在视频团队做编码优化时常会遇到一个让人困惑的现象明明把压缩效率提升了码率调低了画质没有明显变化但全网的视频流量、存储成本、转码算力并没有跟着下降反而还在涨。这不是某个团队执行不到位而是一个被反复验证过的经济规律在起作用——杰文斯悖论。这篇文章会把这个概念讲透并结合视频编解码、短视频、直播、存储与 CDN 等场景展开分析帮助技术人员从成本与架构的视角重新理解视频系统的演进逻辑。1. 从杰文斯悖论说起效率提升反而带来消耗增加1.1 什么是杰文斯悖论杰文斯悖论Jevons Paradox最早由英国经济学家威廉·斯坦利·杰文斯在1865年提出。他研究煤炭消耗时发现瓦特改良蒸汽机后煤炭的使用效率大幅提升但整个英国的煤炭消耗量不仅没有下降反而急剧上升。原因是这样的效率提升降低了单位产品的资源成本使得原本不划算的生产和使用方式变得可行需求被大规模释放最终总消耗量反超了效率提升之前。放到今天的技术语境里这个悖论可以翻译成一句话单项资源的使用效率越高整体的资源消耗往往越大因为效率提升会刺激更大规模的使用。1.2 视频领域为什么会体现这个规律视频领域的资源消耗主要发生在三个层面编码与转码消耗的 CPU/GPU 算力存储视频文件所需的磁盘和对象存储容量分发视频内容所需的带宽和 CDN 流量。这三个维度恰好都符合杰文斯悖论的作用机制视频编码效率的提升让同样画质所需码率下降也就让同等带宽和存储条件下播放更高画质、更长时长、更多路数的视频成为可能。用户看到的好处是“片子更清晰了”“流量费没那么贵了”平台看到的是“业务可以做得更大了”于是大家都在往更重、更多的方向走。结果就是编码效率越高视频总量越大整体资源消耗不降反升。2. 视频编解码技术每次效率革命都没有让总量下降2.1 H.264 与 H.265/HEVC 的码率之争H.264 是过去十几年最普及的视频编码标准。在相同画质下H.265HEVC理论上可以比 H.264 节省 30% 到 50% 的码率。很多视频平台升级到 H.265 后单个视频文件的平均体积确实变小了。但问题是文件体积变小之后平台并没有保持原来的视频总量不变。原来的成本约束被打破短视频平台开始放开时长限制长视频平台开始普及 1080P 高码率直播平台开始支持更大的并发推流。以直播为例。H.265 编码可以将同样清晰度的直播码率从 3.5Mbps 压到 2Mbps 左右这在技术上是一个明显的进步。但运营团队看到带宽成本下降后往往会做两件事把 720P 默认清晰度升级为 1080P增加更多上行推流和下行播放的并发场景。结果就是单位码率下降了但并发路数变多了CDN 总出口带宽反而上涨。下面是一个简单的 H.264 与 H.265 转码对比命令# H.264 编码目标 CRF 为 23 ffmpeg -i input.mp4 -c:v libx264 -crf 23 -preset medium -c:a copy output_h264.mp4 # H.265 编码目标 CRF 为 28同等主观画质下码率通常更低 ffmpeg -i input.mp4 -c:v libx265 -crf 28 -preset medium -tag:v hvc1 -c:a copy output_h265.mp4这里 CRF 是恒定质量因子数值越大编码质量越低。需要说明的是不同编码器的 CRF 取值范围不同H.265 的 28 主观效果大致对齐 H.264 的 23但这不是严格的数学换算具体要以主观评测为准。2.2 AV1 与 VVC更激进但总量仍上涨H.265 之后视频编解码领域的下一代标准主要看两条线AV1由开放媒体联盟Alliance for Open Media推动的开源免专利费编码格式VVCH.266由 MPEG 和 ITU-T 推动的新一代标准。