广播电视加速技术迭代,如何用新技术拥抱行业转型?

简介: 12月7日,国家广播电视总局印发了《广播电视技术迭代实施方案(2020-2022年)》。在如何在竞争态势之中构建核心优势,做好资源与技术储备,利用新一代通信技术把握机遇,提升观看体验,这也是产业在迅速变革中面临的关键性问题。

12月7日,国家广播电视总局印发了《广播电视技术迭代实施方案(2020-2022年)》。该文件指出,广电将利用3年左右时间,实现全行业未来大转型的,通过广播电视技术迭代,加快重塑广电媒体新生态,加速重构现代传播新格局。

该“实施方案”中涉及到了有线(数字)电视、IPTV、OTT TV、直播卫星等全终端,并涉及到了广电5G网络(含5G广播)、4K/8K超高清、MCN、IPv6、云直播、短视频等等全方位的热门行业应用话题。在网络传播层,方案指出依然要求“坚持移动优先策略”,加快推进全国有线电视网络整合和广电5G建设一体化发展,推动广电网络IP化、云化、智慧化、融合化升级等。

回顾近年来,互联网热潮早已席卷过传统的广播电视行业,随着5G、大数据、云计算、人工智能等技术的发展,移动应用、社交媒体、网络直播、自媒体公众号等不断涌现,由此催生了全程媒体、全息媒体、全员媒体、全效媒体,信息无处不在、无所不及、无人不用,媒体格局、舆论生态正在重塑,媒体定义正在被“改写”。而观其背后,信息技术的快速发展,对媒体的影响范围之广、程度之深前所未有。

屏幕快照 2020-12-10 下午7.36.21.png

在如何在竞争态势之中构建核心优势,做好资源与技术储备,利用新一代通信技术把握机遇,提升观看体验,这也是产业在迅速变革中面临的关键性问题。

5G对广电传媒意味着什么?

对于用户来说,5G最大的感受可能就是一个字:快。5G的通信速度会比4G快接近1000倍,这意味着用户可以在几秒钟内下载一部全高清电影,而现今的4G网络可能需要一个小时。

其实,5G在诞生之初便定义了三大应用场景:eMBB、mMTC和uRLLC。

eMBB是针对大流量移动宽带业务,可以满足超高清、3D、VR视频等传媒内容对于传输网速的要求;

mMTC对应的是大规模物联网业务,比如让终端设备的连接和体验得以提升;

uRLLC则是高可靠低时延通信,大大降低了延迟、卡顿的可能,能够为传媒内容的互动娱乐体验提供高可靠、低延时、高可用性的网络传输,在此基础上传媒内容的质量将会大大提高。

图片 1.png

可以说,5G为广电媒体提供了创新视频内容形态和提升用户视觉体验的绝佳机遇。

当5G时代真正到来,摆脱了网速的束缚,传媒内容的形式会更多元、更交互、更立体,内容消费者对延迟的容忍度也会更低。这是机遇,同时也给广电传媒行业带来诸多挑战,这将促使整个行业重新思考应如何更合理的规划网络传输架构,以满足这个新时代的用户体验要求。

海量视频数据 用边缘计算实现性能和成本的最优解?

前文提到,5G会催生更多广电传媒视频内容的创新,尤其是超高清视频、VR内容包含更大的数据量,同时需要更快的信息传输速度。这不仅对传输网络提出了更高的要求,对于承载内容的基础设施,也提出了一定挑战。

假设一场体育赛事8K的直播,所有高清画面、用户互动等等数据都在终端形成、积累,传送到云端,进行数据处理,再返回到终端指导业务。这一系列动作将对网络带宽产生数百Gbps每秒的超高需求,不仅会存在延迟,还需要面临弱网卡顿、连接成功率低等诸多问题,用户体验无法保障。同时,大带宽对回传网络、业务中心造成巨大传输压力,也会让企业面临着巨额的带宽成本。这意味着集中式的数据存储、处理模式将面临难解的瓶颈和压力。

边缘计算恰恰可以解决这一问题。它将大量关键业务在网络边缘终结,减少网络传输和多级转发带来的带宽与时延损耗,有效利用边缘计算平台提供的存储、计算、网络、加速等资源,使性能和带宽的瓶颈将得以突破,节省成本的同时,为观众视频体验的超低延时、稳定流畅、直播互动提供保障。对于VR视频来说,将大量的、复杂的图像计算卸载到边缘数据中心,来加速其处理过程,也可以整体降低体验延时。

屏幕快照 2020-12-10 下午7.18.12.png

借助边缘计算平台的资源,广电传媒业务平台可以实现全国算力的秒级分发和灵活管控,大幅减少基建支出和运维成本。

边缘计算的弹性灵活、统一调度和极简运维能力,赋能广电传媒内容制作、管理、分发与消费的全生命周期,快速构建数字化基础设施,拓展视频应用,推进体验升级。同时,边缘计算支撑广电内网流量分发,传输效率全面提升,媒资数据一键上云,边缘视图存储处理,计算容量弹性扩展,算力智能触手可及。

例如,华数传媒以阿里云边缘节点服务(ENS)为平台底座,打造了一张全国广电的内网CDN,进行灵活扩容和便捷运维,同时基于ENS边缘直播转码能力优化流媒体直播体验。此外,依托ENS的边缘算力、边缘存储能力,华数传媒与阿里云协同组建智慧广电城市云,将为智慧社区、智慧园区、市政管理、智慧校园等应用提供城市级云基础设施。

如此看来,云边端协同的城市级云基础设施,将为广电传媒创新裂变技术赋能。未来已来,身处广电传媒行业的你,做好准备了吗?

