在 AI 应用爆发前夜，H.266 成熟了

2024 年，随着生成式 AI、多模态大模型、全景直播、三维重建等技术逐渐落地行业，我们从流畅、实时、高清的数字视频世界逐步进入更智能、交互性更强、沉浸感更强的的 AI 视频世界。这是一次行进中的音视频革命，我们能从诸多痕迹，验证它的进展：

• 据 ResearchAndMarkets 预测，到 2027 年，全球视频流媒体市场规模将高达 1843 亿美元，这一惊人的数据充分彰显了视频产业的蓬勃发展态势；
• XR 设备出货量年增 35%，虚实融合的"空间互联网"逐步成型；
• 2024 年央视春晚采用 XR 技术，围绕舞台效果进行了设计，并验证落地；
• ……

以上并非终局，事实上，生成式 AI 正在进一步扩展视频流媒体领域的市场天花板。

内容生产正从 UGC/PGC 发展到 AIGC，内容的生产量将呈几何倍数的增长。有数据显示，AIGC 工具将视频创作门槛降低 90%，预计 2027 年全球短视频日产量突破 50 亿条；用户的交互空间也在从 2D、3D，VR 拓展到了虚拟世界与现实世界的无缝融合。

这一系列新需求，对视频编解码技术的要求是：在带宽不变的情况下，画质更优；同等画质下，存储和传输成本更低。

最新一代视频编码标准 H.266/VVC 正是在这种背景下，走入“舞台”中央。作为支撑庞大视频产业的核心关键要素，H.266 在流媒体生态中起着举足轻重的作用。

H.266 的重点应用场景可分为三个部分：点播、直播、RTC。虽然 H.266 硬解码器的支持正在逐步增加，但目前市场上硬解支持 H.266 的设备相对较少，尤其是一些移动终端。因此，优化 H.266 的软件解码器就显得尤为重要。

其中，点播编解码更注重压缩效率与画质平衡，H.266 的核心优势在于压缩效率提升约 50%。通过四叉树加多类型树（QT+MTT）分块法和色度分量双树编码，H.266 能更精细地划分编码单元，减少冗余数据。例如，在 4K/8K 视频中，128×128 的编码树单元（CTU）相比 H.265 的 64×64 单元，显著提升大分辨率视频的编码效率。

在动态范围与色彩支持方面，H.266 的 Main10 Profile 原生支持 10bit 色深和 HDR，解决了点播内容在宽色域和高动态范围下的色彩断层问题。

直播则更看重实时性与复杂度平衡，因而对编码速度要求苛刻，H.266 的编码复杂度较 H.265 增加约 10 倍，可通过硬件加速（如 GPU 或专用芯片）实现高效实时编码，这点与当下新型算力中心的构建思路相通，适合复用冗余的、低功耗的 GPU 算力。

RTC （实时通信）更关注低延迟与交互优化，要求端到端延迟低于 100ms。H.266 通过多种技术手段提升运动矢量预测（HMVP）和编码（SMVD) 效率，提升编码效率，降低重传率。

针对视频会议中的 PPT 共享、白板协作等场景，H.266 引入帧内块复制（Intra Block Copy）技术，直接复用屏幕内容中的重复块（如文字、图表），压缩效率提升 40%。

此外，H.266 的环绕运动补偿（Wrap Around Motion Compensation），也可以优化 360 度视频的边界连续性。

这些特性使得 H.266 已经成为视频企业必选的技术栈、必做的标准升级。有数据显示，2026 年支持 H.266 硬解设备将超 20 亿台，推动 8K/VR 内容普及。唯一的问题在于，直接使用开源软件做简单定制，还是基于付费版商业软件来构建业务。

我们必须考虑到，对比十年前，视频编解码领域的实力派玩家，数量增加了，其中最重磅的，非字节跳动及火山引擎莫属。

字节及火山在视频业务上有积累独到的 Know-How ，且在技术上的嗅觉足够敏锐，这赋予了字节及火山自研的 H.266 系列产品夸张的性能表现。比如，从官方数据口径来看，火山引擎 H.266 解码器的计算复杂度几乎只有 VTM-23.5 的四分之一到七分之一，是 FFmpeg 7.1 的三分之一。

本专题将首先回顾 H.266/VVC 的技术沿革，而更多、更详细的性能指标对比和技术解读，将在接下来的章节中逐步展开。专题末尾，我们会单独提及火山引擎对点播、直播、RTC 场景下编码器及解码器的优化工作。

我认为这个技术专题，对于即将基于 H.266 标准构建视频流业务的团队，有着极强的借鉴意义，也几乎是一名技术决策者，在完成技术选型前，所必须参考的资料。