Webex Room Kit Plus

　　“我在信息科技行業(yè)已經(jīng)工作了有二十余年了，期間跨過(guò)多種專(zhuān)業(yè)領(lǐng)域，在國內和北美從事過(guò)電信和數字網(wǎng)絡(luò )系統、大型支付交易處理系統等研發(fā)和技術(shù)管理工作。2015 年回國，作為首席工程師加入了思科 Webex，負責 Webex 視頻會(huì )議系統的總體架構工作。目前已經(jīng)切換到管理領(lǐng)域，主要關(guān)注 Webex 客戶(hù)端和各種終端平臺上的應用開(kāi)發(fā)。

　　我們希望給用戶(hù)提供一種全站式的服務(wù)體系以及相應的配套工具，可以讓用戶(hù)在任何場(chǎng)所任何環(huán)境中無(wú)縫地加入到任何一種協(xié)同需要中去，不僅僅是視頻會(huì )議這么簡(jiǎn)單，視頻會(huì )議也只是其中的一種協(xié)同形態(tài)。

　　現在大家（國內）都在講云、都要上云，實(shí)際上我們過(guò)去幾年也是在把產(chǎn)品往云——更現代的云上面去發(fā)展。Webex 它本身就是云服務(wù)，但我們也發(fā)現云并不是唯一的解決方案，也不是唯一的一種場(chǎng)景。

　　從春節到現在是對國家、社會(huì )和對普通人都影響特別大的一段時(shí)期。除了疫情的重壓，如何在這個(gè)特殊時(shí)期盡快恢復工作（雖然我們團隊本身就非常習慣在家工作），實(shí)際上還是有很多挑戰的。

　　我自己經(jīng)常早晨六七點(diǎn)就開(kāi)始和美國團隊開(kāi)各種會(huì )議，但一般中午也會(huì )去公司。畢竟文化氛圍的培養、關(guān)系的建立與團隊的緊密合作都離不開(kāi)直接的、面對面的交流。

　　因為關(guān)注產(chǎn)品和項目，我的心情大部分時(shí)候還是比較平穩的。另外，最近幾乎全部時(shí)間都和家人在一起，也有平常去辦公室體會(huì )不到的一些日常居家的歡樂(lè )。

　　這次疫情給我帶來(lái)了一些思考，就是不要總想著(zhù)說(shuō)將來(lái)要去干些什么。我們受到的教育告訴我們要準備充分再去做一件事，但我想說(shuō)你要是想做就去做。活在當下可能更重要一些是吧？你想要去看世界，你就看好了。”

　　Webex Room 70D

　　A1  汪凱：國內很多互聯(lián)網(wǎng)公司都是 to C 的業(yè)務(wù)發(fā)展起來(lái)的，to B，或者說(shuō)叫產(chǎn)業(yè)互聯(lián)網(wǎng)，是最近幾年才開(kāi)始有被關(guān)注，很多企業(yè)也開(kāi)始想往這方面推進(jìn)。但是思科  Webex 本身，一直都是 to B 的業(yè)務(wù)非常強。

　　to B 用戶(hù)有幾個(gè)比較大的特點(diǎn)。一個(gè)是相對來(lái)說(shuō)，這些用戶(hù)更多的會(huì )考慮企業(yè)的合規性要求，因為不同的行業(yè)有不同的合規要求。我們的客戶(hù)除了中國以外，歐美的用戶(hù)有很多，有一些用戶(hù)會(huì )更加關(guān)注隱私、數據保護、安全性以及一些特定環(huán)境的隔離。

　　還有一些企業(yè)需要端到端的加密。比如說(shuō)我們之間的這些對話(huà)，所做的這些記錄，有且僅有我們兩個(gè)人知道。雖然所有數據都是在云端的數據中心里，但是任何 Webex 的開(kāi)發(fā)或者運維人員，都沒(méi)有辦法知曉我們談話(huà)的內容。對于這種端到端的全程加密，實(shí)現起來(lái)其實(shí)也是有很多要求的。

