2022教育实时音视频行业报告

  在线教育十余年的历程中，经历了录播课——直播课——实时互动直播的变迁过程。如今，随网络和音视频技术的一直更新以及在线教育产品的不停地改进革新，线上实时互动的学习方式对很多人来说已不再陌生。在网络技术的助力下，在线教育突破了传统线下教学的诸多限制，将优质的教育资源传递给了更多的人，极大地促进了教育公平。

  实时音视频英文全称 Real-Time Communication，简称 RTC，是一种终端服务，为行业提供高并发、低延时、高清流畅、安全可靠的全场景、全互动、全实时的音视频服务。

  实时：音视频数据传输的延迟要达到「实时」的标准（延时400ms），实现低延时和无卡顿，使得正常通信过程中基本感受不到延迟的存在。

  音视频：音视频数据传输，目前在互动直播、视频会议、游戏连麦等应用场景中发挥着至关重要的作用，广泛地应用于社交娱乐、在线教育、医疗等行业。

  实时音视频通信一般是以服务端为中转节点，对终端用户的图像、视频、音频数据来进行即时采集、渲染、处理、传输，以此来实现音视频流数据在终端节点间完成通信的过程。

  一个完整的音视频系统一般来说都会包含音视频采集，音视频数据的处理，音视频的编码，音视频编码数据的封装、保存，音视频编码数据的传输和分发，音视频的解码，音视频数据的处理和音视频的播放和渲染。实时音视频系统相对于普通的音视频系统，最大的不同之处在于传输，以及传输和音视频数据处理、编解码之间的相互作用关系。传输时效上要求实时，音视频的处理要达到所有场景的要求。

  音视频处理包括语音引擎和视频引擎，不受网络条件影响，只受限于编解码算法、播放策略等因素。会根据不同的应用场景使用不相同的技术以达到预期的效果。

  网络传输的丢包、抖动和乱序对实时音视频应用的体验影响最为重大，目前已经存在多种非常成熟的实时音视频数据传输协议，能很好地解决常规问题。

  随着移动网络的普及和智能终端设备的广泛应用，实时音视频正慢慢的变成为主流互动方式。已在在线教育、社交娱乐、互动电商等热门领域得到普遍应用，也赋能于更多创新场景，如金融、政企服务、IoT、医疗等，帮助人们享受更便捷的生活和更人性化的服务。实时音视频通过线上线下相结合，助力企业持续创新，实现降本增效。未来 5G 技术商用的广泛推广，有望继续推动工业互联网、物联网等场景成为实时音视频新的增长点。

  与其他场景相比，教育应用场景对实时音视频技术方面的要求较高，体现在低延时、高流畅性、高互动性及高并发性等需求。同时，相比其他场景，教育具有更强的付费属性，使用者真实的体验将直接影响用户的付费和续费决策，因此教育场景需要更大的音视频技术投入。

  以腾讯云、声网、融云为例的实时音视频企业来提供多场景解决方案；在教育场景融合远程医疗、互动电商、社交泛娱乐等不同场景下的技术优势，为用户更好的提供高品质、沉浸式线上教学体验。

  实时音视频在教育各细致划分领域的应用程度不同：一方面，早幼教、K12、素质教育、职业教育、国际教育等细致划分领域本身的市场规模、线上化程度有较大差异；另一方面，各细分赛道对「实时互动」的需求不同，因此实时音视频技术渗透率不一样，这就导致了实时音视频公司与教育公司合作时在细致划分领域上有所侧重。

  从教育行业的角度来看，实时音视频是在线教育的基础设施，其应用规模取决于各细致划分领域的「在线化率」、硬件设备渗透率以及教学场景对「实时性」的要求。在满足多种教育细致划分领域需求上，音视频公司需要着重关注各赛道特点，以适合的产品和服务触达用户。

  （1）实时音视频在在线教育场景应用广泛，由学科教育场景向素质教育个性化场景延展

  实时音视频在在线教育中的应用场景众多，主要使用在在 1 V 1、小班课、互动大班课、万人直播课/公开课、双师课堂等教学场景。

  实时音视频技术也正在覆盖更加个性化的教学场景，尤其体现在素质教育领域，比如，语言培训、乐器陪练、书法绘画培训、编程培训、精品阅读等。

  众多实时音视频公司均在教育场景方面持续深耕，如 ZEGO 即构打造了 1 v 1、小班课、大班课、双师、AI 课堂和超级小班课等教育解决方案；网易云信目前已拥有 1 v 1、小班课、超级小班课、互动大班课、音乐教学和双师课堂等解决方案；腾讯云在教育场景下提供 1 v 1 、1 v N、 大班课、超级小班课、AI 课堂等解决方案；拓课云提供小班课、直播课堂、拓课网校等在线教育全场景解决方案。

