一、智能视频编码的概念和技术

随着5G和AI技术的发展，视频行业商业模式重构，新型视频应用场景应时而生，广泛应用于人们的生产、生活之中。视频应用不再局限于娱乐场景，而是向工业制造、安防领域、生产办公等场景拓展。未来随着产业整合泛化和元宇宙布局趋势加强，广电超高清、VR/AR等场景持续涌现，人们需求和视频类型将会更趋多元。

传统的视频编码技术已经难以满足下游视频应用的快速增长，亟需引入新技术以激活视频编码这一视频产业链价值裂变的关键环节，充分释放产业势能，为智能视频产业提供底层支持。智能视频编码是指运用神经网络等人工智能技术，一方面执行信号压缩任务，对编码场景、参数、模式选择等信息进行面向应用场景和内容特征的分析，利用AI技术对去噪声、图像增强、细节改善等环节进行预处理，基于最佳模式的配置与编码，实现精准化编码控制，提高压缩效率，即“AI for Coding”；另一方面在编码过程中兼顾后续的智能分析过程，通过特征分析、特征提取，按照智能分析需求进行特征编码，优化解码应用端的智能分析过程，减少解码端重复调用AI进行特征提取分析和处理的重复过程，为后续针对性重构视频场景、执行智能分析任务奠定基础，即“Coding for AI”。

智能视频编码打破了传统编码模式下压缩编码与智能分析相割裂的“1+1”分布式模式，整合了编码、重组、解码及智能应用等视频链环节，实现从视频编码到重构分析的一体化智构编码。

二、中国智能视频编码市场规模

2022年中国智能视频编码整体市场规模为295亿元，相比2021年增长了24.5%。得益于超高清视频的推广与落地应用和疫情催化下云视频会议和在线教育的快速渗透，消费端和产业侧的生活娱乐、工作交流纷纷从线下转向线上，智能视频编码市场增速达64.5%。随着智能编码技术的场景渗透和云游戏、VR/AR等下游新兴市场的增量起势，市场规模加速提升，预计2025年智能视频编码市场规模有望突破600亿元。

中国智能视频编码整体市场规模包括软件服务和硬件设备两部分。软件服务主要包括云端转码服务和端侧AI辅助服务两种形式。云端转码服务是指利用云计算平台对上传到云端的原始视频进行转换为标准格式并按照不同需求生成多种清晰度和帧率的版本，并存储在云端以供用户按需下载或播放。端侧AI辅助服务是指利用端侧设备（如手机、电脑等）上集成的AI芯片或软件对本地或实时采集的原始视频进行压缩或增强处理，并输出到显示器或传输到其他设备。硬件设备主要包括集成了AI芯片或软件的摄像头、录像机等采集设备以及显示器、投影仪等输出设备。

2022年中国智能视频编码软件服务市场规模为140亿元，占整体市场规模的40%；硬件设备市场规模为210亿元，占整体市场规模的60%。预计到2025年软件服务市场规模将达到270亿元，占比提升至45%；硬件设备市场规模将达到330亿元，占比降低至55%。

三、中国智能视频编码应用场景

中国智能视频编码应用场景主要包括互联网视频、广电超高清、云游戏/VR/AR、远程办公/教育/医疗、安防监控/机器视觉等五大类别。

1. 互联网视频

近二十年来，随着底层基础设施和技术体系的日趋成熟，互联网视频蓬勃发展，逐渐成为了人们获取信息、交流娱乐的重要方式。相比单纯的文字、图片或音频，视频以更加直观的方式聚合多维度的信息，能够带来更强的沉浸式体验和交互性。截至2023年3月，我国网络视频用户规模达到10.31亿，占网民整体的96.5%，其中短视频用户规模首次突破10亿，网民使用率达94.8%。随着视频类应用使用体验的大幅优化，其消费时长占移动互联网应用的比例呈现上升态势，这为视频编码创造了巨大的市场空间。预计2025年中国互联网视频编码市场规模将达270亿元，相比2019年的爆发性增长，互联网视频行业发展趋稳，年增长率稳定在25%的水平。

