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，期間跨過多種專業(yè)領(lǐng)域，在國內(nèi)和北美從事過電信和數(shù)字網(wǎng)絡(luò)系統(tǒng)、大型支付交易處理系統(tǒng)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(fù)責(zé) Webex 視頻會議系統(tǒng)的總體架構(gòu)工作。目前已經(jīng)切換到管理領(lǐng)域，主要關(guān)注 Webex 客戶端和各種終端平臺上的應(yīng)用開發(fā)。

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

　　現(xiàn)在大家（國內(nèi)）都在講云、都要上云，實(shí)際上我們過去幾年也是在把產(chǎn)品往云——更現(xiàn)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(xiàn)云并不是唯一的解決方案，也不是唯一的一種場景。

　　從春節(jié)到現(xiàn)在是對國家、社會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(fù)工作（雖然我們團(tuán)隊(duì)本身就非常習(xí)慣在家工作），實(shí)際上還是有很多挑戰(zhàn)的。

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

　　因?yàn)殛P(guān)注產(chǎn)品和項(xiàng)目，我的心情大部分時(shí)候還是比較平穩(wěn)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不到的一些日常居家的歡樂。

　　這次疫情給我?guī)�來了一些思考，就是不要總想著說將來要去干些什么。我們受到的教育告訴我們要準(zhǔn)備充分再去做一件事，但我想說你要是想做就去做。活在當(dāng)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(nèi)很多互聯(lián)網(wǎng)公司都是 to C 的業(yè)務(wù)發(fā)展起來的，to B，或者說叫產(chǎn)業(yè)互聯(lián)網(wǎng)，是最近幾年才開始有被關(guān)注，很多企業(yè)也開始想往這方面推進(jìn)。但是思科  Webex 本身，一直都是 to B 的業(yè)務(wù)非常強(qiáng)。

　　to B 用戶有幾個(gè)比較大的特點(diǎn)。一個(gè)是相對來說，這些用戶更多的會考慮企業(yè)的合規(guī)性要求，因?yàn)椴煌�的行業(yè)有不同的合規(guī)要求。我們的客戶除了中國以外，歐美的用戶有很多，有一些用戶會更加關(guān)注隱私、數(shù)據(jù)保護(hù)、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。比如說我們之間的這些對話，所做的這些記錄，有且僅有我們兩個(gè)人知道。雖然所有數(shù)據(jù)都是在云端的數(shù)據(jù)中心里，但是任何 Webex 的開發(fā)或者運(yùn)維人員，都沒有辦法知曉我們談話的內(nèi)容。對于這種端到端的全程加密，實(shí)現(xiàn)起來其實(shí)也是有很多要求的。

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

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

　　這樣帶來的一個(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)通過和云端的級聯(lián)（cascading），還可以節(jié)省帶寬。

　　就是說用戶不用通過互聯(lián)網(wǎng)，通過企業(yè)內(nèi)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，簡單來說就是 you can have meeting or collaboration anytime anywhere。

　　雖然我們所說的這個(gè) Anytime 是指任何時(shí)間點(diǎn)，但其實(shí)視頻會議也有它的特殊性，它的流量分布是很特殊的。比如說今天我給你設(shè)定一個(gè)會議時(shí)間，一般來說是不會設(shè)置在 14:15 的，雖然我可以，但是大部分時(shí)候大部分人不會這么做，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)給平臺帶來的挑戰(zhàn)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(dāng)下訪問不到網(wǎng)絡(luò)，也可以延后處理。但視頻會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，所以才會有媒體流 resilience, congestion control 方面的一些設(shè)計(jì)和控制，弱網(wǎng)對抗之類，這里面有部分是開源的規(guī)范比如 WebRTC，也有各廠商的私有協(xié)議和實(shí)現(xiàn)，包括 Webex。

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

　　A2  汪凱：根據(jù)我回國 5 年的一些觀察，大家對安全的意識這幾年是在增強(qiáng)的。讓大家開始逐漸有這種意識，可能也是來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(tǒng)里面，有沒有做到從第一天就開始考慮用戶安全和隱私的問題，這實(shí)際上是需要拿來討論的。

　　有些安全問題可能是來自于平臺的一些“特殊設(shè)計(jì)”，比如說平臺想提高用戶加會進(jìn)會的快速體驗(yàn)，就會在某種程度上放松對安全的要求，所以這里面應(yīng)該有一個(gè) balance。

　　而我一直想強(qiáng)調(diào)的一點(diǎn)就是，我們做技術(shù)的，尤其在應(yīng)用軟件領(lǐng)域，不要迷信黑科技。很多所謂的黑科技，沒有突破性的進(jìn)展，大部分都是 Hack，是一種黑客技術(shù)，就是你通過一些繞彎的迂回的辦法，繞過系統(tǒng)的一些控制，但是分分鐘都可能被這個(gè)平臺供應(yīng)商殺死，尤其是平臺的操作系統(tǒng)。