  互动性要求不同：比如，1 v 1 和小班课更注重双向互动性，而万人直播课堂更侧重单向输出。

  承载人数要求不同：比如，1 v 1 和小班课的单场景承载人数一般在几十人以内，而大班课、公开课有时可达上万人，对并发性要求高。

  技术侧重点不同：针对不同场景，技术方案会侧重在音质、画质、延时、多语言、流畅度等不同方面。

  功能需求不同：针对不同场景，除满足音视频通讯功能外，可能还需要白板、即时通讯、投影仪、摄像头等教学辅助功能或设备。

  实时音视频技术应用于教育行业，主要解决的是授课过程中师生互动的问题，即提供音频和视频同步传输服务。实时消息、互动白板也是其中最基础、最重要的应用功能。

  与此同时，越来越多服务于教育行业的音视频公司将服务从「课中」延展至「课前」和「课后」场景，提供更多样的功能，力图打造「一站式教育解决方案」。

  在线教育的发展经历了大力扶持到规范整顿的过程，教育实时音视频服务的发展与在线教育市场的兴衰紧密相连。

  2018 年以来，在线教育的监管趋严，同时受益于 5G 技术的发展，未来将走向成熟化和规范化。

  2020 年疫情引发了在线 年在线教育进入全面规范整顿时代。针对行业内营销乱象、虚假宣传、收费过高等问题，政府对部分教育学习管理机关进行了警告和处罚。

  相关文件法案的出台对于在线教育不相同的领域发展的影响不一。K12 教育受到的监管最为严苛，短期内面临着阵痛调整；素质教育仍被大力倡导，在线素质教育有利于改善师资地区不平衡的现状；职业教育与高等教育受益于政策的鼓励，发展势头良好。

  2019 年，5G 的商用牌照落地，标志着中国进入 5G 商用元年。其高速率、低延迟、大容量的网络特性有助于推进实时音视频行业的变革。「扬帆」计划再次明确了 5G 建设的目标，并强调了对重点领域的赋能。早在 2015 年，我国就慢慢的开始部署网络降费提速的相关工作。随着 5G 应用的推广，新一轮的措施也在持续推进，有利于降低云服务商的网络成本。

  高清通信市场规模在政策红利的推动下迅速扩大，能更好地满足实时音视频行业对于高画质的需求。

  技术创新是行业发展的根本推动力。决定音视频实时互动质量的重要的条件是网络和编解码技术，目前 5G 网络基建落地以及网络适应技术的进步有效地提升了网络传输质量；升级的视频编解码标准可以在有限的带宽下支持更高分辨率视频的编解码；底层 IaaS 厂商提供的服务逐渐规范成熟。

  AI技术优化实时音视频服务质量。AI 技术不断加速创新，与实时音视频服务逐步融合，可以为用户更好的提供更流畅、更高清的观看体验。

  教育行业线 年受疫情影响，教育行业线上化率出现较大提升。虽疫情影响的减弱，教育线上化率会有所回落。但学生以及教培机构在此阶段对教育科技的认识更加深入，对于线上授课和学习的认可度提高。此外，新一代青少年对于网络和线上体验的依赖性强。整体而言，未来在线教育或者教育 OMO 的模式仍有较为开阔的前景。

  互动性是在线教育的需求与痛点。《新冠疫情期间中小学在线教育互动研究报告》显示，互动不充分是教师认为线上教育存在的最严重的问题，说明了互动性对于提升线上教学效果十分重要。而通过语音连麦和视频连线实时作答是使用最多的互动方式，这也催生了对于实时音视频服务的需求，促进其创新和进步。

  教育信息化投入持续增加，校内庞大市场尚待激活。随着教育信息化 2.0 计划的推行以及「三个课堂」理念的提出，教育信息化经费投入持续提升。目前公立院校信息化建设尚未健全，其庞大的实时音视频服务需求潜力亟待进一步挖掘。