互联网视频根据服务类型主要分为点播、直播和互动直播三类。转码是点播服务的核心技术，可伸缩编码技术在互联网视频转码这一环节得到了广泛应用，具体是指事先将内容提供方上传的视频在云端解码再编码，转换为标准格式并云端存储，根据用户实际带宽情况和播放终端自动、灵活地匹配分发不同码率的视频文件，在多码流场景下提供最佳解码画质的解决方案，即兼顾清晰度和流畅度的最优观看体验。可伸缩编码技术也称为分层编码，可通过AI编码工具实现并具有鲁棒性。

直播服务是指内容提供方通过网络实时传输视频信号到用户终端进行观看的服务。直播服务对于延迟、抖动、丢包等网络质量因素非常敏感，因此需要高效的实时编码技术来保证直播画面的流畅和清晰。实时编码技术主要包括低延迟编码和自适应码率编码两种。低延迟编码是指通过减少帧间预测、降低GOP结构复杂度、优化缓冲区管理等方式来降低编解码过程中产生的延迟。自适应码率编码是指根据网络带宽变化动态调整视频流的码率和分辨率，以适应不同网络环境和用户设备。

互动直播服务是指内容提供方与用户之间进行双向或多向的实时视频交流的服务。互动直播服务对于延迟和稳定性要求更高，同时需要支持多路视频流的合成和分发。互动直播服务需要采用更先进的实时编码技术，如基于神经网络的端到端实时编码技术，可以利用深度学习对视频内容进行语义分析和压缩表示，从而提高编码效率和质量。

尚普咨询认为，随着5G网络的普及和AI技术的进步，互联网视频服务将呈现出更高清、更多元、更智能、更沉浸式的特点，这将对智能视频编码技术提出更高的要求和挑战。

2. 广电超高清

广电超高清是指广电系统提供的超高清（4K/8K）电视节目或信号服务。广电超高清具有画面清晰度高、色彩还原度好、视觉冲击力强等特点，能够给观众带来更真实、更震撼、更沉浸式的视听体验。广电超高清是广电系统与5G、AI等新技术融合发展的重要方向，也是推动广电行业转型升级、增强竞争力、满足人民群众日益增长的美好生活需要的重要举措。

截至2022年3月底，全国共有超高清频道10个，覆盖全国28个省（区、市），其中中央级频道2个（CCTV-4K/8K），地方级频道8个；全国共有超高清节目源平台3个（北京、上海、深圳），超高清节目制作机构达到100家以上；全国共有超高清机顶盒用户达到8000万户以上；全国共有超高清电视机销量达到1.5亿台以上。

广电超高清对于视频编码技术提出了极高的要求。一方面，超高清视频具有极大的数据量和带宽需求，需要高效的压缩编码技术来降低传输成本和提升传输效率；另一方面，超高清视频具有极高的画面质量和色彩表现力，需要保证压缩编码过程中不损失画面细节和色彩信息。目前广电超高清主要采用HEVC（H.265）作为压缩编码标准，但HEVC仍存在着版权费用高、算法复杂度大、兼容性差等问题。未来随着新一代压缩编码标准VVC（H.266）和EVC（H.267）以及基于神经网络的端到端压缩编码技术等新技术的出现和成熟，广电超高清将迎来更大的发展空间。

据尚普咨询集团数据显示 ，2022年，中国广电超高清编码市场规模达到25亿元，较2021年增长了38.9%。预计到2025年，随着超高清视频技术的不断发展和应用，中国广电超高清编码市场规模将突破70亿元。随着国家对于广电超高清发展战略的持续推进以及北京冬奥会等重大赛事活动的举办，广电超高清将进入快速发展阶段。

3. 云游戏/VR/AR

云游戏是指将游戏运行从本地设备转移到云端服务器上，并通过网络将游戏画面传输到用户终端进行交互的一种新型游戏模式。云游戏具有设备无关性、资源共享性、即开即玩性等特点，能够突破传统游戏对于设备性能、存储空间、下载安装等方面的限制，给用户带来更便捷、更流畅、更丰富的游戏体验。

