作者：王思琪，36氪經授權發布。