　　除了云以外，針對 to B 的業(yè)務(wù)，還會(huì )有很多其它的部署和考量。比如說(shuō)在一些比較大的企業(yè)系統里，他們的分公司遍布全球，就會(huì )有提高本地會(huì )議質(zhì)量、溝通質(zhì)量等各個(gè)方面的需求。

　　我們最近幾年認同的概念是 Cloud first，but not cloud only。

　　這樣帶來(lái)的一個(gè)好處就是，在 to B 業(yè)務(wù)里面能夠在本地做非常多的優(yōu)化。比如說(shuō)辦公室的生態(tài)里就完全可以部署我們的 on-prem（on premise）服務(wù)。同時(shí)通過(guò)和云端的級聯(lián)（cascading），還可以節省帶寬。

　　就是說(shuō)用戶(hù)不用通過(guò)互聯(lián)網(wǎng)，通過(guò)企業(yè)內部建立的私有骨干網(wǎng)或安全通道去連到企業(yè)自己的云上面就可以了，簡(jiǎn)單來(lái)說(shuō)就是 you can have meeting or collaboration anytime anywhere。

　　雖然我們所說(shuō)的這個(gè) Anytime 是指任何時(shí)間點(diǎn)，但其實(shí)視頻會(huì )議也有它的特殊性，它的流量分布是很特殊的。比如說(shuō)今天我給你設定一個(gè)會(huì )議時(shí)間，一般來(lái)說(shuō)是不會(huì )設置在 14:15 的，雖然我可以，但是大部分時(shí)候大部分人不會(huì )這么做，大家基本上都是定在整點(diǎn)或者半點(diǎn)，所以視頻會(huì )議的峰值流量全部在這些時(shí)間發(fā)生。這一點(diǎn)給平臺帶來(lái)的挑戰是很不一樣的。

　　而 Anywhere 在技術(shù)上對實(shí)時(shí)性也有非常高的要求。這不像做一單交易，交易是可以不需要實(shí)時(shí)的，即使當下訪(fǎng)問(wèn)不到網(wǎng)絡(luò )，也可以延后處理。但視頻會(huì )議本身只要連上就必須實(shí)時(shí)，所以它對網(wǎng)絡(luò )質(zhì)量是非常敏感的，關(guān)鍵影響因素包括帶寬，時(shí)延，抖動(dòng)，和丟包率，所以才會(huì )有媒體流 resilience, congestion control 方面的一些設計和控制，弱網(wǎng)對抗之類(lèi)，這里面有部分是開(kāi)源的規范比如 WebRTC，也有各廠(chǎng)商的私有協(xié)議和實(shí)現，包括 Webex。

　　總的來(lái)說(shuō)，我覺(jué)得 to B 和 to C 非常重要的一點(diǎn)就是，如何滿(mǎn)足各個(gè)行業(yè)或者行政部門(mén)的一些合規性的需要，以及企業(yè)自身對其商業(yè)信譽(yù)的考量和對客戶(hù)的長(cháng)期承諾。如果你要讓用戶(hù)選擇你的產(chǎn)品，那么你必須是一家可信的服務(wù)商。

　　A2  汪凱：根據我回國 5 年的一些觀(guān)察，大家對安全的意識這幾年是在增強的。讓大家開(kāi)始逐漸有這種意識，可能也是來(lái)自于之前曝出的一些互聯(lián)網(wǎng)提供商關(guān)于安全和隱私方面的漏洞。

　　在這些企業(yè)和這些系統里面，有沒(méi)有做到從第一天就開(kāi)始考慮用戶(hù)安全和隱私的問(wèn)題，這實(shí)際上是需要拿來(lái)討論的。

　　有些安全問(wèn)題可能是來(lái)自于平臺的一些“特殊設計”，比如說(shuō)平臺想提高用戶(hù)加會(huì )進(jìn)會(huì )的快速體驗，就會(huì )在某種程度上放松對安全的要求，所以這里面應該有一個(gè) balance。

