圖片來源@視覺中國
文丨凡泰極客
如果你是一位工程師，想必聽過 WebRTC，就算沒有開發(fā)過；如果你是一位互聯(lián)網(wǎng)用戶，大概率使用過 WebRTC，雖然可能沒有意識到。在這個視頻為王的時代，我們漫談一下這個技術(shù)的來龍去脈以及一些有趣的應(yīng)用。
文言「底」也表示疑問，是「何」、「什么」的意思。如南唐中主李璟在調(diào)侃馮延巳時所寫「風(fēng)乍起，吹皺一池春水，干卿底事？」
如果說 20 世紀(jì)人類的書寫工具是筆、通訊方式是郵局寄信，那么 21 世紀(jì)初人類的書寫工具就變成鍵盤、通訊方式就是電子郵件/短信/即時通信聊天，而從現(xiàn)在開始的可見未來，手機(jī)攝像頭/VR 設(shè)備就是你的書寫記錄這個世界的工具、實(shí)時網(wǎng)絡(luò)通訊就是你的通訊方式。
視頻成了娛樂、學(xué)習(xí)、商務(wù)會議、社交、電商的載體，人們逐漸不再有耐心閱讀文字性的信息，現(xiàn)在連購買一件自安裝的家具，它都附帶二維碼，用戶只要一掃即打開安裝指南的視頻，再也不用反復(fù)研究紙質(zhì)說明書里那往往畫的非常蹩腳的安裝圖。
視頻不僅是信息的展現(xiàn)方式，它從一部部的 mov、jpeg4、wmv（你硬盤上熟悉而又陌生的文件對不對？）變成一個個的播放器，再變成一個個的 App，然后又從這種單向的“錄制 ?上傳 ?下載 ? 找播放器打開 ? 播放”，變成了“現(xiàn)場錄制 ? 邊錄邊播 ? 實(shí)時收看”，再變成視頻與即時通訊工具、會議工具融合的雙向“錄制與播放”。
遠(yuǎn)程視頻會議已經(jīng)成為如今辦公的標(biāo)配
傳說中的“實(shí)況直播”終于發(fā)展到一個“平民化”的階段。WebRTC，全稱 Web Real-Time Communication，就是這么一種基礎(chǔ)技術(shù)，它促進(jìn)你用新的“筆”（智能視頻設(shè)備，例如你的手機(jī)）以影像而非文字方式去記錄與溝通。
它的奧妙在兩部分，自然就是：Web + RTC！這不是顯而易見的廢話嗎？還真不是… 但我們先聊一下 RTC，實(shí)時網(wǎng)絡(luò)通訊。
與 RTC 相比，WebRTC 僅僅是針對網(wǎng)頁實(shí)時通信所建立的標(biāo)準(zhǔn)，其中也只提供了基礎(chǔ)的前端功能進(jìn)行實(shí)現(xiàn)。我們并不能簡單地將 WebRTC 與 RTC 劃等號。
WebRTC 強(qiáng)調(diào)“實(shí)時通訊網(wǎng)絡(luò)”。網(wǎng)絡(luò)早已無處不在了，但是否“實(shí)時”呢？大部分情況下不是。
首先，當(dāng)前互聯(lián)網(wǎng)上最重要最基本的 HTTP 協(xié)議并不是為“實(shí)時”應(yīng)用設(shè)計的，當(dāng)你訪問一個網(wǎng)站的時候，你發(fā)起請求，等候網(wǎng)站的服務(wù)器把內(nèi)容應(yīng)答送回到你的 PC 或者手機(jī)設(shè)備，雖然這個應(yīng)答可以非?？欤举|(zhì)上是“請求-等候-應(yīng)答”，這個“等候”，往往是一個不易控制的時間變量。
事實(shí)上，對快慢的感覺不能定義實(shí)時。網(wǎng)絡(luò)的低延遲、高帶寬固然是實(shí)時性的一些保障，但不等同于實(shí)時。
用大白話來描述的話，實(shí)時視頻的目標(biāo)，是把正在某個地方A發(fā)生的人和事，以幾乎零延遲、不失真的方式“同步”到另外一個地方 B，讓 B 的人瞬間看到、聽到，并且反之亦然。人和事都是在不斷的變化中，視頻需要以“流”的方式源源不斷的向遠(yuǎn)端推送更新，A、B 兩地的人雖然隔著十萬八千里，但是他們之間的網(wǎng)絡(luò)能把“視頻流”瞬間同步，讓彼此感覺近在咫尺，這就是“實(shí)時”。