AV1 在相同画质下的码率可以比 H.265 再降低 20% 到 30%VVC 也有类似的压缩效率提升。但技术上的进步并没有让整个视频行业的总流量下降。比如一些平台做 AV1 转码后并没有让用户停留在 1080P而是顺势推 4K HDR 内容。一部 4K HDR 电影即便用 AV1 压缩码率也很容易达到 10Mbps 以上这比当年 1080P 的 H.264 码率高出数倍。用 FFmpeg 转 AV1 的参考命令如下# AV1 编码通过 libaom-av1 实现cpu-used 控制编码速度 ffmpeg -i input.mp4 -c:v libaom-av1 -crf 32 -cpu-used 6 -row-mt 1 -c:a copy output_av1.mp4从工程角度看AV1 的转码速度相比 H.264 慢很多CPU 和编码耗时成本更高所以很多团队只在头部热门视频上启用了 AV1 转码。这个“只处理头部内容”的策略本身也是预算受限下的一种取舍。2.3 编码效率提升与视频总量增长的关系整理一下编码效率提升和视频总量增长之间的关系编码标准相对压缩率提升平台常见动作总体效果H.264基准建立视频业务视频流量快速增长H.265比 H.264 节省 30%~50% 码率提升默认清晰度、放开时长限制单路码率下降总路数上升AV1比 H.265 再节省 20%~30% 码率推 4K HDR、增加高质量内容单位成本下降全局流量继续增长VVC比 AV1 进一步提升尚未大规模应用预计重演上述过程对于视频平台而言编码效率提升真正带来的不是“总成本下降”而是“同样成本可以做更多业务”。一旦业务规模扩大效率红利很快会被新增消耗吞掉。3. 视频领域杰文斯悖论的四大表现形式3.1 从 720P 到 8K画质升级吃掉压缩红利最直观的表现是分辨率的持续升级。在 H.264 时代1080P 被视为高清的标杆当时的宽带条件决定了大多数平台只能把 1080P 作为最高清晰度。到 H.265 普及后4K 成为中高端内容的标准清晰度8K 也开始在一些大型体育赛事和演示内容中亮相。分辨率升级带来的数据增长是指数级的4K 的水平像素是 1080P 的两倍垂直像素也是两倍总像素数是 4 倍8K 的总像素数又是 4K 的 4 倍即使编码效率大幅提升像素总量的暴增仍然会推高码率绝对值。假设某平台早期只推 1080P平均码率 5Mbps后来升级到 4K用新一代编码压到 12Mbps单路码率是原来的 2.4 倍。即便用户观看时长不变总流量也已经翻倍更何况用户还看了更多 HDR、高帧率内容。3.2 短视频与直播创作门槛降低内容供给爆炸视频创作门槛的降低是杰文斯悖论在内容量层面的体现。过去制作一条高清视频需要专业摄像机、专业剪辑软件和较高的带宽条件。现在一部手机加一个剪辑 App 就能完成拍摄、剪辑、配音、字幕全流程。编码和传输效率的提升让低成本的普通用户也能稳定上传几十 MB 甚至几百 MB 的视频文件。这种内容供给的爆炸式增长远超编码效率提升带来的“减负”。一个很典型的场景是短视频平台。为了提高用户上传成功率平台会使用高效编码来压缩用户上传的视频并转成多种清晰度。上传转码做得越高效用户上传的视频就越不容易失败创作者也就更愿意持续产出内容。结果是压缩效率越高的平台内容生产门槛越低新增内容数量越大平台总存储量和每年新增的存储成本反而增长得更快。3.3 存储与 CDN 成本下降反推业务规模扩张存储和 CDN 的价格本身并不是杰文斯悖论的决定因素但价格下降会放大悖论的效果。视频压缩效率提升最直接的影响是平均文件体积下降。文件体积下降意味着同样的存储预算可以容纳更多视频同样的带宽预算可以支撑更多播放。平台在有限的成本预算内可以做更多事于是更愿意增加视频清晰度档位延长视频保留时间开放更多创作者入驻支持更长直播回放增加多语言字幕和多种音轨。