导 读
2023年，视听技术发展正呈现融合演进、数智赋能、虚实共生发展态势，网络视听行业积极顺应新一代信息技术革命和产业变革的浪潮，创作生产、传播分发、呈现体验迈向全流程数智化，交互多维沉浸化，新业态新模式新场景不断涌现，网络视听正全方位深度融入人民数字化生活。
一、关键技术持续创新
网络视听技术底座不断夯实
（一）持续挖掘文化数据价值，数据乘数效应持续释放
数据是网络视听重要的生产要素和战略资源。网络视听行业因数字技术而生，高度依赖数据，每天都产生巨量数据，超八成以上的互联网流量都来自视频。
2023年，头部网络视听平台加快挖掘和管理数据，建立基于媒资数据、用户数据、人才数据、广告数据、数字资产等数据要素的管理分析平台，探索优化流量分发机制，推动资源配置不断优化、生产效率不断提升，也为AI（人工智能）技术提供了充足的算据。
2023年是我国推行数据要素市场的第三年，我国各要素市场在新质生产力的推动下不断与数据要素融合，正在重塑产业发展与治理的规则体系。2023年2月，中共中央、国务院印发了《数字中国建设整体布局规划》，提出要“大力发展网络文化，加强优质网络文化产品供给，引导各类平台和广大网民创作生产积极健康、向上向善的网络文化产品”；2023年12月，国家数据局等部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，提出“挖掘文化数据价值，贯通各类文化机构数据中心，关联形成中华文化数据库，鼓励依托市场化机制开发文化大模型”；2024年1月，财政部制定印发《关于加强数据资产管理的指导意见》，明确了数据的资产属性，以“价值实现”为主线健全有效管理机制。随着政策供给持续加强，有助于网络视听行业进一步激活数据要素潜能，推动数据多场景流通应用，培育发展新业态、新模式、新动能。
（二）人工智能大模型爆发式增长，AIGC持续提升网络视听生产效率
2023年被称为生成式人工智能（AIGC）元年，全球人工智能产业市场收入达到5132亿美元，同比增长20.7%。全球企业积极开发应用AI大模型产品，中国和美国发布的通用大模型总数占全球发布量的80%。2024年1月，OpenAI推出了GPT商店（GPT Store），用户可以创建、分享和销售基于不同用途的GPT应用程序（GPTs）。伴随着众多个性化GPTs上线以及Ai Pin、Rabbit R1等AI硬件的面世，AI大模型应用将迎来新一轮热潮。
各类国产大模型也层出不穷，百度“文心一言”、阿里“通义千问”、商汤“日日新”、科大讯飞“星火”等在内的部分国产大模型已面向市场开放使用。截至2023年12月，我国已发布10亿级参数规模以上的大模型多达234个，大模型的参数量和参数规模均呈现指数级增长。随着多模态的数据处理和多模态感知的融合等技术的不断发展，大模型也将从现在的文本、图片、音频和视频等单模型向多模型不断转变和融合，实现全面感知。
AIGC是当前AI大模型的主要应用形式，视觉算法在泛化性、可提示性、生成质量和稳定性等方面的持续突破，已能够深度参与网络视听行业前期的项目风险评估和剧本创作环节、中期的影视拍摄和制作剪辑环节以及后期的宣发环节。如中文在线“中文逍遥”模型可以根据创作者的创意和想法，生成小说故事概要、写作大纲、看图写小说、模拟角色对话等；Runway“Gen-2”模型、Stability AI“Stable Video Diffusion”模型、“Pika”模型等均能实现多种形式、高灵活性的多模态视频内容生成。
AI大模型底层能力的突破也显著推动了具身智能技术发展，与人形机器人技术相结合，催生了更多可能性。AI智能体（AI Agent）已在任务解决、服务创作及智能客服等场景中得到初步应用，随着接口对齐、复杂任务规划、工作记忆等技术发展，人机交互方式将从传统的图形界面转向更自然的人机交互。
（三）沉浸视听技术革新创作方式，不断丰富交互体验
