实时音视频，离打通产业链的企业级服务巨头有多远？

在线教育十余年的历程中，经历了录播课——直播课——实时互动直播的变迁过程，如今，随着网络和音视频技术的不断更新以及在线教育产品的不断创新，线上实时互动的学习方式对很多人来说已不再陌生。在互联网技术的助力下，在线教育突破了传统线下教学的诸多限制，将优质的教育资源传递给了更多的人，促进了教育公平。

疫情期间，「停课不停学」的号召让人们再一次意识到线上化技术对于教育的重要性，实时音视频行业也一度成为风口。而后疫情时代，尽管需求有所回落，在线教育已成为不可逆转的趋势。

在线教育与实时音视频技术密不可分，那么，教育实时音视频经历了怎样的发展历程？其产业链和商业模式如何？实时音视频技术的难点和未来趋势是什么？有哪些值得关注的实时音视频公司，他们的优势是什么？行业将呈现怎样的格局，未来竞争的关键点是什么？

想了解实时音视频行业，首先离不开对基础概念的认知。

实时音视频，即 Real-Time Communication（简称 RTC ），是一种终端服务，为各行业提供高并发、低延时、高清流畅的互动式实时音视频服务。

实时音视频技术对「实时性」的要求极高，一般要求音视频数据传输的延时不超过 400ms ，以实现低延时和无卡顿的使用体验。音视频数据传输目前在互动直播、视频会议等应用场景中发挥着至关重要的作用，广泛地应用于社交娱乐、在线教育、金融、医疗等行业。

一个完整的音视频系统，一般包含音视频采集，音视频数据处理，音视频编码，音视频编码数据的封装、保存、传输和分发，音视频解码，音视频数据处理和音视频播放和渲染等模块。而实时音视频系统相对于普通的音视频系统，最大的区别在于传输时效上要求「实时」，音视频的处理要达到具体场景要求。

实时音视频服务商一般以 SDK 的形式提供一整套解决方案。PaaS（Platform as a Service , 「平台即服务」）层的实时音视频企业以功能模块的方式接入需要 RTC 功能的软件中，而 SaaS（Software as a Service, 「软件即服务」）层公司则直接以软件、浏览器或 APP 的形式提供实时音视频服务。

而纵观实时音视频和在线教育的发展线，可以总结出以下三个时期：

初创成长期（2015 年之前）：这一时期，在线教育以直播式大班教学为主流模式，实时音视频云服务刚刚兴起。此阶段只有部分教育机构试水在线 1 V 1 模式，互动性水平整体较低。

扩张爆发期（2015 年-2018 年）：随着 2016 年直播元年的到来，直播课成为了教学的重要手段，学生的课堂互动参与感明显增强。同时，双师课堂、在线小班课堂相继出现。而此时的 PaaS、SaaS 公司也出现了创办热潮，行业投融资金额和数量分别在 2015、2016 年达到局部高点，行业迅速扩张。

机遇挑战并存期（ 2018 年至今）：疫情对人们教育观念的重塑以及 5G 技术的革新，使得实时音视频在教育行业的应用更加广泛，接受度更高，实时音视频应用进入强互动时代。疫情期间，在线教育迎来了第二波高潮，而随着教培监管政策趋严，行业逐渐走向规范化。

数据来源：鲸准、企查查，多鲸教育研究院整理，融资数据截至2021.6.30

快速发展的实时音视频行业背后，有哪些主推因素？

首先是政策的推动。在国家大力支持下，数字化经济、云计算产业迎来黄金增长期。2019 年 5G 商用牌照落地标志着中国进入 5G 商用元年，其高速率、低延迟、大容量的网络特性极大地推动了音视频行业变革。新一轮降费提速的推进、超高清计划的发布也为音视频行业提供新的动能。

