近日，中国多媒体大会（ChinaMM2023）在云南昆明召开，大会聚焦多媒体领域技术与应用发展，集结了多媒体领域专业人士。快手高级副总裁、研发线负责人于冰受邀在大会上发表了《AGI时代下智能媒体技术前沿进展与思考》主题演讲，结合快手在多媒体技术领域内的创新实践，分享快手的技术前沿进展及相关思考。
自2011年成立至今，快手已经发展成为国民级短视频直播数字社区，在用户、内容、商业等方面保持良性增长态势。而快手社区生态的蓬勃发展，离不开快手长期的巨大投入，以大规模自研技术支撑业务发展。
回顾快手过往经历，于冰表示，业务发展会经历入局、成长、成熟等多个阶段，在业务发展的不同阶段，快手所采取的研发策略也各有侧重。创新成长期更注重持续投入，探索新产品、新周期；而成熟阶段则需聚焦优化效率，兼顾体验，既保证产品体验的竞争力，又保证业务的稳健成长。
【资料图】
于冰以快手音视频业务为例，目前该业务已步入成熟期，研发策略重点也转移至提升效率、优化成本，追求单位成本下算力、存储和网络使用效率的提升。快手基于自研视频质量评估KVQ、视频增强修复KEP和KRP、视频压缩编码算法KVC等一系列核心技术，形成数据驱动的视频处理闭环，在兼顾体验的同时极致压缩视频。
2022年，快手技术toB业务StreamLake推出了首款自研智能视频处理芯片SL200，该芯片集成了快手领先的视频编解码、图像处理、AI推理、内容自适应编码等关键技术，具备高质量、高密度、智能化的特点，在业内处于领先地位。在今年7月举办的MSU2022世界编码器大赛中，SL200一举夺得4K和1080P赛道24项指标中的16项第一。在本届大会上，SL200也荣获了中国多媒体企业创新技术奖。目前，SL200芯片已全面应用于快手的直播和短视频业务，实现成熟技术通过StreamLake对产业赋能。
而在数字人领域，快手也取得了诸多领先成果。快手全链路自研了光场扫描重建、超写实人像建模、智能绑定、动作捕捉与驱动、物理仿真等数字人核心技术，推出「快手虚拟演播助手（KVS）」和「快手智播」两大解决方案；结合内容平台在品牌营销领域的独特优势，在美术、技术、运营、营销等多个维度赋能，打造了百万粉丝虚拟主播关小芳、蒙牛集团首位虚拟员工奶思等多个知名IP。未来，结合智能编曲、图像/视频生成、LLM等AI能力，快手数字人技术将继续在文旅、教育、游戏、直播电商等领域广泛应用，助力客户打造高品质低成本的3D和2D数字人。
随着多媒体与AI技术的深度结合，快手持续深耕AI技术，推动产品形态、用户体验发展，探索短视频业务的第二曲线。于冰认为，AI大模型作为当下最重要的革命性技术，进入爆发期，有望开启AGI时代，而多模态内容生成与理解是其核心能力。
当前，多模态AI大模型因其在文本、代码、图像和视频等多种内容上突出的生成与理解能力，有望为视频生产、理解、分发、消费等全链路打开新的技术视角，突破传统音视频编码的技术天花板，突破基于用户行为的搜广推算法的传统思路，将视频内容创作从PGC、UGC带动进入AIGC时代，创造AI大模型驱动的视频内容创作工具，激发创作者的创意空间，高效率、低成本地生产高质量的视频内容。
而短视频、直播作为最典型的多模态媒介，快手也抓住平台基因，在AI大模型领域重度投入，全方位探索技术突破。于冰介绍，目前，快手在AI大模型的布局体系分为三个层级：基于具备高性能、高并发、高算力的“大基建”，构建快手多模态的AI“大模型”，进而在搜广推、内容创作、用户增长、研发效能等领域内打造“大应用”。
例如在搜广推领域，快手搜广推算法已达到国际领先水平，相关成果获得信息检索与数据挖掘领域国际顶级学术会议CIKMBestPaper、SIGIRBestPaper-HonorableMention等荣誉，目前快手突破传统基于用户行为的技术思路，探索更深层次的模型网络，开拓推荐模型，利用内容生成与理解来探索深层次用户兴趣的新路径。
同时，在多模态AI大模型的加持下，AI技术和工具可全方位地赋能影视创作者，助其在创作、拍摄、后期等各阶段激发创意、提升效率和内容质量，影视制作的周期也能大幅提高，过去花费数年拍摄的大片有望数月完成。
技术发展从萌芽到成熟，不仅仅靠企业自研，也需要高校科研机构的人才赋能。此前，快手先后与清华大学、中国科学技术大学北京研究院、中国人民大学建立联合科研机构，与全球顶尖高校、实验室建立科研合作，共同探索音视频、多媒体和AI领域的前沿技术，联合培养科研人才。
“学术界有顶尖的技术和优秀的科研人才，工业界则具备真实的应用场景，拥有海量数据和大算力的优势，两者深度合作、双向赋能，其价值将成倍放大。”于冰表示，一方面，技术的突破将在互联网业务中得到规模化使用，产生巨大的经济效益和社会效益；另一方面，互联网真实的场景、海量的数据、强大的算力，也能助力科研技术不断迭代。未来，快手将持续促进产学研生态完善，向学术界开放场景、数据和算力，共同探索AGI时代智能媒体新技术，以技术赋能行业创新与发展。
云南网记者刘畅