　　而我一直想強調的一點(diǎn)就是，我們做技術(shù)的，尤其在應用軟件領(lǐng)域，不要迷信黑科技。很多所謂的黑科技，沒(méi)有突破性的進(jìn)展，大部分都是 Hack，是一種黑客技術(shù)，就是你通過(guò)一些繞彎的迂回的辦法，繞過(guò)系統的一些控制，但是分分鐘都可能被這個(gè)平臺供應商殺死，尤其是平臺的操作系統。

　　安全性無(wú)論是不是所有廠(chǎng)商一開(kāi)始就有在考慮的，它都變得會(huì )越來(lái)越重要，尤其是 to B 的業(yè)務(wù)。to C 的話(huà)，業(yè)務(wù)理論上來(lái)說(shuō)它實(shí)際上需要有同等的安全程度，但是因為各種原因：作為普通用戶(hù)，對技術(shù)不了解；作為企業(yè)，為了快速成長(cháng)的發(fā)展和更早讓大家有很好的用戶(hù)體驗，在安全性方面會(huì )有其他的考慮。

　　有了新的技術(shù)，老的技術(shù)就要去升級，出現了新的問(wèn)題你也必須去解決，這些都是基本的要求。思科本身是有 security 這個(gè)產(chǎn)品組合的，這也是 by default，我們所有的設計所有的部署都要滿(mǎn)足這些要求。

　　to C 的話(huà)，我們也要有基本的底線(xiàn)在里面。可能部分新興的公司在這方面考慮的還不多。

　　A3  汪凱：我個(gè)人的一個(gè)觀(guān)點(diǎn)是，更重要的不是在于說(shuō)從技術(shù)上解決了什么問(wèn)題，更重要的是說(shuō)在原來(lái)的很多約束下（比如說(shuō)網(wǎng)絡(luò )不可獲得、音視頻質(zhì)量差），技術(shù)能不能直接落地到一些更廣泛的應用場(chǎng)景和行業(yè)里面，尤其是來(lái)自于這些行業(yè)和這些應用場(chǎng)景里對視頻直接交流、語(yǔ)音直接交流和交互性的需要。

　　比如說(shuō)快遞行業(yè)，現在既有視頻，也可以用微信，但是如果你想有一些垂直的應用，讓它能夠在 5G 的覆蓋下直接把更高質(zhì)量的、更交互性的視頻和一些更智能化的協(xié)作、技術(shù)放進(jìn)去的話(huà)，那實(shí)際上是可以極大地幫助這些行業(yè)提高效率和減少誤差的。

　　所以我認為 5G 不是賦能了我們的視頻技術(shù)，而是賦能了我們一些視頻場(chǎng)景。賦能這樣的一些應用場(chǎng)景反過(guò)來(lái)會(huì )帶動(dòng)市場(chǎng)對音視頻會(huì )議服務(wù)的更廣泛的需要，像我們這樣的平臺就會(huì )變得更普遍。

　　過(guò)去幾年因為直播的推廣，很多民眾都被 to C 教育了，說(shuō)視頻其實(shí)很重要。但在視頻會(huì )議場(chǎng)景里面，它還是更加專(zhuān)業(yè)化的存在、面比較窄，當然現在也出現了線(xiàn)上教育這些體系。如果說(shuō)我們可以隨時(shí)隨地獲得更穩定的網(wǎng)絡(luò )，那這些行業(yè)的爆炸式的需求反過(guò)來(lái)也會(huì )影響視頻會(huì )議提供商的服務(wù)能力和服務(wù)等級，以及我們剛才談到的技術(shù)上的需要和平臺上的促進(jìn)，它就不再會(huì )是那么窄。

　　純粹個(gè)人觀(guān)點(diǎn)，但從一個(gè)系統的層面看 5G，它優(yōu)先解決的是 RAN，也就是 Radio Access Network，是無(wú)線(xiàn)接入網(wǎng)的問(wèn)題。它可以提供更高的覆蓋，更高頻、更密集的基站布置和一些特殊的天線(xiàn)設計，再加上一些控制，但其實(shí)它只是解決了無(wú)線(xiàn)的接入。