核心技术的不断进步是音视频行业发展的底层动力。决定音视频实时互动质量的关键因素是网络和编解码技术，目前，5G 网络基建落地以及网络适应技术的进步有效地提升了网络传输质量，升级的视频编解码标准可以在有限的带宽下支持更高分辨率视频的编解码，底层 IaaS 厂商提供的服务逐渐规范成熟。另一方面，AI 技术不断加速创新并与实时音视频服务逐步融合，也让更流畅高清的视觉体验成为可能。比如，通过 AI 深度学习可以提高分辨率，进而改善实时音视频的图像质量，通过算法补偿，可以改善实时传输质量。

技术之外，教育应用场景不断延伸，对互动性的强需求催生行业繁荣。互动性是在线教育最大的需求，也是痛点所在。据《新冠疫情期间中小学在线教育互动研究报告》显示，「互动不充分」是教师认为线上教育存在的最大问题，互动性的提升成为在线教育关键。目前，通过语音连麦和视频连线实时作答是最为常见的互动方式，在这样的市场强需求推动下，实时音视频企业不断在技术和场景应用上打磨和创新，以满足客户和终端用户的实际需求。

除了技术方面的政策，教育实时音视频服务的发展也不可忽视教育政策带来的影响。2018 年以来，在线教育监管趋严，教育行业经历了从大力扶持到规范整顿的过程。相关文件法案的出台对于在线教育不同领域的发展影响不一。K12 教育受到的监管最为严苛，短期内面临着阵痛调整，职业教育、高等教育受益于政策鼓励，发展势头良好。教育行业的新变化无疑对作为底层服务的音视频行业提出了更高要求，企业需要在打磨自身技术的同时，深入理解教育行业和具体应用场景的需求，把握行业变化和政策趋势，将挑战转化为机遇。

实时音视频技术现已广泛地应用在了各行各业，如在线教育、社交娱乐、互动电商、金融、政企服务、IoT、医疗。而与其他场景相比，教育应用场景对实时音视频技术的要求更高。

为什么这样说？

一方面，教育场景的「高要求」体现在对延时性、流畅性、互动性及并发性等特征同时具有较高要求；另一方面，相比其他行业，教育行业具有更强的用户付费属性，音视频效果直接影响用户体验，进而直接影响其付费和续费决策。因此，在线教育公司需要在音视频技术上做出更大投入以保证用户体验。

数据来源：多鲸教育研究院整理

从教育各细分赛道来看，目前 K12 是实时音视频技术应用程度最深的领域，主要取决于赛道本身的线上化程度以及师生对「实时互动」的需求。

具体到教育场景，实时音视频有哪些应用呢？

目前，实时音视频广泛应用于1 V 1、小班课、互动大班课、万人直播课、公开课、双师课堂等学科培训教学场景。同时，实时音视频也正在覆盖更加个性化的教学场景，尤其体现在素质教育领域，比如，语言培训、乐器陪练、书法绘画培训、编程培训、精品阅读等。

每一个细分场景对实时音视频技术的要求都有所不同，比如，从互动性角度来讲，1 V 1 和小班课更注重双向互动性，而万人直播课堂更侧重单向输出；从并发性来讲，1 V 1 和小班课要求的单场景承载人数一般在几十人以内，而大班课、公开课有时可达上万人，对并发性要求极高。针对不同场景，音视频技术方案也会相应在音质、画质、延时、多语言、流畅度等不同方面有所调整和侧重，力求高效、低成本地匹配特定场景需求。

数据来源：多鲸教育研究院整理

当然，在线教育不仅局限在「课中」这一个场景，而是贯穿于整个在线教育用户旅程。尽管实时音视频技术目前主要服务于教师授课场景，解决的是授课过程中师生互动的问题，但随着在线教育整体解决方案需求的增强，实时消息、互动白板也成为音视频解决方案的「标配」，与此同时，越来越多的音视频公司也将服务从「课中」延展至「课前」和「课后」场景，提供如备课、作业批改、数据统计等更加多样的功能，力图打造「一站式教育解决方案」。

数据来源：多鲸教育研究院整理

随着场景复杂度越来越高，教育场景对音视频技术提出了更高要求。目前，实时音视频技术难点主要集中在高清晰度、高音质、海内外互通、音画同步和白板同步、海量并发、低端设备适配等方面，实时音视频公司正在通过技术升级、算法优化、网络优化、方案架构调整等方法，应对技术难点，提升技术方案效果。

