這期是技術加情懷了。極少數人基於熱情和對卓越的執念，構建了數十億人每天依賴但普通人從不知曉的基礎設施。
Lex Fridman播客第496期，2026年5月7日發布。嘉賓Jean-Baptiste Kempf（以下簡稱JB）是VLC媒體播放器的核心開發者、VideoLAN基金會主席；Kieran Kunhya是FFmpeg長期貢獻者、編解碼器工程師、Open Broadcast Systems創始人，同時運營著Twitter/X上那個以辛辣風格聞名的FFmpeg官方賬號。這是一期近四小時的長對話，Lex全程戴著VLC標誌性的橙色交通錐帽。
FFmpeg估計承載了全球超過90%的影片處理流程，從YouTube到Netflix到Chrome到你手機上的任何影片應用，底層大概率跑的是FFmpeg的代碼。VLC的累計下載量超過65億次。兩個項目的核心維護團隊加起來不到20人，全部是志願者。
JB目前同時在創辦Kyber，一家專注超低延遲實時控制的開源SDK公司，面向機器人遙操作、無人機和雲遊戲；Kieran的Open Broadcast Systems則為BBC World Service等廣播機構提供專業級編碼解碼設備，2026年4月剛在NAB展上發布了新的合作夥伴關係。這期播客比較值得看的地方在於，它把影片技術的全棧細節、開源社區的治理哲學和工程師的個人選擇等不同方向的東西，在一期節目中呈現了出來，而且講得相當透徹。
每天有數十億人按下播放鍵看影片，沒有人想過背後發生了什麼。JB和Kieran在播客里花了不少時間一層一層拆解這個過程。
第一步是從一個地址獲取字節流，可能是HTTP鏈接、本地文件路徑或者DVD路徑。第二步叫解復用，簡單說就是把一個影片文件拆開，因為一個影片文件里其實打包了好幾條獨立的數據流，影片畫面是一條，聲音是一條，字幕可能又是一條，解復用就是把它們各自分離出來。常見的打包格式包括MP4、MKV、AVI這些。第三步是探測每一幀用的是哪種編解碼器，判斷能不能交給GPU做硬體加速解碼。Kieran提到一個大多數人不知道的數字：大約45%的文件沒法用GPU解碼，必須回退到純軟體解碼。
軟體解碼的流程大致是這樣的：先做熵解碼，把數學壓縮層去掉。所謂熵解碼，就是影片在壓縮時會用一些數學編碼方式（比如霍夫曼編碼）把數據變得更短，解碼時要先把這一層還原回來。然後做幀內預測，也就是利用同一幀畫面里已經解碼出來的相鄰像素來推算當前像素。推算肯定有誤差，這個誤差叫殘差信號，它被存在頻率域裡，所謂頻率域就是把圖像從"一個個像素點"變換成"一組組頻率分量"的數學表示方式，這樣處理起來效率更高。解碼器需要把殘差從頻率域變換回正常的像素域，再疊加到預測結果上，才能得到最終的圖像。最後把原始圖像數據交給顯卡顯示，音頻數據交給聲卡播放。
Kieran在這段講完後說了一句話："我們剛才每說的一句話，都是某個人一輩子的工作量。每句話背後都有成千上萬的人在研究，有專門的書在講。"
影片壓縮和ZIP完全不同。ZIP是無損的，數據進去、原樣出來。影片壓縮是有損的，壓縮率通常在100到1000倍之間。說白了就是在扔資訊，問題是怎麼扔才能讓人看不出來。
JB解釋了一個核心設計決策：影片處理不在大家熟悉的RGB色彩空間上工作，而是轉換到一個叫YUV的空間，把亮度和色彩分開儲存。原因是人眼裡的視錐細胞和視杆細胞分工不同，人對亮度變化遠比對色彩變化敏感。一個常見的壓縮技巧就是直接降低色彩通道的解析度，光這一步就能把數據量減半，但大多數人完全看不出來。
在這之上還有一系列數學操作：把圖像切成小塊，把每個小塊從像素表示變換到頻率表示（類似傅里葉變換的思路），然後對不重要的頻率分量做量化，也就是降低精度甚至直接丟掉。每一代編解碼器都在這些環節上做更精細的搜索和優化，所以每代編解碼器在同等畫質下大約能再省30%頻寬，但編碼需要的算力增長一到兩個數量級。
