酷播亮新聞
文章摘要： 使用者點選視訊後先全速緩衝 20s 然後再以檔案位元速率進行下載所以考慮使用新一代視訊編碼標準 H.265 來提升壓縮率
本文作者將跟大家分享她在騰訊運營成本優化方面的實戰經驗，並探討精細化成本管理的價值是什麼。
我是來自騰訊 SNG 社交網路運營部，簡稱 DSNO（屌絲 NO.1）團隊的一枚大齡女屌絲。下面這張圖上半部分大家很熟悉是王思聰的第一個人生小目標。
作為一枚女屌絲為什麼會有比他還大的目標呢？每年年初我們要制定 SNG 成本優化年度目標，過去三年已經用技術手段為公司節省了超過 10 億的現金流。
產品的架構和容量也越來越健康，繼續成本優化變得十分艱難，去年我們團隊小夥伴們定目標時內心是如上圖的。
但理想還是要有的，萬一實現了呢？所以當時我們在迷茫中定下了再優化 3 億元的目標。很幸運，2017 年我們實現了這個目標，並再次獲得公司級獎勵，這是非常不容易的。
因為「成本與質量」是個平衡木，而 2017 年 SNG 產品面臨著激烈的內外競爭，要降低產品質量是根本不可能的。所以跟大家分享如何在保障質量前提下做成本優化。
先問大家一個問題：
我在身邊的同事和朋友圈兒做了同樣的調查，得到的答案差不多，大家對手機流量不怎麼在意，不喜歡轉菊花和卡頓。
我自己用的是騰訊大王卡，騰訊系的免流量，其他流量全國 1 元 800 M / 日，我身邊有個開發妹子用的阿里寶卡，1 元 / G 全國日租流量。
我領導用的全球通套餐，他自己也不記得多少錢一個月，反正流量用不完，他說他不缺流量，缺的是時間，但我總髮現他會偷偷看小視訊，一看就停不下來。
今年 3 月，政府報告提出「取消流量漫遊費，流量資費年內要下降 30% 」 。2020 年 5G 就要問世，網速是 4G 的 5-15 倍。
全國人民流量時代即將來臨，上網時長會增加，將承載更多富媒體應用快速增長。
像 QQ 相簿、朋友圈、微博、Facebook 是以圖片為載體的時代，現在將會有更多快手、抖音、直播基於原創短視訊的傳播，對比文字圖片更具有直觀性，視訊讓人更感同身受，但具有「高頻寬性」。
現在普通手機拍攝的圖片在沒有壓縮的情況下大約 2M，一段 3 分鐘的小視訊大約 20M，直接儲存或傳輸的話，不僅浪費使用者頻寬，而且容易造成菊花和卡頓。
如何在不影響質量的前提下把圖片和視訊壓縮到最小，手機耗電發熱更少、網路傳輸更快，就是提升了使用者體驗。
說了這麼多，這就是我認為成本優化十億元背後的價值，用技術手段為使用者提供低成本高質量的產品體驗。
頻寬優化實戰案例-圖片壓縮
QQ 相簿圖片壓縮
QQ 相簿業務發展較為平穩，總圖片數有上萬億張，每日新增上傳圖片幾百萬張，每日下載圖片幾百億張，外網頻寬日峰值上百 G，成本壓力一直存在。
WebP 圖片壓縮
使用者上傳的圖片一般有三種主流格式：JPEG、PNG 和 GIF 動圖，2015 年 QQ 相簿用 Google 的 WebP 格式使用者上傳的原圖進行後臺壓縮，在保障同等質量下的 WebP 圖片比原圖體積小 30%。
解析度自適應
使用者終端機型解析度存在大小不一，但一些產品是以最大解析度下發的，但中低端機型並不需要高解析度的圖片，優化為按需返回適當解析度圖，可節約 20% 的流量。
2015 年做的這 2 個優化都是在保障圖片清晰度不變的前提下，為使用者和企業節約了流量和儲存空間。
GIF 動圖壓縮
2016 年底相簿推出新功能，使用者在發表說說時可以選擇自己的照片合成 GIF 動圖，新功能導致流量增長非常迅猛，對應的外網頻寬成本上增 70%。
流量分析發現僅有 5% 下載次數的 GIF 格式圖片佔用了 20% 頻寬，剩下大部分是經過 WebP 格式壓縮過的圖片。
GIF 動圖相當於一組圖片的集合，可以把它看做一個小視訊，但 GIF 格式是一種點陣圖檔案格式，是利用顏色表索引來表示每個畫素顏色，然後標記重複出現的資料。
編碼過程對圖片顏色資料沒有損失，是一種無失真壓縮方式，相比視訊壓縮演算法壓縮率比較低，使用者自己編輯的 GIF 大小普遍在 2-4M，是普通圖片的幾十倍，佔用戶和企業的下載流量和儲存都很大。
當時用的開源 WebP 不支援 GIF 動圖壓縮，所以考慮採用其他圖片壓縮格式。
新技術選型 TPG 圖片壓縮