技术提升的同时，如何与具体场景结合始终是音视频技术应用的关键。在客户服务过程中，实时音视频公司需要深入教学场景，理解具体场景中的重难点，提出适配方案。随着音视频公司与教育企业合作愈发紧密，场景打磨将愈发深入和成熟，未来有望逐渐实现线下场景的线上复现，全面提升教学效果。

除了当前的技术难点，未来有哪些值得关注的技术趋势呢？

未来，对音视频技术趋势的关注点将主要集中在 AI 应用、5G、低代码开发等方面。

AI 技术将深刻影响实时音视频行业，主要体现在两个方面：对音视频技术本身的影响和对教育应用场景的影响。

从实时音视频技术角度来说，当前个性化场景对技术质量要求越来越高，外部网络环境也愈加复杂，传统技术难有较大优化空间。因此，很多音视频企业成立了 AI 实验室或项目组，专门负责 AI 在音视频中的应用研究。

AI 在实时音视频技术中的应用，主要集中在音频技术、视频技术和网络传输技术三个方面。音频方面包括 AI 降噪、AI 语音识别、AI 语音分析、AI 语音增强等。视频技术则如 AI 超分、AI 抠图、AI 视觉识别、AI 美颜、AI 补帧算法等。在网络传输方面，AI 自适应 QoS 可帮助提升抗弱网和去抖动能力，AI 智能传输可帮助算法补偿，应对网络传输中的丢包和数据失真，提升传输质量。

AI 技术在教育场景的应用同样广泛。比如，在教师端，利用人脸识别，墨水笔识别技术和智能作业批改系统，可将学生的课堂表现透明化，帮助教师进行智能备课、作业精准推送和智能批改。在学生端，通过 AI 情绪识别功能，可生成课堂情绪报告，实现千人千面，提供个性化服务。

5G 时代的到来带来了又一次通讯革命，5G 的大带宽、低延时、海量连接等特点，将进一步丰富在线教育应用场景，使得实时通话、连线的使用门槛更低、质量更高、功能更加丰富。音视频传输效果的提升也将进一步影响在线教育体验，老师和学生的在线交互将更加真实可感，效果将逐步接近线下教学体验。

AI、5G 之外，另一个值得关注的技术趋势是 aPaaS。aPaaS 平台的诞生解决了部分 PaaS、SaaS服务的痛点，成为不少实时音视频企业的主推服务之一。aPaaS 介于 PaaS 和 SaaS 层之间，相对于 SaaS 产品更加灵活，定制性更强，相比于 PaaS 则更加高效便捷，对开发者要求更低。面对愈发复杂的教育应用场景和多样化的客户需求，aPaaS 服务将提供给开发者更为丰富灵活的选择，提升开发者的接入效率和体验，因此也成为重要的技术趋势之一。

根据多鲸教育研究院测算，2021 年教育实时音视频市场规模可达到近 60 亿人民币，到 2024 年将超过 100 亿人民币。

数据来源：中国科学院大数据挖掘与知识管理重点实验室、安信证券、专家访谈，多鲸教育研究院整理

市场规模测算背后有这样几个关键假设：

首先．整体而言，教育实时音视频市场增速与在线教育增速基本保持同步，疫情阶段迎来一波高增长，疫情后增速趋于稳定。

其次，教育实时音视频市场增长的主要驱动力，一是在线学习人数的增加，二是学生平均在线学习时长的增长，三是在线学习过程中采用「实时」方式互动的师生比例增加。K12 教育的实时音视频渗透率高于其他子赛道。

最后，在线教育前期阶段，由于「实时」需求的不断增长，教育公司在实时音视频技术上的投入比例呈增加态势；后期，随着底层技术的成熟，投入比例将趋于稳定。

从产业链来看，教育实时音视频服务的上游包括硬件基础设施、IaaS 厂商、电信运营商和第三方技术厂商等角色，为行业提供硬件设施、网络服务、计算存储等资源。中游作为行业主体，由PaaS 厂商和 SaaS 厂商构成，主要提供音视频通讯产品和接口服务。下游则包括在线教培机构、公立或私立院校和有开发能力的用户。