　　所以從理論上或從實(shí)驗測試來(lái)說(shuō)，無(wú)線(xiàn)網(wǎng)在一切其他條件都具備的時(shí)候，確實(shí)能夠實(shí)現帶寬提高。但實(shí)際上，比如說(shuō)評估結果是 10 倍的帶寬的提高（相比于 4G 網(wǎng)絡(luò )），那它帶來(lái)的一個(gè)最大的好處就是可以有更多更高分辨率的、或者說(shuō)更高質(zhì)量的音視頻數據包在這個(gè)網(wǎng)絡(luò )上交換。

　　第二點(diǎn)，它的時(shí)延很低。比如說(shuō)達到了一毫秒這個(gè)級別，這對音視頻影響是很大的，對整個(gè)信令控制的影響也特別大。還有一點(diǎn)就是它比較穩定，抖動(dòng)也小。

　　我之前提到過(guò)系統的問(wèn)題，不光要解決無(wú)線(xiàn)的問(wèn)題，后面還要考慮這些數據是不是能有效通過(guò)無(wú)線(xiàn)基站和后面整體的 infrastructure 的緊密配合。電信網(wǎng)絡(luò )也好，數據網(wǎng)絡(luò )也好，這個(gè)系統能夠提供這樣的帶寬和質(zhì)量的保證嗎？所以從設計和實(shí)施的角度，還是要遵循系統論的方法去多考慮系統整體的約束和 trade-off。

　　5G 有它帶來(lái)的好處，也有它的一些局限性。拿公共模式來(lái)說(shuō)，它會(huì )改善和減少一些今天會(huì )發(fā)生的問(wèn)題。同樣，它也會(huì )因為今天的一些設計模式、協(xié)議方式遇到一些問(wèn)題。

　　比如說(shuō) TCP 和我剛才提到的信令控制，5G 也可能也會(huì )碰到同樣的問(wèn)題，不可能所有地方都是可獲得的，或者說(shuō)出現了問(wèn)題的時(shí)候，因為 TCP 本身面向連接和可靠傳輸的特點(diǎn)，有時(shí)候反而會(huì )引起問(wèn)題。這是我說(shuō)的一些設計的共性。

　　在協(xié)議方面尤其信令相關(guān)的，當出現新的技術(shù)之后，應該針對這個(gè)技術(shù)去做優(yōu)化、去更新。比如 QUIC，這是 Google 對于如何減少傳統的 HTTP 的一些約束所作的嘗試（并且一直在嘗試）。哪怕是做 HTTP2，有一些基于 TCP 的約束還是解決不了，像 QUIC 是在 UDP 的框架上去解決需要面向連接的一些固有特征和固有問(wèn)題。

　　在音視頻流的方面，我們也可以考慮 codec。比如，AV1 在同等質(zhì)量的情況下，實(shí)際上的碼流要求會(huì )更低。這都是新的技術(shù)，我們要樂(lè )于、勇于且積極地去使用。隨著(zhù) 5G 的發(fā)展是不是又會(huì )有更好的編解碼技術(shù)呢？我覺(jué)得是肯定會(huì )出現的，咱們拭目以待。

　　當把原來(lái)的設計原則或設計約束給放得更寬了，很多原來(lái)做不到的事情某種程度上其實(shí)都可以做到。

　　但是光靠 5G 不能解決所有的問(wèn)題，關(guān)鍵是什么是我們的殺手應用——能夠完全的推動(dòng)音視頻的爆發(fā)式的增長(cháng)和質(zhì)量的整體的提高。

　　我的看法是它一定要能解決我們隨時(shí)開(kāi)會(huì )隨時(shí)想要更優(yōu)體驗的需求，這需要一個(gè)生態(tài)系統，一個(gè)產(chǎn)業(yè)鏈，需要運營(yíng)商服務(wù)提供商來(lái)共同解決。

　　A4  汪凱：關(guān)于平臺，我想說(shuō)一個(gè)詞是“迷思”。

　　我能看到的一個(gè)迷思，就是大家想著(zhù)，啊我要去建平臺，建立平臺就有很多人來(lái)用，然后我就能建立一個(gè) ecosystem，但實(shí)際上他們忘了一個(gè)最本源的東西（太技術(shù)驅動(dòng)了），那就是為什么需要平臺？