影片流由三種幀組成。I幀是完整幀，相當於一張獨立的JPEG圖片，打開就能看。P幀是預測幀，它不存完整畫面，只記錄和前一幀的差異，所以必須先有I幀才能解碼P幀。B幀是雙向預測幀，它可以同時依賴過去和未來的幀。這就意味著一件反直覺的事情：編碼器發出幀的順序和觀眾看到的播放順序不一樣，解碼器必須先等到後面的參考幀到了才能回頭解碼B幀。JB說他剛入行時B幀的邏輯讓他最為震撼。還有一種叫intra refresh的技術，整個影片流只在開頭髮一個I幀，之後永遠不再發完整幀，而是漸進式地刷新畫面不同區域。這種做法對超低延遲傳輸特別有用，JB創辦的Kyber就用了這個技術。
從2000年代開始，主流編解碼器還有一項嚴格要求叫bit exactness，意思是：不管誰寫的解碼器實現，對同一個壓縮文件必須輸出完全一模一樣的結果，一個比特都不能差。Kieran說1990年代的MPEG-2沒有這個要求，這在業內被認為是影片行業犯過的最大錯誤之一。
MP4是容器格式，H.264是編解碼器。容器是一個打包用的殼，裡面可以放不同編碼方式的影片和音頻。但連行業自己都在製造混亂。H.264的正式名稱是MPEG-4 Part 10，因為MPEG-4本身是一個包含好幾種編解碼器的元規範。JB說行業里同時有ISO和ITU兩個標準組織共同制定規範，一個是私營機構，一個屬於聯合國，所以同一個東西有兩個名字：H.264也叫AVC，H.265也叫HEVC，H.266也叫VVC。這種命名上的混亂，很大程度上就是行業自身的歷史包袱造成的。
VLC和FFmpeg在解析文件時會直接忽略文件擴展名。 它們會深入分析文件實際內容來判斷格式，因為現實世界裡太多文件的擴展名和實際內容對不上。JB說這恰恰是VLC比其他播放器強的地方：大多數播放器試了一種格式不對就直接報錯退出，VLC會繼續嘗試其他可能性。
這種容錯能力來自VLC的基因。VLC最初是法國一個大學校園網影片流項目的客戶端，走的是UDP協議。UDP傳輸不保證數據完整到達，丟包是常態，所以從第一天起VLC就被設計成不信任輸入數據。這個思路從一開始就貫穿了整個架構，後來變成了一種文化。當年盜版內容下載到一半時AVI格式的元數據還沒下完，其他播放器直接崩潰，VLC會嘗試解析殘缺文件繼續播放。這讓它迅速在用戶中建立了"什麼都能打開"的口碑。
VLC的故事要從1990年代法國一群想打電子遊戲的大學生說起。
法國頂尖工程學院Ecole Centrale Paris有一個特殊的地方：校園由校友非營利組織管理，一切由學生自治，從電台到超市到宿舍分配全是學生自己搞。1990年代中期Doom和Duke Nukem流行，學生們想要更快的網路。大學說校園不歸我們管，你們自己解決。他們找到法國Bouygues集團的CIO，對方建議用衛星天線接收電視信號，把解碼後的影片數據直接在校園的ATM高速網路上做組播，也就是一路信號同時發給所有終端。這個叫Network 2000的項目demo只有40秒，45秒後就崩潰。但demo是40秒，所以沒問題。
一年後兩個學生想到，也許其他人也想在局域網上看影片，於是創建了VideoLAN項目。客戶端部分後來成了VLC。項目在2001年開源，但過程並不順利，大學想把學生寫的MPEG-2解碼器當智慧財產權賣掉，學生們花了三年才說服學校同意開源。
JB在2003年進入這所大學時加入了項目，後來創建了VideoLAN非營利組織，把項目從大學獨立出來。2005年項目幾乎死掉，只剩兩個活躍開發者。 JB硬是堅持做了下去，從幾十萬用戶做到幾百萬，再到今天全球數十億台設備。
但JB反覆強調他不是VLC的"創造者"。他說VLC是從VideoLAN項目里一步步長出來的，不是誰從頭設計的。
2000年代的軟體生態和今天完全不同。下載一個免費軟體被偷偷安裝工具欄、被修改默認瀏覽器、被植入惡意軟體是家常便飯。來找JB的全是這類灰色公司，開價從幾千美元到數千萬美元不等。