那么現(xiàn)在我們的“實(shí)時通訊網(wǎng)絡(luò)”，距離真正的實(shí)時還有多遠(yuǎn)？
上述問題的簡單答案是，有點(diǎn)遠(yuǎn)。
我們對“實(shí)時”的追求是無限的，詳細(xì)一點(diǎn)的解釋，可以借最近熱炒的“元宇宙”作為例子。元宇宙，是一個“仿真”或者說“全真”的互聯(lián)網(wǎng)，它的特點(diǎn)之一，是利用極其強(qiáng)大的實(shí)時網(wǎng)絡(luò)，把物理世界里事物的無限細(xì)節(jié)信息化并瞬間傳播給接收者，使其通過一些特殊設(shè)備去復(fù)原這些信息并最大程度感受到在原發(fā)地事物的原本樣子。
這些信息能包括些什么呢？例如有空間感的立體聲效（Spatial Audio），讓你在一個線上會議室里能聽到講話的人在自己的什么方位，讓你在一個虛擬社交沙龍里能聽到輕微的背景音樂、左邊一群人的閑言碎語、右邊吧臺上酒保的調(diào)酒聲；例如能足以讓遠(yuǎn)端設(shè)備渲染還原成逼真 3D 效果的人或物的特征數(shù)據(jù)，大至街景建筑小至毛發(fā)與臉部表情，讓你在虛擬空間里與其中的物品或人進(jìn)行互動，像真的一樣； 假如有一天我們發(fā)明出能收集味道并信息化并在遠(yuǎn)端通過刺激大腦皮層還原味道的設(shè)備，那么這又是一種需要傳送的數(shù)據(jù)。一句話，我們希望把任何物理距離以外的東西，色香味俱全的“同步”到自己的大腦。
如果說我們現(xiàn)在的互聯(lián)網(wǎng)是 2D 的話（即你只能面對一個屏幕這樣的二維平面去交互感知），元宇宙就是下一代 3D 互聯(lián)網(wǎng)，你“沉浸”在其中，你被實(shí)時送達(dá)的數(shù)據(jù)包裹，你的眼耳鼻舌身意“六根”都在里面。不要以為這是科幻，一些技術(shù)已經(jīng)看的到摸得著，簡單者如 hubhub，復(fù)雜花哨者如 Google 的 Starline。
有興趣的小伙伴可以去看看 Metaverse Primer
在 Matthew Ball 的“元宇宙入門”（ Metaverse Primer）中，提到實(shí)時網(wǎng)絡(luò)是讓這一代沉浸式互聯(lián)網(wǎng)成為可能的8種最核心技術(shù)之一。海量數(shù)據(jù)的極低延遲實(shí)時傳輸能力，目前技術(shù)上還是有點(diǎn)遙遠(yuǎn)。
雖然元宇宙還在“炒作曲線”的不知道哪個點(diǎn)上，可是一些實(shí)實(shí)在在的商業(yè)應(yīng)用場景確實(shí)已經(jīng)可以基于實(shí)時的視頻技術(shù)進(jìn)行構(gòu)建。除了大家熟悉的直播帶貨、娛樂互動，還有虛擬展會、實(shí)時教練培訓(xùn)、遠(yuǎn)程醫(yī)療（Telehealth）等等應(yīng)用，相信任何線下的場景，只要技術(shù)允許，都會有產(chǎn)生線上仿真的一天。
WebRTC 的里的“Web”部分，并非簡單無意義的泛指，而是特指 Web Browser（瀏覽器）。這個標(biāo)準(zhǔn)以及實(shí)現(xiàn)它的技術(shù)，目前均已內(nèi)置在各主流瀏覽器中，理論上讓任何用戶通過任何 PC、Mac、iPhone、Android 甚至車載系統(tǒng)的瀏覽器，即可發(fā)起彼此之間的直接視頻語音通訊。
