视频会议替代数字产品Polycom、Vidyo

再过十几年，我还会看到视频会议吗？

想起巴菲特常说的一句话：

我只想知道将来我会死在什么地方，这样我就不去那儿了。

在下文里，我将用三条小学式子诠释宗乡卡核心技术的更迭；再透过三家代表性子公司导出商业性另一面的成败。

只有借前车之鉴，才能解锁视频会议之未来。

截图电话号码，更准确地说是面对面截图收发。

让我回到上世纪30年代——1930年，一款叫做Iconophone的双向可视电话号码原型机诞生于著名的贝尔实验室，双向连通奠定了这种影像式电话号码走向商用的基础。

而截图电话号码与生俱来得到普及是在上世纪90年代，为什么呢？我先了解一下打一通截图电话号码需要的电子设备：

输入电子设备：摄像头、麦克风；

输出电子设备：从可视电话号码到后来的专用电子设备、PC等；

数据互联网：电话号码拨号专用网、卫星线路、LAN（局域网）或广域网等；

计算电子设备：串行导出、数字信号编音频器处置等。

整个过程如下图，记住里面的五组词你也可以在朋友圈装装极客了！

主要就，数据传输过程中最关键的是数据数据传输的实时性，一般而言发生超过300毫秒以上的延迟，使用者就会明显感到影像模糊或卡顿等现象。

其次，由于截图电话号码包含了声音和影像，在数据传输时两种信号必须同时装箱处置，以保证两者的同步性。

而截图电话号码能与生俱来传播开来是因为具备了以下三个条件：

数字影像及高效的编音频器核心技术（俗称装箱工具）：将压缩比提升到1:500以上；

终端商品串行终于达成国际统一标准：以前终端商品的编码器必须来自同一供应商，现在基于一套国际标准即可实现相同电子设备和控制系统间互通；

互联网基础设施和集成电路的飞速发展：在那个诞生了雅虎、Amazon、eBay的年代，不管是互联网数据传输电子设备还是CPU处置能力都得到显著提升，频宽成本也快速下降。

