这篇文章不错，转发给_老虎社区_美港股上老虎 - 老虎社区

这篇文章不错，转发给大家看看

@表外表里：B站的野望

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":209655174639800,"tweetId":"209655174639800","gmtCreate":1692191017791,"gmtModify":1692191019089,"author":{"id":3481422369360684,"idStr":"3481422369360684","authorId":3481422369360684,"authorIdStr":"3481422369360684","name":"小果果","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":2,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","htmlText":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","text":"这篇文章不错，转发给大家看看","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/209655174639800","repostId":209214274298064,"repostType":1,"repost":{"magic":2,"id":209214274298064,"tweetId":"209214274298064","gmtCreate":1692113338055,"gmtModify":1692251211416,"gmtUserModify":1692251008228,"author":{"id":3585519170265559,"idStr":"3585519170265559","authorId":3585519170265559,"authorIdStr":"3585519170265559","name":"表外表里","avatar":"https://static.tigerbbs.com/50a2fc512ee88c19f868552a6550c7e4","vip":6,"userType":6,"introduction":"从财报故事，看价值投资。","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":540,"starInvestorFlag":false},"themes":[],"images":[{"img":"https://static.tigerbbs.com/f4fa4d5d848c02843b16834d2d71ac27","width":"1080","height":"460"},{"img":"https://static.tigerbbs.com/84e4b76fce2101a7ef8f632ba1008976","width":"1080","height":"492"},{"img":"https://static.tigerbbs.com/eea83126b40d683efb6a232e6e8ebd78","width":"1080","height":"237"},{"img":"https://static.tigerbbs.com/90bf87125e64a4e5c45c2a486e75b0e2","width":"886","height":"539"},{"img":"https://static.tigerbbs.com/fee6d17795789d0453ec622f73e14762","width":"803","height":"446"},{"img":"https://static.tigerbbs.com/1ece450d03de50c02cbce77623fb72ab","width":"779","height":"815"},{"img":"https://static.tigerbbs.com/039b0d3ea155e5e06bf301cf68c5667b","width":"1080","height":"602"},{"img":"https://static.tigerbbs.com/e910898f3c10c97abf7378f32bb37a55","width":"1078","height":"525"},{"img":"https://static.tigerbbs.com/346e4fbc1ee87fc5e8e2673c453745cd","width":"1306","height":"538"},{"img":"https://static.tigerbbs.com/8b5a7661c5d5954cb4b4ec2bdf9e3d91","width":"1080","height":"495"},{"img":"https://static.tigerbbs.com/cf94643fd1e7624b9077fea02c7bdca8","width":"1080","height":"718"},{"img":"https://static.tigerbbs.com/a9ed828ceabed1c28821d2d25f6664fe","width":"1080","height":"631"},{"img":"https://static.tigerbbs.com/d38def4ead79ad8773e524b854b83c0b","width":"1080","height":"297"},{"img":"https://static.tigerbbs.com/6e9c9093c742cca3a1b461897a04fef3","width":"775","height":"634"}],"coverImages":[{"img":"https://static.tigerbbs.com/f4fa4d5d848c02843b16834d2d71ac27","width":"1080","height":"460"}],"title":"B站的野望","html":"<html><head></head><body><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/f4fa4d5d848c02843b16834d2d71ac27\" tg-width=\"1080\" tg-height=\"460\"></p>\n<p style=\"text-align: left;\">本文来自微信公众号：表外表里（ID：excel-ers），作者：张冉冉 黑银轲 周霄，编辑：付晓玲 Reno</p>\n<p></p>\n<p>“未来的搜索形式会不断地发生变化，但是它的市场规模之大，恐怕远超很多人的想象。”