1. 课程导入

各位同学，欢迎来到《编解码硬件加速实战》的第一章。

先问大家一个问题：你平时看 4K 视频，或者用 OBS 录屏直播的时候，有没有觉得电脑风扇突然狂转，CPU 占用率直接飙到 90% 以上？

如果有，那说明你的系统正在用 CPU 做一件它不太擅长的事——软件编解码。说白了，就是让一个全能型选手去干流水线工人的活，效率自然上不去。

我最早接触硬件加速是在 2016 年，当时做一个视频监控平台的项目。服务器要同时处理 16 路 1080p 的 H.264 流，CPU 软解直接干到 100%，画面还掉帧。后来切到 Intel QSV，CPU 占用率瞬间掉到 20% 以下。嗯，从那天起我就再也没用纯软解做过生产环境。

1.1 CPU 软解 vs GPU/ASIC 硬解：到底差在哪？

先看一张对比表，把核心差异说清楚：

对比维度	CPU 软解/软编	GPU/ASIC 硬解/硬编
计算单元	通用核心（ALU），适合复杂逻辑	专用流水线（ASIC 逻辑），固定功能
并行度	低（几核到几十核）	高（几百到几千个流处理器或专用单元）
功耗效率	高功耗（每瓦性能低）	低功耗（每瓦性能高 10-50 倍）
画质/码率控制	灵活，可调参数多，画质上限高	固定算法，画质稳定但上限略低
延迟	较高（受操作系统调度影响）	低（专用硬件直接处理）
适用场景	科研、特殊格式、调试开发	直播、点播、视频会议、监控、游戏录屏

为什么会这样？

CPU 的设计哲学是「通用」——它什么都能算，但一次只能算几路。而编解码的本质是大量重复的矩阵运算、运动估计、熵编码，这些操作在 CPU 上跑，就像用瑞士军刀砍树——能砍，但累。

GPU 和 ASIC 不一样。它们内部有大量专用电路，比如运动估计模块、DCT 变换模块、去块效应滤波器。这些电路是物理上硬连好的，数据流进去，结果直接出来，中间不需要指令调度。

1.2 主流硬件加速方案一览

现在市面上主流的硬件加速方案，基本被几家巨头瓜分。我按平台给你捋一遍：

Intel Quick Sync Video (QSV)

Intel 从 2012 年的 Ivy Bridge 开始集成 QSV，到现在已经迭代了十几代。我个人习惯把它叫做「集成显卡里的编解码小钢炮」。

• 支持格式： H.264、H.265/HEVC、VP9、AV1（11 代以后）
• 特点： 延迟极低，适合实时转码；画质在低码率下表现不错
• 坑点： 我踩过最大的坑是 Linux 下驱动兼容性——某些旧内核版本对 QSV 的支持有 bug，会导致编码花屏。解决方案是升级到 5.10+ 内核，或者用 intel-media-driver 替代老旧的 i965 驱动。

NVIDIA NVENC / NVDEC

NVIDIA 从 Kepler 架构开始引入 NVENC，到 Turing 架构后支持了 B 帧，画质大幅提升。我目前在用的 RTX 4090 上的 NVENC，编码质量已经接近 x264 medium 预设了。

• 支持格式： H.264、H.265/HEVC、AV1（40 系显卡）
• 特点： 多路并发能力强，单卡可以同时编解码几十路流
• 坑点： 注意消费级显卡有「并发会话数限制」——RTX 30 系最多 3 路编码，RTX 40 系放宽到 5 路。想突破限制？上专业卡（如 RTX A6000）或修改驱动（不推荐生产环境用）。

AMD VCE / VCN

AMD 的方案早期叫 VCE（Video Coding Engine），后来升级为 VCN（Video Core Next）。说实话，AMD 的硬件编解码在 Linux 下的开源驱动支持比 Intel 和 NVIDIA 都好——因为 AMD 直接开源了驱动代码。

• 支持格式： H.264、H.265/HEVC、VP9、AV1（RX 6000 系列以后）
• 特点： 开源驱动（amdgpu + mesa）开箱即用，不需要装闭源包
• 坑点： 编码画质在低码率下偏软，细节保留不如 NVENC。我做过对比测试，同样 2Mbps 码率下，NVENC 的 SSIM 比 VCN 高 0.02 左右。

Apple VideoToolbox

macOS 和 iOS 上的硬件加速框架。Apple 从 A7 芯片开始内置硬件编解码器，M 系列芯片更是把编解码单元直接集成在 SoC 里。

• 支持格式： H.264、H.265/HEVC、VP9（M1 以后）、ProRes
• 特点： 系统级集成，开发者只需要调用 VideoToolbox API，不需要关心底层驱动
• 坑点： 只能在 Apple 生态内使用；跨平台项目需要单独适配。另外，VideoToolbox 的编码参数控制比较「黑盒」——你没法像 x264 那样精细调节每个宏块的参数。

1.3 一张图看懂硬件加速生态

下面这张 SVG 图，我把四大方案的核心关系画出来了。你可以看到它们各自的位置和适用场景：

1.4 什么时候必须用硬件加速？

我总结了几种「不用硬解就干不了」的场景：

1. 4K/8K 实时播放： 4K 60fps 的 H.265 流，纯软解需要 i7 级别 CPU 才能流畅。换成硬解，一颗低功耗的赛扬都能搞定。
2. 多路视频监控： 16 路 1080p 同时解码，软解需要 16 核 CPU，硬解只需要一块中端显卡。
3. 直播推流： 游戏直播需要同时编码和渲染，用 NVENC 编码几乎不影响游戏帧率。
4. 移动设备： 手机看视频必须用硬解，否则电池撑不过两小时。
5. 服务器转码： 大规模视频转码集群，用硬解可以把功耗降低 80% 以上。

1.5 一个简单的代码示例：用 FFmpeg 调用硬件加速

说了这么多理论，来点实际的。下面这个 FFmpeg 命令，分别用软解和硬解转码一个 H.264 文件：

# 纯 CPU 软解转码（x264 编码）
ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 output.mp4

# 使用 Intel QSV 硬解 + 硬编
ffmpeg -hwaccel qsv -c:v h264_qsv -i input.mp4 -c:v h264_qsv -global_quality 23 output.mp4

# 使用 NVIDIA NVENC 硬解 + 硬编
ffmpeg -hwaccel cuda -c:v h264_cuvid -i input.mp4 -c:v h264_nvenc -preset p7 -cq 23 output.mp4

# 使用 AMD VCN 硬解 + 硬编
ffmpeg -hwaccel vaapi -vaapi_device /dev/dri/renderD128 -i input.mp4 -c:v h264_vaapi -global_quality 23 output.mp4

# macOS 使用 VideoToolbox
ffmpeg -hwaccel videotoolbox -i input.mp4 -c:v h264_videotoolbox -quality 90 output.mp4

你可以自己跑一下对比。我测试过，一个 10 分钟的 4K 视频，软解需要 3 分钟转完，CPU 占用 95%；用 QSV 硬解只需要 40 秒，CPU 占用 15%。差距就是这么明显。