　　安全性無論是不是所有廠商一開始就有在考慮的，它都變得會越來越重要，尤其是 to B 的業(yè)務(wù)。to C 的話，業(yè)務(wù)理論上來說它實(shí)際上需要有同等的安全程度，但是因?yàn)楦鞣N原因：作為普通用戶，對技術(shù)不了解；作為企業(yè)，為了快速成長的發(fā)展和更早讓大家有很好的用戶體驗(yàn)，在安全性方面會有其他的考慮。

　　有了新的技術(shù)，老的技術(shù)就要去升級，出現(xiàn)了新的問題你也必須去解決，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(shè)計(jì)所有的部署都要滿足這些要求。

　　to C 的話，我們也要有基本的底線在里面。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)觀點(diǎn)是，更重要的不是在于說從技術(shù)上解決了什么問題，更重要的是說在原來的很多約束下（比如說網(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(yīng)用場景和行業(yè)里面，尤其是來自于這些行業(yè)和這些應(yīng)用場景里對視頻直接交流、語音直接交流和交互性的需要。

　　比如說快遞行業(yè)，現(xiàn)在既有視頻，也可以用微信，但是如果你想有一些垂直的應(yīng)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，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(rèn)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景。賦能這樣的一些應(yīng)用場景反過來會帶動(dòng)市場對音視頻會議服務(wù)的更廣泛的需要，像我們這樣的平臺就會變得更普遍。

　　過去幾年因?yàn)橹辈サ耐茝V，很多民眾都被 to C 教育了，說視頻其實(shí)很重要。但在視頻會議場景里面，它還是更加專業(yè)化的存在、面比較窄，當(dāng)然現(xiàn)在也出現(xiàn)了線上教育這些體系。如果說我們可以隨時(shí)隨地獲得更穩(wěn)定的網(wǎng)絡(luò)，那這些行業(yè)的爆炸式的需求反過來也會影響視頻會議提供商的服務(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)，它就不再會是那么窄。

　　純粹個(gè)人觀點(diǎn)，但從一個(gè)系統(tǒng)的層面看 5G，它優(yōu)先解決的是 RAN，也就是 Radio Access Network，是無線接入網(wǎng)的問題。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設(shè)計(jì)，再加上一些控制，但其實(shí)它只是解決了無線的接入。

　　所以從理論上或從實(shí)驗(yàn)測試來說，無線網(wǎng)在一切其他條件都具備的時(shí)候，確實(shí)能夠?qū)崿F(xiàn)帶寬提高。但實(shí)際上，比如說評估結(jié)果是 10 倍的帶寬的提高（相比于 4G 網(wǎng)絡(luò)），那它帶來的一個(gè)最大的好處就是可以有更多更高分辨率的、或者說更高質(zhì)量的音視頻數(shù)據(jù)包在這個(gè)網(wǎng)絡(luò)上交換。

　　第二點(diǎn)，它的時(shí)延很低。比如說達(dá)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(wěn)定，抖動(dòng)也小。

　　我之前提到過系統(tǒng)的問題，不光要解決無線的問題，后面還要考慮這些數(shù)據(jù)是不是能有效通過無線基站和后面整體的 infrastructure 的緊密配合。電信網(wǎng)絡(luò)也好，數(shù)據(jù)網(wǎng)絡(luò)也好，這個(gè)系統(tǒng)能夠提供這樣的帶寬和質(zhì)量的保證嗎？所以從設(shè)計(jì)和實(shí)施的角度，還是要遵循系統(tǒng)論的方法去多考慮系統(tǒng)整體的約束和 trade-off。

　　5G 有它帶來的好處，也有它的一些局限性。拿公共模式來說，它會改善和減少一些今天會發(fā)生的問題。同樣，它也會因?yàn)榻裉斓囊恍┰O(shè)計(jì)模式、協(xié)議方式遇到一些問題。

　　比如說 TCP 和我剛才提到的信令控制，5G 也可能也會碰到同樣的問題，不可能所有地方都是可獲得的，或者說出現(xiàn)了問題的時(shí)候，因?yàn)?TCP 本身面向連接和可靠傳輸?shù)奶攸c(diǎn)，有時(shí)候反而會引起問題。這是我說的一些設(shè)計(jì)的共性。

　　在協(xié)議方面尤其信令相關(guān)的，當(dāng)出現(xiàn)新的技術(shù)之后，應(yīng)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(tǒng)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)際上的碼流要求會更低。這都是新的技術(shù)，我們要樂于、勇于且積極地去使用。隨著 5G 的發(fā)展是不是又會有更好的編解碼技術(shù)呢？我覺得是肯定會出現(xiàn)的，咱們拭目以待。

　　當(dāng)把原來的設(shè)計(jì)原則或設(shè)計(jì)約束給放得更寬了，很多原來做不到的事情某種程度上其實(shí)都可以做到。

　　但是光靠 5G 不能解決所有的問題，關(guān)鍵是什么是我們的殺手應(yīng)用——能夠完全的推動(dòng)音視頻的爆發(fā)式的增長和質(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)開會隨時(shí)想要更優(yōu)體驗(yàn)的需求，這需要一個(gè)生態(tài)系統(tǒng)，一個(gè)產(chǎn)業(yè)鏈，需要運(yùn)營商服務(wù)提供商來共同解決。

