对话腾讯云副总裁李郁韬：拿下世界杯17个国家和地区直播背后，云厂商的下一个竞争高地在哪里？

©潮涌AI编辑部

2026年世界杯，中国音视频技术第一次被海外客户大规模采用。

腾讯云作为背后的云直播服务商，覆盖了17个国家和地区。很多客户是第一次做世界杯直播，也是第一次选择中国厂商。

为此，潮涌AI等媒体代表一起对话了腾讯云副总裁李郁韬。在他看来，世界杯验证的不仅是技术能力，而是云厂商在多模态大模型时代应该扮演什么角色。

李郁韬是腾讯云国际产品技术负责人，也是腾讯云音视频业务的核心推动者。在这次对话中，他围绕WAND品牌和背后的产业判断，给出了系统性的回答。

为什么单一模型搞不定视频？

在多媒体领域，单一模型无法解决所有问题。

李郁韬观察到，直播、点播、媒体创作和多媒体互动这些领域，问题受限于网络传输、视频画质、用户体验以及各种特性的叠加。一个大模型能解决一部分，但不可能端到端解决全部。

这背后的产业逻辑是：多媒体的生产和分发链条，比语言模型长得多。

以影视剧制作为例，用户需要编辑工具，在工具里调用大模型；模型可能只能生成10秒或1分钟的视频，要生成多个视频、拼接起来、形成叙事——这不是一个通用大模型一句prompt就能完成的。链条更长，技术细节更面向生产环境。

所以，腾讯云去年就开始做多模态领域的Harness工程。今年，随着生成式视频模型增多，这个概念的市场认知趋于一致。

李郁韬将其类比为vibe coding：不是从零写代码，而是让模型和工具协同工作。

腾讯云将Harness应用于多模态领域，提出WAND品牌，解决方案由此推出：自研媒体专用模型、传统编解码转码、视频增强等60多种音视频能力，加上完整的直播和多模态生成创作服务。

其核心逻辑是：把底层复杂的多模态技术封装好，让企业客户专注于上层业务创新。

那么，一个大模型越来越强，Harness这种中间层会不会被压缩？李郁韬的回应基于三个产业判断。

第一，客户需求不会变。过去十年，腾讯云做音视频PaaS的基本定位是帮客户把底层做好，让他们专注业务创新。这个诉求到了AI大模型时代没有变，只是底层技术变了。客户不想自己对接各家模型、做prompt engineering、修bad case，他们要的是开箱即用的工程能力。

第二，生产力刺激需求，需求永远跑得更快。如果把大模型当成后端生产力，生产力的提升会显著刺激前端应用需求增长，而且需求增长的广度会一直强于生产力的提升。这意味着一个结构性矛盾：大模型永远满足不了最终用户的极致需求。中间永远存在一个gap——如何把模型能力最大化地呈现给用户。这就是Harness存在的必要性。

第三，模型格局会百花齐放，没有一家通吃。三年前大家认为海外模型最强，但现在中国模型（如混元）在质量上跟海外知名模型差距已经不大。李郁韬判断，多模态生成格局1到2年后会像语言模型一样百花齐放。而且，客户追求的不是最极致的效果，而是最高性价比——最终客户看的是ROI和商业化。所以Harness的价值反而会放大。

三个场景验证：AI短剧、具身智能、世界杯

Harness的必要性，不是理论推导，而是被三个落地场景反复验证的。

AI短剧：近90%头部客户为什么选择腾讯云

AI短剧是目前多模态应用最成熟的场景之一。李郁韬透露，国内头部漫剧客户中几乎90%已选择腾讯云。

原因不是某一项技术最强，而是Harness工程的效率和成本。

多模态模型生成的视频普遍存在一些“翻车”：乱码、语音不连贯、声音不统一，腾讯云的做法是分段修复——出现乱码在开头阶段修复，不需要重新生成整段，修复成本大幅降低。

翻译场景更能说明问题。

行业里常见的做法是多模态翻译后直接输出结果，但稳定性差、容易出现幻觉。腾讯云的Harness工程做了一个闭环：运行、规划、检查、修复——大模型先做多模态理解判断翻译是否准确，再对问题进行修复。

这套机制使翻译效果稳定性提升约20%。

对出海短剧厂商来说，出品成本、成功率和效率同步提升。

具身智能：补上机器人的通信缺口

腾讯云与艾欧等具身智能企业、无人车和无人清扫车厂商展开合作，核心解决两个需求。

一是紧急情况下的远程实时介入控制。腾讯云提供TRRO远程实时操控方案，在弱网环境下实现低延时通信。传统音视频方案延时通常一到两秒，在移动设备上意味着几米空间不受控——这在自动驾驶和高危作业场景是不可接受的。腾讯云几年前就孵化了这套方案，让人类操作员可以毫秒级接管。