騰訊 SNG 音視訊實驗室基於 AVS2（國家標準核心）開發了 TPG 圖片壓縮格式。採用了視訊編碼模式，利用幀間參考，大幅減少冗餘值，提升壓縮率。
特別是在動圖上具有高壓縮率和低編解碼耗時的明顯優勢，經在 QQ 相簿驗證 TPG 可在同等質量下將 GIF 大小降低 90%，將 WebP 再降低 21%，比 JPEG 節約 43% 左右。
並做了編解碼效能的優化，耗時等都優於 WebP。為此 2017 年全面推廣相簿的 TPG 格式化。
右圖是壓縮了 11 倍的 TPG 動圖，人眼主觀觀察質量很難看出區別。
相簿接入 TPG 圖片壓縮-前後臺解決的困難
全客戶端統一後臺配置：相簿圖片展示場景複雜，接入方案要適用於移動、PC、H5 核心等所有客戶端版本，根據使用者客戶端能力優先返還 TPG > WebP > JPG，右圖是後臺搭建的全客戶端統一後臺配置。
分級壓縮、OC 點分片快取：因為 GIF 比較大，壓縮耗時較長，針對不同大小的 GIF 分級壓縮，小於 2M 的實時壓縮，設定 2s 為超時，2-8M 設定 4s 為超時，大於 8M 的非同步壓縮並更新快取。
同時爲了保證 OC 點不會因為 GIF 過大而容易被淘汰，做了分片快取策略。
相容性：對於分享出去的 GIF 我們給出原 URL，優先保障使用者體驗。
灰度釋出：作為首個大體量全面接入 TPG 的業務，爲了保障平滑過渡，首先對新上傳的圖片保障非同步壓縮後儲存在源站。
被訪問後圖片會儲存在中間源和 OC 點，大概一個月等 TPG 熱資料佔 70% 後，對舊的圖片需要人工觸發或者基於訪問觸發實時壓縮。
廉價轉碼資源
TPG 是利用 AVS2 編碼標準通過非常複雜的計算來提高圖片壓縮比，實際無論是圖片、音訊還是視訊壓縮比的提升都會增加計算複雜度，等於是用計算資源來換頻寬和儲存。
所以頻寬優化需要大量廉價轉碼資源，如果專門採購轉碼伺服器，需要大量的現金流。所以我們用 FPGA 轉碼卡與離線平臺軟硬結合來提供廉價計算資源。
離線平臺：離線平臺主要通過部署 Docker 來對 CPU 空閒時段進行資源排程。資源來源有母機超賣池、公司和部門資源池、以及線上低負載裝置。
同時爲了不影響原有的線上業務和資源池的分配，會通過監控任務的負載狀態來逐步擴縮容，現已實現了小時級排程能力和靈活的分配策略。
FPGA 卡：FPGA 作為一種高效能、低功耗的可程式設計晶片，可以根據客戶定製來做針對性的演算法設計。
所以在處理海量資料的時候，FPGA 相比於 CPU 和 GPU，優勢在於 FPGA計算效率更高。
以相簿TPG轉碼為例，FPGA 卡效能是普通圖片處理伺服器的10倍，編碼延時減少 80%，大幅減少使用者等待，採用結合 FPGA 轉碼卡與 Docker 離線軟硬結合，能有效降低轉碼成本，現已節約了幾千臺伺服器。
成果：專案在上半年完成，現在 TPG 請求量佔 80% 以上，節約了 40% 的頻寬，儲存量減少，節約幾千萬/年，質量上反而由於檔案變小，解碼效率提升，使用者等待時長減少了 22%。
全型別多場景的圖片壓縮解決方案
TPG 編碼壓縮雖然在壓縮率上更優，但需要客戶端和 PC 具備解碼 SDK 才能正常使用，現在推廣階段，現網仍存在很多原圖（JPEG、PNG、GIF）請求量。
Guetzli 是 Google 2017 年最新推出的圖片壓縮格式，比同等質量的 JPEG 節約 30%大小，此演算法並沒有改變 JPEG 編碼格式，只是對資料進行優化縮減，因此編碼出來的圖片適用於目前已有的解碼器。
但它的計算開銷非常大，耗時不可接受。GPU 相比傳統 CPU 具備高併發的圖片類計算能力，Guetzli & GPU可大幅減少壓縮時間到可接受範圍。現在已有一些場景（漫畫）在用這種方式。
HEIF 是 H.265 標準的建議格式，比 JPEG 小 40%，蘋果 iPhone7 升級 iOS 11 以上拍攝直接生成的是 HEIF 格式，同等質量檔案大小和 TPG 差不多。
騰訊的圖片平臺支援這種格式的儲存和請求返回，只需客戶端請求上做改造即可。
相簿、微雲都已使用，如果兩個 iPhone7（iOS 11）使用者互發本機拍攝的圖片（HEIF 格式），則無需轉碼可比原 JPEG 圖節約 40% 以上的流量和儲存，在其他不支援的客戶端下載時需轉碼為其他格式。
所以針對部分蘋果使用者體驗更好，要成為主流還有待普及。