</p>\n<p>李彦宏4年前打出的子弹，时至今日，似乎击中了百度自己。</p>\n<p>近期<em>（七月底）</em>B站投资者日上，管理层披露业务最新进展：“B站在搜索这块，有非常大的流量增长空间，<strong>今年Q2起，我们会增加搜索广告的尝试。</strong>”</p>\n<p>而更早之前，<strong>3月初B站开始陆续出现搜索广告。比如搜索“游戏”，搜索结果中的第三个位置展示了游戏广告</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/84e4b76fce2101a7ef8f632ba1008976\" tg-width=\"1080\" tg-height=\"492\"></p>\n<p></p>\n<p>也就是说：B站给出商业化可能的答案，正是视频搜索。</p>\n<p>实际上，这不是无源之水，也不是无本之末。行业趋势便是如此，目前视频平台的搜索趋势都愈加明显。抖快均在去年上线搜索广告，Tiktok也在今年3月放开搜索广告。</p>\n<p>对于后面的发展，普遍信心十足。如快手2023Q1电话会议也说道：<em>搜索流量快速增长，搜索广告转化效率更高</em>。</p>\n<p>巧合的是，这都是最新一个季度发生的转变。这显然离不开过去半年AIGC的大热——<strong>行业由TensorFlow时代，发展至Transformer时代</strong>。</p>\n<p>当下，技术进步的催化，或许打开了视频搜索可能性。过去受制于视频搜索技术、时间效率、成本（人工、硬件）等难题，正在不同程度的一一发生变化。</p>\n<p>这自然会打破过去视频行业的商业化天花板。</p>\n<p>相比长视频（缺乏有用性）、短视频（纯粹奶头乐）的特征，B站独特的中视频、泛知识、通俗有趣等特征，匹配搜索行为的特定需求，会产生更好的化合效应。</p>\n<p>在AIGC时代，视频搜索或将成就B站的“野望”，同时，引发百度的“危机”。</p>\n<p></p>\n<h2>一、AI实现“看视频说话”，视频平台就能坐上金矿</h2>\n<p>很长的互联网发展周期里，视频搜索都被证明是一条很困难的赛道。</p>\n<p>难就难在，视频搜索的整个搜索流程里（输入关键词→解析关键词→召回→结果呈现），召回和结果呈现环节，都存在很大挑战。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/eea83126b40d683efb6a232e6e8ebd78\" tg-width=\"1080\" tg-height=\"237\"></p>\n<p></p>\n<p>以召回环节来说，要实现这点——根据输入的关键词，与数据库内容进行匹配，检索出最符合的视频——不仅要求平台拥有丰富的视频内容池，还要有搜索的精准度。</p>\n<p>内容丰富度方面，视频内容因为创作门槛高、时间短等原因，在深度与厚度沉淀上有限。</p>\n<p>搜索精准度上，则存在更大的挑战。举个例子，在谷歌上搜索“边牧智商”，呈现的第一个搜索文章，内容里明确有边牧如何高智商的解释字眼。</p>\n<p>但如果在YouTube上有一个视频，从能听懂人话、完成指令等各个动态维度，更直观展示了边牧智商很高，可标题、字幕等却没有提及边牧智商等文字标签，这个视频就很难被搜到。</p>\n<p>之所以会这样，<strong>是因为视频融合了文字、图片等多模态信息，相比纯文章，内容理解要难得多</strong>——很难将视频里的狗子，识别成为边牧，更难把边牧的动作，和高智商挂钩。</p>\n<p>事实上，2017年Transformer架构被提出之后，多模态模型已不断进化。</p>\n<p>比如，先是谷歌由此架构提出了实现图像分类的ViT模型，将Transformer 带到了视觉领域，但该模型仍然只是单图像模态。</p>\n<p>在其之后，OpenAI提出了CLIP模型，可以基于文本对图片进行分类，<strong>包括图像处理和文本处理两方面的内容，打破了过去二者泾渭分明的界限，实现多模态</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/90bf87125e64a4e5c45c2a486e75b0e2\" tg-width=\"886\" tg-height=\"539\"></p>\n<p></p>\n<p>而且，CLIP在GPT-3的启发下，可以直接全网数据爬虫，一图一文匹配，稍微做筛选即可，几乎不需要人工标注，实现了更高的成本和时间效率。</p>\n<p>要知道，过去的视觉模型都是基于人工标注的数据集训练，而一秒视频至少有24帧，短短一分钟的视频就能够提取出1440张图像，把其应用到视频识别上，成本极高。</p>\n<p>但尽管CLIP在识别常见物体上表现良好，却无法处理更抽象的任务，比如输出图片中物体的个数等需要一定逻辑思维推理的任务。</p>\n<p>也就是说，此时的图像识别，更像人的视网膜原理。但人不光是眼睛看到了当前的情况，大脑还得对情况有相应的反应。</p>\n<p>这需要算法具备像大脑一样的语义理解能力，才能够全面理解视频，更好地支撑关键词的召回匹配和排序。</p>\n<p>而几个月前发布的GPT-4，让这一问题有了解决的迹象。</p>\n<p>比如在对话中输入下图，GPT-4 的回答是“这是一棵生长在冰冻湖上的仙人掌，它周围长满了巨大的冰晶，远处还有白雪覆盖的山峰”。</p>\n<p>继续问“这种景象在现实世界中是否常见”，其解释很少有这样的景象，并给出相应原因。