JB說如果Netflix當年來談在VLC里集成Netflix播放入口，故事可能不一樣。但來的都是灰色廣告公司。他拒絕的理由乾脆：這樣做不道德，他晚上睡不著覺。如果接受了，三年後項目就會死掉，有人會分叉代碼重新開始，而他會背叛所有其他貢獻者的勞動。
最後一次報價的金額他用了"obscene"這個詞來形容，意思是大到不體面的程度。對方甚至用了心理戰術："想想你拿了這筆錢可以建設新的開源項目。" JB說不行，這不對。
Reddit上有一個經典的meme帖子，把JB畫成一個巫師形象，配文說他拒絕了數千萬美元讓VLC保持免費。JB本人在帖子下回復了一句"good morning"，拿到了兩萬四千個贊。
VLC完全離線運行，不和任何伺服器通信，沒有遙測功能，不收集任何用戶行為數據。JB說他們根本不知道用戶在用VLC做什麼。曾經有駐阿富汗的美軍反映VLC的RTSP流媒體播放功能出了問題，影響軍營士氣，因為士兵們晚上靠看電影打發時間。JB給他們單獨出了一個修復版本。
JB用了一個巧克力蛋糕的類比來解釋開源：普通軟體是你去麵包店買蛋糕，只給你成品。開源是給你蛋糕、給你配方、教你怎麼造烤箱，還允許你修改配方轉賣給別人。
開源許可證分兩大類。寬鬆型如MIT和BSD，基本就是拿去用，想怎麼改怎麼改。另一類叫Copyleft，也就是"著佐權"，代表性的有GPL和LGPL，核心要求是你如果修改了代碼再發布，必須也用同樣的許可證開放出來，等於強制回饋社區。FFmpeg和VLC主要用GPL/LGPL。JB強調許可證是社區唯一的共識："社區在其他事情上幾乎什麼都達不成一致，唯一達成共識的就是許可證。"
JB曾經把VLC核心引擎libVLC從GPL改成了限制更少的LGPL，目的是讓第三方應用可以集成VLC引擎，比如遊戲裡播放影片時不用把整個遊戲代碼都開源。為此他必須聯繫超過350位歷史貢獻者獲得同意。有些人只留了一個郵箱地址，他不得不通過各種方式追蹤，甚至親自跑到工作單位去找人。
其中一位貢獻者已經去世，寫代碼的是他的兒子。JB不得不向一個工廠工人父親解釋開源許可證的含義，請他簽署授權變更文件。"我們在談論的是人的生命。"JB說他當時幾乎流淚了。那個父親對開源一無所知，也不理解兒子寫的那幾行代碼為什麼重要，但他簽了。
"你的代碼好不好？這是我們唯一關心的。我們不在乎你是誰。也許你是一條狗，我不在乎。" JB這段話概括了FFmpeg和VLC社區的核心文化。有人提交補丁被拒絕後說自己是某大公司的工程師，回答是：我們不在乎。
VLC核心團隊5到8人，FFmpeg核心團隊10到15人。歷史上大約有2000到3000人給FFmpeg貢獻過代碼，但留下來的只有1%。這意味著核心團隊最終要維護所有人寫的代碼，所以標準必須極高。JB說："你的代碼可能是好的，但我們需要卓越。因為我們只有幾個人維護對整個世界至關重要的東西。"
Lex問到Linus Torvalds以嚴厲著稱的代碼審查風格。JB說Linus的語氣在開源社區中也算特殊，但有背景：他罵的通常是已經認識多年的子系統維護者，不是隨便對陌生人發火。而且很多開源社區的溝通聽上去比較沖，原因更簡單：大多數貢獻者的母語不是英語。一個芬蘭人或法國人用英文寫的郵件，可能聽起來比他本意粗魯得多。
志願者下了一天班回到家，可能很累，可能有情緒，但仍然在關心這些開源項目。他們不一定有精力手把手解釋每一個細節。Kieran說這需要被理解："FFmpeg幾乎完全由志願者開發，這句話不是客套，是字面意義上的事實。"
FFmpeg社區里最厲害的兩類人是寫匯編的和做逆向工程的。
