2021年1月，WebRTC成爲了官方標準，對於這個2011年由谷歌發佈的開源項目來說，它是一個重要里程碑。
WebRTC 的目的是實現不同瀏覽器和各種設備之間的實時媒體通信，如語音、視頻和數據的傳輸。在新冠疫情期間，WebRTC連接了整個世界，它的作用變得越來越重要。
Justin Uberti（照片由本人提供）
爲了幫助大家更深入地瞭解WebRTC和它的幕後故事，我們通過郵件採訪了它的創造者之一——Justin Uberti（Justin曾任谷歌WebRTC團隊工程負責人，目前爲Clubhouse流媒體技術負責人）。在本篇訪談中，Justin講述了他是如何加入WebRTC項目的，他和團隊所面臨的挑戰，他從這個項目中所獲得的靈感以及他對WebRTC的未來期望。
今年，Justin離開了工作15年的谷歌並加入音頻社交媒體平臺Clubhouse。Justin在採訪中告訴了我們他離開的原因，並表示他現在已經完全適應了新工作，而且非常喜歡現在所做的事。
除了WebRTC和工作變化，Justin還分享了他對數學和計算機的熱愛，他還有些話想告訴年輕時候的自己：學會欣賞日積月累的工作所帶來的價值。
以下是LiveVideoStack和Justin Uberti之間的對話內容。
LiveVideoStack：你好，Justin! 歡迎你參加我們的訪談。讓我們從頭開始，當你還是個小男孩時，你的夢想是什麼? 那個時候你有想過成爲一名軟件工程師嗎？你擁有怎樣的童年？
Justin Uberti: 我的父母都是當地一所大學的教授，雖然他們對計算機並不精通，但他們的鼓勵是我對科技產生興趣的重要原因。
在我大約6歲的時候，我父親爲家裏購置了一臺德州儀器（Texas Instruments）家用電腦。可以說，我就是從這個時候開始對計算機產生了濃厚的興趣。幾年以後，我開始玩起了藝電公司（Electronic Arts）最初發布的遊戲，這些遊戲很有意思，加深了我對計算機的興趣。早年的藝電不遺餘力地將他們的開發者打造成“搖滾明星”，好吧，這似乎正是我夢想成爲的樣子。我現在還保留着一張我在9歲或10歲時寫下的“職業目標”表格，我當時所寫的就是“我想成爲一名軟件開發人員”。
LiveVideoStack：在你小時候，數學是否在你的生活中就扮演了很重要的角色？計算機呢？
Justin Uberti: 儘管我對計算機很感興趣，但它只能算是我的一種愛好。那個時候，雖然數學俱樂部和數學夏令營等數學相關的組織和活動很多，但我還是把主要精力放在學校學業和數學競賽上，比如Mathcounts（美國初中數學競賽）和AIME（美國高中數學邀請賽）。一路走來，我得出的結論是，數學將會成爲我的長期職業賽道。
LiveVideoStack: 在弗吉尼亞大學，你本科學的是數學物理，畢業以後卻成爲了一名軟件工程師，是什麼促使你踏入科技公司的? 你有想過繼續攻讀研究生或博士嗎？
Justin Uberti:
在弗吉尼亞大學的最後一年（1995年），我去見當時的物理系主任，想了解畢業後的一些潛在機會。他打開了網上的瀏覽器下拉出來給我看，這是我有生以來第一次接觸到網絡，我立刻就被吸引住了。我花了很多時間研究網絡是如何運行的，並且開始自學C++，這樣我就能夠真正使用這門新興的技術了。同時我開始逐漸意識到，計算機領域的機會要遠遠多於數學領域。
不管怎樣，我還是被紐約大學錄取併成爲了一名數學博士。但是隨着我的興趣轉向新興的技術，以及個人所遭遇的生活變故（我的父親在我大學畢業時離世），我很快就決定從紐約大學退學，進入我一心向往的科技世界。
LiveVideoStack: 現在回顧過往，你有什麼話想要對還在大學讀書的自己說嗎？
Justin Uberti:
我總是喜歡反思，所以這裏我有很多話想告訴過去的自己。其中最想說的是：學會欣賞日積月累的工作所帶來的價值。我過去曾觀察在這個領域的傑出人士，並常常想如何做才能獲得與他們一樣的成就。但事實是，這些我敬仰的人只是爲自己設定了一個目標，並每天不斷朝着這個目標努力。隨着時間的推移，這種每天努力工作的積累最後真的會獲得非凡的成就。