从使用者角度，那时对音截图的质量要求并不高，因为那时候收发电子设备本身清晰度就比较低。

也是在那个互联网的黄金时代，一系列宗乡卡核心技术子公司相继成立。老规矩，先上时间轴。

前前后后二十年时间，见证了第一代核心技术和商业性的更迭：

主要就，牢记宗乡卡核心技术的四大才女——Polycom、Radvison、Tandberg和Webex；

Webex与前三家核心技术路线相同，早期商品经过几次调整，最终透过提供基于谷歌NetMeeting的中间件宗乡卡计划而成功上市；

最终，四大才女都以被并购或退市收场，只是收场时的姿态各异；

如今又过了快十年，Cisco、Avaya和谷歌等前年的巨头，现在似乎又遭遇了新一代核心技术子公司的挑战。

我走进90年代。

如果一通电话号码是面对面，一场全体会议则是多对多，而一套截图互联网全体会议计划是要管理工作N个并行的多对多截图会话。

刚开始用得起宗乡卡的都是不差钱的金主，如银行、运营商或政府机构，一般小企业打个电话号码就行了。在金主面前，各家子公司比拼的都是使用感受和电子设备性能，例如：

是否支持高画质影像，另一面包含编音频器、降噪处置等核心技术；

支持多少方同时加入并保证相同感受；

主持人邀请、点名等全体会议管理工作机能。

最终为了将感受做到极致，业界引入了一种新的电子设备叫MCU (Multipoint Control Unit，多点控制单元)。

我可以把MCU理解成一台多新闻媒体讯息（后称新闻媒体流）交换机，讯息包括但不限于声音、影像和文本等数据。主要职责为：

新闻媒体流的信号处置及编音频器；

并行多对多的线路切换、方向管理工作；

还需具备数据身份验证、稳定数据传输等机能。

如上图那个例子，A、B、C参加宗乡卡，

主要就，A、B和C必须将自己的新闻媒体流全部传给MCU；

MCU把收到的音截图包根据相关格式协议展开分解；

然后根据各方请求，MCU将音截图分别合成并装箱；

最终由MCU传送给终端商品，整个过程称之为混音混屏。

式子一：宗乡卡1.0 = 截图终端商品 + MCU，其中MCU = CPU + 固化算法。

图中是这次G20欧盟分会场，这位大佬除了能看到全体参会人员的集合画面，还增加了一种只显示自己的屏幕，也是前面例子中C那个场景。MCU确保与会者和线上全体会议室的对应关系，也是方向管理工作。

宗乡卡1.0时代是建立在以MCU硬件为基础的虚拟化处置构架上。

但是，这里便出现一种难题：虚拟化处置的优点是保证了所有与会者感受的一致性。但这就要求所有终端商品的性能和网速都要保持在一种水准，否则就会极大影响感受，因为混合的过程受制于音解像度最差的那个终端商品，也是酒桶负面效应。

所以，那时为了满足高画质、超高画质到网真级别（即1080P）的解像度，终端商品电子设备都走上了定制和专业领域化，同时相应的编音频器器也被集成到终端商品上，最终各子公司都推出了价格昂贵的端到端专业领域宗乡卡计划（Dedicated video conferencing solution）。

式子二：专业领域宗乡卡计划 = 专业领域电子设备 + MCU + 专用互联网。

谈到这就不得不重点说说90年代的第一大才女，而后却被两次贱卖的Polycom。

Polycom成立于1990年，曾经也是加州车库孵化器子公司的代表。最早从电话号码全体会议控制系统起步，1996年成功登陆纳斯达克，十年后2007年全年营收突破10亿美金，其中整个全体会议控制系统商品占那时全球消费市场份额达到惊人的60%。

（即便没听过Polycom，你也肯定见过八爪鱼）

而让Polycom彻底打开中国消费市场，是因为2003年的那场禽流感危机——SARSSARS。

根据2015年哈佛商业性评论对那时时任Polycom大中华区总裁李钢的采访：

2003年‘SARS’禽流感席卷中国，给中国医疗控制系统带来前所未有的挑战。最急迫的难题是，许多医疗机构分散在全国的疫苗中心和研究所，人员难以出差，因为一旦出差就要被隔离。医疗机构的遥控携作需求瞬间爆发，而遥控携作正是Polycom截图通讯的核心业务，包括流调控制系统、专家控制系统和政府指挥控制系统在内的三大控制系统都使用了Polycom的截图通讯核心技术。

那时除了Polycom之外，还有几家国内外供应商包括华为、中兴、Tandberg以及Radvision也在竞争那个机会。（是并非都是熟悉的名字？）

神州数码是那时Polycom中国区的总代，在2005年一次对神码企业控制系统事业部应用互联网部总经理的采访中得知，SARS期间一种季度的销售额就比往年全年的销售额还多。据悉Polycom前年在中国的销售额同比增长达70%。

同期受益的是整个遥控全体会议消费市场，2003年也成为了中国宗乡卡消费市场的元年。

（那时Polycom的爆款：VXS 7000系列）

总之，Polycom在初期透过不断基础研发和大手笔并购，掌握了音截图编音频器、回声抑制等方面的核心IP。在互联网环境有保证的情况下，宗乡卡的效果达到业界顶尖。

然而在2016年，加拿大移动通讯子公司Mitel宣布以19.6亿现金和股票全面收购Polycom，Mitel那时的市值甚至略低于Polycom，此番小鱼吞大鱼的戏码让消费市场一片哗然。

同年在中国，身为那时全球副总裁兼中国区总经理的袁文辉，与中国研发核心技术中心的早期成员也离开新东家，创立了小鱼易连。他们号称摒弃现代宗乡卡厂家的专线专网，采用云截图核心技术，保证与专线相近的音截图感受。

