6.4.3 专利池生态与三代规格对照(Patent Ecosystem & Comparison)
技术之外的战争
编码规格的采纳从来不只是技术投票。视频编码是 专利密集型 技术——一份规格的实现会踩中数百上千件专利,产业界通过 专利池(Patent Pool) 集中授权:厂商缴纳许可费,换来 "一次打包" 的专利使用权。三代规格的授权生态,恰好构成一条理解产业格局的暗线 [5] [11]:
- H.264:单一专利池(MPEG LA AVC),费率合理透明;2010 年起对 免费网络视频 更是宣布永久免收终端许可费。清晰稳定的授权预期,是 H.264 长盛不衰的技术外因素
- H.265:授权碎片化——MPEG LA、HEVC Advance(现 Access Advance)、Velos 三家专利池并存,叠加未入池的零散专利,总费率与条款长期不明朗。硬件厂商尚可接受(电视芯片按台计费),但对 按流量、按内容分发计费 的互联网公司而言几乎不可承受
- H.266:VVC Advance、MPEG LA VVC、Velos 再次多池并存,授权前景的不确定性在发布之初就拖慢了采纳节奏
AV1 正是这场授权困局的产物。AOMedia 的免版税承诺(成员专利相互授权、对外免费,并附带防御性条款),本质上是互联网阵营对 H.26x 授权模式的一次集体回应。此后 Sisvel 等组织虽宣称握有 AV1 相关专利并另设专利池,但截至本书写作时,AV1 的免版税地位在产业实践中总体维持。
三代规格特性对照总表
回到技术主线。把 6.2~6.4 的拆解收拢为一张全景表——这就是 6.1.3 那张 "升级清单" 的完整版 [5] [6] [10] [11]:
| 维度 | H.264/AVC(2003) | H.265/HEVC(2013) | H.266/VVC(2020) | AV1(2018) |
|---|---|---|---|---|
| 标准化组织 | JVT | JCT-VC | JVET | AOMedia |
| 块结构 | 16×16 宏块树状划分 | 64×64 CTU 四叉树 | 128×128 CTU + MTT | 128×128 超级块 + 递归划分 |
| 帧内模式 | 4×4 九模式 | 35 种 | 67 种 + MIP | 56 方向 + 非方向预测子 |
| 运动信息 | 中值预测 + MVD | Merge / AMVP | MMVD + 仿射 + BDOF/PROF | Warped Motion + 复合预测 |
| 变换 | 4×4/8×8 整数 DCT | 4~32 DCT + 4×4 DST | MTS 多核 + LFNST | 多变换核组合 |
| 量化 | 52 级 QP | 52 级 + RDOQ | 依赖量化(DQ) | 分段量化 + 量化矩阵 |
| 熵编码 | CAVLC / CABAC | CABAC | 多核 CABAC | 多符号算术编码 |
| 环路滤波 | 去块滤波 | 去块 + SAO | 去块 + SAO + ALF | 去块 + CDEF + Loop Restoration |
| 相对压缩效率 | 基准 | ≈ ×2 | ≈ ×4 | ≈ ×2~2.5 |
| 编码复杂度 | 基准 | 数倍 | 再数倍 | 数倍(dav1d 解码极快) |
| 授权模式 | 单池、清晰 | 多池、碎片化 | 多池、不明朗 | 免版税 |
| 典型场景 | 全场景存量之王 | 4K 广播、高端分发 | 8K/沉浸式(爬坡中) | 互联网流媒体 |
(压缩效率与复杂度为业界常用口径的量级估计,具体数值随内容、实现与测试条件浮动。)
编码器实现:从规格到软件
规格是纸面契约,真正干活的是编码器实现——practice_7 即将上手的两位主角就在其中:
- x264 / x265:H.264/H.265 的事实标准开源编码器,x264 以 "快而稳" 著称,x265 追求更高压缩率
- VVenC / VVdeC:Fraunhofer HHI 出品的 VVC 优化实现,把参考编码器(VTM)的学术性能拉回实用区间
- libaom / SVT-AV1 / dav1d:AV1 阵营——libaom 是参考实现,SVT-AV1(Intel/Netflix 主导)主攻编码速度,dav1d 则是快到可以软件解码 4K 的传奇解码器
有了全景表与实现版图,视频编码的故事可以暂告一段落了。但别忘了编年史里埋着的另一条线——音频编码。下一节,从心理声学出发,走完 MP3、AAC 到 Opus 的进化之路。