還有，我會告訴自己要學會如何正確打字，我在工作以後很久才學會這件事！
LiveVideoStack: 你是如何開始WebRTC開發工作的？你在WebRTC團隊中擔任什麼樣的角色？
Justin Uberti:
從04年發佈AIM視頻聊天軟件開始（1997~2006年，Justin任職於AOL並擔任首席架構師），到領導Gmail視頻通話和Google Hangouts視頻技術的發展，多年來我一直對語音和視頻通信很感興趣。我清楚地認識到這項技術的複雜性以及它的開發難度，所以創建一個讓更多應用可以使用視頻技術的開放平臺，這項充滿前景的工作非常吸引我。
在谷歌，根據我之前開發基於瀏覽器的RTC應用（比如Google Hangouts）的工作經驗，我對WebRTC在瀏覽器上的呈現形式做了一些初步調查。最終我成爲了WebRTC團隊的工程負責人和經理，並開始了和產品經理 Serge Lachapelle的緊密合作。在開發WebRTC期間，我做過很多工作，包括撰寫標準文檔、協調開發人員工作、開發示例代碼、創建WebRTC堆棧組件等。
LiveVideoStack: 整個開發過程中最難的部分是哪裏？你是如何解決的？
Justin Uberti:
有兩件事對我來說非常有挑戰：
第一、整個WebRTC項目的規模和複雜度。WebRTC本身就有接近1000個API和100多萬行代碼，以及實現了100多個IETF RFC。我們從一開始就知道這將會是一項艱鉅的任務，但誰也沒有想到會花了近10年時間才全面實現它。
第二、在一個開放、基於共識的工作環境中，各方參與者都有他們自己的利益和動機，也使得項目更加複雜。我很高興看到最後所取得的成果，但一開始我在這方面缺乏經驗，不得不努力想清楚如何解決一些重要問題，比如 WebRTC 應該使用哪些視頻編解碼器。在這個過程中，我們團隊的Harald Alvestrand提供了非常關鍵的支持。
LiveVideoStack: WebRTC對你來說有什麼樣的意義？對於它，你還有什麼遺憾嗎？
Justin Uberti:
我認爲它對每個從最開始就加入WebRTC開發的人來說都非常有意義。我們真的實現了構建一個高性能、靈活、開放和安全的RTC平臺的願望！緊接着，在新冠疫情期間， WebRTC極大地促進了人們之間的相互聯繫，這也使得它真正發展起來。在線通信已經成爲許多行業新的工作方式，並且有大量新興創業公司也在用 RTC 做有趣的事情，我對未來充滿期待。每個參與WebRTC項目的人都會爲此感到驕傲！
至於遺憾，就不多說了。在開發WebRTC的過程中，肯定有很多因爲最初的錯誤決策而不得不回頭重做的工作，這對於WebRTC的早期使用者來說非常不友好。而且有些工作依然過於複雜，不過每個項目都會遇到這些問題。
LiveVideoStack: 你希望在WebRTC下一版本中加入哪些性能？
Justin Uberti:
既然我已經離開谷歌，我對WebRTC未來規劃的見解也不似從前。但是我知道，有相當多的開發活動一直圍繞着Insertable Streams、新的Capture Handle提案、以及新的data channel實現。我也非常期待看到Cryptex（一種新的RTP元數據安全機制）的實現。
LiveVideoStack: 有些人說QUIC是WebRTC的未來，你認爲呢？使用QUIC傳輸數據時，WebRTC將會遇到哪些挑戰？
Justin Uberti:
我認爲QUIC將會對WebRTC的未來產生重要影響，之所以這樣說，是因爲目前仍然很難創建WebRTC服務器。基於HTTP的應用程序已經有了很棒的基礎設施，但是創建WebRTC服務器卻要從零開始。能夠通過QUIC來傳輸WebRTC流量意味着設置cloud WebRTC端點並向其傳輸數據會變得容易得多。不必繼續爲 WebRTC 開發一套完全獨立的傳輸協議（和支持庫）也是一件好事。
但是，要在QUIC上傳輸WebRTC，當中的細節纔是難點。
WebRTC 和 QUIC 中不同的擁塞控制算法如何協同工作？
我們是否應該在QUIC中傳輸 RTP 還是將其