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/fee6d17795789d0453ec622f73e14762\" tg-width=\"803\" tg-height=\"446\"></p>\n<p></p>\n<p>也就是说，<strong>最新的GPT 4已经具备了“看图说话”的能力——不仅做了物体的识别，还可以做很多语义的解读</strong>。</p>\n<p>以此后推，随着AI模型加速迭代，“看视频说话”也指日可待。当然，反过来也能够实现文本生成视频，降低制作视频的门槛。</p>\n<p>但GPT-4这个能力目前只在宣布阶段，还不存在一个完整的多模态大模型，需要一定时间的探索。</p>\n<p>况且，多模态大模型要以图像和视频等作为训练数据，文件大小远大于语言类模型，算力成本极高。</p>\n<p>比如，百度的文心一言虽然展示了视频生成能力，但因成本较高，现阶段还未对所有用户开放。</p>\n<p>而在结果呈现环节，视频也不能像文章一样快速浏览，ctrl+F查找，一个十分钟的视频，可能到后半段才有你要的信息，再加上暂停、记录，三十分钟都搞不定。</p>\n<p>但这个问题，国内已有音视频大模型破解：将视频信息归纳总结，想看哪一段，直接点击章节，就可以跳转到相应的时间段播放。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/1ece450d03de50c02cbce77623fb72ab\" tg-width=\"779\" tg-height=\"815\"></p>\n<p></p>\n<p>总的来说，随着视频AI技术的应用，视频搜索在核心的内容丰富度以及搜索精准度，都有望解决。</p>\n<p>何况视频本身比文本就更加直观生动，更具吸引力——截止2022年6月，国内网民每天一半的网上娱乐时间都花在短视频平台上。</p>\n<p>种种利好叠加，<strong>到那时，视频或能代替文本成为搜索的主流</strong>。当下在海外，这种苗头已经出现。</p>\n<p>Chowdhury机构调研显示，近40%的年轻人在寻找吃饭的地方时，会在TikTok进行，而不是谷歌搜索。</p>\n<p>可以看到，海外年轻人平均每天都要沉浸在TikTok上近两个小时。在这两个小时内，但凡看到有趣的内容，自然触发搜索行为。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/039b0d3ea155e5e06bf301cf68c5667b\" tg-width=\"1080\" tg-height=\"602\"></p>\n<p></p>\n<p>这样的情况，让谷歌深感威胁。据透露，谷歌数百名员工被分配到一个被称为“重要的搜索转移”的项目中工作，该项目的内容是让搜索结果显示更多图像和视频。</p>\n<p>显然，这对百度来说，也可能是未来会遇到的情况。</p>\n<p>但“惊喜”，远不止此。</p>\n<p>不同于文字，视频能润物细无声地植入广告，吸引用户点击。最早上线视频搜索广告的youtube曾表示，视频搜索广告带来的点击次数比插播广告，高出近五倍。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e910898f3c10c97abf7378f32bb37a55\" tg-width=\"1078\" tg-height=\"525\"></p>\n<p></p>\n<p>不止点击率，广告价格方面也是一样。视频平台本身在算法推荐上就具备优势，再与搜索结合，广告精准度提升，就有人买单。</p>\n<p>总的来说，视频搜索场景下，搜索广告的几大驱动因子——流量、加载率、点击率、价格等都有了进一步提高的可能。</p>\n<p>这样一来，<strong>意味着一旦技术突破，视频搜索可能会重构搜索广告的生态与逻辑，</strong>视频平台相当于坐上了金矿。</p>\n<p></p>\n<h2>二、“泼天富贵”终于轮到B站？</h2>\n<p>B站14周年庆上（6月召开），陈睿当着全国年轻人的面，向中长视频UP主服软称，“要用更真实的播放分钟数去替代播放次数，作为B站视频的主要外显数字。”</p>\n<p>那么，为何B站会口风大变呢？</p>\n<p>其实，<strong>管理层可能不是在讨好中长视频UP主们，而是要迎接自己的时代</strong>。</p>\n<p>众所周知，一直以来，抖快以沉浸式娱乐内容，在日活、用户时长上，压了视频号、B站等以泛知识内容为主的平台一头。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/346e4fbc1ee87fc5e8e2673c453745cd\" tg-width=\"1306\" tg-height=\"538\"></p>\n<p></p>\n<p>但视频搜索场景下，两者的处境截然相反。</p>\n<p>YouTube相关负责人曾提到：“YouTube上，每周经由关键词搜索而产生的视频浏览量有数十亿次，许多风格偏实用的视频正是通过这种方式被发现的。”</p>\n<p>其所说的实用视频正是how to（如何...）类视频——Youtube上每天有数以百万计的搜索关键词当中包含“how to”，用户花在“how to”类视频的时间是“宠物和动物”的10倍。</p>\n<p>原因在于：<strong>视频搜索是有目的性的，偏知识类的内容，更符合搜索需求</strong>。</p>\n<p>而这也是B站的舒适区，可以看到，截至今年3月份，B站泛知识内容占比41%，“学习网站”的名头无意中越来越夯实。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/8b5a7661c5d5954cb4b4ec2bdf9e3d91\" tg-width=\"1080\" tg-height=\"495\"></p>\n<p></p>\n<p>如此就不难理解，为何“睿帝”低头，调整激励方式。</p>\n<p>不过，内容优质只是一方面，视频搜索效率高，还要能提取足够多的关键词。</p>\n<p>这一点来看，同一关键词分别在抖音、B站搜索到的标题汇总显示：抖快视频标题很长，但大多数采用现成的tag，或者“标题党”类标题；</p>\n<p>相比之下，B站的标题简单，可大多具备关键词汇，也更加专业。