为什么现在的视频会议体验这么烂？（一）

由于工作，我每年要坐50次飞机，参加各种语音和视频会议。我的脑海里不断浮现一个问题——为什么所有会议平台都这么难用？我们都能用 AI 让已去世的人出现在 4K+杜比环绕立体声的视频中了，但开会时屏幕上我同事的脸仍然是让人抓狂的延迟像素，卡到不同步的那种。另外，好像大家都不会共享屏幕。我只能看到人的画面。

去年，我辞掉了一家跨国技术公司的好工作，想要努力解决这个问题。之前我也这样做过，但我很快发现这次的问题比我预期的要难得多。之后新冠疫情爆发，现在每个人都在问我同样的问题——为什么这些会议平台都那么鸡肋？

本文会深度解析这一问题。我认为关键在于找到价值堆栈、视频会议这一小零散市场的动态的痛点。这可能是这么多年来我看到的最大商机之一。

大量分析

关于视频会议问题已经有很多调查了，比如音频问题、视频和语音之间的同步问题、图像质量差、延迟、回声问题，其他人听不到你的声音，你无法打断他们等等。

之后产生了很多有关为什么用户体验差的生理学研究，原因有很多，比如缺乏目光注视矫正，屏幕上的视频窗口太多以至于超出了人们注视的能力范围，那为什么没有像谷歌和微软这样的科技巨头，或者Zoom这样客户导向型的年轻公司来解决这些问题呢？

问题核心

如果你用过专门的商业软件或服务（例如公司自制的HR或假期预订系统）或地方政府服务用的小型网站，你就能明白上述问题了。这些服务使用感都很差，漏洞百出，不能按照预期正常运行。这是因为没有足够大的用户基础来证明投资能创造出更好的产品。要知道，用纯熟的UX构建可靠、稳定的服务是需要大量投资的。

在疫情爆发前，全球视频会议市值仅为38.5亿美元。这个数字并不算大。硬件和软件/服务之间的分配比例约为1:1。其中，公司会议仅占市场的四分之一，其他行业（如教育、医疗保健、政府和国防）占据了剩下的市场。如果你不看好公司会议的前景，可以看看其他行业。它们的表现更加差劲，所以如果你要做这一行，基于总市值，将其除以2，再除以4，那么你现在的身家就是数亿美元。

当然，市场是分散的，每个公司都会分到一杯羹。坦率地说，当你达到上述收入水平时，构建新服务的投资回报率就不高了。

如果你研究下这些服务背后的团队，你会发现很大一部分运营成本都来自组织销售、客户增长和留存。编程团队的资源严重不足，负担过重。这些团队都努力工作，但他们没有足够的资源来实现你基于AI的所有信令处理需求，以及针对不同的用例发展和定制UX。

这让我想到视频会议市场的另一个特点——对可靠性要求极高。如果你在会议中启用了现在很火的的虚拟背景（隐藏用户真实背景，可以使用户看起来像在沙滩上的一种功能），但若因为你同事肤色较深，该功能没有识别到他的脸，他就会被虚拟背景遮盖，消失在画面中。这是很可能会发生的情况，也是为何在正式会议中大家不会使用该功能的原因。

为了达到企业的高质量要求，该功能必须适用于所有突发情况，这才能打破大众的偏见。但要做到这一点仍需大量投资，而这样就进一步降低了投资回报率（ROI）。这就是音视频会议工具不好用的主要原因。改进这些工具并非人力所不能及，仅仅是因为公司们认为不值得在这上面投资而已。毕竟世上最好的工程师们都停止开发deepfake了，他们没时间去做了。