也就是說，張三和李四，不管人在何方，理論上只要各自有一臺設(shè)備運(yùn)行一個支持 HTML5 標(biāo)準(zhǔn)的瀏覽器，即可以無需經(jīng)過“中間商”（互聯(lián)網(wǎng)大平臺、電信運(yùn)營商等等）的通訊服務(wù)或渠道而建立這兩個瀏覽器之間的直接連接，實(shí)現(xiàn)傳說中的“點(diǎn)對點(diǎn)”（Peer-to-Peer）視頻通訊和文件分享！如果還有王五、陳六、何七幾位呢？歡迎加入，組成一個完全無障礙的、無服務(wù)器的、自組織的對等網(wǎng)絡(luò)，每個人的瀏覽器都是這個網(wǎng)絡(luò)的節(jié)點(diǎn)，共同進(jìn)行視頻會議、文件分享。
有點(diǎn)像 VR Pro Max 的感覺
無中間商賺差價、無互聯(lián)網(wǎng)大平臺收集通訊各方的隱私數(shù)據(jù)，個人掌握自己的信息安全，也不依賴任何第三方，是不是忽然有一種自由飛翔的感覺？去中心化、點(diǎn)對點(diǎn)、對等網(wǎng)絡(luò)，讓我們回憶到互聯(lián)網(wǎng)美好的蠻荒時代 – BT、電驢、迅雷… the good old days…
可惜暫時來說，上述情形只是一種理想，因?yàn)榛ヂ?lián)網(wǎng)的實(shí)際環(huán)境復(fù)雜，例如我們每個人的上網(wǎng)設(shè)備實(shí)際上都是在某個小區(qū)寬帶、移動運(yùn)營商網(wǎng)絡(luò)、酒店 WiFi、公司局域網(wǎng)等等的后面，互聯(lián)網(wǎng)實(shí)際上是由無數(shù)這樣大大小小的局部網(wǎng)絡(luò)通過一系列的網(wǎng)絡(luò)設(shè)備、網(wǎng)絡(luò)協(xié)議進(jìn)行互聯(lián)互通的，鏈路上信息的傳遞通過不同網(wǎng)絡(luò)的設(shè)備進(jìn)行層層轉(zhuǎn)發(fā)和網(wǎng)絡(luò)地址/端口的“翻譯”轉(zhuǎn)換，最終才到達(dá)某個個體設(shè)備。
在深圳南山區(qū)科技園某公司的員工張某，如何讓其瀏覽器發(fā)現(xiàn)并連接北京朝陽區(qū)某小區(qū)的群眾李某的瀏覽器設(shè)備地址，從而建立起點(diǎn)對點(diǎn)直連？沒有直接辦法。
現(xiàn)有的技術(shù)實(shí)現(xiàn)方案，依然是中心化的，即張某與李某，不得不通過一個第三方的服務(wù)來“發(fā)現(xiàn)”彼此的地址，這個環(huán)節(jié)叫做 Signaling（信令）。
“去中心化”臨門一腳，暫時沒有現(xiàn)成技術(shù)，比較可惜。
有一些這方面的研究探索，待有志者進(jìn)一步深入。
首先是關(guān)于技術(shù)本身的優(yōu)化與擴(kuò)展。例如有人提出利用 Kademlia（一種 DHT/分布式哈希表的算法，被以太坊、Storj 等區(qū)塊鏈用于組網(wǎng)）實(shí)現(xiàn)信令服務(wù)的去中心化。一篇 IEEE 的研究論文則探討了通過區(qū)塊鏈智能合約去提高 WebRTC 的安全性。
區(qū)塊鏈能借助WebRtc實(shí)現(xiàn)新的突破嗎
其次在應(yīng)用方面，有一種方案提出，在疫情以來遠(yuǎn)程辦公比重日益增加的情況下，出于企業(yè)信息安全、合規(guī)留痕、工作效率管控等等原因，需要對例如銷售、服務(wù)等各種發(fā)生在公司外部的遠(yuǎn)程通訊活動進(jìn)行記錄，依靠現(xiàn)有的基礎(chǔ)設(shè)施提供商的 CDR（Call Detail Record）難以確立單一可信來源、追蹤上下文，可以結(jié)合區(qū)塊鏈與智能合約，對 WebRTC 的通訊記錄數(shù)據(jù)出塊，實(shí)現(xiàn)單一可信源拷貝、不可篡改以及分布式存儲等好處。