VR（虚拟现实）是指利用计算机生成一种模拟环境，让用户感觉自己身处其中，并可以与环境中的对象进行交互。VR具有沉浸感、交互性、想象力等特点，能够给用户带来全新而真实感强烈的视觉体验。VR主要应用于游戏、影视、教育、旅游等领域。

AR（增强现实）是指在真实世界的场景中叠加虚拟的信息或对象，从而增强用户对现实世界的感知。AR具有真实感、互动性、创造力等特点，能够给用户带来更丰富而有趣的视觉体验。AR主要应用于游戏、社交、电商、医疗等领域。

云游戏/VR/AR是基于云计算和人工智能技术的新兴视频应用领域，具有极高的市场潜力和发展前景。2022年中国云游戏/VR/AR编码市场规模为45亿元，同比增长32.4%，其中云游戏市场占比超过70%。预计到2025年，中国云游戏/VR/AR编码市场规模将达到230亿元，其中AR/VR市场规模将超过130亿美元，云游戏市场规模将突破100亿元。随着5G网络的普及和AI技术的进步，云游戏/VR/AR将呈现出更高清、更多元、更智能、更沉浸式的特点，这将对智能视频编码技术提出更高的要求和挑战。

云游戏/VR/AR对于视频编码技术提出了极高的要求。一方面，云游戏/VR/AR具有极大的数据量和带宽需求，需要高效的压缩编码技术来降低传输成本和提升传输效率；另一方面，云游戏/VR/AR具有极高的画面质量和交互性，需要保证压缩编码过程中不损失画面细节和交互信息。目前云游戏/VR/AR主要采用HEVC（H.265）作为压缩编码标准，但HEVC仍存在着版权费用高、算法复杂度大、兼容性差等问题。未来随着新一代压缩编码标准VVC（H.266）和EVC（H.267）以及基于神经网络的端到端压缩编码技术等新技术的出现和成熟，云游戏/VR/AR将迎来更大的发展空间。

尚普咨询认为，随着元宇宙概念的兴起和用户对于沉浸式体验的需求增长，云游戏/VR/AR将成为未来视频应用领域的重要增长点，智能视频编码技术将在其中发挥关键作用。

4. 远程办公/教育/医疗

远程办公是指利用网络技术和移动设备实现工作场所与工作内容之间的解耦合，让员工可以在任何地点进行工作的一种新型办公模式。远程办公具有灵活性、高效性、节约性等特点，能够给员工带来更多的自主权和创造力，同时也给企业带来更多的人才资源和成本节约。

远程教育是指利用网络技术和移动设备实现教学场所与教学内容之间的解耦合，让学生可以在任何地点进行学习的一种新型教学模式。远程教育具有便捷性、平等性、个性化等特点，能够给学生带来更多的学习选择和机会，同时也给教育机构带来更多的教学资源和服务范围。

远程医疗是指利用网络技术和移动设备实现医疗场所与医疗内容之间的解耦合，让患者可以在任何地点进行就诊的一种新型医疗模式。远程医疗具有便利性、安全性、普惠性等特点，能够给患者带来更多的就医便利和保障，同时也给医疗机构带来更多的诊疗资源和服务效率。

远程办公/教育/医疗是基于网络技术和移动设备的新型服务领域，在过去几年受到了疫情等因素的影响而快速发展。2022年，随着数字经济的快速发展，中国远程办公/教育/医疗编码市场规模达到了28亿元，同比增长16.7%。预计到2025年，该市场规模将超过80亿元，保持高速增长态势。随着网络技术/医疗将迎来更大的发展空间。

尚普咨询认为，随着数字化转型和新基建的推进，远程办公/教育/医疗将成为未来服务领域的重要增长点，智能视频编码技术将在其中发挥关键作用。

5. 安防监控/机器视觉

安防监控是指利用视频摄像机等设备对特定区域进行实时或录像的监视，以保障人员和财产安全的一种技术手段。安防监控具有预防性、及时性、全面性等特点，能够给用户带来更多的安全保障和风险控制。

