科技推動媒介變革，如果我們從媒介迭代引發人們需求形式改變出發。在萬物互聯的趨勢之下，硬件環境發悄然改變，人們要通過新的渠道和形式來滿足媒介迭代所帶來的新需求。另外，在5G商用進程的加速和AI應用的普及，視頻在特定情況下替代其他互聯網媒介去串聯人、設備、信息等，並逐漸形成以視頻為主要信息介質和內容載體的互聯網形態，可以將其稱之為“視聯網”以視頻為內容介質，那麼在當下的硬件基礎下可以快速實現的屏幕生態主要包括手機屏生態和智能電視大屏生態（OTT）。
首先來看兩大市場的硬件存量，CNNC第44次統計報告數據顯示：當前我國網民使用手機上網的比例高達99.1%，約8，47億人，短視頻用戶規模達6.48億，整體視頻用戶約為7.59億，佔網民整體的88.8%。智能大屏方面，能電視家庭滲透率已達36%，日活家庭規模逐步增長，截止2019年上半年日活近億戶，並保持日均300分鐘高度使用黏性。智能電視收看OTT點播和OTT信源的總體日活達9403萬臺。截至2019年H1智能電視家庭超2億戶，IPTV規模近3億戶。兩種硬件支持下，所帶來的視聯網服務是截然不同的。
短期來看，視聯網的發展目標是夯實視聯網的產業基礎設施，支撐起更多的視聯網服務，使視聯網產業真正成型。主要包含三個方面，一是底層人工智能引擎的進一步升級；二是視聯網操作系統的建設與完善；三是構建產業生態配套服務體系。分別去看三個發展方向，分別代表著AI技術、操作系統、用戶端及開發者三個主要方向。
AI技術的發展則可以為視頻識別提供極大幫助。通過AI算法可以實現計算機自動識別視頻中的海量信息，以計算機超過人類數萬倍的速度去標識出視頻中的可用信息，甚至做出人難以理解卻準確的識別判斷。當下，AI技術已經在安防、金融、智能駕駛和視頻廣告投放等垂直領域中有了充分的應用，基於視頻識別的部分需求得到了一定滿足。儘管現有的技術還難以全面解析視頻中的所有信息，但其發展前景使視頻內容完全識別成為了可能。至於視頻互動技術，相較於技術研發，視頻互動更為重要的是互動生態的建立。視頻內容的生產、傳播者和互聯網服務提供商需要認可視頻觀看者的互聯網需求，打開數據鏈路，實現互聯網生態在視頻層的對接。這需要的是有效的商務推廣、龍頭帶動效應和不斷的體驗優化。
操作系統的顛覆需要太多的智能化硬件的支持普及，但當先我們可以將其理解為視頻中的小程序桌面。即通過多樣的視頻內小程序鏈接豐富的互聯網服務，將視頻識別的技術能力轉化為給視頻觀眾帶來服務的功能模塊，在生態集聚中實現產業價值的最大化。視頻小程序生態是建立視頻識別能力之上的。如何最大化利用既有的視頻識別能力，鏈接儘可能多且好的互聯網服務、為視頻觀眾提供最為便利性的服務，是視頻小程序生態建設的核心問題。
對於用戶端而言，是迴歸屏幕使用體驗。例如，針對視頻中的團隊聚餐事件，可以分為提出聚餐、進入餐廳、點菜、吃的熱火朝天和結賬等五個場景。通過數據分析和常識判斷，吃的熱火朝天的場景最能引起人們對吃的情感共鳴，這時候就可以集中資源讓計算機學會識別“吃的熱火朝天”場景，進而在此類場景中大規模自動化地推送與吃相關的應用服務，比如外賣廣告。
其背後的技術支持是同過解析視頻內容中蘊含的人物、物體、動作、地標等信息，尋找到與廣告品牌內涵相一致的視頻場景，進而實現廣告品牌價值與視頻內容場景相互匹配。這種模式下，可以創造出視頻場景廣告這一全新的廣告形式，大幅提高廣告曝光的接受度和回報率。
對於視聯網來說，視頻識別能力的進步是視聯網發展的核心主線。，需要視頻識別能力變得更快、更準、維度更多。尤其是在維度層面，視頻識別不僅是對單個元素，例如人臉、物體、商標等的識別，更需要對多元素組合而成的場景、連貫發展的事件等進行識別，以保證人的相關需求都能得到響應。從當前的技術條件來看，視頻識別能力的進步主要取決於數據積累和算法迭代兩個方面。其中，算法迭代往往是可遇而不可求的，當前人工智能算法的突破也是建立在數十年理論研究和天才的靈光一閃之上。
與之相比，利用當前深度學習算法實現視頻識別能力的提升是可預期和可實現的。其中的關鍵在於數據積累引起的識別能力從量變到質變。深度學習算法的特點在於可以通過不斷的數據積累，讓計算機對於已標註的單元識別能力越來越精準。與此同時，更多的數據又有助於寫出更優化的算法，提高計算機對於視頻的識別速度。
一個良好的開發生態的建立還需要便利的開發環境，包括開發語言的難易程度、功能模塊的完善程度、應用更新的便利程度等。在這樣的背景下，「極鏈科技」聯合「山水創投」面向全國發起了“視聯網創業大賽”，旨在挖掘和培育視聯網產業領域內的創新人才和創業作品，提供視聯網帶來的風口創業紅利，共建視聯網經濟體與產業生態。
閱讀更多 AiChinaTech 的文章
