21世纪经济报道记者 吴佳楠 深圳报道
2026年美加墨世界杯落幕，球场之外，另一场关于技术能力的较量也浮出水面。
与赛场上迭出的精彩瞬间同样值得玩味的，是中国云厂商在本届世界杯交出的成绩单。腾讯云首次大规模服务海外客户，覆盖四大洲17个国家和地区，是世界杯历史上中国云厂商技术覆盖范围最广、服务地区最多的一次。决赛夜全球各平台最高在线人数总计突破5000万，带宽峰值较上届上涨20%，创腾讯云赛事直播新纪录。
但这些数字只是表层。更值得关注的变化在于，这是大模型技术成熟以来的“首届AI世界杯”，AI首次全面投入直播生产全链路。
从2018年首次服务央视，到2022年首创超低延时快直播并首次出海，再到2026年WAND AI品牌规模化落地，腾讯云用三届世界杯展现了中国技术从服务国内走向全球领跑的路径。
这背后是腾讯云音视频在AI时代确立的多模态领域的“Harness”定位。“大模型永远满足不了最终用户的极致需求，中间就存在如何把模型能力最大化地呈现给最终用户的问题，这就是Harness存在的必要性。”腾讯云副总裁李郁韬表示。
这或许解释了腾讯云音视频在AI时代卡住的生态位，而这个生态位的价值，正在世界杯这个全球压力测试场中被加速验证。
腾讯云音视频总经理李志成至今记得2018年第一次接触世界杯直播时的场景。
“我们从拉网线、买路由器开始，把所有东西全部弄好。当时国内互联网上都在评论，这一届的画面怎么这么好？网上的评价基本上全部定下来了。”李志成表示，正是2018年的世界杯，帮腾讯云在世界杯直播行业打开了第一个信任突破口。
但与国内市场的驾轻就熟不同，海外拓展从一开始就是一场硬仗。“中国的互联网在音视频技术上比较领先，海外技术栈迭代相对较慢。”李志成坦言，这就带来一个问题，如果要承接这些海外客户的直播业务，就要全部支持原来那些比较老的设备、老的媒体协议，“不支持的话他切不过来。”
这也是腾讯云音视频技术出海七年多做的最重要的事之一，也就是几乎支持了海外OTT行业里的全部媒体协议。
“其他厂商要全部支持这些协议，就得把我们前面六七年走的路全部走一遍。”李志成表示。
但即便协议对齐，区域市场的复杂性依然远超预期。印尼是千岛之国，网络基础设施薄弱，却有近三亿人口和庞大的年轻用户群。腾讯云选择与当地最大的运营商合建CDN，赶在世界杯前完成部署。
“原来他们服务本网运营商的用户，还要外采第三方CDN，成本贵不说，还会遇到跨网的质量问题。”李郁韬表示，今年合建CDN之后，当地运营商在很多运营活动上取得了新的用户增长。
更微妙的还在于用户行为的区域差异。在今年世界杯中，韩国队被淘汰之前，韩国市场的服务消耗量较大，但队伍止步之后，观众热情随之褪去，而印尼、巴基斯坦等市场则从头到尾保持高热。这些不同区域的用户差异，对云服务的弹性调度能力提出了极高要求。
李郁韬认为，每个区域的诉求和发展阶段不太一样，将重点深耕跟中国互联网发展阶段高度一致的市场，把整套云服务解决方案和创新的产品技术推广到当地。对于有大量用户愿意使用创新业务但当地基础设施还不够健全的新兴市场，需要好的云服务商来弥补用户和基建之间的鸿沟，这也是一个机会点。
如今，腾讯云在全球的信任半径不断延伸。本届世界杯，腾讯云服务了亚太地区三分之二的官方授权赛事直播平台，覆盖韩国、新加坡、马来西亚、印尼、泰国、巴基斯坦、阿联酋、哥伦比亚、巴西等多个国家和地区。
这是中国云厂商支持世界杯以来服务地区最广的一次。
“海外拓展，现在其实已经进入一个新阶段。”李郁韬认为，过去更关注拓展中国周边的国家和地区，因为地理位置更近、触达客户更容易，对中国文化的接受度也更高，但现在拉美、欧美地区都有布局，这是新阶段的尝试。
本届世界杯的意义或许正在于此：中国技术在17个国家和地区的真实赛事场景中得到了验证。