  2021 年，教育实时音视频市场规模预计达 60 亿人民币，2024 年有望突破百亿

  教育实时音视频服务产业链上游主体由硬件基础设施厂商、IaaS 厂商、电信运营商与第三方技术提供商构成，主要提供硬件设施、网络服务、计算存储等资源；中游主体由 PaaS 厂商和 SaaS 厂商构成，主要提供音视频通讯的产品和接口服务，下游则由教育实时音视频服务需求者构成，包括在线教培机构、公立或私立院校和有开发能力的用户。

  玩家布局：PaaS 服务商主要是通过整合网络、通讯等资源，以 SDK/API 的形式提供给下游企业，强调通用化；PaaS 层重视技术和资源的规模效应，未来市场集中度将会促进提高，头部效应显著。SaaS 服务商对 PaaS 的平台功能进行集成，强调场景化应用能力，主要提供软件应用服务。在线教育场景丰富，需求各异，SaaS 厂商可以依据特定需求提供针对性的功能和服务。

  智能融合：AI 技术快速的提升，与实时音视频的融合也更加紧密，厂商的智能解决能力和大数据分析能力成为未来的竞争重点。

  公立院校青睐全套解决方案，机构自研音视频系统痛点显著, 不同机构呈现差异化需求

  （1）公有云 PaaS 多以 Freemium 模式收费，资源复用带来的规模效应显著

  在线 位老师对 1 位学生进行专属线上辅导教学，老师和学生能进行实时音视频互动。

  在线 位教师对多位学生进行在线辅导教学的场景。教师对学生授课，学生可实时向老师提问，学生之间也可进行实时互动，常见有 1 对 2、1 对 4、1 对 6 等场景。

  在线大班课场景，一个老师，同时直播几十个甚至几千学生；期间，学生可以举手请求与老师进行实时音视频互动。现有的大班课解决方案已经能较好的解决学生人数问题，如声网的互动大班课已能支持直播教学百万并发，学生可以实时申请与老师进行音视频互动。

  腾讯云依托横跨全球的 RT-ONE™ 音视频通信网络，并在此基础上构建了包括实时音视频、即时通信、云直播、云点播等全面的 PaaS 产品矩阵，更为教育场景优化了大班课、小班课等互动课堂解决方案，极大降低了在线教育企业的开发门槛，提升了企业全面、多样的业务构建和场景快速上线能力。腾讯云音视频持续服务着 QQ、微信、企业微信、腾讯会议、快手、哔哩哔哩、VIPKID、掌门 1 对 1、小鹅通等国民级应用。

  2020 年 IDC 报告多个方面数据显示，腾讯云在中国视频云解决方案市场占有率排第一，覆盖了国内 90% 的音视频用户。腾讯云基础设施覆盖全球 27 个地理区域，66 个可用区，部署了超过 2800 个加速节点，超过 150Tbps 带宽储备，在全球各地的服务器数量超越 100 万台，是中国首家服务器总量超过百万的公司。教育服务对象：教育主管部门 1000+，学校 10w+，机构 30w+，用户 4 亿+。

  作为 RTC 重点应用的视频领域，很多底层能力的开发应用对于开发者而言，存在不少技术门槛。对于中小企业而言，将 RTC 部署到底层云平台存在挑战。腾讯云基于低代码的云原生基础环境，为开发者减少开发工作量，快速集成到实际业务中，提供了很多便利。

  考虑到多行业客户对于小程序等场景能力的需求，TRTC 针对微信小程序的视频通话、公众号小程序直播等功能，在底层技术接口及插件上提供了海量优化，从而能为客户提供更好的音视频保障。>

  从融资数量来看，教育实时音视频领域最早一笔融资发生在 2007 年，从 2013 年开始，融资数量逐渐增多并在 2016 年达到顶峰，随后呈现下降趋势，2020 年则再次上升。从 融资金额来看，除 2016 年以外，基本与当年融资数量保持相同趋势。2020 年末至 2021 年，ZEGO 即构科技、融云、拓课云、拍乐云、齐心好视通等音视频公司再获融资，行业集中度将逐步加强。有必要注意一下的是，2020 年实时音视频赛道再次受到资本关注。一方面，疫情导致在线教育需求量陡增，促使实时音视频行业营收迅速增加，再次触发投融资需求；另一方面，疫情对行业只起到外部催化作用，实际上并未根本改变行业发展的新趋势，实时音视频行业仍然以政策、客户的真实需求和技术为主导因素，未来将在这一些因素驱动下稳健发展。