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/cf94643fd1e7624b9077fea02c7bdca8\" tg-width=\"1080\" tg-height=\"718\"></p>\n<p></p>\n<p>搜索内容呈现也是一样，以“山东地震”为例，抖音搜索结果聚焦在“肯定要先跑出去呀”、“啊啊啊啊啊，地震了”等博主本人感受。</p>\n<p>B站搜索到的诸如“山东为何突然爆发地震？”等知识科普，创作者更多运用“板块运动”“断裂带”等专业词汇讲解。</p>\n<p>也就是说，无论标题、内容，还是时长方面，<strong>中视频比短视频都更易提取关键词，与视频搜索更适配</strong>。</p>\n<p>且短视频平台的创作者想转向做中长视频，恐怕也有难度。可以看到，过去一年，不少千万粉丝的抖音创作者入驻B站后，粉丝量表现均不佳。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/a9ed828ceabed1c28821d2d25f6664fe\" tg-width=\"1080\" tg-height=\"631\"></p>\n<p></p>\n<p>此外，用户自己搜索所需下，优质的内容能够获得更长的生命周期。</p>\n<p>仍以youtube为例，上述所说的How to（如何...）类视频生命周期极长，即使过去很长时间，依然能维持较高的热度，甚至是逆袭式的消费曲线。</p>\n<p>B站自己也有这样的畅想，2022Q4电话会议曾提到：<em>B站上面有很多知识类内容，都有很好的历史价值，几年以后大家也都会去看它。ChatGPT的搜索体验，它可以把B站的内容积累的价值，更充分地发挥出来</em>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d38def4ead79ad8773e524b854b83c0b\" tg-width=\"1080\" tg-height=\"297\"></p>\n<p></p>\n<p>这样一来，会激励创作者产出更多优质内容，而不是像当下的Story Mode模式，不断冲击站内的中长视频UP主基本盘。</p>\n<p>有了更多的优质内容，就能够扩大搜索流量池，广告主闻利而来，创作者也能获得更多收益，社区生态整个良性循环。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/6e9c9093c742cca3a1b461897a04fef3\" tg-width=\"775\" tg-height=\"634\"></p>\n<p></p>\n<p>换言之，<strong>如果技术实现突破，相比可能让B站陷入“死亡螺旋”的Story Mode模式，视频搜索广告才是良药</strong>。（详情请参考《B站能否避开死亡螺旋？》一文）</p>\n<p>更何况除了拉动正循环，搜索场景下，平台还掌握着宏观调控的权力。</p>\n<p>如YouTube，2020年提升了how-to类内容和高商业化KOL分发权重，当年广告营收达到198亿美元，相比2017年翻了超过3倍。</p>\n<p>B站来说，可以将搜索流量分发至更多中腰部up主的推广视频中，一定程度上可以带着up主“共同富裕”。</p>\n<p></p>\n<h2>小结</h2>\n<p>视频搜索的蓝图，让所有人垂涎。AI大模型加持下，技术正在突破ing，广阔的商业化变现空间，隐隐招手。</p>\n<p>而B战尤甚，中视频与视频搜索更适配，这意味着盘活平台的创作者生态，促进新一轮的生态发展。</p>\n<p>当然，预期总是美好的，但这一块短中期落地方面，仍存在较大的挑战。</p>\n<p>比如，视频训练成本高极高，同时AI联想能力并不可控，可能会导致不恰当关键词投放，让广告主落入负面风险中。</p></body></html>","htmlText":"<html><head></head><body><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/f4fa4d5d848c02843b16834d2d71ac27\" tg-width=\"1080\" tg-height=\"460\"></p>\n<p style=\"text-align: left;\">本文来自微信公众号：表外表里（ID：excel-ers），作者：张冉冉 黑银轲 周霄，编辑：付晓玲 Reno</p>\n<p></p>\n<p>“未来的搜索形式会不断地发生变化，但是它的市场规模之大，恐怕远超很多人的想象。”</p>\n<p>李彦宏4年前打出的子弹，时至今日，似乎击中了百度自己。</p>\n<p>近期<em>（七月底）</em>B站投资者日上，管理层披露业务最新进展：“B站在搜索这块，有非常大的流量增长空间，<strong>今年Q2起，我们会增加搜索广告的尝试。</strong>”</p>\n<p>而更早之前，<strong>3月初B站开始陆续出现搜索广告。比如搜索“游戏”，搜索结果中的第三个位置展示了游戏广告</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/84e4b76fce2101a7ef8f632ba1008976\" tg-width=\"1080\" tg-height=\"492\"></p>\n<p></p>\n<p>也就是说：B站给出商业化可能的答案，正是视频搜索。</p>\n<p>实际上，这不是无源之水，也不是无本之末。行业趋势便是如此，目前视频平台的搜索趋势都愈加明显。抖快均在去年上线搜索广告，Tiktok也在今年3月放开搜索广告。</p>\n<p>对于后面的发展，普遍信心十足。如快手2023Q1电话会议也说道：<em>搜索流量快速增长，搜索广告转化效率更高</em>。</p>\n<p>巧合的是，这都是最新一个季度发生的转变。这显然离不开过去半年AIGC的大热——<strong>行业由TensorFlow时代，发展至Transformer时代</strong>。</p>\n<p>当下，技术进步的催化，或许打开了视频搜索可能性。过去受制于视频搜索技术、时间效率、成本（人工、硬件）等难题，正在不同程度的一一发生变化。