随着超大规模、超强算力、超高智能的高新技术不断创新与应用，芯片、光学、屏幕、声学、感知交互等领域迎来长足发展，超高清、互动视频、XR（扩展现实）、云游戏等沉浸视听技术，推动视听实现了三维交互的升维，极大提升了用户体验，也将有助于推动内容制作、传输分发、终端呈现等视听产业链上下游迭代升级。
在生产端，以虚拟制作为代表的数字化拍摄方式应用更加广泛。虚拟制作基于实时渲染、高精度虚拟场景创建、动态全局光照等技术，集数字资产、虚拟预演、虚拟拍摄、现场剪辑、后期制作等环节于一体，具有实时性和交互性，突破了线性创作流程，让演员和观众都能获得更加逼真自然的体验。《云之羽》《狐妖小红娘·月红篇》等网络剧以及《柒两人生》等短剧，采用了“实景+影视虚拟制作”，《云之羽》的虚拟拍摄效率相比本项目其他常规拍摄提高超30%，剧组工作人员减少三分之一。爱奇艺还建立了“实景扫描—资产重建—虚拟拍摄—精修入库—多业务复用”的完整制作流程。
在消费端，XR、裸眼3D、体积视频、360度视频、6DOF（6自由度）等视听技术和业态更加成熟，XR、裸眼3D等硬件相继发布，数字人的应用场景持续扩大，实现了内容交互的从弱到强、从被动观影向互动体验的转变。网络纪录片《风起东方》运用XR技术打造美轮美奂的穿越场景，采用数字人厘里作为串联线索，化身时光旅人，见证“一带一路”十年变迁。VR（虚拟现实）与现实空间结合的“大空间VR”技术逐步成熟，网络视听与线下娱乐进一步融合，一些主题公园、博物馆、音乐馆已经开始使用“大空间VR”技术来提供更加沉浸式的极致视听体验，在真实空间为用户打造一个虚拟的全触感空间。
二、科技创新对网络视听
全领域全链条支撑作用更加显著
（一）综合视频：AIGC应用深化，全流程工业化提速
2023年，我国网络视听视听行业工业化进程提速，专业化水平、智能化程度增强，带动了内容制作工艺、生产效率和美学风格的进阶。主要综合视频平台均将AIGC引入内容生产和日常运营，为创意策划、信息获取、内容生产、渠道分发、运营推广、效果评估、内容治理等各环节均提供了数智化的解决方案，生产效率显著提升。芒果TV发布AIGC HUB平台集成领域模型、AI绘画、语音生成文本、图像、语音模态等多项能力；爱奇艺“星罗剧情理解平台”依托于大语言模型能力与自研的多模态视频理解技术，通过对长视频内容的剧情理解、提炼等方式，实现AIGC自动化批量产出拆条、解说、混剪等多类型视频内容及多元化图文内容。
（二）短视频、网络直播：创作功能持续迭代，数字化赋能效应显著
主要短视频平台依托AIGC、XR等技术，不断创新表达方式和手段，降低视频创作门槛，既带来了更具新奇感和便利性的视听体验，又使普通人、中小微商家低成本、低门槛地展现自我、探索多样化的收入方式。剪映、快影、必剪等视频剪辑软件，可快速生成视频，持续更新的自动配音、人脸特效、贴纸等功能增强了短视频趣味性和互动性。
5G、实时音视频技术、数字人、数字影棚等技术推动网络直播体验优化、场景拓展。5G直播深度赋能文旅、商贸、教育、演出等行业，催生“直播+”经济模式，文旅景区的5G慢直播、工业领域的5G巡检监测等应用范围扩大。数字人的交互方式更加多元、制作成本持续降低，在电商直播、演出直播、体育直播等场景应用比例显著提升，“数字人IP营销+虚拟场景体验”模式日益普遍，特别是在电商直播领域，虚拟人成为商家降本增效的重要手段。如阿里巴巴为商家提供打造AI主播、创作AI智能脚本、搭建AI直播场景的功能，实现直播间的“24小时不停播”。
在新技术支撑下，短视频、网络直播深度赋能、高效发展多行业、多领域。既丰富了百姓的精神文化生活，文艺类、知识类、三农类直播内容增长迅速，如快手直播2023年全年包括非遗传承在内的传统文化主播数量超过19万；也有利带动了社会经济发展，如2023年抖音国货相关短视频数量提升36倍，快手推出的“直播卖房”平台理想家在2023年第三季度累计交易额达140亿。