机器视觉是指利用视频摄像机等设备对特定区域进行实时或录像的采集，并通过计算机对视频图像进行分析和处理，以实现对目标物体的识别、检测、跟踪、测量等功能的一种技术手段。机器视觉具有智能性、自动化、高效性等特点，能够给用户带来更多的生产效率和质量提升。

安防监控/机器视觉是基于视频技术和人工智能技术的重要应用领域，在过去几年受到了国家政策和社会需求的推动而快速发展。2021年中国安防监控/机器视觉编码市场规模为91亿元，预计2025年将达到220亿元。随着网络技术的进步和用户对于智能化服务的需求增长，安防监控/机器视觉将呈现出更高清、更多元、更智能、更沉浸式的特点，这将对智能视频编码技术提出更高的要求和挑战。

安防监控/机器视觉对于视频编码技术提出了较高的要求。一方面，安防监控/机器视觉具有较大的数据量和带宽需求，需要高效的压缩编码技术来降低传输成本和提升传输效率；另一方面，安防监控/机器视觉具有较高的画面质量和智能分析需求，需要保证压缩编码过程中不损失画面细节和特征信息。目前安防监控/机器视觉主要采用AVC（H.264）或HEVC（H.265）作为压缩编码标准，但AVC和HEVC仍存在着版权费用高、算法复杂度大、兼容性差等问题。未来随着新一代压缩编码标准VVC（H.266）和EVC（H.267）以及基于神经网络的端到端压缩编码技术等新技术的出现和成熟，安防监控/机器视觉将迎来更大的发展空间。

尚普咨询认为，随着数字化治理和智能制造的深入推进，安防监控/机器视觉将成为未来应用领域的重要增长点，智能视频编码技术将在其中发挥关键作用。

四、中国智能视频编码竞争格局

中国智能视频编码竞争格局主要由核心硬件与编码标准、智能视频编码解决方案与细分场景应用三个部分构成。

1. 核心硬件与编码标准

核心硬件与编码标准是智能视频编码产业链的上游环节，主要包括AI芯片、云计算平台、通信服务及CDN服务等。AI芯片是智能视频编码技术实现的基础，主要包括CPU、GPU、FPGA、ASIC等类型。云计算平台是智能视频编码服务提供的基础，主要包括阿里云、腾讯云、华为云等主流云服务商。通信服务及CDN服务是智能视频编码传输的基础，主要包括中国移动、中国电信、中国联通等运营商以及百度网宿、阿里云CDN等CDN服务商。

编码标准是智能视频编码技术实现的规范，主要包括AVC（H.264）、HEVC（H.265）、VVC（H.266）、EVC（H.267）等主流压缩编码标准。AVC（H.264）是目前最广泛使用的压缩编码标准，具有良好的兼容性和成熟度，但其编码效率和质量已经达到瓶颈。HEVC（H.265）是目前最先进的压缩编码标准，具有高效的压缩性能和质量，但其版权费用高昂且算法复杂度大。VVC（H.266）是最新发布的压缩编码标准，具有更高的压缩性能和质量，但其算法复杂度更大且尚未普及。EVC（H.267）是另一个最新发布的压缩编码标准，具有较高的压缩性能和质量，且其版权费用较低且算法复杂度较低。

2. 智能视频编码解决方案

智能视频编码解决方案是智能视频编码产业链的核心环节，主要包括软件服务和硬件设备两种形式。软件服务主要包括云端转码服务和端侧AI辅助服务两种形式。云端转码服务是指利用云计算平台对上传到云端的原始视频进行转换为标准格式并按照不同需求生成多种清晰度和帧率的版本，并存储在云端以供用户按需下载或播放。端侧AI辅助服务是指利用端侧设备（如手机、电脑等）上集成的AI芯片或软件对本地或实时采集的原始视频进行压缩或增强处理，并输出到显示器或传输到其他设备。硬件设备主要包括集成了AI芯片或软件的摄像头、录像机等采集设备以及显示器、投影仪等输出设备。

