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
|
8月前
|
存储 人工智能 数据库
|
3月前
|
机器学习/深度学习 自然语言处理 搜索推荐
"智能革命新篇章:揭秘大模型私有化垂直技术,如何成为企业转型升级的超级引擎与秘密武器"
【10月更文挑战第17天】大模型私有化垂直技术通过在企业私有环境中部署并定制大型语言模型,结合企业特定数据和业务逻辑,提升数据安全、服务定制化、处理效率及持续迭代能力,助力企业在客户服务、风险管理、智能制造及个性化营销等方面实现智能化转型,推动业务高效运营与创新发展。
72 1
|
8天前
|
人工智能 自然语言处理 供应链
《AI引领传统企业:数字化转型与商业创新的破局之路》
在当今时代,AI为传统企业带来数字化转型和商业创新的机遇。通过数据分析、精准决策、业务流程优化、产品服务创新、营销渠道拓展及人才管理,AI助力企业提升效率、降低成本、增强竞争力。企业需转变思维、加大技术投入、培养AI人才,建立适应转型的企业文化,以充分挖掘AI潜力,实现可持续发展。
66 15
|
2月前
|
程序员
中国程序员的挑战与困境:行业现状深度解析
在中国,程序员作为技术行业的中坚力量,他们面临的挑战和困境值得关注。这些挑战不仅影响着程序员的个人发展,也关系到整个技术行业的进步。本文将探讨中国程序员面临的一些主要问题,并分析这些问题背后的原因,同时探讨可能的解决方案。
53 1
|
5月前
|
传感器 物联网 区块链
未来触手可及:探索新兴技术的浪潮与影响
【8月更文挑战第6天】 随着科技的日新月异,区块链、物联网、虚拟现实等技术正逐步从概念走向现实,它们不仅重塑了我们的生活方式,也预示着未来社会的发展轨迹。本文将深入探讨这些技术的发展趋势和应用场景,揭示它们如何共同构建一个更加智能、互联的世界。
50 2
|
5月前
|
机器学习/深度学习 人工智能 Cloud Native
AI工业变革问题之企业IT系统的进化改变如何解决
AI工业变革问题之企业IT系统的进化改变如何解决
44 0
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型技术的发展与实践
一、大模型的概念 大型语言模型,也称大语言模型、大模型(Large Language Model,LLM;Large Language Models,LLMs) 。 大语言模型是一种深度学习模型,特别是属于自然语言处理(NLP)的领域,一般是指包含数干亿(或更多)参数的语言模型,这些参数是在大量文本数据上训练的,例如模型GPT-3,PaLM,LLaMA等,大语言模型的目的是理解和生成自然语言,通过学习大量的文本数据来预测下一个词或生成与给定文本相关的内容。 参数可以被理解为模型学习任务所需要记住的信息,参数的数量通常与模型的复杂性和学习能力直接相关,更多的参数意味着模型可能具有更强的学习
|
8月前
|
机器学习/深度学习 存储 边缘计算
拥抱变化:我的云计算之旅
【5月更文挑战第24天】在信息技术迅猛发展的今天,云计算作为一项颠覆性技术,正改变着我们的工作和生活方式。本文记录了我作为一名软件工程师,在学习和实践云计算过程中的技术感悟和职业成长。文章不仅分享了对云服务模型、核心技术及行业趋势的深入理解,还探讨了如何通过不断学习新技术来适应快速变化的行业需求,并对未来的职业规划进行了展望。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型技术的发展与实践
一、大模型的概念 大型语言模型,也称大语言模型、大模型(Large Language Model,LLM;Large Language Models,LLMs) 。 大语言模型是一种深度学习模型,特别是属于自然语言处理(NLP)的领域,一般是指包含数干亿(或更多)参数的语言模型,这些参数是在大量文本数据上训练的,例如模型GPT-3,PaLM,LLaMA等,大语言模型的目的是理解和生成自然语言,通过学习大量的文本数据来预测下一个词或生成与给定文本相关的内容。 参数可以被理解为模型学习任务所需要记住的信息,参数的数量通常与模型的复杂性和学习能力直接相关,更多的参数意味着模型可能具有更强的学习
497 0
|
机器学习/深度学习 人工智能 供应链
如何构建数字化时代的人才转型方案,Adobe用人工智能给出方案
如何构建数字化时代的人才转型方案,Adobe用人工智能给出方案
如何构建数字化时代的人才转型方案,Adobe用人工智能给出方案

热门文章

最新文章

下一篇
开通oss服务