由于工作，我每年要坐50次飛機，參加各種語音和視頻會議。我的腦海里不斷浮現一個問題——為什么所有會議平臺都這么難用？我們都能用 AI 讓已去世的人出現在 4K+杜比環繞立體聲的視頻中了，但開會時屏幕上我同事的臉仍然是讓人抓狂的延遲像素，卡到不同步的那種。另外，好像大家都不會共享屏幕。我只能看到人的畫面。

去年，我辭掉了一家跨國技術公司的好工作，想要努力解決這個問題。之前我也這樣做過，但我很快發現這次的問題比我預期的要難得多。之后新冠疫情爆發，現在每個人都在問我同樣的問題——為什么這些會議平臺都那么雞肋？

本文會深度解析這一問題。我認為關鍵在于找到價值堆棧、視頻會議這一小零散市場的動態的痛點。這可能是這么多年來我看到的最大商機之一。

大量分析

關于視頻會議問題已經有很多調查了，比如音頻問題、視頻和語音之間的同步問題、圖像質量差、延遲、回聲問題，其他人聽不到你的聲音，你無法打斷他們等等。

之后產生了很多有關為什么用戶體驗差的生理學研究，原因有很多，比如缺乏目光注視矯正，屏幕上的視頻窗口太多以至于超出了人們注視的能力范圍，那為什么沒有像谷歌和微軟這樣的科技巨頭，或者Zoom這樣客戶導向型的年輕公司來解決這些問題呢？

問題核心

如果你用過專門的商業軟件或服務（例如公司自制的HR或假期預訂系統）或地方政府服務用的小型網站，你就能明白上述問題了。這些服務使用感都很差，漏洞百出，不能按照預期正常運行。這是因為沒有足夠大的用戶基礎來證明投資能創造出更好的產品。要知道，用純熟的UX構建可靠、穩定的服務是需要大量投資的。

在疫情爆發前，全球視頻會議市值僅為38.5億美元。這個數字并不算大。硬件和軟件/服務之間的分配比例約為1:1。其中，公司會議僅占市場的四分之一，其他行業（如教育、醫療保健、政府和國防）占據了剩下的市場。如果你不看好公司會議的前景，可以看看其他行業。它們的表現更加差勁，所以如果你要做這一行，基于總市值，將其除以2，再除以4，那么你現在的身家就是數億美元。

當然，市場是分散的，每個公司都會分到一杯羹。坦率地說，當你達到上述收入水平時，構建新服務的投資回報率就不高了。

如果你研究下這些服務背后的團隊，你會發現很大一部分運營成本都來自組織銷售、客戶增長和留存。編程團隊的資源嚴重不足，負擔過重。這些團隊都努力工作，但他們沒有足夠的資源來實現你基于AI的所有信令處理需求，以及針對不同的用例發展和定制UX。

這讓我想到視頻會議市場的另一個特點——對可靠性要求極高。如果你在會議中啟用了現在很火的的虛擬背景（隱藏用戶真實背景，可以使用戶看起來像在沙灘上的一種功能），但若因為你同事膚色較深，該功能沒有識別到他的臉，他就會被虛擬背景遮蓋，消失在畫面中。這是很可能會發生的情況，也是為何在正式會議中大家不會使用該功能的原因。

為了達到企業的高質量要求，該功能必須適用于所有突發情況，這才能打破大眾的偏見。但要做到這一點仍需大量投資，而這樣就進一步降低了投資回報率（ROI）。這就是音視頻會議工具不好用的主要原因。改進這些工具并非人力所不能及，僅僅是因為公司們認為不值得在這上面投資而已。畢竟世上最好的工程師們都停止開發deepfake了，他們沒時間去做了。