☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
刚刚结束的美加墨世界杯，腾讯云为全球17个国家和地区的官方赛事直播提供底层支撑，服务范围覆盖亚太及国内约三分之二的授权直播平台。在近期的一次专访中，腾讯云副总裁、国际产品技术负责人李郁韬透露，本届世界杯是AI首次在直播生产环节实现规模化落地——画质修复、智能导播、自动剪辑、横竖屏智能转换、内容质检与溯源等核心流程，均已由AI系统全自动完成。一场顶级体育赛事的技术保障，正成为AIGC迈向工业化生产的重要缩影。
李郁韬将腾讯云所聚焦的这一层能力，定义为多模态领域的“Harness”（驾驭工程）——其核心并非模型生成本身，而是打通从内容生成到稳定交付用户的全链路：涵盖预处理、质量检测、片段拼接、自适应转码、分发调度、终端格式适配等关键环节。
他指出，在生成式AI快速演进的背景下，音视频类应用正面临多重现实约束：直播低延时、点播高画质、创作强交互、互动实时性等场景，叠加网络带宽、终端适配、用户体验等复杂因素，单一模型往往只能覆盖局部需求。不少厂商面对层出不穷的多模态大模型，采取“广撒网”式接入策略——今天集成一家，明天再对接新出的另一家；但实际落地时，却频繁遭遇兼容性、稳定性、性能瓶颈等问题。当大量客户反馈高度趋同，一个共性诉求便自然浮现：亟需有厂商能统一对接底层能力，屏蔽技术复杂度，让客户真正聚焦于业务创新与上层应用。如何精准识别用户真实需求、筛选匹配模型、弥补模型固有短板，并将最终可用的服务无缝交付，正是音视频PaaS云服务商必须攻克的核心命题。
早在6月5日举办的腾讯云AI产业应用大会上，腾讯云音视频正式发布AI品牌Tencent Cloud WAND，同步推出6大自研媒体专用模型及60余项AI能力，全面覆盖内容生成、理解、处理、编码四大环节，并针对电商、短剧、教育、赛事直播等垂直领域进行专项训练。李郁韬表示，团队已构建起完整的模型协同体系——不仅整合大语言模型，也深度融合多模态模型，甚至包括轻量级画质增强模型、小型化业务模型等。事实上，团队自去年起便已启动多模态Harness体系建设，而今年生成式视频模型密集爆发，也让行业对Harness价值的认知加速统一。
值得关注的是，视频生成正被普遍视为继AI编程之后，第二个实现清晰商业闭环的AI落地赛道。今年以来，音视频大模型赛道竞争白热化，格局剧烈重构。国内厂商商业化节奏迅猛，字节跳动旗下Seedance与快手可灵AI已形成AI视频生成领域的“双强格局”。公开数据显示，截至今年3月，可灵AI年经常性收入（ARR）已逼近5亿美元，同比激增4倍；另有报道指出，Seedance 2.0上半年ARR达20亿美元，虽字节方面回应称该数据“偏高、与实际不符”，但也确认Seedance 2.0已迈过“生产力质变临界点”。而在海外，OpenAI于今年3月宣布全面关停Sora独立App、API接口及ChatGPT内置视频生成功能，正式退出消费级AI视频生成市场。
面向企业客户（To B）的产品与解决方案建设，生态协同被李郁韬列为首要战略。他也坦承，内部持续探讨一个关键问题：当生成与交互之间的路径不断压缩，Harness这一中间层是否会被弱化甚至绕过？他的判断是：至少过去半年的实践表明，Harness不仅不会被替代，其战略价值反而持续强化。若将大模型视作后端生产力引擎，那么生产力跃升必将反向拉动前端应用需求的指数级增长——且需求扩张的速度始终快于技术供给能力的提升。大模型永远无法完全满足终端用户的极致体验诉求，由此产生的“供给鸿沟”，恰恰构成了Harness存在的根本逻辑。
腾讯云跨账号资源迁移工具，支持将账号A的VPC、CLB、NAT、CVM、安全组等资源迁移至账号B，通过CCN云联网实现跨账号网络互通，提供自动扫描、配置生成、Terraform部署功能。
在他看来，腾讯云切入多模态Harness赛道，蕴含两大关键机会：其一，大量现有音视频体验存在重构空间，从画质、交互、响应速度到个性化推荐，都值得用新一代AI能力重新打磨；其二，未来将涌现更多更强更通用的多模态模型，如何高效、安全、低成本地将其集成进企业级生产系统，并确保终端用户即时感知最新技术红利，正是Harness要解决的核心命题——而支撑这一切的，是一整套成熟的模型集成工具链、生产流程与交付机制。
自去年起，AI算力重心已明显从训练向推理迁移，多家厂商推理侧投入首次超过训练支出，标志着AIGC正加速进入规模化商用阶段。在国内，短剧、漫剧制作已成为多模态技术落地的典型场景，大量采用AI驱动脚本生成、语音合成、画面生成与自动剪辑。在亚太市场，音视频解决方案是腾讯云出海的先锋板块，在营收规模、市占率及行业认知度上均位居第一；过去五年，腾讯云将国际化作为核心战略，持续加大海外基础设施与本地化业务投入，公司披露近三年海外业务保持两位数增长。
腾讯云音视频总经理李志成补充指出，无论短剧、漫剧，还是电商、工具类产品出海，客户关注焦点存在明显阶段性特征：前期重效果、重声量，中后期则高度聚焦ROI——即能否切实盈利、创造可衡量的价值。当前客户最常问的问题，集中于短剧制作效率提升多少、电商工具转化率提升几何；预计未来1至2年内，相关AI能力将快速普及，正如大语言模型的发展轨迹——两三年前尚属垂直行业专属，如今已深度融入日常办公，成为不可或缺的基础能力。
随着Agent时代的到来，腾讯云前述能力将进一步与音视频智能体、AI硬件终端、具身机器人、云手机等新型载体深度融合，依托全球分布式云基建与边缘推理能力，推动AI应用实现“全球就近部署、分钟级上线”。李郁韬介绍，目前团队已与逐际动力等多家具身智能企业、无人清扫设备厂商展开合作，联合孵化TRRO远程实时操控方案（远程数智人解决方案），重点攻克弱网环境下机器人人工接管时的超低延时通信、音视频流稳定回传等关键技术难题。
展望未来，李郁韬将云厂商在多模态领域的竞争维度归纳为三点：第一是多模态训练与推理算力布局——区别于纯文本模型，多模态训练在理解和生成两端均需海量算力支撑，未来端到端语音交互、端到端视频生成将成为常态，对云厂商底层基建提出更高要求；第二是多媒体存储与数据治理能力——相比文本，音视频数据体量庞大、格式多样、噪声复杂，预训练前的数据清洗、跨模态对齐、标注质量管控等环节难度陡增，存储稳定性与数据获取效率同样关键；第三是面向终端客户的推理服务能力与综合处理能力——能否将前沿模型能力转化为易用、可靠、可扩展的API或SaaS服务，直接影响客户选择决策。在创新需求快速涌现的当下，如何通过运营级手段高效满足客户诉求，同样是腾讯云持续发力的关键方向。
