郭一璞 发自 悠唐
量子位 报道 | 公众号 QbitAI

2014年，曾经是YY CTO的赵斌在硅谷创立了声网。

这家公司的主要业务，就是借助API的方式，让全世界的开发者都能方便的在自家应用里接入实时音视频服务，也就是语音通话、视频聊天、互动直播等相关功能。

成立五年来，声网已经融到了C轮，累计融资额超过1.2亿美金，IDG、顺为资本、纪源资本等知名投资机构都曾参与投资。如今他们在硅谷、上海、北京、广州、深圳、班加罗尔、伦敦、东京、纽约等地都有办公室。

在声网的官网上，赵斌有一个标签：“API信徒”。

网景创始人马克·安德森曾经说：“软件正在吃掉世界。”

赵斌深以为然，“说‘吃掉’有点夸张，如果用更平和或者客观的话来说，就是软件会渗透到所有行业、生活里面。”

但他对“软件吃掉世界”有了更多一层自己的理解：“完全靠独立的软件吃掉这个世界已经差不多了，现在我们的生活都是在软件上运行。但是如果要进一步吃掉这个世界，需要在很多业务上API化，API之间又可以集成，将来实现生活体验、工作体验无缝连接，然后整个把体验包起来。”

世界是运行在API上的，这也是赵斌选择API这个创业方向的原因。

基于AI的传输技术

在移动端实现超分辨率，是声网不久前发布的一项技术。

可以将实时传输中的视频在原有分辨率的基础上实现两个方向的2倍同步放大，并进行细节的增强。

声网CEO赵斌介绍，在移动端计算，固然可以减少云端算力与传输压力和运营成本问题，但这项技术的实现并不容易：

第一，要在移动端实现本地运算，会受到手机发热和耗电量的影响，尤其是直播、上课这类应用，很多时候要超过1小时，要使手机在这么长的时间里不发热、不降低性能，是非常有挑战性的一项工作；

第二，由于超分辨率的转换过程是实时的，无法预知下一帧的视频，而画面必须是连续不卡顿的；

第三，移动端落地平台多种多样，要在苹果安卓不同系统、高端低端不同手机上实现落地，需要考虑的维度更多，对适配的要求更强。

除了移动端超分辨率之外，声网原创的SD-RTN（Software Defined Real-time Network）也是这家公司引以为豪的一项产品。

SD-RTN部署在了全球超过200个国家和地区，赵斌介绍，声网在每个地区都会有专门的当地供应商，根据用户分布情况，选择可靠、短延时的线路，另外通过算法优化全球互联网的覆盖和传输能力，因此，和公有云类产品提供的服务并不相同，更侧重于解决延时和卡顿的问题。

“比如一家公司的数据中心机器在西雅图，而你有很多客户在埃及，难道数据要先到西雅图、再从西雅图到埃及吗？在中东布一个就直接过去了。”声网首席科学家钟声举了这样一个例子来说明。

中国人的国际化公司

虽然是创立者是中国人，但“国际化公司”一直刻印在声网的骨子里。

声网不仅有大量外籍员工，且平台上国外的用户流量也已经超过了国内。其中不少流量也得益于中国互联网公司出海的举动，比如当互动直播走向国外，就带来了成体量的用户规模。

目前，声网平台上有约15万左右的应用在运行，其中也包括不少像陌陌这种用户规模巨大的应用。而声网整个公司大约有400名员工，其中研发、技术服务和支持等各类技术人员占比达到70%，研发团队主要集中在国内，上海为多，北京广州也有，另外也有以业务团队为主的硅谷办公室。

作为专业的技术服务商，大厂们的潜在竞争让赵斌并不觉得有压力。“可能有一些比较大的企业或者巨头在做类似的东西，这个我觉得还好吧，主要是产品业务本来都是比较新的，到底做成什么样、怎么服务得比较好，这里面的做法和产品体验的差异是最重要的。”

在赵斌看来，大公司固然有向某个领域进军的能力，但单单就音视频服务来说，这对大厂们只是很小的一个方向，而对声网则是核心的专业方向，投入全部的资源。“把实时音视频做成简单的API，去帮所有App接入，在相当长的时间里，我们是唯一的一家。”

传输的使命

在2019年底这个时间点上，5G是整个科技行业都在聚焦的议题。

而尤其是对于和视频传输内容相关的公司来说，这更是令人激动、令人期待、令人惊喜的时刻。

虎牙CEO董荣杰就预测，当5G到来时，普通用户的流量不再是限制看直播的因素，就像短视频今日的火热一样，整个直播市场会有5~10倍的巨大增长空间。

而对于声网这类面向开发者的视频API服务公司来说，5G也是重大机遇。

赵斌说，“5G提供了更好的带宽或者更廉价的带宽，覆盖更全的带宽，赋能手机应用，更好的利用这个带宽。利用带宽干什么？视频是最主要的。”

而在钟声这位首席科学家看来，站在RTC+AI+5G三个技术的交叉点上，这对声网更是特别的机会。

除了音视频，赵斌则将声网的方向锁定在了“实时场景构建”上，不仅包括视频声音，也有信息和消息。而在未来，钟声希望能借助技术将声网的能力延伸到虚拟老师、活体认证、远程诊断、治疗等多个方面。