（三）网络音频：AIGC、物联网等技术推动网络音频使用场景持续拓展
新技术的应用为网络音频行业带来了新的增长点。空间音频等技术的应用提升了音频体验的质量，使音频内容更富有临场感，更能引起情感共鸣。音频生成、语音交互、识别翻译、个性化推荐等AIGC工具极大提高了音频的创意创作效率。如喜马拉雅为音频创作者开发了在线多轨剪辑工具“云剪辑”，推出“AI换声·爸妈分身”功能，家长们在为孩子播放故事的时候可以选择自己的声音；荔枝已经在旗下多款产品中应用AI语音技术，并上线了聊天机器人等功能。
物联网（IoT）和车联网快速发展，网络音频平台通过与汽车厂商共建车联网、与家电企业合作打造智能物联家居等方式，加速推进网络音频服务在车载娱乐系统、智能音箱、智能家居、穿戴设备等终端的整合应用，网络音频应用场景不断“破圈”。相关调研数据显示，六成受访者使用超过两种设备收听音频，车载音频、智能手表、电脑、平板等作为音频收听设备使用呈递增趋势。
三、发展展望
2023年中央经济工作会议强调，要“以科技创新引领现代化产业体系建设”，“要以科技创新推动产业创新，特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能，发展新质生产力”。
网络视听行业在科技创新上还面临一些挑战：网络视听数据存在高质量供给明显不足、合规化使用路径不清晰、应用赋能增值不充分等难点；超高清、XR等技术在内容供给、终端呈现等环节还存在明显短板，产业生态仍未成熟，一些企业持续缩减VR等业务规模；AIGC研发和应用还处于发展初期，优质训练数据不足，关键技术、关键设备仍存在“卡脖子”问题，等等。网络视听行业要以科技创新全面赋能和引领行业高质量发展，继续推动新技术在制作、播出、传输、服务、管理等各环节的应用。
一是深入挖掘数据要素价值，把握数字化发展新机遇。2024年，随着多项政策的逐步落地和信息技术的持续演进，以网络视听为代表的数字经济发展方兴未艾。从供给侧看，数字基础设施建设与产业数字生态将进一步融合，面向数据要素市场、企业数字化场景的云计算、区块链、人工智能基础设施建设提速；从需求侧看，数字需求将持续释放、扩大，政府端、产业端的数字需求会成为数字经济发展的新动力，2023年中央经济工作会议指出要“大力发展数字消费、绿色消费、健康消费，积极培育智能家居、文娱旅游、体育赛事、国货‘潮品’等新的消费增长点”，文化领域有望形成规范化的数字需求市场。网络视听行业应把握发展机遇，继续合理合规开发利用自有数据，并利用行业优势，助力文化资源数字化和文化大数据建设，促进文化资源的数字化开发和转化。
二是大力推动数字技术研发应用，积极培育发展网络视听新场景、新业态、新模式。AI、区块链、云计算、XR等关联通用目的技术的优化演进仅靠某一技术的单一升级难以实现，需要多种技术互相融合、多点突破，以技术的融合发展应用提升创新密度、解决复杂问题、丰富产品体验。网络视听行业应深入实施国家文化数字化战略，加强文化与科技融合，加强趋势问题研究、关键技术攻关、战略路径规划，着力攻坚技术短板，推动重大科技成果应用落地，推动网络视听技术应用与生产范式的突破性创新，推动视听形态、场景、体验、产业布局的多维变革，加快文化与科技融合、网络视听与相关产业融合，聚焦多样化需求，强化未成年人保护、适老化改造、无障碍服务，培育更多新场景、新业态、新模式。
三是探索构建兼顾活力与秩序的治理体系，筑牢安全屏障。以数据为关键要素的数字经济具有高创新性、广覆盖性、强渗透性，在对传统生产力的内涵进行拓展和延伸的同时，对传统监管模式提出了挑战。要探索适应数字经济发展、兼顾活力与秩序的网络视听综合治理体系，推进“技术”监管与“内容”治理相协同，以合适的安全成本，实现良好的经济效益，留足发展空间，释放技术红利，实现高质量开发利用和高水平安全良性互动，提升治理效能。
本文内容来源于：广电智库 作者：赵京文 作者单位：国家广电总局发展研究中心