两年后，耳机制造商Plantronics宣布以20亿美金再次全面收购Polycom，一大才女短短时间内竟被两次倒卖！

可见2016年的并购退市事件成为了Polycom由盛转衰的标志。

在2018年IDC发表的全球中间件宗乡卡供应商评估报告（《IDC MarketScape：Worldwide Enterprise Videoconferencing 2018 Vendor Assessment》）里也能看到，Cisco和谷歌（透过全面收购Skype）牢牢占据了领先者象限，Polycom已退居二线。

同时在主流玩家（Major players）象限中，新一代核心技术子公司早已出现，加速了Polycom的衰退，有一家我必须记住——Vidyo。

了解Vidyo的兴，也就明白了Polycom的衰。

专业领域宗乡卡计划固然性能好、效果佳，但部署一套计划的成本也居高不下，这不仅把许多中小企业挡在门外，还大大损害了使用者采购终端商品电子设备的灵活性 。

这时一名以色列人看到了商机，他曾是上文提到的Radvision孵化器团队的骨干，2004年从Radvision辞职后，次年成立了Vidyo。

Vidyo采用了一种全新构架，去掉昂贵的MCU，摆脱之前计划对专业领域电子设备和专网的依赖，将宗乡卡核心技术带入2.0分散式时代：

式子三：宗乡卡2.0 = 各类电子设备 + 交换机 + 公共互联网（即互联网）。

那个构架带来了一种重要变革：将过去对新闻媒体流的虚拟化处置变为分散式数据传输：

主要就，终端商品上实现所有编音频器：由于摩尔定律带来计算能力的提升，编音频器已能透过应用软件形式安装在终端商品，由终端商品的通用CPU统一处置；

其次，交换机实现方向管理工作：普通交换机的机能是读取数据包中的门牌号然后决定如何送到下个目的地，这里就变成读取新闻媒体流中的基本讯息如目的地IP门牌号后建立点对点相连接。

例如A、B、C开会，交换机把B和C的门牌号告诉A，让A直接透过公网把新闻媒体流装箱好后送至B和C，不再需要经过昂贵的MCU了；

最终，SVC编码核心技术实现音解像度自适应：前面讲过，由于虚拟化构架和酒桶负面效应，音解像度效果在不稳定的互联网环境下难以得到保障。这时候，Vidyo首次将一种全新的截图压缩标准应用到了互联网数据传输上——SVC（Scalable Video Coding, 可伸缩截图编码）。

该核心技术将音截图信号分成基本层和多个高导出层展开分层编码：当频宽不足时，只对基本层的信号流展开数据传输和音频，这时音频后的截图质量尽管不高，但对简单终端商品如手机的屏幕而言已经适用；当频宽变大时，就可以音频高导出层来提高截图质量。

（作者：Vidyo、bloggeek.me）

回到A、B、C开会的例子，假设A的互联网情况不好，B和C相对良好，全体会议依然正常启动。

主要就，ABC都向交换机发送全体会议基本讯息；

交换机收到消息后，分别通知A、B、C和自己开会的对象以及对方的IP门牌号；

然后ABC之间直接基于SVC建立相连接，新闻媒体流的速率则根据终端商品配置相同展开自适应；

最终，每个终端商品会收到三个新闻媒体流，透过自带应用软件展开音频和还原。

结果是，互联网状况良好的B和C自行建相连接，还原出良好的音解像度，并不受到A端互联网质量的影响。但B和C看A的画面，就会比较模糊。

回想一下，我现在用钉钉的时候（为什么钉钉躺枪，留个伏笔），会经常出现对某个参与者说你的画面不清晰，会卡顿，要不你重新相连接一下诸如此类的情况。

就这样，分散式路由与SVC核心技术的结合破解了酒桶负面效应难题。名声大噪的Vidyo也自此走上融资的快车道。

Vidyo的商品形态主要有三类：

VidyoConnect/Vidyo Cloud：面向全国大型使用者提供专业领域宗乡卡控制系统，如金融、医疗、政府等领域，对标Cisco。云截图服务商兴起后转向用户端发展，对标视频会议；