数据来源：多鲸教育研究院整理

目前，产业链上游各主体已经发展地较为成熟，未来，行业竞争将聚焦于产业链中游云服务商（主要包括 PaaS 层和 SaaS 层服务商）的技术能力、服务能力和智能化建设能力。

数据来源：多鲸教育研究院整理

PaaS 服务商主要通过整合网络、通讯等资源，以 SDK / API 的形式为下游企业提供服务，重视技术和资源的规模效应，通过带宽的复用实现毛利的增长。PaaS 厂商的核心竞争力在于其技术壁垒，一般研发投入占比均在 30% 以上。

SaaS 服务商对 PaaS 的平台功能进行集成，主要提供软件应用服务，强调产品体验和场景化能力。因获客成本较高，SaaS 厂商需要不断提升服务的匹配度和数据安全性，以提高客户黏性。

PaaS、SaaS 服务优劣势各异，随着行业发展，单一模式无法完全满足所有行业和场景的需求，行业也诞生了新的商业模式。一方面，不少厂商开始同时提供 PaaS 和 SaaS 服务，以更好地满足客户需求。另一方面，一些音视频公司推出了 aPaaS 低代码开发平台，协助用户进行更加便捷的开发，同时满足其个性化需求。

实时音视频面向的下游客户主要有公立院校和培训机构，以目前的市场现状来看，教培机构是主要需求方，但校内市场的增长性也不可忽视。

对于教育机构而言，处于初创期的中小型机构，以快速实现在线授课为主要需求，且开发资源和能力有限，因此 SaaS 服务即可满足其大部分需求。而处于成熟期的大型教育机构，其自身拥有一定的开发集成能力，教育产品多样，需要高定制化方案，因此会优先选择 PaaS 服务。大型教育机构可能会尝试自行搭建音视频系统，但在此过程中，会面临投入成本高、开发周期长、运维服务难等问题。整体而言，采用第三方音视频云服务比自行搭建实时音视频系统性价比更高。

数据来源：多鲸教育研究院整理，数据截至2021.6.30

资本动向揭示了行业近些年的走势。据多鲸教育研究院统计，教育实时音视频领域最早一笔融资发生在 2007 年，其后从 2013 年开始，融资数量逐渐增多，在 2016 年达到顶峰，随后呈现下降趋势，2020 年则再次上升。从融资轮次来看，2016 年开始，C 轮及以后项目融资数量逐渐增多，A 轮及更早期融资减少，且近几年，战略投资、并购也有增多趋势。从融资金额来看，除2016 年以外，基本与当年融资数量保持相同趋势。

2020 年末至今，ZEGO 即构、融云、拓课云、拍乐云、齐心好视通等音视频公司再获融资，行业集中度将进一步加强。

值得注意的是，尽管疫情加强了资本和市场对于音视频赛道的关注和认可，但本质上来说，实时音视频赛道的扩张主要来自于长时间段内需求的稳定增长。未来，在政策鼓励和资本加持下，行业将在技术应用、场景打造、客户服务能力等方面持续提升，进一步走向成熟。

教育实时音视频领域相关的上市公司有十余家，从时间来看，近几年上市案例较多，且有赴海外上市案例。声网于 2020 年 6 月在纳斯达克上市，是首家专注实时音视频赛道的上市公司，同时，声网的上市也充分彰显了音视频赛道的扩张潜力。而腾讯云、网易云信等云厂商，依靠大型互联网上市公司的资金和技术支持，打造底层业务的融合能力，业务更加全面和多样化。

实时音视频领域并购事件不多，主要出于并购方的战略考虑，尤其体现即时通讯业务和实时音视频业务的协同效应。比如，声网于 2021 年 1 月收购环信，目标即打造「音视频+即时通讯」的一体化云服务能力。