很多金融機(jī)構(gòu)的服務(wù)，例如開戶或者購買理財產(chǎn)品等，需要遠(yuǎn)程視頻見證，也許是區(qū)塊鏈+WebRTC 的一個很好的應(yīng)用場景。
講到未來，我們不得不先回顧一下這個技術(shù)的歷史。
2021 年 1 月 26 日，W3C 正式宣告 1.0 標(biāo)準(zhǔn)（“WebRTC 1.0：Real-Time Communication Between Browser”）。此前 WebRTC 經(jīng)歷了整整 10 年的發(fā)展：2011-2014 是這個技術(shù)的探索期，大家的主要疑問是：我是否應(yīng)該嘗試這個技術(shù)？2015-2019 是這個技術(shù)的成長期，隨著所有主流瀏覽器對 WebRTC 的支持，業(yè)界的問題變成：我該如何利用這個標(biāo)準(zhǔn)技術(shù)？有些什么應(yīng)用場景？2020 年開始迄今，是這個技術(shù)應(yīng)用的差異化時期。
WebRtc 的標(biāo)識具有典型的 Google 配色
2020 年的新冠疫情，被認(rèn)為對 WebRTC 技術(shù)產(chǎn)生直接促進(jìn)性影響。視頻會議無處不在，Zoom 變成一個家喻戶曉的品牌（在國內(nèi)市場自然是某些互聯(lián)網(wǎng)巨頭的相應(yīng)品牌），可以說大眾對云端視頻會議的認(rèn)知與接受度得到史無前例的加強(qiáng)。
同樣是 W3C 的標(biāo)準(zhǔn)，WebRTC 有沒有機(jī)會像 HTTP 之于“古典互聯(lián)網(wǎng)”一樣，成為下一代互聯(lián)網(wǎng)（無論你稱它為“實(shí)時通訊網(wǎng)絡(luò)”、“Web3.0”還是“元宇宙”）的基礎(chǔ)協(xié)議？回答這個問題，得了解一下 WebRTC 背后的真正“操盤手”。
操盤手是 Google – 它不僅推動 WebRTC 成為一個互聯(lián)網(wǎng)標(biāo)準(zhǔn)，也貢獻(xiàn)了大部分的底層開源技術(shù)。十年前 Google 干這事的動機(jī)是什么呢？大概有這么幾個原因：
WebRTC 標(biāo)準(zhǔn)與技術(shù)，最終贏得了 Firefox、Opera、Apple Safari、Microsoft Edge 以及各種 Chrome 變種瀏覽器的支持，從這個角度看，是取得巨大的成功。但比較諷刺的是，Google 自己的產(chǎn)品中涉及視頻的，似乎都沒有太取得商業(yè)上的成功。例如視頻會議方面，大家甚至都不太想起 Google 也有這方面的產(chǎn)品（而且質(zhì)量不錯），反而 Google 的競爭者們不少都采用 WebRTC 卻取得競爭優(yōu)勢。
WebRtc 在各瀏覽器中的支持程度超過 90%
當(dāng) WebRTC 成為公共標(biāo)準(zhǔn)后，Google自己貌似在開始與 WebRTC “脫鉤”，開始投資到另一個全新的技術(shù)棧：WebTransport + WebCodecs + WebAssembly。其中 WebTransport 主要基于 QUIC（HTTP/3的傳輸層協(xié)議），帶來更低的網(wǎng)絡(luò)延遲，更適合視頻類應(yīng)用。WebCodecs 內(nèi)置于瀏覽器，讓其有獨(dú)立的音視頻編碼解碼能力。WebAssembly，一個已經(jīng)發(fā)展了相當(dāng)長時間、進(jìn)入成熟期的開源技術(shù)，它不僅讓瀏覽器渲染執(zhí)行 JavaScript 代碼的性能獲得“原生”級別的提升，更重要的是它可能支持機(jī)器學(xué)習(xí)方面的結(jié)合。