</p>\n<p>这自然会打破过去视频行业的商业化天花板。</p>\n<p>相比长视频（缺乏有用性）、短视频（纯粹奶头乐）的特征，B站独特的中视频、泛知识、通俗有趣等特征，匹配搜索行为的特定需求，会产生更好的化合效应。</p>\n<p>在AIGC时代，视频搜索或将成就B站的“野望”，同时，引发百度的“危机”。</p>\n<p></p>\n<h2>一、AI实现“看视频说话”，视频平台就能坐上金矿</h2>\n<p>很长的互联网发展周期里，视频搜索都被证明是一条很困难的赛道。</p>\n<p>难就难在，视频搜索的整个搜索流程里（输入关键词→解析关键词→召回→结果呈现），召回和结果呈现环节，都存在很大挑战。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/eea83126b40d683efb6a232e6e8ebd78\" tg-width=\"1080\" tg-height=\"237\"></p>\n<p></p>\n<p>以召回环节来说，要实现这点——根据输入的关键词，与数据库内容进行匹配，检索出最符合的视频——不仅要求平台拥有丰富的视频内容池，还要有搜索的精准度。</p>\n<p>内容丰富度方面，视频内容因为创作门槛高、时间短等原因，在深度与厚度沉淀上有限。</p>\n<p>搜索精准度上，则存在更大的挑战。举个例子，在谷歌上搜索“边牧智商”，呈现的第一个搜索文章，内容里明确有边牧如何高智商的解释字眼。</p>\n<p>但如果在YouTube上有一个视频，从能听懂人话、完成指令等各个动态维度，更直观展示了边牧智商很高，可标题、字幕等却没有提及边牧智商等文字标签，这个视频就很难被搜到。</p>\n<p>之所以会这样，<strong>是因为视频融合了文字、图片等多模态信息，相比纯文章，内容理解要难得多</strong>——很难将视频里的狗子，识别成为边牧，更难把边牧的动作，和高智商挂钩。</p>\n<p>事实上，2017年Transformer架构被提出之后，多模态模型已不断进化。</p>\n<p>比如，先是谷歌由此架构提出了实现图像分类的ViT模型，将Transformer 带到了视觉领域，但该模型仍然只是单图像模态。</p>\n<p>在其之后，OpenAI提出了CLIP模型，可以基于文本对图片进行分类，<strong>包括图像处理和文本处理两方面的内容，打破了过去二者泾渭分明的界限，实现多模态</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/90bf87125e64a4e5c45c2a486e75b0e2\" tg-width=\"886\" tg-height=\"539\"></p>\n<p></p>\n<p>而且，CLIP在GPT-3的启发下，可以直接全网数据爬虫，一图一文匹配，稍微做筛选即可，几乎不需要人工标注，实现了更高的成本和时间效率。</p>\n<p>要知道，过去的视觉模型都是基于人工标注的数据集训练，而一秒视频至少有24帧，短短一分钟的视频就能够提取出1440张图像，把其应用到视频识别上，成本极高。</p>\n<p>但尽管CLIP在识别常见物体上表现良好，却无法处理更抽象的任务，比如输出图片中物体的个数等需要一定逻辑思维推理的任务。</p>\n<p>也就是说，此时的图像识别，更像人的视网膜原理。但人不光是眼睛看到了当前的情况，大脑还得对情况有相应的反应。</p>\n<p>这需要算法具备像大脑一样的语义理解能力，才能够全面理解视频，更好地支撑关键词的召回匹配和排序。</p>\n<p>而几个月前发布的GPT-4，让这一问题有了解决的迹象。</p>\n<p>比如在对话中输入下图，GPT-4 的回答是“这是一棵生长在冰冻湖上的仙人掌，它周围长满了巨大的冰晶，远处还有白雪覆盖的山峰”。</p>\n<p>继续问“这种景象在现实世界中是否常见”，其解释很少有这样的景象，并给出相应原因。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/fee6d17795789d0453ec622f73e14762\" tg-width=\"803\" tg-height=\"446\"></p>\n<p></p>\n<p>也就是说，<strong>最新的GPT 4已经具备了“看图说话”的能力——不仅做了物体的识别，还可以做很多语义的解读</strong>。</p>\n<p>以此后推，随着AI模型加速迭代，“看视频说话”也指日可待。当然，反过来也能够实现文本生成视频，降低制作视频的门槛。</p>\n<p>但GPT-4这个能力目前只在宣布阶段，还不存在一个完整的多模态大模型，需要一定时间的探索。</p>\n<p>况且，多模态大模型要以图像和视频等作为训练数据，文件大小远大于语言类模型，算力成本极高。</p>\n<p>比如，百度的文心一言虽然展示了视频生成能力，但因成本较高，现阶段还未对所有用户开放。</p>\n<p>而在结果呈现环节，视频也不能像文章一样快速浏览，ctrl+F查找，一个十分钟的视频，可能到后半段才有你要的信息，再加上暂停、记录，三十分钟都搞不定。</p>\n<p>但这个问题，国内已有音视频大模型破解：将视频信息归纳总结，想看哪一段，直接点击章节，就可以跳转到相应的时间段播放。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/1ece450d03de50c02cbce77623fb72ab\" tg-width=\"779\" tg-height=\"815\"></p>\n<p></p>\n<p>总的来说，随着视频AI技术的应用，视频搜索在核心的内容丰富度以及搜索精准度，都有望解决。</p>\n<p>何况视频本身比文本就更加直观生动，更具吸引力——截止2022年6月，国内网民每天一半的网上娱乐时间都花在短视频平台上。</p>\n<p>种种利好叠加，<strong>到那时，视频或能代替文本成为搜索的主流</strong>。当下在海外，这种苗头已经出现。</p>\n<p>Chowdhury机构调研显示，近40%的年轻人在寻找吃饭的地方时，会在TikTok进行，而不是谷歌搜索。</p>\n<p>可以看到，海外年轻人平均每天都要沉浸在TikTok上近两个小时。在这两个小时内，但凡看到有趣的内容，自然触发搜索行为。