映射到原生QUIC概念？
QUIC是主要用在C2S？
還是應該考慮用在P2P？
有很多事情都需要搞清楚。
LiveVideoStack: 基於WebTransport/WebCodecs/WebAssembly 的技術已經具備實現一個RTC引擎的能力，而且Zoom已經這麼做了。如何看待這些新技術與WebRTC的競爭？短期內，WebTransport 會替代WebRTC datachannel嗎？
Justin Uberti:
在我看來，這些技術對於那些想要交付更可控體驗的人來說非常重要。通過WASM，你最終能夠拿到大部分用於原生應用的自定義RTC堆棧，並將代碼部署到瀏覽器上。或者將它們放在你的自定義編解碼器中。但是這些堆棧將仍是構建在WebRTC之上，所以我認爲WASM更多是對WebRTC的一種擴展，而不是與之競爭。
WebTransport是一個有趣的協議，它是一個更簡單的網絡堆棧，適用於需要非可靠傳輸（並且不需要任何其他 WebRTC 機制）的客戶端-服務器應用程序。我一直非常支持這項工作，並認爲谷歌的 Victor Vasiliev一直以來做得很棒！
LiveVideoStack: 今年，谷歌推出了兩款 AI 音頻編解碼器——Lyra 和 SoundStream。如你所見，這些 AI 編解碼器是否有可能加入WebRTC？
Justin Uberti:
我當然希望如此，但是就上文提到的觀點，我認爲將編解碼器與WebRTC 解耦會非常有利於雙方的創新。
總的來說，我堅信人工智能是壓縮技術的未來。而關鍵問題是，AI編解碼器什麼時候能夠替代現在的核心編解碼器？我和很多編解碼器專家聊過這個問題，他們大部分人都認爲我們需要新一代AI編解碼器。
LiveVideoStack: 15年的谷歌工作生涯中，你肯定遇到過很多了不起的人物，哪位對你的啓發最大？你從他們身上學到的最重要的事是什麼？
Justin Uberti:
有兩個人對我影響很大。一個是Linus Upson，他當時是Chrome的主管領導，正是他批准了WebRTC項目。他曾幫助我思考如何爲項目找到前進的方向，並鼓勵團隊成員戰勝那些看似不可能解決的技術難題。
Eric Rescorla
是第二個對我影響最大的人。在WebRTC項目期間，我和他密切合作過，當時我們分別擔任Chrome和Firefox的工程負責人。Eric非常關注WebRTC的魯棒安全，並竭盡所能實現這一目標，其中包括在我們團隊（Chrome）的代碼庫中提交了好幾個重要的補丁。這種全棧式的、不計得失的工作態度深深打動了我。
LiveVideoStack: 在谷歌所做的所有工作中，哪部分是你最滿意的？
Justin Uberti:
我總是能在攻克技術難題並帶給用戶真正價值的過程中獲得樂趣。WebRTC絕對是我最滿意的作品，但是我還想提一下通過Web應用將Stadia Gameplay移植到iOS上這件事，這在當時很有風險，但最終還是成功解決，這樣人們就可以在iPad上玩Cyberpunk 2077（一款由CD Projekt RED開發的動作角色類遊戲）了。
LiveVideoStack: 你爲什麼會離開谷歌加入Clubhouse?是對音頻特別感興趣嗎？你現在已經完全適應新工作了嗎？
Justin Uberti:
在谷歌規模還很小的時候，我就加入了。我非常喜歡當時那種毫無拘束的氛圍。所以我也在尋找類似的快速發展的環境，以及一個可以不斷探索的全新應用領域。Clubhouse和社交音頻實現了我的願望，而且我真的很喜歡他們的團隊。
我花了很多時間來研究音頻和視頻，但是在谷歌，我們把精力主要放在視頻上，因爲這個領域有很多事情要做：HD、多用戶、屏幕共享、VP8、VP9和AV1等。但那個時候我覺得音頻實際上被忽視了，其實音頻領域有很多有趣的新方向可以探索，比如我們在Clubhouse推出的空間音頻（Spatial audio）體驗。是的，我想說的是，我已經完全適應了Clubhouse的工作，並準備投入到更多有趣的事情中去。
