视频一直是互联网发展的核心力量，随着ICT 基础设施的发展，云视频也在快速的变化和演进，从点播到直播互动，从单向观看到实时互动，从专网到公众网络，从平面视频到虚实结合的VR/AR，从专业制作到大众创新，视频已经渗透到人们生活的方方面面，成为一种基础能力。
视频分发处理网络需要边缘计算
视频需要更多算力：随着原有的视频业务量的剧增和新业务的快速发展，视频质量越来越高，使得视频对算力的诉求快速增加。同时，端侧设备更倾向于小型化、移动化、低功耗，无法在端侧满足算力要求，算力上移成为趋势。
视频需要实时交互：传统直播的端到端时延通常在3~5 秒以上，无法满足主播和观众的实时交流诉求，云VR、AR 对时延的要求更为苛刻，传统的网络需要从中心侧层层转发，时延无法满足要求，算力下移到更靠近用户的边缘节点成为趋势。
视频需要更高性价比：传统的视频网络，云侧的BGP 带宽成本较高，由于视频向高清高码率发展，成本越来越难以承受，成为发展视频业务的关键挑战，通过边缘计算可以减少中心流量。
视频需要信息安全：在视频监控、高规格会议等场景中，信息安全是关键考虑要素，通过边缘计算实现数据流在本地闭环成为趋势。
构建中心云+边缘计算结合，灵活调度的实时音视频一张网
首先边缘节点要靠近用户，以达到更低的时延，因此需要大量的边缘计算部署，以保障每个用户的体验；同时边缘需要具备一定的算力和存储，能够承载视频处理的能力。
高清会议、线上教育等业务，在中心云+ 边缘计算结合的加持下，体验将会实现跨越式的提升，在规模上实现千人同会，随时发言，千万人同看互动；在用户体验上达到百毫秒级实时互动；在业务上也轻易地实现班中班、多屏共享、实时互动等丰富实用的场景。
实现如上场景的技术挑战也是巨大的。
首先要解决亿级用户，千级边缘节点的调度问题，需要对用户进行聚类、连同节点，通过业务数据分析、实时探测、AI 分析、数据湖等技术进行基于体验、成本等的管理，节点之间也要有能够限制条件的Mesh组网，使用户体验和成本之间达到良好的平衡。
其次，超多方与会对端侧的音频处理提出更高的要求，混音、啸叫抑止、高音质支持等算法需要更高性能、更好的效果，引入AI 算法等等。
再就是视频的传输协议，当前还没有一个成熟的传输协议能够解决全部的问题，华为通过自研的协议很好的解决了海量用户的端到端低时延、低卡顿的关键挑战。协议及相关算法也投入了大量的人力继续进行深入研究，将来会开源到业界，和客户、友商一起推动视频技术和业务的发展。
融合边缘计算的实时音视频网络，可以助力VR/AR视频
当前的VR 端侧设备已经比较丰富，但用户体验方面大部分都不太友好，前期有些设备需要背一个主机背包在身上，非常不方便，当前的设备虽然小了很多，但由于承担了算力的使命，都比较笨重。和实时音视频结合后，可实现把眼镜达到准普通眼镜轻便的程度，同时体验上接近甚至超越“笨重”的眼镜。
为了解决VR 体验中的眩晕感，需要把MTP( 从头动到显示出相应画面的时间) 时延控制在20 毫秒以内，如果把360 度的视频从边缘拉下来，会消耗用户过多的流量和端侧能耗，最好的做法是在边缘对用户的头动行为进行预测，减少带宽的同时又能够保障低卡顿的良好体验。
AR 视频的渲染放在端侧或云侧都是不合适的，只能放在边缘，这也是一个优势，在边缘上摆脱了能耗等的限制，可以渲染出更好的效果。关键除了要解决VR 场景中的问题，还需要解决从头动、渲染、视频、编码、传输到显示整个流程的低时延问题，尤其是毫秒级时延的视频编码，又要保障更好的视频压缩率，这是一个比较关键的难题。
融合边缘计算的实时音视频网络，助力监控视频
当前主流的视频监控方案，大多是把视频存在NVR（网络录像机）、VCN（视频内容管理节点）或存储卡上。视频监控的核心诉求是存储和智能化，智能化可有效减少人工查看的问题，算法部署在云上看似是比较好的选择，但由于上云的成本问题无法接受，目前的视频监控云服务大多是只能在云上做相机管理和实时查看，即使提供了云存储服务，也是收费较高。
于是部分厂商把算法部署到前端，由于前端的设备众多，且算力有限，效果上也大打折扣。
融合边缘计算的实时音视频网络就很好地解决这个问题，兼顾了视频的AI 能力和入网成本。预判该方案将成为未来视频监控的主流方案。
得益于边缘计算的技术，边缘可以实现视频算法的动态编排，以满足各场景的视频监控，同时，相机的管理由于流量小，还可以放到云上统一管理。该方案的另一个核心技术是基于监控场景的视频编码能力，可通过用算力换网络，用算力换存储。
写在最后：边缘计算也是云计算，它是中心云架构在边缘的自然延伸，同样是云原生的架构。华为云视频，基于华为云强大的容器云原生技术和广泛的边缘计算资源，构建了云原生的实时音视频处理与分发网络，使能各行业音视频走向实时互动，走向更高的性价比，实现更高的安全性。