“很多国家和地区是第一次做世界杯直播服务，也是第一次选择中国厂商，在这么短暂的两三个月里，还有大量机会和需要挖掘的点。接下来我们会在音视频的方方面面跟他们做进一步的创新和拓展，让他们感受到中国技术的力量。”李郁韬表示。
如果说服务17个国家和地区是腾讯云音视频广度的证明，那么AI能力的规模化落地则是其深度的体现。
本届世界杯可以说是“首届AI世界杯”。基于今年6月发布的AI音视频品牌WAND，腾讯云首次将4K超分画质、毫秒延迟、秒级切片、多语种解说及AI同传、智能横转竖、智能导播台、个性化广告等能力全链路投入世界杯直播生产。
个性化广告是另一个突破点。据透露，今年韩国头部OTT平台和国内覆盖几千万终端用户的央广云听，都已开始使用腾讯云的个性化广告方案。李郁韬认为，AI时代给广告业务带来很多创新机会，互联网厂商较传统广告厂商在AI能力的应用、理解和更新上有优势。
但WAND AI的应用范围已不止于赛事直播。
“从去年开始，整个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，这意味着很多AIGC应用开始进入大规模生产应用阶段。在中国，比较典型的应用场景是短剧、漫剧的制作，这部分已经大量用多模态技术做生产，这是我们看到比较明确、可以复制到全球的一个机会。”李郁韬表示。
支撑这些场景的，是腾讯云音视频对多模态领域的“Harness”定位，也就是把大语言模型、多模态模型，甚至包括一些小参数量的画质提升模型、小参数量的应用模型等都串起来，快速把这些模型应用到企业级的生产服务里，让最终用户感受到最新的大模型体验，寻找开放性的空间。
“多媒体领域的应用其实面临蛮多挑战，很多产品和应用，用单一的大模型很难解决所有问题，特别是在直播、点播、媒体创作以及多媒体互动这些领域，它受限于网络传输、视频画质、用户体验以及各种特性的叠加，单一模型只能解决部分问题。”李郁韬表示，单一大模型永远满足不了最终用户的极致需求，最终需要的是一整套由AI大模型赋能的生产流程和用户交互流程，来解决原来满足不了的体验和质量问题。
在具身智能和语音AI等前沿领域，腾讯云的音视频能力也在延伸。目前，腾讯云已与艾欧智能等企业合作，基于TRRO远程实时操控技术，为具身机器人提供低时延、高可靠的传输通道，用于超视距远程接管、数据采集、机器人对话等场景。
“大家对机器人的关注更多在于机械构造、舵机及本身的智能化，但它中间肯定会遇到很多通信和音视频应用上的小点，目前市面上许多的多模态大模型在语音输出时存在很大的痛点，腾讯云在具身智能领域做音视频多模态Harness，可以补足机器人、具身智能这些领域小的音视频应用短板。例如在翻译场景中，用多模态大模型去判断和修复，使得整体翻译效果提升约20%。”李郁韬表示。
关于未来，李郁韬认为，云服务商能否提供更加贴近最终客户的推理服务、具备综合处理的应用能力，是影响云厂商能否被客户选择的重要因素。“这一点对腾讯云来说非常重要，目前腾讯云在全球已经有大量音视频客户基础，在国内也有大量生产和直播客户，在创新趋势中，如何在视频后处理、多模态推理等运营端更好地满足客户需求，这是腾讯云正在构建的竞争优势。”
可以看到的是，当视频从用户消费的内容变为Agent处理的对象，音视频云从传输管道变为Agent基础设施，腾讯云正在这场变革中卡住自己的生态位，其优势不在于模型最大，而在于响应更快、成本更可控、离客户的生产场景更近。
“把多模态应用部署在边缘端，复用原来音视频云在边缘做的CDN基础设施，在这之上提供边缘推理服务，这也是未来一个不错的AIGC云服务机会点。”李郁韬表示，这带来的潜在想象空间是，面向具体场景的多模态模型，能方便地部署在离用户最近的边缘端，以低时延方式提供端到端交互、实时视频生成、实时视频直播的服务，再加上足够成熟的智能化，这可能是未来腾讯云音视频面向市场的一个重要机会。