逆向工程一個專有編解碼器的流程大致是這樣的：先在影片會議軟體或遊戲的安裝包中找到負責解壓縮的那個模組，用反匯編工具打開它（反匯編就是把機器碼翻譯回匯編指令，讓人能勉強讀懂），找到能接入的位置，讓這個模組單獨運行來解碼樣本文件，把它輸出的原始圖像數據導出來作為對比基準。然後在反匯編結果中憑直覺和經驗去找，DCT變換在哪裡（DCT是一種把圖像從像素形式變換到頻率形式的標準數學操作），熵編碼在哪裡，幀內預測在哪裡。很長一段時間你什麼都看不到，因為整條鏈路全對了才能輸出圖像。你可能在錯誤的方向上花了幾周才發現搞錯了。
一般來說，逆向一個1MB的二進制文件大約需要一個月。FFmpeg社區有一位傳奇人物叫Costa，烏克蘭人，住在德國，他逆向工程的二進制文件達到20到30MB級別。JB為GoToMeeting編解碼器的支持懸賞後，Costa在兩個月內就搞定了。他事後說得輕描淡寫："我看了這段代碼，這裡像是我在WMV里見過的DCT。"他寫的代碼里還藏了不少和JB開玩笑的彩蛋。
Kieran自己也做過逆向工程。他在逆向Cineform編解碼器時碰巧找到一個大量使用平坦色塊的動畫樣本，這讓他能跳過複雜的編碼工具先跑通基礎流程，再一點一點往上加。
這類工作放長遠看是有實際意義的。今天GoToMeeting已經沒什麼人知道了，但那些會議錄像文件還在。如果只有一個Windows 32位的專有解碼器能打開它們，那些錄像在Android、iPad或RISC-V架構上就永遠丟了。
x264是H.264影片標準的開源編碼器實現，是VideoLAN旗下的項目。簡單說，編解碼器標準規定了影片數據的格式和規則，編碼器是把原始影片按這套規則壓縮的具體軟體。x264的統治力可以這樣概括：你在電腦或伺服器上生成過的H.264編碼MP4文件，大概率就是x264編的。
x264之前，影片編碼行業20年來一直用一個叫PSNR的數學指標來衡量編碼質量。PSNR的計算方式是把原始圖像和壓縮後的圖像逐像素對比，算均方誤差再取對數。數字越高代表數學上越接近原圖。問題在於，要把PSNR分數刷高，最有效的策略是給畫面所有地方均勻加一點微小誤差，結果就是畫面整體變糊，細節全丟了，但數學分數漂亮。
x264的核心開發者Lauren Merritt做了一件當時算是離經叛道的事：引入了psycho-visual rate distortion，翻譯過來就是"視覺心理學導向的率失真優化"，用人眼感知模型來指導編碼器的決策，而不是盲目追求數學指標。同時引入自適應量化，意思是編碼器會根據畫面內容動態調整比特分配，把更多比特給視覺上重要的區域，從草地和樹葉等高頻紋理上節省比特。Lauren堅持一個原則："我不想在三萬美元的專業顯示器上測試，我要在普通人的筆記本上看起來好。"
推動這件事的最早動力來自社區中的動漫愛好者。在Crunchyroll這類正版平台出現之前，很多動漫內容沒有商業渠道，愛好者們自己從日本DVD上提取、編碼、製作字幕。動漫畫面有大量平滑漸變和特殊紋理，傳統編碼器處理不好這些東西，會出現嚴重的色帶效應。x264針對這些問題做了專門優化。
瑞典電視台製作的Park Joy測試序列後來成了編碼器能力的終極試金石，裡面有水面反光、樹葉搖動、人物運動等高難度內容。用傳統PSNR指標得分高的編碼器在這個序列上畫面慘不忍睹。Warner Brothers的工程師Chris Henderson冒著職業風險在公司內部推動用這個免費開源編碼器製作藍光碟片，結果畫質遠超商業方案。JB的一個朋友就是負責製作經典電影Cinema Paradiso藍光版的工程師，用的就是x264。
dav1d是VideoLAN旗下的AV1解碼器項目。AV1由Alliance for Open Media制定，成員包括Google、Netflix、Amazon、Apple、Mozilla和VideoLAN，是一種免專利費的影片編解碼標準。當AV1發布時很多人說這種格式太複雜，必須靠硬體解碼才行。JB和團隊用極端的軟體優化證明了相反的結論：用一到兩個CPU核心就能流暢解碼720p的AV1影片。
