剛剛落幕的這屆美加墨世界杯，除了賽場上的比分，值得聊的東西其實(shí)還挺多。

作為一個八零后老登，今年的世界杯，小棗君也是斷斷續(xù)續(xù)追完的（當(dāng)然，還是錄播居多，年紀(jì)大了熬不起夜）。

追下來最直觀的感受是：世界杯的 " 看法 " 變了。以前是電視臺的天下，大家守在電視機(jī)前聽解說、等回放。今年，小紅書第一次拿下了轉(zhuǎn)播版權(quán)，把直播間搬進(jìn)了自己的社區(qū)，一場球賽變成了一場社交互動。

AI 剪輯的進(jìn)球集錦幾分鐘就刷屏，球迷在評論區(qū)玩梗接龍，AI 解說能實(shí)時回答 " 什么是越位 "，豎屏短視頻讓通勤路上也能補(bǔ)一段 ...... 互聯(lián)網(wǎng)平臺的運(yùn)營玩法和 AI 的強(qiáng)大互動能力，第一次嵌進(jìn)了世界杯。

圖源：小紅書

臺前的品牌，大家都看得見?？床灰姷牟糠质牵@些流暢的高清畫面，是怎么從美國新澤西的球場，傳到中國凌晨三點(diǎn)的手機(jī)屏幕上的？

其實(shí)，這背后站著一家 " 隱身 " 的云服務(wù)商，叫騰訊云。

根據(jù)公開披露的數(shù)據(jù)，本屆世界杯，騰訊云支撐了全球 17 個國家和地區(qū)的官方賽事直播。國內(nèi)像小紅書、央視頻這些主流平臺的轉(zhuǎn)播鏈路背后，都用了它的服務(wù)。

█ 騰訊云和世界杯，其實(shí)是老朋友

聊今年的事之前，小棗君想先花一點(diǎn)時間，把騰訊云跟世界杯這些年的故事講一講。因?yàn)楹芏嗯笥芽赡懿恢?，騰訊云做世界杯直播，其實(shí)已經(jīng)不是第一次了，而是第三次。

第一次，是 2018 年俄羅斯世界杯。

那一年，中國大陸世界杯賽事的版權(quán)還沒有分銷到互聯(lián)網(wǎng)，大家看球主要還是靠電視。當(dāng)時，沒什么人相信，一個互聯(lián)網(wǎng)公司能把這么大規(guī)模的賽事直播做好。

據(jù)騰訊云音視頻總經(jīng)理李志成回憶：大概在世界杯開幕前一周，騰訊云團(tuán)隊(duì)從搬服務(wù)器到客戶機(jī)房、拉網(wǎng)線、去中關(guān)村買路由器開始，一步步搭方案。終于，趕在開賽前一天，把所有準(zhǔn)備工作全部弄完。

騰訊云音視頻總經(jīng)理李志成

結(jié)果是，世界杯開幕那場直播，用騰訊云的方案跑出來之后，網(wǎng)上都在討論：" 今天晚上的直播畫面，畫質(zhì)怎么這么好？" 評價基本上是一邊倒的贊美。

這一戰(zhàn)，算是騰訊云在賽事直播圈里，第一次立住了招牌。

第二次，是 2022 年卡塔爾世界杯。

那一屆的情況又不一樣了。央視率先把版權(quán)分銷到了互聯(lián)網(wǎng)，短視頻平臺首次入局。騰訊云成了央視頻和互聯(lián)網(wǎng)分銷平臺在直播、點(diǎn)播、媒體處理上的合作伙伴，提供了端到端的解決方案。

那一屆世界杯，國內(nèi)觀眾普遍能感受到，畫質(zhì)和延時都比過往幾屆更好，是歷屆里綜合體驗(yàn)最好的一次。騰訊云當(dāng)時率先在世界杯里用上了自研的 " 超低延時快直播 " 方案，把直播延時從傳統(tǒng)的十幾秒壓到了 800 毫秒之內(nèi)。對看球的人來說，這個體驗(yàn)差別，尤其在移動設(shè)備端，是非常明顯直接的。