  从融资轮次来看，2016 年开始，教育实时音视频赛道中，C 轮及以后项目融资数量逐渐增多，A 轮及更早期融资减少。近几年，战略投资、并购也有增多趋势，行业成熟度渐显。疫情加强了资本和市场对音视频赛道的关注和认可，但本质上来说，实时音视频赛道的扩张大多数来源于于需求的迅速增加。未来，在资本加持下，行业将在技术应用、场景打造、客户服务能力等方面持续提升，进一步走向成熟。

  教育实时音视频领域相关的上市公司有十余家，从时间来看，近几年上市较多，且有赴海外上市案例。声网 2020 年 6 月于纳斯达克上市，是首家专注实时音视频赛道的上市公司，声网的上市充分彰显了音视频赛道的扩张潜力，领跑行业头部。而腾讯云、网易云信等云厂商，依靠大型互联网上市公司的资金和技术上的支持，打造底层业务的融合能力，业务更加全面和多样化。实时音视频领域并购事件不多，主要出于并购方的战略考虑，尤其体现即时通讯业务和实时音视频业务的协同效应。声网于 2021 年 1 月收购环信，打造音视频+即时通讯的一体化云服务能力。

  AI 技术已经深入地应用在实时音视频领域，并在全链路各环节普遍的使用。腾讯云音视频、声网、融云、网易云信、ZEGO 即构科技等大量企业已经将 AI 技术融入到实时音视频技术的所有的环节，提升整体运营效果。AI将改变现存技术体系，促进实时音视频技术的发展。

  实时音视频技术个性化场景要求慢慢的升高，应对的环境也愈加复杂，传统的技术已很难有大的优化空间，大量的实时音视频企业成立 AI 实验室或 AI 项目组，专门负责 AI 在音视频中的应用研究，为客户提供更便捷、易用、专业的音视频服务。

  AI 在教育场景上的应用：AI 技术在教育场景中得到普遍运用，数量众多的实时音视频企业研发了 AI 课堂产品，如腾讯云音视频设立 AI 双师课堂、声网设立 AI 互动课堂、ZEGO 即构科技发布 AI 课堂等。随着 AI 技术的发展，将会被更多的使用在教育场景中，促进教育的发展。

  拥有大带宽、低延时、海量连接等特点，与 RTC 相结合给教育场景带来更多发展空间。>

  从实时音视频通讯网络本身来说应该会向更低延迟、更大容量、更低成本、更加智能的方向发展，目前已经有从 RTMP+CDN 向 RTC 过渡的趋势。>

  aPaaS特征：（1）提供快速开发的环境，用户在几个小时内就能完成应用的开发、测试、部署，并能随时调整或更新。（2）低代码或零代码，非技术人员就能完成应用开发。

  >

  aPaaS 平台能解决现有平台用户痛点，成为实时音视频企业的重要选择方向，例如声网的灵动课堂、ZEGO 即构科技的 GO 课堂、腾讯云音视频一站式 aPaaS 产品解决方案（包括实时互动课堂、语音聊天室等场景）、保利威的 aPaaS 解决方案、拓课云的在线教育全场景解决方案等，大量实时音视频企业都针对教育的不同场景提供 aPaaS 方案供客户选择。

  校内市场以一站式解决方案为主。以融云为例，公司可以提供 PaaS 层技术以被集成的方式与硬件厂商合作，共同进校。软硬件结合提供一整套服务方案符合校内市场需求，能相对快速的切入市场。目前校内教育信息化的建设还不健全，但政策利好不断，市场潜力巨大。如面对体制内日益增多的综合素养评测需求，大规模在线考试与面试有着非常大的应用前景。以 ZEGO 即构科技为例，针对考试、面试场景提供整体解决方案，使用通用移动电子设备软硬件结合参与在线考试以及校方远程实时监考。

  不同教育场景对硬件有不同的需求，一般的 1 v 1、小班课、大班课等教学场景以 PC 端和手机端为主，硬件外设还是以辅助和增强为最大的作用。但在双师模式、音乐培训、美术培训等教学场景中，软硬件结合的方案就能在服务质量、使用者真实的体验、交付环节等体现出比较大的优势。

