世界杯背后的這家云廠商，為什么突然聊起了"Harness"？

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，小棗君也是斷斷續續追完的（當然，還是錄播居多，年紀大了熬不起夜）。

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，大家守在電視機前聽解說、等回放。今年，小紅書第一次拿下了轉播版權，把直播間搬進了自己的社區，一場球賽變成了一場社交互動。

AI剪輯的進球集錦幾分鐘就刷屏，球迷在評論區玩梗接龍，AI解說能實時回答"什么是越位"，豎屏短視頻讓通勤路上也能補一段......互聯網平臺的運營玩法和AI的強大互動能力，第一次嵌進了世界杯。

圖源：小紅書

臺前的品牌，大家都看得見。看不見的部分是，這些流暢的高清畫面，是怎么從美國新澤西的球場，傳到中國凌晨三點的手機屏幕上的？

其實，這背后站著一家"隱身"的云服務商，叫騰訊云。

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

█ 騰訊云和世界杯，其實是老朋友

聊今年的事之前，小棗君想先花一點時間，把騰訊云跟世界杯這些年的故事講一講。因為很多朋友可能不知道，騰訊云做世界杯直播，其實已經不是第一次了，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還沒有分銷到互聯網，大家看球主要還是靠電視。當時，沒什么人相信，一個互聯網公司能把這么大規模的賽事直播做好。

據騰訊云音視頻總經理李志成回憶：大概在世界杯開幕前一周，騰訊云團隊從搬服務器到客戶機房、拉網線、去中關村買路由器開始，一步步搭方案。終于，趕在開賽前一天，把所有準備工作全部弄完。

騰訊云音視頻總經理李志成

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

這一戰，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。央視率先把版權分銷到了互聯網，短視頻平臺首次入局。騰訊云成了央視頻和互聯網分銷平臺在直播、點播、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，國內觀眾普遍能感受到，畫質和延時都比過往幾屆更好，是歷屆里綜合體驗最好的一次。騰訊云當時率先在世界杯里用上了自研的"超低延時快直播"方案，把直播延時從傳統的十幾秒壓到了800毫秒之內。對看球的人來說，這個體驗差別，尤其在移動設備端，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，這一屆延續了下來。

在這個基礎之上，還有兩個"第一次"：

第一次大規模用上AI：這屆世界杯，AI真正從"錦上添花"變成了轉播鏈路里的一環。AI導播臺、AI智能剪輯、AI橫轉豎、AI多語種翻譯這些能力，第一次大規模跑在了世界杯這樣的頂級賽事上。除了內容側，運維側也用上了AI。比如碼率自適應、畫質自適應、跨地區調度這些原來需要人工盯著值班處理的事，現在能交給AI Agent做自動化運維，不需要那么多同事熬夜蹲在屏幕前。

第一次大規模走向海外：騰訊云同時支撐了全球17個國家和地區的官方賽事直播，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。

韓國隊被淘汰之前，當地市場的服務消耗量非常大。但隊伍一止步，當地觀眾突然就都不看了，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設施，做資源的靈活調度：哪個國家還在比賽，帶寬和算力就往哪里傾斜；哪支球隊被淘汰，資源就順勢騰出來補給別的市場。整個過程跟著賽程和賽果動態伸縮，把成本和體驗之間的那根平衡桿一直穩住。

再比如印尼。

印尼是千島之國，網絡基建其實并不好，但人口兩億多、年輕人比例高、看球意愿極強。

騰訊云趕在世界杯開賽前，和當地最大的運營商合建了一張CDN，剛好趕上賽事上線，把跨網質量和用戶體驗拉起來了。

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很差。

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

這些故事的背后，其實是騰訊云在海外OTT行業里積累了七八年的一件"苦活"，把海外那一整套媒體協議全部支持了下來。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個國家地區的賽事直播。八年時間，騰訊云的角色，已經從"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，業內開始意識到，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：多模態領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？為什么現在推？跟世界杯又有什么關系？

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，涉及的技術環節非常多——采集、編碼、傳輸、轉碼、分發、畫質處理、多語種翻譯、豎屏改造、廣告插入、CDN加速、終端播放……每一個環節，背后都是不同的模型和算法在干活。

問題來了：模型這么多，誰來負責把它們串起來？串完之后，誰來保證每個環節都不掉鏈子？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。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，轉場不自然，聲音不連貫，字幕有亂碼，畫質忽高忽低，翻譯還容易出幻覺。

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

這就是多媒體領域跟純文字領域最大的不同——文字領域，一個大模型 + 一個Chatbot界面，用戶體驗就閉環了。多媒體領域，鏈條要長得多，任何一個環節掉鏈子，最終用戶的體驗就崩了。