欢迎加入阿里云边缘计算业务咨询钉钉群
边缘计算二维码.JPG

目录
相关文章
|
存储 JSON 固态存储
【离线】esrally实践总结
1.真正的离线安装esrally 2.术语介绍,官方数据集、track介绍 3.官方数据集下载 4.离线使用esrally测试现有ES测试集群 5.对比两次race(测试)的结果 6.测试时间太长怎么办? 7.报告分析
3709 2
【离线】esrally实践总结
|
9月前
|
人工智能 vr&ar
GeneMAN:上海AI Lab联合北大等高校推出的3D人体模型创建框架
GeneMAN是由上海AI实验室、北京大学、南洋理工大学和上海交通大学联合推出的3D人体模型创建框架。该框架能够从单张图片中生成高保真度的3D人体模型,适用于多种应用场景,如虚拟试衣、游戏和娱乐、增强现实和虚拟现实等。
379 7
GeneMAN:上海AI Lab联合北大等高校推出的3D人体模型创建框架
|
7月前
|
机器学习/深度学习 人工智能 搜索推荐
《探秘AI驱动的个性化推荐系统:精准触达用户的科技密码》
在这个信息爆炸的时代,AI驱动的个性化推荐系统应运而生,通过数据收集与处理、构建用户画像、核心算法(协同过滤与基于内容的推荐)及深度学习技术,精准洞察用户需求。它广泛应用于电商、视频平台等领域,提升用户体验和商业效益。尽管面临数据稀疏性、隐私保护等挑战,未来将更加精准、实时并注重用户隐私。
445 1
《探秘AI驱动的个性化推荐系统:精准触达用户的科技密码》
|
10月前
|
SQL 分布式计算 大数据
【赵渝强老师】大数据生态圈中的组件
本文介绍了大数据体系架构中的主要组件,包括Hadoop、Spark和Flink生态圈中的数据存储、计算和分析组件。数据存储组件包括HDFS、HBase、Hive和Kafka;计算组件包括MapReduce、Spark Core、Flink DataSet、Spark Streaming和Flink DataStream;分析组件包括Hive、Spark SQL和Flink SQL。文中还提供了相关组件的详细介绍和视频讲解。
625 0
|
11月前
|
消息中间件 并行计算 安全
进程、线程、协程
【10月更文挑战第15天】进程、线程和协程是操作系统中三种不同的执行单元。进程是资源分配和调度的基本单位,每个进程有独立的内存空间;线程是进程内的执行路径,共享进程资源,切换成本较低;协程则更轻量,由用户态调度,适合处理高并发和IO密集型任务。进程提供高隔离性和安全性,线程支持高并发,协程则在资源消耗和调度灵活性方面表现优异。
201 2
使用Zookeeper实现分布式锁的最佳实践
使用Zookeeper实现分布式锁的最佳实践
|
数据采集 机器学习/深度学习 数据挖掘
使用Python进行数据预处理与清洗的最佳实践
本文探讨了Python在数据预处理和清洗中的关键作用。预处理包括数据收集、整合、探索、转换和标准化,而清洗则涉及缺失值、重复值、异常值的处理及数据格式转换。文中提供了使用pandas库进行数据读取、缺失值(如用平均值填充)和重复值处理、异常值检测(如IQR法则)以及数据转换(如min-max缩放)的代码示例。此外,还讲解了文本数据清洗的基本步骤,包括去除标点、转换为小写和停用词移除。整体上,文章旨在帮助读者掌握数据预处理和清洗的最佳实践,以提高数据分析的准确性和效率。
1918 2
|
数据采集 机器学习/深度学习 数据可视化
Jupyter Notebooks和IPython是交互式数据分析利器,提升效率。Jupyter是开源Web应用
【7月更文挑战第5天】Jupyter Notebooks和IPython是交互式数据分析利器,提升效率。Jupyter是开源Web应用,支持多语言,结合IPython的交互式解释器,便于编程和科学计算。两者提供即时反馈、丰富库支持、跨语言功能及协作共享。基本流程包括:数据导入(使用Pandas)、预处理、分析(借助Pandas、NumPy、Matplotlib)、模型训练(如随机森林)和评估。
178 0
|
编解码 算法 前端开发
往年 | 大疆雷达算法校招笔试题目解析
往年 | 大疆雷达算法校招笔试题目解析
780 1
|
数据库
达梦数据库使用
国产优秀数据库达梦数据库的简单使用,springboot+mybatis整合达梦数据库
691 2