　　如果你從第一天開(kāi)始就想把它搞成平臺，那基本上是做不出來(lái)的。所以我覺(jué)得純做平臺的廠(chǎng)商不會(huì )做得特別大。你可以看到，最后變成平臺的都是有終端級應用的。淘寶也好，支付寶也好，或者應該說(shuō)支付寶也是為了解決淘寶的問(wèn)題而衍生出來(lái)的。

　　電商交易平臺本身最早的型態(tài)是阿里自己做的終端應用。他們要推廣這個(gè)概念，要培養用戶(hù)習慣，同時(shí)它要建立一個(gè)可參考的實(shí)現，這樣才能把用戶(hù)引導到一些服務(wù)體驗上來(lái)，最后把自己提供終端體驗的公共的東西抽象出來(lái)，把它平臺化，同時(shí)提供平臺的能力。

　　除了自己的終端，還要有自己的平臺能力，進(jìn)而才能建立更廣的生態(tài)系統，讓其他的廠(chǎng)商、任何有需要的群體來(lái)使用，基本上過(guò)去幾年都是這樣的。

　　Webex 也是一樣。

　　我們有沒(méi)有平臺，我們是不是平臺？

　　答案是肯定的。

　　但我們是從第一天就在考慮要建平臺嗎？

　　答案又是否定的。

　　我們的用戶(hù)基礎是我們建立、推動(dòng)平臺非常重要的一點(diǎn)，我們自己提供的落地的面向直接終端用戶(hù)的應用，則是證明我們平臺能力非常關(guān)鍵的要素，是證明我們平臺能夠變成平臺的很重要的流量和技術(shù)的驗證點(diǎn)。

　　為什么說(shuō)做一個(gè)終端應用體驗很重要，因為通過(guò)這些你可以抽象出一個(gè)平臺的能力，并不是所有其他的廠(chǎng)商都有這個(gè)能力和資源去投入的。比如說(shuō)我要了解音視頻的東西，我要了解網(wǎng)絡(luò )體系架構，還有這些信令數據流量怎么控制，我究竟要怎么做？

　　這些都是很關(guān)鍵的。平臺廠(chǎng)商一定要提供基于自己的面向終端用戶(hù)的應用，抽象出一個(gè)可被重用的 SDK，其他的廠(chǎng)商才能比較好地去嵌入到他們的這個(gè)場(chǎng)景里面去。

　　A5  汪凱：概括來(lái)說(shuō)的話(huà)，就是 Smarter and More Humanity Empathy。

　　我想人性化這一點(diǎn)應該已經(jīng)是行業(yè)默認的了，我們現在要努力推廣的概念，叫做認知協(xié)作（Cognitive Collaboration），就是感知性和認知協(xié)作，再加上智能化（Intelligence）。

　　在用戶(hù)體驗環(huán)節，要更多的考慮用戶(hù)是如何使用我們的服務(wù)的，同時(shí)注入更智能化的體驗，能夠自動(dòng)感知用戶(hù)的意圖。比如用戶(hù)在什么樣的情況下會(huì )用 UI 或 UX，他想要進(jìn)行哪些嘗試，他的目標又是什么。

　　在我們的視頻終端上，用戶(hù)可以直接呼出 Webex 小助手，可以讓它幫自己 schedule meeting，同時(shí)也可以在桌面和移動(dòng)端結合語(yǔ)音控制。但我們不會(huì )專(zhuān)門(mén)去做類(lèi)似 Siri、Alexa 這樣一些已有的東西，我們會(huì )有自己的特點(diǎn)，比如說(shuō)將會(huì )議里人們的發(fā)言自動(dòng)轉成字幕。

　　這也是最初始、最簡(jiǎn)單的一個(gè)應用。做語(yǔ)音識別、字幕抓取以后，用戶(hù)在開(kāi)視頻會(huì )議時(shí)就像看電影一樣，下面會(huì )有一個(gè)字幕欄，別人說(shuō)的話(huà)你都能看得見(jiàn)。