智能视频编码解决方案的主要提供商包括涌现科技、快手、百度、阿里巴巴、腾讯、华为、海思、英特尔、英伟达等。涌现科技是国内领先的智能视频编码技术提供商，其基于神经网络的端到端实时编码技术可以实现高效率、高质量、低延迟、低复杂度的视频压缩和传输，广泛应用于互联网视频、广电超高清、云游戏/VR/AR、远程办公/教育/医疗、安防监控/机器视觉等场景。快手是国内领先的短视频平台，其自研的实时编码技术可以实现低延迟、低卡顿、低流量的直播体验，广泛应用于快手直播平台。百度是国内领先的搜索引擎和AI技术提供商，其自研的可伸缩编码技术可以实现多分辨率、多帧率、多视角的视频转码和分发，广泛应用于百度网盘等产品。阿里巴巴是国内领先的电子商务和云计算平台，其自研的自适应码率编码技术可以实现根据网络带宽变化动态调整视频流的码率和分辨率，广泛应用于优酷视频等产品。腾讯是国内领先的社交网络和游戏平台，其自研的低延迟编码技术可以实现通过减少帧间预测、降低GOP结构复杂度、优化缓冲区管理等方式来降低编解码过程中产生的延迟，广泛应用于微信视频通话等产品。

华为是国内领先的通信设备和智能终端提供商，其自研的端侧AI辅助编码技术可以实现利用端侧设备上集成的AI芯片或软件对本地或实时采集的原始视频进行压缩或增强处理，并输出到显示器或传输到其他设备，广泛应用于华为手机等产品。海思是国内领先的AI芯片提供商，其自研的集成了AI芯片或软件的摄像头、录像机等采集设备以及显示器、投影仪等输出设备，广泛应用于安防监控/机器视觉等场景。英特尔和英伟达是国际领先的AI芯片提供商，其自研的CPU、GPU、FPGA、ASIC等类型的AI芯片，广泛应用于云端转码服务和端侧AI辅助服务等场景。

3. 细分场景应用

细分场景应用是智能视频编码产业链的下游环节，主要包括互联网视频、广电超高清、云游戏/VR/AR、远程办公/教育/医疗、安防监控/机器视觉等五大类别。细分场景应用是智能视频编码技术的直接消费者，也是智能视频编码技术创新和发展的驱动力。

细分场景应用的主要提供商包括优酷、爱奇艺、腾讯视频、快手、抖音、CCTV-4K/8K、华数TV、腾讯云游戏、华为云游戏、HTC Vive、Oculus Rift、微软HoloLens、腾讯会议、钉钉、Zoom、网易有道课堂、学而思网校、阿里健康、平安好医生、海康威视、大华股份等。

五、2023年智能视频编码行业发展前景

尚普咨询认为，2023年智能视频编码行业将呈现以下几个方面的发展趋势：

智能视频编码市场规模将持续增长，预计2023年全年将达到400亿元左右。随着5G网络的普及和AI技术的进步，智能视频编码技术将在各个细分场景中得到更广泛的应用和推广，从而带动市场规模的增长。

智能视频编码技术将更加成熟和多样化，新一代压缩编码标准VVC（H.266）和EVC（H.267）以及基于神经网络的端到端压缩编码技术等新技术将逐渐成为主流。随着用户对于视频画质和交互性的需求提升，智能视频编码技术将不断创新和优化，以实现更高效率、更高质量、更低延迟、更低复杂度的视频压缩和传输。

智能视频编码竞争格局将更加激烈和多元化，各类企业将加大投入和布局，形成差异化和特色化的竞争优势。随着智能视频编码市场规模的扩大和技术门槛的降低，各类企业将纷纷进入这一领域，包括传统压缩编码标准制定者和提供者、云计算平台和AI芯片提供者、互联网平台和内容提供者以及各个细分场景应用提供者等。各类企业将通过自主研发或合作共赢等方式，形成差异化和特色化。