大多数人都知道，统一通信（UC）正在普及，并在企业中推动视频采用。但是，在企业内部和企业之间传输视频流量往往受到技术不兼容性的阻碍。增加移动性和带来自己的设备（BYOD）的需求，情况变得更加复杂。必须发生的一件事是，“视频互通和转码”需要与视频采用一致。
当我研究这种需求时，我将首先回顾一下我们从采用IP语音（VoIP）中学到的几个关键课程：
- 历史上VoIP互通和代码转换是由高度专业化的硬件在低规模执行的。向上扩大通常意味着具有相似密度的更多硬件。虽然创新导致密度增加，但并没有改变专用硬件的使用
- 随着VoIP进入虚拟，云部署，使用CPU进行音频转码，无法证明它将以合理的成本点进行真正的扩展。需要一个新的模型来有效和高效地提供VoIP互通和转码
- 这个新模式要求使用GPU。如先前的博客（云中的媒体转码 - GPU性能评估）所讨论的，我们已经展示了如何使用更少的硬件，更少的功耗和更少的机架空间来缩放音频转码。
我看到一个类似的视频转码演进路径，其中使用GPU能够实现高效的缩放，从而实现显着的性能与成本效益。
从我们的实验室测试中，下表1显示了使用双插槽20核CPU解决方案* vs NVIDIA的（4）卡M60解决方案的H.264 < - > H.264视频转码的一些比较数字。
表1.使用CPU和GPU进行视频转码的比较会话次数
从表1可以看出，GPU的使用根据转码类型提高了5x-12x的性能，估计为5倍的增量成本。基于转码类型或规模要求，GPU的使用与CPU相当或更具吸引力。
但这里是最好的部分。在通用GPU解决方案中处理音频和视频转码时，可以实现总体性能和引人注目的密度。为了看这个，我们将CPU配置升到双插槽36核心解决方案*，用于视频和音频转码。
从表2开始，您只能看到AMR-WB < - > G.711音频转码的比较。
表2.使用CPU与GPU进行音频转码的比较会话次数
使用GPU，我们看到可以处理的音频会话数量几乎增加了6倍，估计成本增加了4倍。这清楚地表明GPU对音频转码的规模和性能增加了实质价值。
表3显示了将视频和音频转码在一起的总体结果。
表3.使用CPU与GPU进行视频和音频转码的比较会话次数
如表3所示，当在CPU上进行组合转码时，音频转码部分下降50％，而使用GPU时，该减少仅为约6％。在四个代码转换场景中的三个中，使用通用GPU投资可以实现音频和视频转码的10倍以上的性能提升。通过这样的结果，GPU显然是为安全的互通和转码提供规模和性能的正确答案。
作为一家专注于实时通信安全互通和转码的公司，在过去的20年中，我知道我们的理想位置是使GPU能够提供更优化的客户体验，并确保音频和视频互动和转码，在我们客户的虚拟云网络中。