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/039b0d3ea155e5e06bf301cf68c5667b\" tg-width=\"1080\" tg-height=\"602\"></p>\n<p></p>\n<p>这样的情况，让谷歌深感威胁。据透露，谷歌数百名员工被分配到一个被称为“重要的搜索转移”的项目中工作，该项目的内容是让搜索结果显示更多图像和视频。</p>\n<p>显然，这对百度来说，也可能是未来会遇到的情况。</p>\n<p>但“惊喜”，远不止此。</p>\n<p>不同于文字，视频能润物细无声地植入广告，吸引用户点击。最早上线视频搜索广告的youtube曾表示，视频搜索广告带来的点击次数比插播广告，高出近五倍。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e910898f3c10c97abf7378f32bb37a55\" tg-width=\"1078\" tg-height=\"525\"></p>\n<p></p>\n<p>不止点击率，广告价格方面也是一样。视频平台本身在算法推荐上就具备优势，再与搜索结合，广告精准度提升，就有人买单。</p>\n<p>总的来说，视频搜索场景下，搜索广告的几大驱动因子——流量、加载率、点击率、价格等都有了进一步提高的可能。</p>\n<p>这样一来，<strong>意味着一旦技术突破，视频搜索可能会重构搜索广告的生态与逻辑，</strong>视频平台相当于坐上了金矿。</p>\n<p></p>\n<h2>二、“泼天富贵”终于轮到B站？</h2>\n<p>B站14周年庆上（6月召开），陈睿当着全国年轻人的面，向中长视频UP主服软称，“要用更真实的播放分钟数去替代播放次数，作为B站视频的主要外显数字。”</p>\n<p>那么，为何B站会口风大变呢？</p>\n<p>其实，<strong>管理层可能不是在讨好中长视频UP主们，而是要迎接自己的时代</strong>。</p>\n<p>众所周知，一直以来，抖快以沉浸式娱乐内容，在日活、用户时长上，压了视频号、B站等以泛知识内容为主的平台一头。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/346e4fbc1ee87fc5e8e2673c453745cd\" tg-width=\"1306\" tg-height=\"538\"></p>\n<p></p>\n<p>但视频搜索场景下，两者的处境截然相反。</p>\n<p>YouTube相关负责人曾提到：“YouTube上，每周经由关键词搜索而产生的视频浏览量有数十亿次，许多风格偏实用的视频正是通过这种方式被发现的。”</p>\n<p>其所说的实用视频正是how to（如何...）类视频——Youtube上每天有数以百万计的搜索关键词当中包含“how to”，用户花在“how to”类视频的时间是“宠物和动物”的10倍。</p>\n<p>原因在于：<strong>视频搜索是有目的性的，偏知识类的内容，更符合搜索需求</strong>。</p>\n<p>而这也是B站的舒适区，可以看到，截至今年3月份，B站泛知识内容占比41%，“学习网站”的名头无意中越来越夯实。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/8b5a7661c5d5954cb4b4ec2bdf9e3d91\" tg-width=\"1080\" tg-height=\"495\"></p>\n<p></p>\n<p>如此就不难理解，为何“睿帝”低头，调整激励方式。</p>\n<p>不过，内容优质只是一方面，视频搜索效率高，还要能提取足够多的关键词。</p>\n<p>这一点来看，同一关键词分别在抖音、B站搜索到的标题汇总显示：抖快视频标题很长，但大多数采用现成的tag，或者“标题党”类标题；</p>\n<p>相比之下，B站的标题简单，可大多具备关键词汇，也更加专业。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/cf94643fd1e7624b9077fea02c7bdca8\" tg-width=\"1080\" tg-height=\"718\"></p>\n<p></p>\n<p>搜索内容呈现也是一样，以“山东地震”为例，抖音搜索结果聚焦在“肯定要先跑出去呀”、“啊啊啊啊啊，地震了”等博主本人感受。</p>\n<p>B站搜索到的诸如“山东为何突然爆发地震？”等知识科普，创作者更多运用“板块运动”“断裂带”等专业词汇讲解。</p>\n<p>也就是说，无论标题、内容，还是时长方面，<strong>中视频比短视频都更易提取关键词，与视频搜索更适配</strong>。</p>\n<p>且短视频平台的创作者想转向做中长视频，恐怕也有难度。可以看到，过去一年，不少千万粉丝的抖音创作者入驻B站后，粉丝量表现均不佳。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/a9ed828ceabed1c28821d2d25f6664fe\" tg-width=\"1080\" tg-height=\"631\"></p>\n<p></p>\n<p>此外，用户自己搜索所需下，优质的内容能够获得更长的生命周期。</p>\n<p>仍以youtube为例，上述所说的How to（如何...）类视频生命周期极长，即使过去很长时间，依然能维持较高的热度，甚至是逆袭式的消费曲线。</p>\n<p>B站自己也有这样的畅想，2022Q4电话会议曾提到：<em>B站上面有很多知识类内容，都有很好的历史价值，几年以后大家也都会去看它。ChatGPT的搜索体验，它可以把B站的内容积累的价值，更充分地发挥出来</em>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d38def4ead79ad8773e524b854b83c0b\" tg-width=\"1080\" tg-height=\"297\"></p>\n<p></p>\n<p>这样一来，会激励创作者产出更多优质内容，而不是像当下的Story Mode模式，不断冲击站内的中长视频UP主基本盘。