第三次，就是剛剛落幕的美加墨世界杯。

今年這一屆，小紅書、央視頻的多個平臺，轉(zhuǎn)播鏈路背后都是騰訊云的端到端方案。超高清、超低延時的直播體驗(yàn)，這一屆延續(xù)了下來。

在這個基礎(chǔ)之上，還有兩個 " 第一次 "：

第一次大規(guī)模用上 AI：這屆世界杯，AI 真正從 " 錦上添花 " 變成了轉(zhuǎn)播鏈路里的一環(huán)。AI 導(dǎo)播臺、AI 智能剪輯、AI 橫轉(zhuǎn)豎、AI 多語種翻譯這些能力，第一次大規(guī)模跑在了世界杯這樣的頂級賽事上。除了內(nèi)容側(cè)，運(yùn)維側(cè)也用上了 AI。比如碼率自適應(yīng)、畫質(zhì)自適應(yīng)、跨地區(qū)調(diào)度這些原來需要人工盯著值班處理的事，現(xiàn)在能交給 AI Agent 做自動化運(yùn)維，不需要那么多同事熬夜蹲在屏幕前。

第一次大規(guī)模走向海外：騰訊云同時支撐了全球 17 個國家和地區(qū)的官方賽事直播，包括韓國、印尼、孟加拉等一系列市場。

這里面還有一些挺有意思的小故事。

比如韓國。

韓國隊(duì)被淘汰之前，當(dāng)?shù)厥袌龅姆?wù)消耗量非常大。但隊(duì)伍一止步，當(dāng)?shù)赜^眾突然就都不看了，流量瞬間掉了一大截。

對云廠商來說，這種 " 過山車式 " 的帶寬波動其實(shí)是最難扛的：扛不住峰值，用戶就卡頓；扛住了峰值，但資源撤不下來，成本就白燒。

騰訊云的做法，是依托全球部署的基礎(chǔ)設(shè)施，做資源的靈活調(diào)度：哪個國家還在比賽，帶寬和算力就往哪里傾斜；哪支球隊(duì)被淘汰，資源就順勢騰出來補(bǔ)給別的市場。整個過程跟著賽程和賽果動態(tài)伸縮，把成本和體驗(yàn)之間的那根平衡桿一直穩(wěn)住。

再比如印尼。

印尼是千島之國，網(wǎng)絡(luò)基建其實(shí)并不好，但人口兩億多、年輕人比例高、看球意愿極強(qiáng)。

騰訊云趕在世界杯開賽前，和當(dāng)?shù)刈畲蟮倪\(yùn)營商合建了一張 CDN，剛好趕上賽事上線，把跨網(wǎng)質(zhì)量和用戶體驗(yàn)拉起來了。

最后看孟加拉。

孟加拉國的一款 App —— Rockstreamer，原來用友商的方案，上線后用戶反饋體驗(yàn)很差。

后來，運(yùn)營方找到騰訊云。騰訊云只用了 5 天時間，就把整套系統(tǒng)從原方案切了過來。切完以后，跑得很流暢。之所以能這么快完成遷移，是因?yàn)轵v訊云支持的 OTT 媒體協(xié)議跟原廠商完全對齊，客戶不需要改動自己的系統(tǒng)架構(gòu)。

這些故事的背后，其實(shí)是騰訊云在海外 OTT 行業(yè)里積累了七八年的一件 " 苦活 "，把海外那一整套媒體協(xié)議全部支持了下來。這個話題，后面我們還會聊到。

從 2018 年一周時間搭個方案救場，到 2026 年支撐 17 個國家地區(qū)的賽事直播。八年時間，騰訊云的角色，已經(jīng)從 " 臨陣磨槍的新手 "，變成了 " 全球賽事直播背后的大佬 "。

前幾天，騰訊云開了一場圍繞音視頻 AI 的媒體溝通會。會上除了講賽事本身，還拋出了一個讓不少同行有點(diǎn)意外的話題：他們推出了一個叫 "WAND" 的音視頻 AI 整體解決方案，并借用了今年 AI 圈里流行的一個詞——"Harness"，來形容自己在做的事情。

Harness，做名詞是 " 馬具、挽具 " 的意思，做動詞是 " 控制、駕馭 " 的意思。四月份左右，隨著 Claude Code、Cursor 這類 AI 編程工具的爆火，業(yè)內(nèi)開始意識到，這些工具背后真正干活的，不是某一個大語言模型，而是一整套調(diào)度框架。所以，Harness 這個詞，開始在大語言模型和編程圈流行了起來。