VidyoEngage：面向全国呼叫中心提供低成本的嵌入式宗乡卡计划，对标Avaya的呼叫中心控制系统；

Vidyo.io：这是Vidyo最特别的商品，面向全国开发者提供核心技术支持如SDK开发包，以便第三方二次开发并部署到其他应用或终端商品上。

伏笔揭晓，2016年4月，跪求小学生手下留情的钉钉便宣布与Vidyo建立深度合作，成为钉钉嵌入式高画质解像度和点击入会的宗乡卡合作伙伴，即向钉钉开放SDK。小米手机也是Vidyo的使用者。

（作者：Vidyo、bloggeek.me）

然而细心看前面的融资历史，你们可能已经发现了，在成立十四年后，Vidyo依然逃不过被全面收购的命运。并且按照被全面收购的对价和之前的融资金额，肯定又是一次跟Polycom相近的贱卖。

Polycom和Vidyo，同样拥有核心核心技术却最终黯淡退场的另一面到底是什么原因？让我先把核心技术发展史讲完。

随着2006年SVC核心技术和分散式构架的出现，同年Amazon推出了举世瞩目的AWS（Amazon云服务），将交换机机能搬到用户端并取代高成本的本地部署，是自然而然的事情了。

Webex在刚开始推出的并并非完整的多方宗乡卡计划，而是Webinar（互联网讲座）。主要形式为一种主持人主讲并可以共享屏幕，其他参与者之间几乎无互动，也是基本没有新闻媒体流的数据传输。

在2007年被Cisco全面收购后，Webex也推出了云宗乡卡计划。但由于商品线之间的竞争，而高端电子设备一直是Cisco的主要利润作者，因此多数时候Webex只能成为现代遥控全体会议控制系统的云补充。

在服务了千家企业后，一位Webex的资深工程师发现没有一家使用者对Webex的商品满意，而新东家也无心投入到一种新计划的开发上。于是在2011年，这位工程师带着四十五位来自原Webex团队的兄弟，成立了一家新子公司，叫SaaSbee，用他的原话说，

既然Cisco不肯做，这是最好的时机由我来解决。

一年后SaaSbee改名为视频会议，再之后的故事就被大家熟知了。

回顾历史的多次重演，让我主要就对过去由兴转衰的子公司展开了反思。

为什么Polycom会衰落？

我认为有两个层面：

核心技术层面，简单把MCU电子设备应用软件化或搬上云，本质上并没有改变虚拟化互联网构架，因而难以解决酒桶负面效应难题。

这不仅对于Polycom，还包括Cisco、华为在内的现代计划供应商而言，都是巨大的挑战。而Cisco之所以仍能保持竞争力，是由多方面因素支撑的。

主要就，遥控全体会议业务收入占Cisco整体营收不到10%，不构成重要影响；其次，在金融和政府等领域各业务线间能共享使用者和渠道资源；最终，Webex在被全面收购后，尽管沦为云补充，但仍能凭借Cisco的品牌和服务在中小企业抢夺一定份额，对视频会议形成压制。

反过来看，在一些专业领域或特殊场合，如这次的G20会谈，同步性和音解像度依然是使用者的首选，而并非价格。这时候虚拟化互联网构架是基础，而在这些消费市场里Cisco和Polycom仍占据重要位置，只是后者已然失去了前年的风光。

商业性层面，既然在核心技术上没有革命性改变，就难以从商业性角度服务长尾使用者，也就决定了商品的PMF（Product-market fit，商品/消费市场契合点）是失败的。

Polycom在后期尝试透过与谷歌等应用软件供应商合作，向中小企业售卖一套软硬组合计划。很显然，这跟视频会议等SaaS供应商相比，没有任何吸引力。

展开一下，前年投资者看到SaaS鼻祖Salesforce的价值，本质在于以年付费的订阅模式给企业创造了一笔省心省力的递延收入（Deferred revenue），大大提高了前年收入的确定性。