所以，多模態領域需要一個"總指揮"，把這些環節全部串起來：用戶提需求，它去調模型；模型出問題，它去修復；模型不夠用，它去補算法；成本要平衡，它去調度。

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，也包括多模態模型，甚至還包括一些小參數量的畫質提升模型、小參數量的應用模型，都會串在里面。"

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

█ 為什么現在需要WAND這樣一套方案？

有人會問，現在生成式視頻模型這么強，未來會不會越來越強，強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，中間這層"編排"的重要性反而越大。

大模型是"生產力"，編排層是"應用出口"。生產力提升，會刺激應用需求同步增長，而且需求增長的廣度永遠強于生產力的提升速度。這個供需gap，單一大模型永遠填不平。

除此之外，還有幾個非常現實的驅動因素：

第一，模型選擇困難癥。

現在全球的多模態大模型不下幾十家，國內的、海外的、開源的、閉源的、通用的、垂類的，一天一個樣。對企業客戶來說，一個新模型出來就得對接、測試、評估一次，費時費力效果還未必好。

WAND替客戶把這些活干了，選模型、評模型、調模型、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，畫質中等就夠，成本控制好才是關鍵。用一個中等模型 + 后期修復，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。

現在市面上所有的多模態模型，沒有哪一家是100%穩定的。視頻里有亂碼、轉場異常、語音不連貫、多語言翻譯出現幻覺，這些是行業公認的痛點。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"閉環：模型出結果，另一個模型來檢查，發現問題就修復，而不是重來。

以翻譯場景為例，根據騰訊云的實測數據——這套端到端的處理流程，能讓翻譯場景的效果穩定性提升大約20%。對短劇、漫劇這類出海生意來說，穩定性提升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品線孵化了將近十年——云直播、云點播、媒體處理、實時通信……每一個模塊都服務過大量企業客戶。這意味著，它對音視頻的生產鏈條、用戶互動、行業痛點有非常深的理解。

而多模態模型學的是什么？就是音視頻數據。騰訊云在這個垂直行業積累的經驗，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。國內頭部短視頻和直播平臺的視頻處理、超分、增強、壓縮能力，騰訊云幾乎都已做到行業規模第一。

客戶多，跑的量大，現網數據豐富，這是訓練和迭代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"。

以橫轉豎為例，行業里幾乎每家云廠商都說自己能做。但真正落地的時候會發現，如果畫面里有比分牌、字幕、logo，轉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、多模態畫面理解、AIGC生成……一整套能力打通，橫轉豎才真正能落地到有比分、有字幕的實戰畫面。

這就是端到端的價值——不是拼一個能力清單，而是拼真正跑通業務的能力。

█ 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模型，加起來幾十種服務，構成一個"模型池"，根據場景調不同的模型。

中間是編排層：整個方案的核心，覆蓋60多種音視頻能力，負責需求識別、模型選擇、參數調優、結果評估、缺陷修復、成本調度。這一層其實就是騰訊云沉淀了十年的音視頻PaaS經驗的現代化封裝。

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"三個字構建的。客戶不需要拼多家供應商，一家搞定。

WAND聽起來有點像"音視頻的中臺"，但兩者的定位差別其實很大：中臺強調"共性能力沉淀"，WAND強調"圍繞AI大模型的動態編排與端到端的解決方案"。

█ 出海：WAND的另一個戰場

聊完技術，最后簡單說一下騰訊云的另一個籌碼——出海。

WAND這套東西，光在國內跑，價值有限。真正的爆發點，是在海外。

原因很簡單：海外的音視頻技術棧迭代比國內慢，傳統OTT行業沿用的一整套媒體協議，兼容起來非常麻煩，海外廠商想切換到新方案，光是協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行業里的媒體協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架構。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。

據披露，騰訊云在海外的基礎設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，亞太地區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個國家和地區服務，也驗證了這套打法在賽事級流量下能夠扛得住。

█ 最后的話

多模態時代的音視頻云服務，正在從"賣單點能力"，轉向"賣端到端方案"。

模型越多，鏈路越長，最終用戶的體驗反而越難保證。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，云廠商在多模態領域接下來的競爭，大致會在三個方向——訓練算力、存儲數據、推理應用。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化成客戶用得起、算得清成本的服務。

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時代那把新"鑰匙"，讓我們拭目以待。

參考文獻：

1、騰訊云音視頻媒體溝通會（2026年7月）；

2、《騰訊云護航全球17國地區世界杯直播，決賽夜在線峰值超5000萬》；

3、騰訊云官網、WAND解決方案介紹頁；

4、公開采訪資料及行業報道。