騰訊云的意思是：多模態(tài)領(lǐng)域也需要類似的東西。而 WAND，就是他們給出的答案。

消息一出，不少同行也在琢磨：WAND 到底是個什么方案？為什么現(xiàn)在推？跟世界杯又有什么關(guān)系？

接下來，小棗君就把這件事捋一捋。

█ WAND 到底想解決什么問題？

要理解 WAND，我們得先回到剛才聊到的世界杯直播：

一場直播背后，涉及的技術(shù)環(huán)節(jié)非常多——采集、編碼、傳輸、轉(zhuǎn)碼、分發(fā)、畫質(zhì)處理、多語種翻譯、豎屏改造、廣告插入、CDN 加速、終端播放……每一個環(huán)節(jié)，背后都是不同的模型和算法在干活。

問題來了：模型這么多，誰來負(fù)責(zé)把它們串起來？串完之后，誰來保證每個環(huán)節(jié)都不掉鏈子？出了 bad case（比如翻譯幻覺、畫面撕裂、聲音不連貫），誰來兜底？

這就是 WAND 要解決的事情。

我們把話說得再直白一點(diǎn)。單一大模型能不能解決問題？能，但只能解決一小段。

比如做一個短劇出海項(xiàng)目，用一個視頻生成模型，一句 prompt 能給你生出 10 秒鐘的畫面。想生成完整的一集？不行，得拼。拼起來之后，轉(zhuǎn)場不自然，聲音不連貫，字幕有亂碼，畫質(zhì)忽高忽低，翻譯還容易出幻覺。

再比如，做一場直播，光靠一個 AI 導(dǎo)播模型也沒用。前面還得有編碼、有傳輸、有畫質(zhì)增強(qiáng)，后面還得有剪輯、有分發(fā)、有廣告插入。

這就是多媒體領(lǐng)域跟純文字領(lǐng)域最大的不同——文字領(lǐng)域，一個大模型 + 一個 Chatbot 界面，用戶體驗(yàn)就閉環(huán)了。多媒體領(lǐng)域，鏈條要長得多，任何一個環(huán)節(jié)掉鏈子，最終用戶的體驗(yàn)就崩了。

所以，多模態(tài)領(lǐng)域需要一個 " 總指揮 "，把這些環(huán)節(jié)全部串起來：用戶提需求，它去調(diào)模型；模型出問題，它去修復(fù)；模型不夠用，它去補(bǔ)算法；成本要平衡，它去調(diào)度。

騰訊云這次推出的 WAND，做的就是這件事。

騰訊云副總裁李郁韜

按照騰訊云副總裁李郁韜在溝通會上的說法：" 我們提出，在多媒體領(lǐng)域同樣需要用 Harness 的思想，把所有模型串起來。這中間不僅包括大語言模型，也包括多模態(tài)模型，甚至還包括一些小參數(shù)量的畫質(zhì)提升模型、小參數(shù)量的應(yīng)用模型，都會串在里面。"

翻譯成大白話就是：如果說各種大模型是發(fā)動機(jī)，那 WAND 就是變速箱 + 底盤 + 方向盤。光有發(fā)動機(jī)，車跑不起來。

█ 為什么現(xiàn)在需要 WAND 這樣一套方案？

有人會問，現(xiàn)在生成式視頻模型這么強(qiáng)，未來會不會越來越強(qiáng)，強(qiáng)到不再需要中間這一層？

小棗君覺得，恰恰相反。生成模型越強(qiáng)，中間這層 " 編排 " 的重要性反而越大。

大模型是 " 生產(chǎn)力 "，編排層是 " 應(yīng)用出口 "。生產(chǎn)力提升，會刺激應(yīng)用需求同步增長，而且需求增長的廣度永遠(yuǎn)強(qiáng)于生產(chǎn)力的提升速度。這個供需 gap，單一大模型永遠(yuǎn)填不平。