FFmpeg為所有編解碼器寫的匯編代碼總量大約10萬行。dav1d一個項目就有24萬行手寫匯編。代碼組成比例：79.9%匯編，19.6% C，0.5%其他。
FFmpeg中使用的匯編有一個特定風格叫SIMD，全稱"單指令多數據"。普通的計算是一條指令處理一個數據，比如給一個數加5。SIMD可以一條指令同時對16個甚至更多不同的數做加法。影片本質上是一個像素網格，天然適合這種並行處理。FFmpeg的做法是不用任何抽象層，直接用裸匯編指令操控CPU的寄存器（寄存器是CPU內部最快的儲存單元，比內存快幾個數量級）。Kieran展示過一個函數，手寫匯編比C語言實現快62倍。
Kieran每次在Twitter上發布這類對比數據都會引來一波爭論。反對者說現代編譯器的自動向量化已經夠好了，手寫匯編沒必要。Andrej Karpathy看到這些推文後專門去學了匯編。Kieran說差距根本不是5%或10%的問題，是好幾倍。編譯器自動生成的代碼和人手寫的匯編之間，目前還是兩個量級。
dav1d的優化還走得更遠：它在內部創建了自己的函數調用約定。正常情況下，一個函數調用另一個函數時，作業系統規定了一套標準流程來保存和傳遞數據，叫做調用約定。dav1d因為知道自己是在庫內部調用，就跳過了標準流程，省掉了往CPU緩存里存取寄存器數據的開銷（CPU緩存分L1和L2兩級，越靠近核心越快，但每次讀寫都要花時間）。而且這種優化在每一個晶片架構上都要重做一遍：Intel/AMD的x86架構有AVX-512和AVX指令集，ARM架構有Neon和SVE指令集，還有RISC-V架構，全部手寫。程序運行時先檢測當前CPU支持哪些指令集，然後自動切到對應的最優代碼路徑。
JB提到兩個在匯編領域登峰造極的人。Henrik Gramner對Intel x86匯編的理解深到什麼程度呢，Intel自己的工程師被問到某些指令的細節時會說"你們有Henrik，他比我們更清楚"。Martin Storsjö專攻ARM架構，據說他會在操場上看孩子玩耍時掏出手機，用虛擬鍵盤直接寫匯編代碼。
Kieran開發了一套asm-lessons教學，從FFmpeg實際場景出發教匯編，前置知識只需要高中數學和C語言的指針概念。Daniel Kang在高中時就為FFmpeg寫了大量匯編代碼，Ruka Peng在16歲時提交了首批FFmpeg貢獻，直接修復了安全問題。Kieran說大語言模型目前還寫不好這類匯編，試過讓它改代碼並保證結果完全一致，它做不到，還會反覆犯同樣的錯誤。根本原因是訓練數據里這類代碼太少。
JB和Kieran對Rust的看法有分歧但結論一致。JB在自己創辦的Kyber里大量使用Rust，承認它在內存安全方面確實優於C++，從零開始寫新項目時表現出色。Kieran的說法更直白，他說Rust有一種"世界語氛圍"，理想主義先行，但到了實際落地的時候差一口氣。
兩人的共識是：用Rust重寫現有項目，幾乎永遠是個錯誤決策。JB引用了一條編程界的老規律——讀代碼比寫代碼難一個數量級。 你拿到別人的代碼讀不懂，第一反應是"我重寫一遍"。重寫前80%很快，到90%費點勁，最後那10%的邊緣情況能花掉99%的時間。
更要命的一個矛盾是：即使把dav1d或x264的C代碼全部用Rust重寫來增強安全性，一旦進入手寫匯編部分，匯編指令可以跳轉到內存中的任意地址，Rust的整個內存安全模型就被擊穿了。JB提出的替代方案是做"安全匯編"，在編譯階段檢查匯編代碼的內存跳轉行為，把安全檢查放在匯編層面解決，而不是換掉上層語言。
2011年FFmpeg社區因為項目治理和領導風格的分歧發生了分裂，一部分開發者另立了一個叫libav的項目。JB說這種分叉在開源世界裡是正常現象，GCC編譯器也經歷過類似的EGCS分裂，最後合併回來反而讓GCC變得更好。