二是机器人端侧小脑与云端大脑的连接。端侧计算能力有限，需要持续通信，而这种通信必须抗弱网。腾讯云20年音视频技术积累——包括抗弱网通信、低延时传输、多网协同加速——在这里找到了新的应用场景。这个切入点很实际：不碰机器人的硬部分，而是解决软的通信和感知问题。

世界杯：17国家和地区的压力测试

世界杯是腾讯云音视频全球化的压力测试。李郁韬透露，这次服务覆盖17个国家和地区，其中很多客户是第一次做世界杯直播，也是第一次选择中国厂商。

韩国市场的数据验证了服务的稳定性：韩国队淘汰前带宽消耗量大，淘汰后观众骤减——这种用户行为的实时波动，对云厂商的弹性调度能力是真实考验。

更深层的意义在于协议兼容。

腾讯云过去七八年在海外OTT行业做的媒体协议兼容工作，在这次世界杯中得到了集中验证。海外OTT领域的媒体协议基本全部支持，这让客户迁移成本极低——孟加拉国的Rockstreamer App从原有方案切到腾讯云只用了5天。

产业竞争格局：云厂商的三个方向和海外分层策略

在多模态领域，云厂商的竞争正在分化出三个明确的方向。

三个竞争方向

第一是训练和算力。

多模态理解和生成对算力要求极大。未来端到端语音交互、视频生成会进一步发展，算力消耗将持续攀升。云厂商的基建投入是门槛。

第二是存储和数据积累。

多媒体数据存储量远高于文本，预训练前的数据清洗和处理要求也完全不同。云厂商的海量数据存储和计算能力是固有优势。

第三是应用生产端。

面向最终客户的推理服务、综合处理能力。这是WAND的核心战场——不只是提供模型，而是提供完整的生产级服务。李郁韬提到，AI算力已经开始从训练往推理倾斜，很多厂商构建推理算力的开销已经超过训练投入。这意味着AIGC应用正在进入大规模生产阶段。

腾讯云官网截图

海外战略：三类市场，三种打法

腾讯云音视频的海外战略正在加码。李郁韬透露，海外基础设施投入每年至少翻番，未来三年坚持这一节奏。

市场被分为三类。

• 第一类，与中国互联网发展阶段一致的市场，重点攻坚，把整套解决方案推广过去，同时兼容原有供应商和协议，降低迁移难度。这跟制造业、新能源出海的逻辑类似。

• 第二类，新兴发展国家，人口基数大、年轻用户多、基础设施尚不健全。印尼是典型案例：2到3亿人口，年轻人占比高，网络设施不好。腾讯云跟GoTo合作搬迁，跟当地最大运营商合建CDN，世界杯前完成部署，新用户增长积极。

• 第三类，欠发达地区，面向未来。基础设施建设、云服务和AI算力发展加快，这些国家可能迎来类似过去十年移动互联网发展的红利，实现跨越式发展。

李郁韬特别强调，看资本回报不仅要看腾讯云自身，更要看客户的商业价值回报和生态伙伴的价值增长。

数据隐私与合规：硬币的两面

数据隐私和合规是出海绕不开的话题。

李郁韬的处理方式是把问题按场景拆分：传输增强、画质提升、转码等功能性服务，在用户数据隐私保护或合规要求里没有明确禁止。大量客户其实不会受此影响。

更有趣的是反向现象：经营亚太区业务的客户会主动看中国有没有解决方案；经营在华业务的企业也会主动寻求本地合规云服务。

李郁韬认为，硬币有两面，但更多看到的是对中国科技企业和云服务的新机会。

从世界杯17国家和地区到AI短剧几乎90%头部客户，从具身智能到边缘推理，李郁韬勾勒的轮廓很清楚：多模态大模型的应用落地，需要的不是某个最强模型，而是一套能把各种模型串起来、修补缺陷、稳定交付的工程能力。

对云厂商来说，这不是一个产品功能，而是一个竞争高地的定义权问题。

潮涌AI认为，这场竞争本质上是对产业需求的理解深度之争。谁更清楚客户在生产环境中遇到的真实问题，谁就能把模型串得更顺、修得更稳、成本算得更清。

腾讯云多年在音视频的积累，不是讲故事的素材，而是训练样本的来源、工程经验的沉淀、客户信任的抵押物。

在多模态应用爆发的前夜，这些资产的价值正在被重新定价。

商务、媒体合作、文章转载请加

yiyuguancha6