除此之外，還有幾個非?，F(xiàn)實(shí)的驅(qū)動因素：

第一，模型選擇困難癥。

現(xiàn)在全球的多模態(tài)大模型不下幾十家，國內(nèi)的、海外的、開源的、閉源的、通用的、垂類的，一天一個樣。對企業(yè)客戶來說，一個新模型出來就得對接、測試、評估一次，費(fèi)時費(fèi)力效果還未必好。

WAND 替客戶把這些活干了，選模型、評模型、調(diào)模型、縫短板，全部封裝成 API，拿來即用。

第二，性價比才是硬道理。

很多客戶追求的不是 " 最極致的效果 "，而是 " 最高性價比的效果 "。做短劇出海，畫質(zhì)中等就夠，成本控制好才是關(guān)鍵。用一個中等模型 + 后期修復(fù)，反而比用最貴的頂級模型 ROI 更高。

WAND 的價值，就是讓客戶根據(jù)場景靈活組合模型，把成本算清楚。

第三，模型的 bad case 需要兜底。

現(xiàn)在市面上所有的多模態(tài)模型，沒有哪一家是 100% 穩(wěn)定的。視頻里有亂碼、轉(zhuǎn)場異常、語音不連貫、多語言翻譯出現(xiàn)幻覺，這些是行業(yè)公認(rèn)的痛點(diǎn)。如果沒有一層方案兜底，客戶就只能派人肉眼檢查、重新生成、來回試錯，成本翻好幾倍。

WAND 的做法，是引入一個 " 檢查—修復(fù) " 閉環(huán)：模型出結(jié)果，另一個模型來檢查，發(fā)現(xiàn)問題就修復(fù)，而不是重來。

以翻譯場景為例，根據(jù)騰訊云的實(shí)測數(shù)據(jù)——這套端到端的處理流程，能讓翻譯場景的效果穩(wěn)定性提升大約 20%。對短劇、漫劇這類出海生意來說，穩(wěn)定性提升 20% 意味著少派一半的人力去做 QA，出品成本和成功率同步改善。

█ 騰訊云憑什么做 WAND？

能推出這類方案的廠商不止一家，但騰訊云選擇在這個時間點(diǎn)押注，理由挺足的。

第一個理由，是十年音視頻 PaaS 的老本。

騰訊云音視頻這條產(chǎn)品線孵化了將近十年——云直播、云點(diǎn)播、媒體處理、實(shí)時通信……每一個模塊都服務(wù)過大量企業(yè)客戶。這意味著，它對音視頻的生產(chǎn)鏈條、用戶互動、行業(yè)痛點(diǎn)有非常深的理解。

而多模態(tài)模型學(xué)的是什么？就是音視頻數(shù)據(jù)。騰訊云在這個垂直行業(yè)積累的經(jīng)驗(yàn)，比通用大模型還要 " 老 "。

第二個理由，是客戶基本盤足夠大。

短漫劇出海，頭部客戶接近 90% 以上用騰訊云。國內(nèi)頭部短視頻和直播平臺的視頻處理、超分、增強(qiáng)、壓縮能力，騰訊云幾乎都已做到行業(yè)規(guī)模第一。

客戶多，跑的量大，現(xiàn)網(wǎng)數(shù)據(jù)豐富，這是訓(xùn)練和迭代 WAND 最好的燃料。

第三個理由，是端到端的解決方案能力。

小棗君觀察下來，這類方案的門檻，不在于串多少模型，而在于串出來的東西能不能 " 整體交付 "。

以橫轉(zhuǎn)豎為例，行業(yè)里幾乎每家云廠商都說自己能做。但真正落地的時候會發(fā)現(xiàn)，如果畫面里有比分牌、字幕、logo，轉(zhuǎn)豎之后怎么合理排布？絕大部分廠商沒解決這個問題，只能做 " 干凈畫面 " 的橫轉(zhuǎn)豎。

而 WAND 方案里，有 logo 提取、字幕提取、無痕擦除、翻譯、貼片、多模態(tài)畫面理解、AIGC 生成……一整套能力打通，橫轉(zhuǎn)豎才真正能落地到有比分、有字幕的實(shí)戰(zhàn)畫面。