因為開源許可證的存在，分叉後雙方的代碼可以互相吸收。幾年後libav的大部分開發成果被合併回了FFmpeg，FFmpeg獲得了一個功能超集。主要的Linux發行版和開發者逐步回歸FFmpeg。JB認為這次分裂最終是有益的，它迫使社區解決了之前懸而未決的代碼審查流程和治理規則問題。
FFmpeg有一套叫FATE的自動化測試環境，全稱FFmpeg Automated Testing Environment。這套系統要確保FFmpeg在各種作業系統、編譯器和晶片架構的組合下都能正確工作。測試機器全部由志願者提供和維護，覆蓋的組合數量非常誇張：不同版本的macOS、iOS、tvOS、Windows、Linux，用GCC、Clang、Visual Studio、Intel編譯器分別編譯，在x86、ARM、PowerPC、RISC-V等架構上分別測試。每次代碼提交後系統自動跑全部測試用例，涵蓋所有編解碼器、所有濾鏡變換。
VLC在向後兼容上也做到了極端的程度。當前版本還能在Windows XP上運行，也能在最新的Windows 11上運行。macOS從10.7到最新版全部支持。iOS從iOS 9一直到iOS 26。最誇張的是VLC還支持OS/2作業系統，JB說全世界可能就10個人還在用OS/2，其中有一個在維護VLC的OS/2版本。為了在iOS 9上編譯，他們需要把不同版本的蘋果Xcode開發工具和SDK拼成一個弗蘭肯斯坦式的混合版本，因為蘋果早就不支持iOS 9了。JB說有人給他發消息說"謝謝你，我還在用iPad 2看電影，VLC在iOS 9上還能跑"，這種反饋是他們堅持向後兼容的理由。這也意味著不用強迫用戶買新設備，只要軟體優化到位，舊硬體照樣能用。
6000億美元市值的公司在一個全由志願者維護的公共bug追蹤器上標註"高優先級"，這件事確實發生了。
Google用AI掃描FFmpeg代碼發現安全漏洞，按行業標準90天期限通知修復，但沒有考慮到志願者驅動開發的節奏。其中一個漏洞出現在1990年代一款遊戲的冷門編解碼器上，被標記為高危。AI生成的報告又長又囉嗦，對志願者來說是額外的工作負擔。更讓社區不滿的是，Google在漏洞修復之前就跑去媒體上宣傳自家AI的安全分析能力。
Kieran打了一個比方：這就像有人用專業工具去撬你家門鎖，然後告訴你"你的鎖不安全，你得自己想辦法"，但他們完全有資源幫你換鎖。
微軟Teams團隊的一位經理在FFmpeg的公共bug追蹤器上直接寫"這對Microsoft Teams來說是高優先級"。FFmpeg禮貌地提出簽支持合同，微軟回覆說可以一次性付幾千美元。Kieran說這些公司根本沒搞清楚狀況，把開源項目當成了簽過服務級別協議的付費供應商。
JB說VLC可能是Windows上使用量排名前十的軟體，但他不在微軟的獨立軟體供應商合作計劃里，沒有任何對口聯繫人，而Adobe和Spotify都有。有時候在社交媒體上公開施壓是小團隊能動用的唯一有效武器。VLC在Android Play Store上有一個bug導致超過一年無法更新，近1億用戶受影響，唯一讓Google有人回應的辦法是發了一條措辭激烈的推文說要停止分發Android版VLC。
這些爭論最終產生了正面結果。Google開始提交修復補丁，也開始為修復安全問題提供獎勵。FFmpeg的捐款有了實質性增長。Kieran說這些推文達到了目的：讓更多人認識到FFmpeg的重要性，認識到這些項目背後是真實的、有限的、會疲倦的人。
那張著名的meme圖說的就是這個事情：現代數字基礎設施畫成一個巨大的積木塔，最底下有一個特別小的方塊，上面寫著"一個內布拉斯加州隨機維護的開源項目"，整座塔就靠它撐著。
XZ事件是近年來最典型的案例：一個人獨自維護一個被無數系統依賴的壓縮庫，被兩個攻擊者用持續的深夜問題轟炸逼到崩潰，最後把代碼提交權限交給了攻擊者。curl的維護者Daniel Stenberg把AI生成的低質量bug報告稱為"AI slop"，認為這正在加速維護者的倦怠。