LiveVideoStack: 據你觀察，Clubhouse和谷歌這兩家公司最主要的不同是什麼？
Justin Uberti:
令我驚訝的是，我在谷歌時所使用的幾乎所有內部工具（從搜索到Bug追蹤再到招聘工具）都在外面以SaaS產品出現。由於規模效應，這些第三方工具很多時候比谷歌的同類工具還要好用。
大多數差異都是創業公司和大公司的典型差異，我就不在這裏贅述了。但是，能夠全身心地投入到單一產品和任務中，這種感覺很棒。我認爲這也有利於人們獲得更多成就感。
LiveVideoStack: 作爲Clubhouse的流媒體技術負責人，你在招人的時候會看重哪些品質？教育背景、經驗和快速學習能力，哪一個最重要？
Justin Uberti:
在很多情況下，這些品質往往是高度相關的：一個學東西很快的人通常有很強的教育背景和之前的工作經驗。但強大的學習能力是我最看重的——新一代的人才必將在未來成爲領導力量。我們在開發WebRTC時期招聘到了好幾個厲害的人，但當時他們都沒有經驗。
LiveVideoStack: 最近Clubhouse宣佈啓用空間音頻，你在用戶對空間音頻體驗的反饋中有什麼發現？Clubhouse將會有哪些創新？
Justin Uberti:
看起來人們真的很喜歡音頻空間體驗。下面是來自推特用戶的使用反饋：
@Clubhouse 上的空間音頻實現得非常好，以至於需要一點時間來適應。今天晚上散步時，我轉過身三次，想看看是誰的聲音，最後才發現聲音來自應用。
這是我今天在車裏用藍牙聽@Clubhouse 時的樣子，這個新的音頻空間功能太棒了！
關於下一步的動作，我無法透露太多細節，但是我想說的是Clubhouse的創新充滿潛力，非常值得期待。
LiveVideoStack: 你認爲目前實時通信技術最大的限制是什麼？有什麼解決方案嗎？
Justin Uberti:
我們現在仍處於WebRTC/在線會議 1.0階段。它現在得以實現，並且還很可靠，這本身就是一項巨大的成就。但在某些方面它依然還很不自然，我們現在還無法做到超越面對面交談。
我想每個人都遇到過的一個痛點就是“靜音按鈕”。這個按鈕很好理解，但是如果有人忘記靜音的話，整個視頻過程就會很吵。而在面對面聊天時就不會出現這種問題。
我相信這些問題都會得以解決，只是需要時間。也許還需要能夠深入理解共享媒體的技術不斷髮展。
LiveVideoStack: 隨着 Facebook 加入元宇宙，你認爲未來 5 到 10 年中實現元宇宙體驗的核心技術是什麼？
Justin Uberti:
也許我現在所說有些爲時過早，但是在我看來，元宇宙的大部分交互應該是實時交互。畢竟，真實世界是由實時交互組成的連續流。所以過去幾年來我們研究的很多東西（WebRTC、QUIC、音頻空間、視頻（或點雲）、低延遲以及媒體處理和理解等）都與元宇宙非常相關。
LiveVideoStack: 你現在對哪些技術比較感興趣？
Justin Uberti:
其實很多你已經提到了！在Clubhouse，我的工作方向主要在空間音頻和多聲道音頻，還有實時語音識別和轉錄。同時這些年我一直在思考如何將WebRTC和QUIC結合起來。
我對AI也超級感興趣（它可以幫助我更好地理解AI生成媒體）。新的網絡和加密技術也是我的興趣所在。
LiveVideoStack: 最後一個重要問題，如果你有一個機會和一位計算機科學家或者數學家對話，你最想和誰對話？你想和他談論什麼？
Justin Uberti:
非常有趣的問題！如果這個人還在世的話，我希望是香農。作爲數學家和工程師，他的工作幾乎支撐了現在的整個互聯網。我會向他提問：有哪些創新是他設想過，但當時沒有技術來實現的？如今的技術可能會產生哪些次級效應？
特別
感
謝許耀武
老
師對本次採訪給予的幫助和支持
。
LiveVideoStackCon 2022 音視頻技術大會 上海站，正在面向社會公開招募講師，無論你所處的公司大小，title高低，老鳥還是菜鳥，只要你的內容對技術人有幫助，其他都是次要的。歡迎通過 [email protected] 提交個人資料及議題描述，我們將會在24小時內給予反饋。
