报告：AI正在驱动视频技术栈；MoQ 的商业价值持续增长
内容提要
Bitmovin第十版年度视频开发者报告显示，98%的受访者已在视频处理中使用AI，其中46%每日使用，主要用于转录、翻译、配音、推荐和画质优化。直播低延迟已超越成本控制，成为最大挑战；28%的受访者计划一年内采用基于QUIC的媒体传输MoQ。
延伸解读
AI在视频处理中的高渗透率
报告显示，98%的受访者已在视频处理中使用AI，其中46%每日使用，仅2%无计划。这表明AI已从附加功能转变为视频技术栈的核心组成部分，几乎成为行业标配。音频转录、翻译和配音是最常见应用，其次是内容推荐和画质优化，反映出AI在提升效率和用户体验方面的实际价值。
低延迟挑战超越成本控制
直播低延迟问题已超越成本控制，成为36%受访者最关注的问题，成本控制以35%紧随其后。这一变化说明，随着用户对实时互动体验要求的提高，视频团队面临的技术压力正在从单纯的成本优化转向性能与成本的平衡。监控分析、根本原因排查和广告插入也是主要挑战，表明运维复杂性和商业化需求并存。
MoQ的商业价值与采用趋势
28%的受访者计划在未来12个月内采用基于QUIC的媒体传输（MoQ）。报告指出，在体育赛事直播、博彩、拍卖和互动形式等场景中，亚秒级延迟仍然至关重要，这推动了对更高效传输方式的需求。MoQ的商业价值因此持续增长，成为解决低延迟挑战的关键技术方向之一。
Q&A
视频开发者报告中，AI在视频处理中的使用普及程度如何？
在486名受访者中，98%表示正在使用AI或机器学习技术进行视频处理，其中46%每天使用，仅有2%表示完全没有使用计划。
AI在视频处理中最常见的应用场景有哪些？
音频转录、翻译和外语配音是最多受访者提及的应用（48%），其次是内容推荐（34%）、视觉质量和优化（30%），标签和分类、个性化以及场景检测等并列第四（28%）。
当前视频团队面临的最大挑战是什么？
直播低延迟问题已超越成本控制，成为36%受访者最关注的问题，也是最大挑战。其次是成本控制（35%）和持续的监控与分析（28%），查找流媒体问题根本原因和广告插入也是主要挑战（均为27%）。
什么是MoQ？它在视频传输中的采用趋势如何？
MoQ是基于QUIC的媒体传输技术。报告显示，28%的受访者计划在未来12个月内使用MoQ，其商业价值持续增长。
为什么低延迟在视频传输中仍然至关重要？
在某些应用场景中，如体育赛事直播、博彩、拍卖和互动形式，亚秒级延迟仍然至关重要，这推动了对更高效视频传输方式（如MoQ）的需求。
Bitmovin CEO对视频技术栈的发展有何评论？
CEO Stefan Lederer表示，AI正在驱动视频技术栈，广告是主要收入来源，用户体验质量(QoE)和可观测性已成为基础层，MoQ的商业价值从未如此凸显。他还指出，仅过去三个月技术发展速度就彻底改变了视频开发者构建和实现视频内容的可能性。