</p>\n<p>有了更多的优质内容，就能够扩大搜索流量池，广告主闻利而来，创作者也能获得更多收益，社区生态整个良性循环。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/6e9c9093c742cca3a1b461897a04fef3\" tg-width=\"775\" tg-height=\"634\"></p>\n<p></p>\n<p>换言之，<strong>如果技术实现突破，相比可能让B站陷入“死亡螺旋”的Story Mode模式，视频搜索广告才是良药</strong>。（详情请参考《B站能否避开死亡螺旋？》一文）</p>\n<p>更何况除了拉动正循环，搜索场景下，平台还掌握着宏观调控的权力。</p>\n<p>如YouTube，2020年提升了how-to类内容和高商业化KOL分发权重，当年广告营收达到198亿美元，相比2017年翻了超过3倍。</p>\n<p>B站来说，可以将搜索流量分发至更多中腰部up主的推广视频中，一定程度上可以带着up主“共同富裕”。</p>\n<p></p>\n<h2>小结</h2>\n<p>视频搜索的蓝图，让所有人垂涎。AI大模型加持下，技术正在突破ing，广阔的商业化变现空间，隐隐招手。</p>\n<p>而B战尤甚，中视频与视频搜索更适配，这意味着盘活平台的创作者生态，促进新一轮的生态发展。</p>\n<p>当然，预期总是美好的，但这一块短中期落地方面，仍存在较大的挑战。</p>\n<p>比如，视频训练成本高极高，同时AI联想能力并不可控，可能会导致不恰当关键词投放，让广告主落入负面风险中。</p></body></html>","text":"本文来自微信公众号：表外表里（ID：excel-ers），作者：张冉冉 黑银轲 周霄，编辑：付晓玲 Reno “未来的搜索形式会不断地发生变化，但是它的市场规模之大，恐怕远超很多人的想象。” 李彦宏4年前打出的子弹，时至今日，似乎击中了百度自己。 近期（七月底）B站投资者日上，管理层披露业务最新进展：“B站在搜索这块，有非常大的流量增长空间，今年Q2起，我们会增加搜索广告的尝试。” 而更早之前，3月初B站开始陆续出现搜索广告。比如搜索“游戏”，搜索结果中的第三个位置展示了游戏广告。 也就是说：B站给出商业化可能的答案，正是视频搜索。 实际上，这不是无源之水，也不是无本之末。行业趋势便是如此，目前视频平台的搜索趋势都愈加明显。抖快均在去年上线搜索广告，Tiktok也在今年3月放开搜索广告。 对于后面的发展，普遍信心十足。如快手2023Q1电话会议也说道：搜索流量快速增长，搜索广告转化效率更高。 巧合的是，这都是最新一个季度发生的转变。这显然离不开过去半年AIGC的大热——行业由TensorFlow时代，发展至Transformer时代。 当下，技术进步的催化，或许打开了视频搜索可能性。过去受制于视频搜索技术、时间效率、成本（人工、硬件）等难题，正在不同程度的一一发生变化。 这自然会打破过去视频行业的商业化天花板。 相比长视频（缺乏有用性）、短视频（纯粹奶头乐）的特征，B站独特的中视频、泛知识、通俗有趣等特征，匹配搜索行为的特定需求，会产生更好的化合效应。 在AIGC时代，视频搜索或将成就B站的“野望”，同时，引发百度的“危机”。 一、AI实现“看视频说话”，视频平台就能坐上金矿 很长的互联网发展周期里，视频搜索都被证明是一条很困难的赛道。 难就难在，视频搜索的整个搜索流程里（输入关键词→解析关键词→召回→结果呈现），召回和结果呈现环节，都存在很大挑战。 以召回环节来说，要实现这点——根据输入的关键词，与数据库内容进行匹配，检索出最符合的视频——不仅要求平台拥有丰富的视频内容池，还要有搜索的精准度。 内容丰富度方面，视频内容因为创作门槛高、时间短等原因，在深度与厚度沉淀上有限。 搜索精准度上，则存在更大的挑战。举个例子，在谷歌上搜索“边牧智商”，呈现的第一个搜索文章，内容里明确有边牧如何高智商的解释字眼。 但如果在YouTube上有一个视频，从能听懂人话、完成指令等各个动态维度，更直观展示了边牧智商很高，可标题、字幕等却没有提及边牧智商等文字标签，这个视频就很难被搜到。 之所以会这样，是因为视频融合了文字、图片等多模态信息，相比纯文章，内容理解要难得多——很难将视频里的狗子，识别成为边牧，更难把边牧的动作，和高智商挂钩。 事实上，2017年Transformer架构被提出之后，多模态模型已不断进化。 比如，先是谷歌由此架构提出了实现图像分类的ViT模型，将Transformer 带到了视觉领域，但该模型仍然只是单图像模态。 在其之后，OpenAI提出了CLIP模型，可以基于文本对图片进行分类，包括图像处理和文本处理两方面的内容，打破了过去二者泾渭分明的界限，实现多模态。 而且，CLIP在GPT-3的启发下，可以直接全网数据爬虫，一图一文匹配，稍微做筛选即可，几乎不需要人工标注，实现了更高的成本和时间效率。 要知道，过去的视觉模型都是基于人工标注的数据集训练，而一秒视频至少有24帧，短短一分钟的视频就能够提取出1440张图像，把其应用到视频识别上，成本极高。 但尽管CLIP在识别常见物体上表现良好，却无法处理更抽象的任务，比如输出图片中物体的个数等需要一定逻辑思维推理的任务。 也就是说，此时的图像识别，更像人的视网膜原理。但人不光是眼睛看到了当前的情况，大脑还得对情况有相应的反应。 这需要算法具备像大脑一样的语义理解能力，才能够全面理解视频，更好地支撑关键词的召回匹配和排序。 而几个月前发布的GPT-4，让这一问题有了解决的迹象。 比如在对话中输入下图，GPT-4 的回答是“这是一棵生长在冰冻湖上的仙人掌，它周围长满了巨大的冰晶，远处还有白雪覆盖的山峰”。 继续问“这种景象在现实世界中是否常见”，其解释很少有这样的景象，并给出相应原因。 也就是说，最新的GPT 4已经具备了“看图说话”的能力——不仅做了物体的识别，还可以做很多语义的解读。 以此后推，随着AI模型加速迭代，“看视频说话”也指日可待。当然，反过来也能够实现文本生成视频，降低制作视频的门槛。 但GPT-4这个能力目前只在宣布阶段，还不存在一个完整的多模态大模型，需要一定时间的探索。 况且，多模态大模型要以图像和视频等作为训练数据，文件大小远大于语言类模型，算力成本极高。 比如，百度的文心一言虽然展示了视频生成能力，但因成本较高，现阶段还未对所有用户开放。 