JB收到過死亡威脅。2009或2010年，當他決定不再為VLC維護PowerPC埠時，有人寄來一封信，裡面裝著白色粉末，信上寫著他應該去死。他母親嚇壞了，報了警。粉末當然不是炭疽，但對當時20多歲的JB來說是很大的打擊。他現在說那次經歷反而鍛煉了他，讓他後來能承受各種壓力。
Lex問他怎麼保持心理平衡。JB說他有一個思維習慣：碰到什麼事情都先想最壞的結果。"最終我會死嗎？不會。那就沒關係。" 公司破產？公司有生有死，正常的。律師來信？VideoLAN的法律費用一年不到一萬美元。他還說了一句挺有意思的話：後悔是對大腦的一種稅，犯了錯就學習，但不要後悔，除非你有時光機。
JB總結了三層驅動力。
第一層是興趣。很多人因為愛看動漫進入社區，JB自己因為愛看電影。當有人問他應該參與什麼開源項目時，他的回答永遠一樣：做你喜歡的事情。
第二層是成長。在JB看來，FFmpeg社區是世界上最好的編程學校。你的代碼會被最資深的程序員逐行審查，你得理解CPU架構、內存層級、IO機制這些底層的東西。Zig編程語言的創始人Andrew Kelly就是從FFmpeg社區出來的。而且在FFmpeg里寫代碼有一個硬約束：你必須在16毫秒內顯示一幀畫面，沒有遊戲引擎那種"跳一幀等一等"的餘地，錯過一幀會連帶破壞後續所有幀的解碼。
第三層是成就感。JB舉了個例子：你在諮詢公司寫發票下載門戶，你沒法跟奶奶解釋這有什麼意義。但你說"我讓你的筆記本能播放影片"，她聽得懂。你寫的代碼在幾億人的設備上運行，這種成就感是實打實的。Tim Sweeney（Epic Games創始人）在Twitter上評價JB時說過一句話："世界上很多事情之所以發生，是因為有一個了不起的人決定去做它。VLC就是這種情況。"
John Collinson說過的一句話也被JB在播客中引用："世界是激情項目的博物館。"在軟體世界裡，這種激情項目可以通過網路效應放大到遠超個體之和的規模。你不需要建築許可證，不需要找場地，你只需要一台電腦，加上對一個問題較真的勁兒。
多媒體領域是僅次於移動通信的專利密集區。H.264時代的專利授權由MPEG LA統一管理，費用還可以接受。但到了HEVC這一代，各方為了把自己的專利塞進標準規範，把很多實際用途極低的技術也寫進去了。結果授權方從一家變成了MPEG LA加HEVC Advance再加若干獨立持有者，費用可能達到每年數億美元。JB提到HP在幾個月前決定從Windows筆記本中去掉HEVC支持，原因就是專利費不斷漲。
對YouTube和Netflix來說，每年可能要付數億美元的專利授權費。Google、Meta、Netflix做了一個簡單的計算：與其付這個錢，不如自己造一個免費編解碼器。這就是Alliance for Open Media和AV1誕生的直接原因。AV1和正在制定中的AV2標準在制定過程中就做專利排查，而MPEG體系中專利問題被明確排除在標準討論之外，屬於"我們不管，你們自己去談許可"。
VLC設在法國，JB說法國不承認軟體專利。他算過，如果要為VLC支付所有涉及的專利許可費，每個用戶得付超過200歐元。
AV2比AV1再省約30%頻寬。JB在2026年CES上做了VLC運行AV2的首個公開演示。下一代dav1d解碼器叫dav2d，名字是一個遞歸縮寫，也就是名字包含自身：dav1d is an AV1 decoder。"d"在法語裡是"2"的發音。
JB創辦的Kyber追求4毫秒的端到端影片延遲，相當於240Hz刷新率。目標應用場景是需要實時反饋的所有東西：機器人遙操作、無人機控制、遠程手術、雲遊戲。
Kyber只用一條QUIC連接完成所有通信。QUIC是一種比較新的傳輸協議，基於UDP，在設計上就是為了低延遲。在同一條連接上同時傳輸影片、音頻和控制信號，並且維持多路流之間的時鐘同步。時鐘同步這件事特別重要：一個機器人可能有五個攝影機加一堆傳感器，如果各路數據流的時鐘有漂移，你拿這些數據去訓練AI模型，每次重訓結果都不一樣。