　　同時(shí)，字幕中存在很關(guān)鍵、很豐富的信息，它包含了命令和行動(dòng)。比如說(shuō)明天要干些什么，或者說(shuō)后續會(huì )議的安排，系統要辨別哪些信息是著(zhù)重強調的、哪些是被重復過(guò)了的，這些都會(huì )被自動(dòng)標記，最后生成一個(gè)會(huì )議紀要。這樣的一些東西某種程度上可以減少很多開(kāi)會(huì )的附加的負擔。

　　在人性化（Human Empathy）方面，假設我們是第 1 天見(jiàn)面，但在在開(kāi)會(huì )之前，我就想了解你：你是學(xué)生呢還是不是學(xué)生呢？是哪里人呢？喜歡什么呢？這些對商業(yè)會(huì )議來(lái)說(shuō)都特別重要。

　　比如說(shuō)我要去跟一個(gè)客戶(hù)高層去見(jiàn)面，那我希望能夠預先知道對方是什么級別，他的職務(wù)以及工作職責。

　　然后就是對方有什么喜好或者是已經(jīng)公開(kāi)的一些個(gè)人資料等等，因為人與人之間關(guān)系的建立、感情的連結，很多時(shí)候就是我們倆今天都看了同一場(chǎng)棒球賽啊、我聽(tīng)說(shuō)你也很喜歡滑雪啊之類(lèi)的共同點(diǎn)的發(fā)現，這個(gè)很重要。

　　讓會(huì )議變得生動(dòng)、讓人與人之間的連接更平滑，這是我們希望自己的平臺可以提供的服務(wù)。

　　當然，如果你要問(wèn)它達到我們最理想的狀態(tài)沒(méi)有？答案是還沒(méi)有。因為包括 AI、5G 這些，也都是過(guò)去幾年才涌現出來(lái)的新技術(shù)。

　　它們還需要成熟，需要更精準地去優(yōu)化。第一版通常都不會(huì )那么精準，因為算法需要不斷學(xué)習。

　　比如說(shuō)我們在會(huì )里要翻譯、要把字幕抓下來(lái)，而印度人說(shuō)的英語(yǔ)，中國人說(shuō)的英語(yǔ)，日本人說(shuō)的英語(yǔ)都不太一樣，這就需要一個(gè)算法學(xué)習的過(guò)程。但總體來(lái)說(shuō)我們希望系統能夠越來(lái)越多地去自我感知，我認為這是接下來(lái)非常重大的一個(gè)突破方向。

　　因為只有這樣，這個(gè)工具才不會(huì )讓你覺(jué)得它只是一個(gè)工具，它會(huì )變成你的一個(gè)助手、一個(gè)工作上的伙伴。

　　我們想強調認知協(xié)作（ Cognitive Collaboration）是智能化的，我們更關(guān)注的是如何把信息（如果只是從視頻會(huì )議的角度來(lái)說(shuō)），在會(huì )前、會(huì )中、會(huì )后全部無(wú)縫地流通起來(lái)，形成一種持續的信息流（continuous information stream）。

　　比如說(shuō)我們有一些算法，并且可以無(wú)縫、實(shí)時(shí)、不中斷的把信息流給到用戶(hù)，這是我們的一個(gè)目標，是 continuous information stream for meetings。

　　這些會(huì )前的協(xié)調準備、會(huì )中的輔助、會(huì )后的總結會(huì )讓用戶(hù)的會(huì )議體驗更好。包括會(huì )后的一些錄音、歸類(lèi)，建立聯(lián)系等等，都會(huì )無(wú)縫地流轉，變成一個(gè)循環(huán)。

　　這是我們希望去打造的一個(gè)平臺。

　　（本文由 LiveVideoStack 與汪凱的郵件、語(yǔ)音采訪(fǎng)整理而成）

　　編輯：Coco Liang

　　策劃：Ant Bao &Coco Liang