这些动作都会消耗新增的存储和带宽。从技术团队的角度看做编码优化的收益是真实存在的但它更多体现在“支撑了业务增长”而不是“降低了总成本”。3.4 用户观看时长增加带动二次消费视频流量的总量可以近似用以下公式表达总流量 用户数 × 人均观看时长 × 平均码率在杰文斯悖论的影响下这三个因子并不是独立的。更高效的编码让缓冲更少、加载更快用户更愿意完整观看长视频更低的码率让移动网络环境下也能流畅播放高清内容人均观看时长随之上升。人均观看时长上升之后平台会顺势增加插播广告、商品链接、互动弹幕等功能这些功能又会额外加载视频片段、贴片广告和互动资源带来二次流量消耗。所以靠提高编码效率来降低流量成本往往会因为用户行为的改变而失效。4. 数据视角视频流量为何只增不减4.1 网络流量构成中的视频占比在互联网流量的统计中视频一直占据绝对主导地位。多家网络调研机构的数据显示视频流量占全球 IP 流量的比例长期维持在 70% 以上部分年份甚至超过 80%。具体到移动网络短视频和直播的流量占比逐年上升。视频会议、在线教育、云游戏等实时视频类应用的普及也在持续增加低延迟视频流量的比重。这些趋势意味着视频流量的增长并不是某一个平台的选择而是整个行业的基础趋势。单个平台可以优化自己的编码技术但无法改变视频在互联网流量中的主导地位。4.2 存储成本与视频增长速度视频平台的存储系统通常采用分层策略热数据存放在性能较高的存储节点冷数据迁移到大容量低成本的存储介质更老的内容可能进入归档存储。分层存储本身就是为了应对视频总量的持续增长。如果视频总量增长是线性的存储成本还能通过冷热分层做合理控制但短视频和直播的普及让视频总量出现了近似指数级的增长冷数据也越来越多。压缩效率提升让单个视频的存储占用下降了但内容量的增长速度远快于平均文件体积的下降速度总存储用量仍然在增长。4.3 转码算力消耗的反弹视频平台通常会对上传的视频进行多种格式的转码不同分辨率360P、720P、1080P、4K不同编码格式H.264、H.265、AV1不同封装格式MP4、HLS、DASH 分段。转码算力消耗取决于转码任务的复杂度、转码时长和并发任务数。编码效率越高的格式通常转码复杂度也越高。实测中AV1 编码的耗时通常是 H.264 的 5 到 10 倍以上H.265 也比 H.264 慢 2 到 4 倍。这意味着平台为了省带宽而启用新一代编码会把成本压力转移到转码算力上如果内容总数还在增加转码任务总量只增不减转码集群的 GPU/CPU 需求可能比带宽成本更早达到瓶颈。用一句话概括编码效率提升带来的带宽节省最终会被更耗时的转码和更多的内容供给消化掉。5. 视频工程师应该如何面对杰文斯悖论杰文斯悖论不是一个“坏事”它本质上是技术效率和商业规模之间的张力。对工程师来说重要的不是消灭它而是理解它并用工程手段做出合理应对。5.1 合理选择编码参数不要盲目追求最高压缩比很多优化项目把“压缩率越高越好”当成唯一目标但在实际业务中过高的压缩比会带来两个问题编码耗时显著增加线上转码集群成本飙升高压缩比可能引入画质劣化在复杂场景下出现块效应、涂抹等问题。更合理的做法是按内容场景设置编码参数大动态体育赛事需要保留足够码率保证画面流畅人物访谈、课堂录播可以使用稍低的码率短视频 UGC 内容清晰度要求低于 PGC 内容。FFmpeg 中可以通过-crf控制质量通过-maxrate和-bufsize限制码率波动# 限制最大码率的 H.264 编码 ffmpeg -i input.mp4 -c:v libx264 -crf 23 -maxrate 4M -bufsize 8M -c:a copy output.mp45.2 通过智能编码策略平衡画质与码率现代视频平台可以采用场景自适应编码SADScene Adaptive Encoding。