　　A4  汪凱：關(guān)于平臺，我想說一個(gè)詞是“迷思”。

　　我能看到的一個(gè)迷思，就是大家想著，啊我要去建平臺，建立平臺就有很多人來用，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(qū)動(dòng)了），那就是為什么需要平臺？

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

　　電商交易平臺本身最早的型態(tài)是阿里自己做的終端應(yīng)用。他們要推廣這個(gè)概念，要培養(yǎng)用戶習(xí)慣，同時(shí)它要建立一個(gè)可參考的實(shí)現(xiàn)，這樣才能把用戶引導(dǎo)到一些服務(wù)體驗(yàn)上來，最后把自己提供終端體驗(yàn)的公共的東西抽象出來，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(tǒng)，讓其他的廠商、任何有需要的群體來使用，基本上過去幾年都是這樣的。

　　Webex 也是一樣。

　　我們有沒有平臺，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。

　　我們的用戶基礎(chǔ)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的應(yīng)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(yàn)證點(diǎn)。

　　為什么說做一個(gè)終端應(yīng)用體驗(yàn)很重要，因?yàn)橥ㄟ^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商都有這個(gè)能力和資源去投入的。比如說我要了解音視頻的東西，我要了解網(wǎng)絡(luò)體系架構(gòu)，還有這些信令數(shù)據(jù)流量怎么控制，我究竟要怎么做？

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

　　A5  汪凱：概括來說的話，就是 Smarter and More Humanity Empathy。

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

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

　　在我們的視頻終端上，用戶可以直接呼出 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(jié)合語音控制。但我們不會專門去做類似 Siri、Alexa 這樣一些已有的東西，我們會有自己的特點(diǎn)，比如說將會議里人們的發(fā)言自動(dòng)轉(zhuǎn)成字幕。

　　這也是最初始、最簡單的一個(gè)應(yīng)用。做語音識別、字幕抓取以后，用戶在開視頻會議時(shí)就像看電影一樣，下面會有一個(gè)字幕欄，別人說的話你都能看得見。

　　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)。比如說明天要干些什么，或者說后續(xù)會議的安排，系統(tǒng)要辨別哪些信息是著重強(qiáng)調(diào)的、哪些是被重復(fù)過了的，這些都會被自動(dòng)標(biāo)記，最后生成一個(gè)會議紀(jì)要。這樣的一些東西某種程度上可以減少很多開會的附加的負(fù)擔(dān)。

　　在人性化（Human Empathy）方面，假設(shè)我們是第 1 天見面，但在在開會之前，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)會議來說都特別重要。

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

　　然后就是對方有什么喜好或者是已經(jīng)公開的一些個(gè)人資料等等，因?yàn)槿伺c人之間關(guān)系的建立、感情的連結(jié)，很多時(shí)候就是我們倆今天都看了同一場棒球賽啊、我聽說你也很喜歡滑雪啊之類的共同點(diǎn)的發(fā)現(xiàn)，這個(gè)很重要。

　　讓會議變得生動(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(dāng)然，如果你要問它達(dá)到我們最理想的狀態(tài)沒有？答案是還沒有。因?yàn)榘��?AI、5G 這些，也都是過去幾年才涌現(xiàn)出來的新技術(shù)。

　　它們還需要成熟，需要更精準(zhǔn)地去優(yōu)化。第一版通常都不會那么精準(zhǔn)，因?yàn)樗惴ㄐ枰�不斷學(xué)習(xí)。

　　比如說我們在會里要翻譯、要把字幕抓下來，而印度人說的英語，中國人說的英語，日本人說的英語都不太一樣，這就需要一個(gè)算法學(xué)習(xí)的過程。但總體來說我們希望系統(tǒng)能夠越來越多地去自我感知，我認(rèn)為這是接下來非常重大的一個(gè)突破方向。

　　因?yàn)橹挥羞@樣，這個(gè)工具才不會讓你覺得它只是一個(gè)工具，它會變成你的一個(gè)助手、一個(gè)工作上的伙伴。

　　我們想強(qiáng)調(diào)認(rèn)知協(xié)作（ Cognitive Collaboration）是智能化的，我們更關(guān)注的是如何把信息（如果只是從視頻會議的角度來說），在會前、會中、會后全部無縫地流通起來，形成一種持續(xù)的信息流（continuous information stream）。

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

　　這些會前的協(xié)調(diào)準(zhǔn)備、會中的輔助、會后的總結(jié)會讓用戶的會議體驗(yàn)更好。包括會后的一些錄音、歸類，建立聯(lián)系等等，都會無縫地流轉(zhuǎn)，變成一個(gè)循環(huán)。

　　這是我們希望去打造的一個(gè)平臺。

　�。ū疚挠� LiveVideoStack 與汪凱的郵件、語音采訪整理而成）

　　編輯：Coco Liang

　　策劃：Ant Bao &Coco Liang