目前Kyber在Windows到Windows之間達到了7毫秒端到端延遲，其中Nvidia硬體編碼器就占了3.5毫秒，Intel解碼器占2毫秒。JB在CES展示了一輛全3D列印的漫遊車，從法國遠程控制。他們還在做3D列印的固定翼無人機和帆船。
Kyber是開源的，採用AGPL加商業雙許可模式。小團隊和愛好者可以免費使用，但必須開源自己的產品。大公司想閉源使用就要付商業許可費。JB說他看到的未來是數百萬台機器人和無人機需要被遠程觀測和控制。即使將來汽車做到了全自動駕駛，出了問題時也需要有人接管，而那個人可能在地球另一端。
JB給多媒體下了一個比通常理解更寬的定義："多路時間同步的人類感官數據流。"按這個定義，只要是有時間軸的、面向人類感官的數據，都算多媒體。VLC已經有了VR/XR版本，有實驗性的觸覺反饋haptic插件來支持4D影院的液壓座椅運動數據，有空間音頻模組。未來如果有氣味傳感器和氣味擴散器被標準化，它會進入FFmpeg。如果腦機接口產生了神經數據編解碼標準，FFmpeg也會支持。JB開玩笑說可以做"左鼻子右鼻子立體聲嗅覺"。
Kieran特別提到了檔案保存社區。紐約城市大學的Dave Rice牽頭的這個社區資助開發了一個無損編解碼器叫FFV1，設計目標是在磁帶儲存中即使丟了一個比特也能快速恢復，不會因此丟掉一大段畫面。這個社區把工作流程開源後教給預算有限的國家，在印度教孩子們用FFmpeg命令處理歷史影像。
Kieran說C語言會像拉丁語一樣存在下去：一千年後人們仍然能學習它、使用它。 FFmpeg用C寫成，是最接近數學表達的編程語言之一，本身就是數字時代的羅塞塔石碑。它已經在火星上運行了，NASA的Mars 2020漫遊車用FFmpeg來壓縮照片傳回地球。
Lex在播客結尾引用了Linus Torvalds的話："大多數優秀的程序員寫程序，既不是因為期望被付錢，也不是因為期望被公眾讚賞，而是因為編程本身是有樂趣的。" 在FFmpeg和VLC的故事裡，這種樂趣，加上一群人對代碼質量近乎偏執的堅持，創造了一個數十億人每天在用卻從來不知道的基礎設施。
Q1：FFmpeg和VLC為什麼能存活20多年且沒有真正的競爭對手？FFmpeg形成了一種贏家通吃的效應：每多支持一個編解碼器，整個庫的價值就增加一分，因為用戶只需要一個工具就能處理所有格式。這種網路效應加上完全開源和極致的性能優化，讓個人用戶和萬億美元公司站在了同一個技術棧上。Kieran用了一個對比：瀏覽器領域還有Firefox、Chrome和幾個日本引擎在競爭，但多媒體領域FFmpeg基本上已經贏得了全部。VLC靠"不信任輸入"的設計哲學和拒絕商業妥協建立了用戶信任，在2000年代其他播放器捆綁惡意軟體的環境中脫穎而出。
Q2：為什麼手寫匯編在2026年仍然重要？硬體性能不再像過去那樣自動翻倍，但影片解析度從標清到4K HDR數據量增長了幾十倍，AI推理對算力的需求還在指數增長。dav1d的案例說明，在關鍵路徑上手寫匯編比C快10到62倍，編譯器的自動向量化彌合不了這個差距。全球約30億台設備需要解碼AV1影片，每條指令省下的時鐘周期乘以這個規模，就是巨大的能源和成本節省。JB認為隨著AI推理走向實時化，這種底層優化的思路會越來越重要。
Q3：大公司應該怎樣和開源社區打交道？別把公共bug追蹤器當成企業工單系統。如果你依賴某個開源項目，簽支持合同、僱傭或資助核心維護者、提交修復補丁，這些都是正道，光提交問題報告不算貢獻。Google在FFmpeg安全報告爭議之後開始提交補丁和提供修復獎勵，說明公開討論可以推動改變。但根本問題還在：全球數字基礎設施的關鍵組件由極少數不拿工資的人在維護，這個結構性風險需要整個行業正視。