而SaaS进入以视频会议和Slack为首的自助（Self-serve）时代，在更灵活的收费模式下，留存和增购成为了更核心的指标，根本原因来自个人应用软件的互联网负面效应以及员工对企业IT采购的影响力提升。

因此，必须先确定你的使用者和他们的痛点，再去定义商品。至于以什么形式来提供，是由时代背景和许多相同因素所决定的。

更关键的是，与生俱来面对危机，现代企业有没有革自己命的决心？

第一种教训：找到你的加扎消费市场。加扎消费市场指的是在较大的消费市场中具有相近需求的一小群使用者及占有的消费市场空间，例如Amazon刚开始自由选择的图书消费市场。Vidyo一开始并非没有聚焦，但自由选择的是与现代供应商相近的金融和医疗消费市场，主打对多种高画质和普通终端商品电子设备的兼容性。

这是一种高风险的策略，因为对于大型使用者而言，最终自由选择一种供应商另一面的因素非常复杂，而价格绝对并非首选，安全可靠、口碑和服务都排在前面，那么对于孵化器子公司而言，顶级的核心技术或许能带你入门，却不一定能带你上道。

其次，以API、SDK等形式做核心技术支持而不提供端到端解决计划，对于核心技术型孵化器子公司而言，需要非常慎重，很可能是一种讨巧却难以形成足够壁垒的战术失败。这里的确有例外，有机会我再详细讨论。

最终，仓促上线的多商品线又导致在竞争上腹背受敌，只能靠不断融资续命。

第二个教训：自由选择最优的商业性模式。作嫁衣裳的商品思路我向来认为需要十分谨慎。这件事情并非不能做，如果你是Google，前年自由应用软件实时通讯项目WebRTC（我常用的QQ、Skype等面对面收发都采用了那个核心技术），意在让更多开发者能够直接在浏览器中创建截图或语音聊天，免费的另一面依旧带着强烈的商业性目的。

尤其对于拥有创新核心技术的应用软件子公司而言，与生俱来的商业性价值仍在于能否解决使用者的一揽子难题。这让我想到了SaaS模式对于自由应用软件商业性化的意义，重要的并并非第一种S（Software，应用软件），而是第二个S（Service，服务）。

如果你还在犹豫甚至尝试同时发力多条商品线，那不妨先思考第一种难题：如何先打透加扎消费市场。

总之，如果Polycom的衰落是在PMF出现了偏差，那么Vidyo则是太执着于Technology-product fit（核心技术与商品匹配），而完全忽略了商业性的本质和战略。

要导出视频会议的未来，不妨先了解它所面对的危机。

在近期Citizen Lab和华盛顿邮报相继爆出商品存在重要安全可靠漏洞后，视频会议官方承认了在应对近几周流量激增的时候，网络平台错误地让两个在中国的计算中心接受了在非中国区的收发（Accept calls），作为互联网拥堵时的备选。CEO袁征随后解释道：

在正常情况下，视频会议的使用者端会优先向附近的首级计算中心发送请求，如果因为互联网拥挤导致多次请求失败，使用者端会再相连接两个二级计算中心。在任何情况下，视频会议的使用者端都只会与本地区内合适的计算中心展开相连接。

然而事实并并非这样，视频会议确实犯了一种错误。

但是，当我回看式子三（宗乡卡2.0 = 各类电子设备 + 交换机 + 公共互联网），便会发现这几件事：

向计算中心数据传输的只是全体会议基本讯息，不包含使用者的截图等敏感讯息。上云只是将方向和与会者讯息上传到用户端服务器或IDC（计算中心）上展开处置，与生俱来的新闻媒体流仍在公网上展开点对点数据传输，再由终端商品电子设备展开编音频器。