而在结果呈现环节，视频也不能像文章一样快速浏览，ctrl+F查找，一个十分钟的视频，可能到后半段才有你要的信息，再加上暂停、记录，三十分钟都搞不定。 但这个问题，国内已有音视频大模型破解：将视频信息归纳总结，想看哪一段，直接点击章节，就可以跳转到相应的时间段播放。 总的来说，随着视频AI技术的应用，视频搜索在核心的内容丰富度以及搜索精准度，都有望解决。 何况视频本身比文本就更加直观生动，更具吸引力——截止2022年6月，国内网民每天一半的网上娱乐时间都花在短视频平台上。 种种利好叠加，到那时，视频或能代替文本成为搜索的主流。当下在海外，这种苗头已经出现。 Chowdhury机构调研显示，近40%的年轻人在寻找吃饭的地方时，会在TikTok进行，而不是谷歌搜索。 可以看到，海外年轻人平均每天都要沉浸在TikTok上近两个小时。在这两个小时内，但凡看到有趣的内容，自然触发搜索行为。 这样的情况，让谷歌深感威胁。据透露，谷歌数百名员工被分配到一个被称为“重要的搜索转移”的项目中工作，该项目的内容是让搜索结果显示更多图像和视频。 显然，这对百度来说，也可能是未来会遇到的情况。 但“惊喜”，远不止此。 不同于文字，视频能润物细无声地植入广告，吸引用户点击。最早上线视频搜索广告的youtube曾表示，视频搜索广告带来的点击次数比插播广告，高出近五倍。 不止点击率，广告价格方面也是一样。视频平台本身在算法推荐上就具备优势，再与搜索结合，广告精准度提升，就有人买单。 总的来说，视频搜索场景下，搜索广告的几大驱动因子——流量、加载率、点击率、价格等都有了进一步提高的可能。 这样一来，意味着一旦技术突破，视频搜索可能会重构搜索广告的生态与逻辑，视频平台相当于坐上了金矿。 二、“泼天富贵”终于轮到B站？ B站14周年庆上（6月召开），陈睿当着全国年轻人的面，向中长视频UP主服软称，“要用更真实的播放分钟数去替代播放次数，作为B站视频的主要外显数字。” 那么，为何B站会口风大变呢？ 其实，管理层可能不是在讨好中长视频UP主们，而是要迎接自己的时代。 众所周知，一直以来，抖快以沉浸式娱乐内容，在日活、用户时长上，压了视频号、B站等以泛知识内容为主的平台一头。 但视频搜索场景下，两者的处境截然相反。 YouTube相关负责人曾提到：“YouTube上，每周经由关键词搜索而产生的视频浏览量有数十亿次，许多风格偏实用的视频正是通过这种方式被发现的。” 其所说的实用视频正是how to（如何...）类视频——Youtube上每天有数以百万计的搜索关键词当中包含“how to”，用户花在“how to”类视频的时间是“宠物和动物”的10倍。 原因在于：视频搜索是有目的性的，偏知识类的内容，更符合搜索需求。 而这也是B站的舒适区，可以看到，截至今年3月份，B站泛知识内容占比41%，“学习网站”的名头无意中越来越夯实。 如此就不难理解，为何“睿帝”低头，调整激励方式。 不过，内容优质只是一方面，视频搜索效率高，还要能提取足够多的关键词。 这一点来看，同一关键词分别在抖音、B站搜索到的标题汇总显示：抖快视频标题很长，但大多数采用现成的tag，或者“标题党”类标题； 相比之下，B站的标题简单，可大多具备关键词汇，也更加专业。 搜索内容呈现也是一样，以“山东地震”为例，抖音搜索结果聚焦在“肯定要先跑出去呀”、“啊啊啊啊啊，地震了”等博主本人感受。 B站搜索到的诸如“山东为何突然爆发地震？”等知识科普，创作者更多运用“板块运动”“断裂带”等专业词汇讲解。 也就是说，无论标题、内容，还是时长方面，中视频比短视频都更易提取关键词，与视频搜索更适配。 且短视频平台的创作者想转向做中长视频，恐怕也有难度。可以看到，过去一年，不少千万粉丝的抖音创作者入驻B站后，粉丝量表现均不佳。 此外，用户自己搜索所需下，优质的内容能够获得更长的生命周期。 仍以youtube为例，上述所说的How to（如何...）类视频生命周期极长，即使过去很长时间，依然能维持较高的热度，甚至是逆袭式的消费曲线。 B站自己也有这样的畅想，2022Q4电话会议曾提到：B站上面有很多知识类内容，都有很好的历史价值，几年以后大家也都会去看它。ChatGPT的搜索体验，它可以把B站的内容积累的价值，更充分地发挥出来。 这样一来，会激励创作者产出更多优质内容，而不是像当下的Story Mode模式，不断冲击站内的中长视频UP主基本盘。 有了更多的优质内容，就能够扩大搜索流量池，广告主闻利而来，创作者也能获得更多收益，社区生态整个良性循环。 换言之，如果技术实现突破，相比可能让B站陷入“死亡螺旋”的Story Mode模式，视频搜索广告才是良药。（详情请参考《B站能否避开死亡螺旋？》一文） 更何况除了拉动正循环，搜索场景下，平台还掌握着宏观调控的权力。 如YouTube，2020年提升了how-to类内容和高商业化KOL分发权重，当年广告营收达到198亿美元，相比2017年翻了超过3倍。 B站来说，可以将搜索流量分发至更多中腰部up主的推广视频中，一定程度上可以带着up主“共同富裕”。 小结 视频搜索的蓝图，让所有人垂涎。AI大模型加持下，技术正在突破ing，广阔的商业化变现空间，隐隐招手。 而B战尤甚，中视频与视频搜索更适配，这意味着盘活平台的创作者生态，促进新一轮的生态发展。 当然，预期总是美好的，但这一块短中期落地方面，仍存在较大的挑战。 比如，视频训练成本高极高，同时AI联想能力并不可控，可能会导致不恰当关键词投放，让广告主落入负面风险中。","highlighted":1,"essential":2,"paper":2,"link":"https://laohu8.com/post/209214274298064","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["BIDU","BILI","09626"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":7608,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":893,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":27,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/209655174639800"}