这种技术通过分析视频内容复杂度动态调整编码参数静止画面比较多的视频降低码率快速运动的画面提高码率人脸特写、文字屏幕共享等场景使用更精细的编码策略。结合内容分类实现差异化编码可以在不牺牲主观画质的前提下降低平均码率。省下来的带宽再投入到更多业务场景时也能对总成本有更清晰的认知。5.3 用成本模型指导技术选型技术人员不应该只看编码效率还要建立单位成本模型。简单的成本评估公式可以是单视频总成本 转码算力成本 存储成本 分发带宽成本假设一个视频有三个清晰度档位转码一次需消耗 200 CPU 分钟按云厂商单价折算为 C1转码产物平均存储 3GB存储有效期 180 天折算为 C2平均被播放 100 次每次播放 500MB 流量折算为 C3总成本 C1 C2 C3。用这种模型评估不同编码方案的性价比往往能发现有些视频用 H.265 转码省下的存储和带宽不足以抵消转码算力成本的上升。此时为所有内容统一开启 H.265 就不合理可以只对头部内容启用。5.4 建立容量评估与资源利用率监控体系面对总消耗持续增长的必然趋势视频平台要建立完整的容量评估体系记录码率、分辨率、编码格式、内容类型等维度统计每路视频的转码耗时、CPU 占用、存储占用、带宽消耗用单位成本和单位收益来衡量编码方案的优势。监控指标建议覆盖指标说明平均码率所有视频码率的均值结合各清晰度档位分布转码耗时均值反映转码集群压力存储增量每天新增视频的存储占用CDN 带宽峰值进入计费口径的带宽峰值单用户单位观看成本总成本除以总观看时长通过这些指标技术团队能更清晰地看到成本上涨是来自效率不足还是来自业务规模扩大。如果是后者那恰恰说明编码效率提升是有效的只是需要匹配足够的容量规划。6. 常见误区与思考6.1 误区压缩率越高说明技术越强压缩率高低不能离开画质来谈。极端情况下把码率压到极低也能播放但画面细节完全丢失用户无法接受。视频编码优化的目标是在主观画质可接受的前提下尽可能降低码率。评估时需要做主观画质对比而不是只看客观指标。6.2 误区新一代编码一定全面优于旧编码新一代编码通常在压缩效率上有优势但也要考虑终端解码兼容性解码功耗对移动端的影响转码耗时和成本浏览器和播放器的支持情况。很多平台选择 H.265 超过 AV1不是因为 AV1 不好而是因为 H.265 在终端的兼容面更广。技术选型从来不是单指标最优而是综合权衡。6.3 误区把技术优化等同于总成本下降这是杰文斯悖论给技术人员最重要的提醒。编码优化、压缩率提升、转码提速这些技术指标的改善最终可能转化为更高质量的内容供应、更大的用户规模、更长的观看时长而不是更低的总成本。技术优化的价值是提升了业务的成本效率让同样预算可以支撑更大规模。工程师在汇报优化成果时建议同时呈现“单位成本”和“总量成本”两组数据避免决策层产生误解。7. 总结与展望杰文斯悖论在视频领域的显现本质上是一种技术效率与需求规模之间的赛跑。视频编解码效率的每一次提升都会带来更清晰的内容、更低的上传门槛、更长的观看时长也会带来更大的存储规模、更高的转码算力和更多的带宽消耗。对于技术团队来说重要的不是试图逆转这个规律而是在理解规律的基础上做好容量规划、成本建模和技术选型。编码优化仍然要做而且要做得更精细但与此同时也要接受“总量增长”是视频业务发展的常态。下一步可以继续关注三个方向内容自适应编码的工程落地让每类视频都使用合适的码率AI 辅助编码和画质增强在低码率条件下重建更高质量的细节视频系统的成本量化分析方法让每个技术决策都有数据支撑。如果你正在负责视频系统的编码优化或成本治理不妨先把编码参数、转码耗时、存储增量、带宽峰值这几类数据收集起来建立一份属于自己的成本台账。技术效率优化通常不会直接让总成本下降但它能让你的平台支撑起更大的业务规模——这本身就是工程师创造价值的体现。