众所周知，公网环境和云服务器通常是不受视频会议管控的。当然这并不能说明视频会议没有责任提醒使用者并做相关保护性措施；

视频会议所面对的安全可靠性难题实际上是无可避免的，要做到外界期望的端到端身份验证是一次关于核心技术、投入回报和舆论的博弈。

根据视频会议在4月1号官方博客上的解释，目前做法是对每段数据传输的内容展开身份验证，而密钥管理工作在用户端，因此引发了外界对相关风险敞口的推测。

而给出的解决计划是使用者可以自由选择将密钥管理工作部署在本地，这确实是当下相对合理的办法，但多余的成本自然由使用者买单。

所以说到底，这另一面是经济账。就像袁征说的那样，视频会议从一开始就并非为个人通讯设计的，而是用于团队遥控全体会议与协同。个人通讯应用WhatsApp就使用的是端到端身份验证，但只能最多支持四方截图聊天。

但是，视频会议却在网站和营销材料上宣称商品使用了端到端身份验证，所以第二个争议点就落在了诚信难题上。那个难题可大可小，放在中概股连续爆雷的当下，难免会挑动更多人的神经。

在我看来，与生俱来的解决计划并非不断添加补丁，而是从商品线源头推出全新解决计划。其实在上市前后，视频会议就祭出了两大杀手锏：

面向全国大型企业和政府的视频会议 Meeting：透过一种相连接器（Connector）将Cisco、Polycom等现代电子设备整合进视频会议网络平台，与其他使用视频会议使用者端的使用者打通，因此相连接器的机能包含了导出并整合相同串行、身份验证等机能；

面向全国现代交换机业务的视频会议 Phone：将电话号码全体会议控制系统整合进统一通讯（Unified communication）业务中，主要是为那些想要在难以截图的情况下用电话号码接入的使用者设计。你可以从最近的财报电话号码会上听出袁征对统一通讯业务的期望。

这宣告了视频会议全面进军整个中间件遥控全体会议消费市场。

杀回新东家Cisco的大本营，不再局限于宗乡卡。毕竟在那个金融和政府使用者收入贡献占近一半的消费市场，视频会议要持续仰攻并不容易。

再回看Vidyo，两家子公司的核心技术路线和商品看似殊途同归，但结局却大相径庭，实在让人唏嘘。

最终，对视频会议而言接下来要解决的远不止安全可靠难题。

仍然拿这次G20全体会议举例，在如此高规格的场合下，除了极高的安全可靠和保密性外，音解像度和稳定性依旧是关键。

核心技术上主要包括：能否适配相同类型的高画质截图电子设备，以及能稳定地支撑多少方的网真级别全体会议，毕竟川建国的任何一种微表情都可能被其他国家元首所津津乐道。

其次，从商业性角度，Polycom前年在中国的成功靠的是慷慨与代理商一起分蛋糕的销售体系。而视频会议的核心商品本身非常标准且价格透明，留给代理商的肉并不多。

这也是新一代自助模式下SaaS供应商的困境，我会看到视频会议在财报中一直强调收入贡献超过10万美金使用者的数量和比例。

因此，Meeting和Phone系列便试图透过对现代电子设备的向前兼容，留给集成商一块蛋糕。包括后来的App Marketplace（应用商店）也是寄希望让子公司从全体会议管理工作网络平台升级为一种协同办公网络平台，然而生态建立的实际效果仍需要时间来验证。

在3月30号面对福布斯的专访，袁征说如果未来不能把视频会议打造成全世界最安全可靠的网络平台，那么他愿意把视频会议自由应用软件，与其他人一起尝试。

我认为这绝不只是出于公关和安抚舆论的目的。在近三个月收获了1.9亿使用者后，视频会议的确被迫进入了一种完全相同的赛场（Different game），所幸Vidyo的前车之鉴及庞大的使用者基础都可以成为袁征在做战略自由选择时的底气。

不过，中间件使用者的需求总是复杂的，而安全可靠性是相对的。有时候开后门反而是一种安全可靠措施，你们细品。