這就是端到端的價值——不是拼一個能力清單，而是拼真正跑通業(yè)務(wù)的能力。

█ WAND 長什么樣？

按照騰訊云披露的信息，WAND 的能力矩陣大致分成三層：

底層是模型層：包括騰訊自研的媒體專用模型，以及外部合作的第三方多模態(tài)模型，加起來幾十種服務(wù)，構(gòu)成一個 " 模型池 "，根據(jù)場景調(diào)不同的模型。

中間是編排層：整個方案的核心，覆蓋 60 多種音視頻能力，負(fù)責(zé)需求識別、模型選擇、參數(shù)調(diào)優(yōu)、結(jié)果評估、缺陷修復(fù)、成本調(diào)度。這一層其實(shí)就是騰訊云沉淀了十年的音視頻 PaaS 經(jīng)驗(yàn)的現(xiàn)代化封裝。

上層是場景化解決方案：針對不同場景，WAND 組裝出不同的端到端方案——直播、短劇漫劇、電商、廣告……這些方案，都是圍繞 " 端到端 " 三個字構(gòu)建的?？蛻舨恍枰炊嗉夜?yīng)商，一家搞定。

WAND 聽起來有點(diǎn)像 " 音視頻的中臺 "，但兩者的定位差別其實(shí)很大：中臺強(qiáng)調(diào) " 共性能力沉淀 "，WAND 強(qiáng)調(diào) " 圍繞 AI 大模型的動態(tài)編排與端到端的解決方案 "。

█ 出海：WAND 的另一個戰(zhàn)場

聊完技術(shù)，最后簡單說一下騰訊云的另一個籌碼——出海。

WAND 這套東西，光在國內(nèi)跑，價值有限。真正的爆發(fā)點(diǎn)，是在海外。

原因很簡單：海外的音視頻技術(shù)棧迭代比國內(nèi)慢，傳統(tǒng) OTT 行業(yè)沿用的一整套媒體協(xié)議，兼容起來非常麻煩，海外廠商想切換到新方案，光是協(xié)議適配就要花好幾年。

騰訊云在這方面憋了七八年的大招——把海外 OTT 行業(yè)里的媒體協(xié)議基本上全部支持了。這意味著，海外客戶從其他廠商切換到騰訊云，不需要動自己的系統(tǒng)架構(gòu)。前面提到的孟加拉國 Rockstreamer 5 天完成遷移，就是這么來的。

再疊加上 WAND 的 AI 能力，騰訊云在海外的打法就變成了——" 你原來的東西我全兼容，我新做的東西你還沒有 "。這是一個完全錯位競爭的姿態(tài)。

據(jù)披露，騰訊云在海外的基礎(chǔ)設(shè)施投入每年至少翻番。韓國頭部 OTT 幾乎全部使用騰訊云服務(wù)，亞太地區(qū)超過六成的直播客戶在使用騰訊云的方案。這次世界杯的 17 個國家和地區(qū)服務(wù)，也驗(yàn)證了這套打法在賽事級流量下能夠扛得住。

█ 最后的話

多模態(tài)時代的音視頻云服務(wù)，正在從 " 賣單點(diǎn)能力 "，轉(zhuǎn)向 " 賣端到端方案 "。

模型越多，鏈路越長，最終用戶的體驗(yàn)反而越難保證。這時候需要有人做 " 縫合工作 "，縫得好不好，直接決定了 AI 應(yīng)用能不能真正落到用戶手里。

騰訊云副總裁李郁韜分析稱，云廠商在多模態(tài)領(lǐng)域接下來的競爭，大致會在三個方向——訓(xùn)練算力、存儲數(shù)據(jù)、推理應(yīng)用。前兩個拼的是資金和基建，第三個拼的是能不能把模型能力真正轉(zhuǎn)化成客戶用得起、算得清成本的服務(wù)。

WAND，恰好就是騰訊云給 " 第三個方向 " 交出的答案。

至于它能不能真的成為多模態(tài)時代那把新 " 鑰匙 "，讓我們拭目以待。

參考文獻(xiàn)：

1、騰訊云音視頻媒體溝通會（2026 年 7 月）；

2、《騰訊云護(hù)航全球 17 國地區(qū)世界杯直播，決賽夜在線峰值超 5000 萬》；

3、騰訊云官網(wǎng)、WAND 解決方案介紹頁；

4、公開采訪資料及行業(yè)報道。