如果 Google 作為 WebRTC 開源技術(shù)的主要推手，不再投資到其中，那么 WebRTC 1.0 之后，除了修修補(bǔ)補(bǔ)的小版本，還有持續(xù)發(fā)展的未來嗎？我們基于 WebRTC 打造應(yīng)用，是否得擔(dān)心一下？
WebRTC 成為下一代互聯(lián)網(wǎng)的實(shí)時應(yīng)用基石，估計有點(diǎn)懸，因?yàn)榇_實(shí)有潛在的更優(yōu)解在那里。但是，對于應(yīng)用開發(fā)者，未來幾年內(nèi)，WebRTC可能就是我們的最優(yōu)解，原因有三：
作為應(yīng)用開發(fā)者，可以做的事情是應(yīng)用場景的創(chuàng)意發(fā)掘與創(chuàng)新，是促進(jìn)一個標(biāo)準(zhǔn)/技術(shù)繁榮有生命力的最佳保證。
Alexa，亞馬遜的智能音箱 Echo 里的智能助手，采用 WebRTC。
Facebook Messenger、Discord、Amazon Chime、Google Meet/Hangout/Duo，都是基于 WebRTC 的視頻通訊工具、視頻會議應(yīng)用。
Clubhouse，2021 年現(xiàn)象級的語音社交工具。
Chrome Remote Desktop，遠(yuǎn)程桌面工具。對于一般商務(wù)人士例如市場、銷售等等來說，可能過于技術(shù)，難以駕馭。但這種工具為什么沒有人深入研究借鑒一下，發(fā)展出實(shí)時遠(yuǎn)程銷售培訓(xùn)、實(shí)時遠(yuǎn)程機(jī)器維修人員培訓(xùn)、實(shí)時遠(yuǎn)程醫(yī)療人員培訓(xùn)這樣的東西呢？
最后必須特別推薦三個值得關(guān)注的 WebRTC 相關(guān)公司及其應(yīng)用場景：
peer5.com
Peer 5，一個基于 WebRTC 的 eCDN（企業(yè)內(nèi)容分發(fā)網(wǎng)絡(luò)），對內(nèi)容進(jìn)行網(wǎng)絡(luò)加速，充分利用到 WebRTC 內(nèi)置在瀏覽器中的 P2P 能力。今年8月份被微軟收購。這是一個借力新標(biāo)準(zhǔn)、開源技術(shù)成就一家創(chuàng)業(yè)公司的成功故事。
hopin.com
Hopin，一家英國的獨(dú)角獸公司，采用 WebRTC 打造“虛擬活動平臺”，成立兩年成功融資 5 億 7 千萬美元、收購 4 家公司。
stadia.com
Stadia，這是 Google 嘗試進(jìn)軍游戲行業(yè)的一大嘗試，能否成功不去討論。其有趣的地方是開啟 Cloud Gaming 這一領(lǐng)域，也可以稱之為“Gaming As A Service”（游戲即服務(wù)）或者“On-Demand Gaming”。怎么理解它呢，一直以來我們打 Xbox、任天堂的游戲，都是需要買一個游戲機(jī)，打不同的游戲就放進(jìn)去不同的游戲光盤。 Cloud Gaming，就是你不需要本地的光盤了，游戲在云端運(yùn)行，然后通過流媒體的方式傳輸?shù)侥愕钠聊簧?，就像你在電視上點(diǎn)播電影一樣，但你用游戲手柄可以與“電影”互動。
你怎么看待 WebRtc 在未來的發(fā)展？歡迎與我們交流。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論