音视频赛道的企业类型多样、优势各异。各公司主要在 IaaS、PaaS、SaaS、硬件的某一类业务上聚焦或在多项业务上铺开。总体而言，不同类型的公司，其优势体现在技术壁垒、产业链协同和客户触达某一个或多个方面。以专注 PaaS 层的公司为例，其最大优势在于专注性，技术壁垒高，因此，这一领域当前头部公司优势明显；而从 PaaS 拓展到 SaaS 业务的公司，通过布局多样化的产品线，可以触达不同类型、不同需求的客户，对垂直行业的理解也更加深入。

数据来源：多鲸教育研究院整理

未来，行业格局趋势将体现在以下四个方面：

首先，音视频行业作为一个增量市场，蛋糕仍在做大。一方面，随着技术创新优化、5G 等基础设施布局完善，实时音视频应用将愈发多样化，整个市场处于快速发展期。在教育领域，线上化有助于实现优质教育资源的传递，促进教育公平，因此，教育实时音视频需求量只会有增无减。面对这样一个增量市场，公司需要抓住市场趋势，共同做大蛋糕。但另一方面，早期入局的公司有明显的先发优势，主要体现在技术壁垒较和行业经验积累。

其次，实时音视频 PaaS 层、SaaS 层格局不同。PaaS 作为产业赋能者，服务于全行业，技术壁垒较高，格局相对集中且头部公司优势明显。而 SaaS 层主要为垂直行业提供产品和服务，在场景打磨和延展服务上更具优势，但格局相对分散。在市场发展过程中，中小机构客户和成熟机构客户的需求都将快速增长，因此，实时音视频 PaaS 和 SaaS 赛道都有巨大的市场空间。PaaS 和 SaaS 也并非直接竞争关系，两类企业共同合作为市场提供服务，当然，随着市场需求变化已衍生出 aPaaS、低代码开发等适应快速开发需求的产品。

再次，互联网大厂、实时音视频公司各具优势。互联网大厂背景的 IaaS 厂商大多已将业务延展到了 PaaS、SaaS 层，其优势在于自身拥有的底层基础设施资源，具有相对成本优势和内部协同优势。而起家于 PaaS、SaaS 的音视频公司则在技术研发上更加专注，产品化解决方案上更加丰富。

最后，在教培之外，校内市场值得关注。「三个课堂」彰显了校内市场的巨大潜力，实时音视频技术将作为信息化整体解决方案的一部分进入校内市场，音视频技术提供方将与其他硬件厂商共同合作开拓市场，服务于学校教学场景。同时，线上考、面试等新场景也成为校内市场新的需求增长点，未来将看到更多应用的落地。

下一阶段，音视频行业竞争关键点将聚焦在技术、服务和人才三个方面：

在技术方面，首先是音视频技术本身的竞争。未来，实时音视频企业需要在实时音视频技术上持续打磨，将技术从「能用」变为「好用」，在延时控制、弱网对抗、跨国传输、机型适配、音视频编码、算法等方面持续精进，针对复杂的网络情况，提升音视频传输质量和稳定性。「技术」的另一个层面是技术与场景结合的能力。针对特定应用场景，音视频公司需要为用户带来更具互动性和沉浸感的体验，打造真实的教学场景。尤其是随着 AI、VR/AR 等技术的成熟，各家的技术创新能力、新技术应用落地能力将愈发受到考验。

在服务方面，由于 To B 业务模式本质上是为B端赋能，因此，实时音视频公司需要在技术打磨的基础上，深入理解客户需求，理解行业、场景特性，与客户进行价值共创。面对多样化的客户需求，音视频企业也需要积极寻求上下游合作，发挥产业链上的协同优势，与合作伙伴协作提供多样化的服务形式。

人才对于音视频行业至关重要。实时音视频领域优秀技术人才稀缺，使得这一领域的人才成本高昂，技术研发投入大。另一方面，除了计算机技术领域，音视频也涉及其他基础学科知识，对这些领域的尖端人才也有较强需求。未来，竞争将演变为对优秀人才的竞争。

本文来自微信公众号 “多鲸”（ID：DJEDUINNO），作者：王思琪，36氪经授权发布。