  在线教育的软硬件设备应该向定制化、专业化的方向发展，更好地满足学生的个性化学习需求。一方面，在线教育的软硬件设备改进有助于改善在线教育的学习效果问题；另一方面，软硬件设备条件的提升也将激发在线教育的新兴场景应用与更多功能实现。音视频数据的编解码分为硬编硬解和软编软解，硬编硬解主要借助于终端硬件设备。硬件设备的升级有助于编解码效率的提升，可提供更好的实时音视频效果。

  实时音视频公司为智能硬件行业提供解决方案。以声网为例，为智能硬件企业来提供音视频通话+互动+消息的全场景一站式实时互动和相互连通解决方案，客户覆盖智能机器人、智能摄像机、智能手表、AR/VR 等智能硬件公司，帮企业实现万物互联互通。

  教育实时音视频赛道 SaaS 层竞争非常激烈，企业需寻求新的业务增长点，解决教培机构痛点的一站式解决方案是良好的选择。>

  增量市场，蛋糕仍在做大：一方面，实时音视频无疑是一个迅速增加的市场。实时音视频技术应用场景丰富，随技术创新优化、5G 等基础设施布局完善，实时音视频应用将愈发多样化，整个市场处于

  。在教育领域，线上化有助于实现优质教育资源的传递，促进教育公平，因此，教育实时音视频需求量只会有增无减。面对这样一个增量市场，公司需要抓住市场趋势，共同做大蛋糕。但另一方面，早期入局的公司有明显的先发优势，体现在：第一，实时音视频本身的技术壁垒较高；第二，场景打磨需要一定的时间和经验积累；第三，经历过疫情实战，各家得以充分检验自身的用户承载力和稳定能力，优化技术和产品。实时音视频 PaaS 层、SaaS 层格局不同：首先，PaaS 服务于全行业，是产业赋能者角色，技术壁垒较高，头部公司优势显著，格局相对集中。而 SaaS 层主要为垂直类行业提供具体产品和服务，在场景打磨和延展服务上更具优势，格局相对分散。其次，根据 PaaS 层和 SaaS 层的特点，初创期、小型教培机构会优先选择 SaaS 服务，成熟机构则会倾向于 PaaS 服务，而在市场发展过程中，中小机构和成熟机构的需求都将迅速增加，因此，

  最后，PaaS 和 SaaS 共同合作为市场提供服务，随市场需求变化已衍生出 aPaaS、低代码开发等适应快速开发需求的产品。互联网大公司、实时音视频公司各具优势：互联网大公司背景的 IaaS 厂在于自身拥有的

  具有相对成本优势和内部协同优势；起家于 PaaS、SaaS 的音视频公司则在研发技术上更加专注，产品化解决方案上更为丰富。校内市场，有待开拓：「三个课堂」彰显了校内市场的巨大潜力，实时音视频技术将

  进入校内市场，音视频技术提供方将与其他硬件厂商共 同合作开拓市场，服务于学校教学场景。同时，线上考、面试等新场景也成为校内市场新 的需求增长点，未来将看到更多应用的落地。（3）下一阶段竞争关键点

  技术竞争：首先是音视频技术本身的竞争，未来，企业要在实时音视频技术上持续打磨，将技术从「能用」变为「好用」 ，在延时控制、弱网对抗、跨国传输、机型适配、音视频编码、算法等方面持续精进，针对复杂的网络情况，

  其次是技术与场景结合的能力，针对特定应用场景，音视频公司需要利用技术，为用户所带来更具互动性和沉浸感的体验，打造真实的教学场景。尤其是随着 AI、VR/AR 等技术的成熟，将愈发考验各家的技术创造新兴事物的能力、新技术应用落地能力。服务竞争：ToB 业务模式本质上是为 B 端赋能。因此，实时音视频公司需要在技术打磨的基础上，

  同时，面对多样化的客户的真实需求，音视频企业也需要积极寻求上下游合作，发挥各自优势，与合作伙伴协作提供多样化的服务形式。人才竞争：实时音视频领域优秀技术人才稀缺，使得这一领域的人才成本高昂，研发技术投入大；另一方面，除了计算机技术领域，音视频也涉及其他基础学科知识，对这些领域的尖端人才也有较强需求。未来，竞争将演变为对优秀人才的竞争。