經過三年的積累騰訊搭建了一套全型別多場景的圖片壓縮解決方案，根據使用者客戶端情況返還最優的圖片格式，降低業務接入門檻，如下右圖。
頻寬優化實戰案例-視訊
點播類小視訊
冗餘下載
原來 QQ 空間的小視訊播放沒做任何限速，一旦開始播放就會以使用者最快的速度進行下載，一個小視訊檔案長度大約 80s，在正常網速下不到 20s 就可以下載完成。
但往往使用者並沒有完整看完每個視訊，資料顯示空間使用者的平均播放時長是隻有 23s，下載但沒有播放的視訊浪費了使用者和企業的流量。
這種情況很普遍，比如 QQ 音樂裡也一樣，一首歌平均時長接近 4 分鐘，高品質音質檔案大小是 9M，下載完一首歌只需要 4s 不到，但經常發生剛聽完前奏感覺不對胃口就切歌了。
還有一種場景，在 QQ 裡的長視訊（大於 10s）需要先全部下載完才能播放。
使用者在對話方塊裡收到一個視訊，點選後往往要轉菊花，等下載完一點開發現其實已經看過或並不感興趣，這種情況還浪費了使用者寶貴的時間，體驗更不好。
QQ 空間小視訊限制下載速度
對空間的小視訊控制下載速度，先嚐試限制下載永遠只比播放多 40s，卡頓率在 1.2%，然後將 40s 改為 20s，卡頓率上升到 2.1%，持續驗證，最後調整在 20s。如果使用者網速太差，發生二次緩衝則不限速。
QQ 長視訊實施邊下邊播
針對 QQ 的長視訊啟用邊下邊播策略，使用者點選視訊後先全速緩衝 20s 然後再以檔案位元速率進行下載，看一秒下一秒，關閉播放就停止下載。
不需要等下載完才能播放，使用者平均等待時間從 12.6s下降到了 1.77s 左右，極大地提升了使用者體驗。
現在邊下邊播已經成了騰訊視訊業務的標配，改進措施完成後，冗餘下載比從 65% 下降到 35% 左右。
空間小視訊歷史優化策略
關閉自動播放：過去 2 年空間小視訊播放量一直在上漲，造成外網頻寬流量也一直上漲。
2017 年以前已經做的優化手段有「高峰期關閉自動播放「（使用者點選才播放，但現在來看只要在 WiFi 環境下自動播放使用者體驗更順暢，所以也切回去了）。
限制大檔案轉發次數：分析下載日誌檔案大小，有很多大於 1G 以上的檔案，這種大檔案往往是盜版電影，產品不希望空間是傳播盜版電影的平臺，所以限制了大檔案轉發次數。
提高安全打擊準確率和及時率：小視訊的頭部效應非常明顯，少量熱點視訊就佔播放量 50% 以上。當時傳播比較火的有色情暴力和搞笑，針對色情暴力提升安全打擊的準確率和及時率。
降位元速率：搞笑的很多都是小貓小狗，場景比較簡單，當時我們認為這類視訊流暢比清晰度更重要。
所以可以適當的降低清晰度（位元速率），於是系統根據熱度，對每小時 TOP 2000 的熱點視訊後臺壓縮出低位元速率進行播放，節約了大量的頻寬。
空間小視訊 H.265 技術選型
位元速率太低，質量變差：位元速率是數據傳輸時單位時間傳送的資料位數，同一種編碼格式下位元速率越高越清晰，當時空間熱點視訊位元速率壓縮到 300kps，不到現在普通手機拍攝的 1/3。位元速率降到肉眼可識別的程度後用戶體驗就會變差。
但業務持續上漲，需要既節約頻寬又保障質量，所以考慮使用新一代視訊編碼標準 H.265 來提升壓縮率。
新一代編碼標準 H.265：H.265（又名HEVC）是 2013 年 ITU-T VCEG 繼 H.264 之後所制定的新的視訊編碼標準，仍然是採用塊的編碼框架，塊的大小從 16*16 變大為 64*64。
但對比 H.264 創造性採用四叉樹架構，以及採用編碼單元CU、預測單元PU，變化單元 TU，極大地提高了壓縮效率，幀內預測方向從 9 個擴充套件到 35 個，獲得更好的預測特性，相比 H.264 壓縮率提升 40%。
2016 年當時公司沒有業務嘗試，除了專利風險外，由於 H.265 計算複雜度遠高於 H.264，編解碼都需要硬體在效能上支援。
硬解 & 軟解：解碼有硬解和軟解兩種，硬解碼是使用播放裝置（手機和電腦）的硬體解碼。
比如通過專用的 DSP 核心解碼晶片的功率更低，解碼效率更高，現在支援硬解碼的手機比例大概在 70%。安卓客戶端複雜，不確定是否支援解碼。
不具備專用硬體就只能通過軟體利用 CPU 解碼，軟解由於要妥協解碼裝置的通用性，所以演算法上對效率和質量有折扣，相比硬解更耗時，容易造成手機發熱和耗電。
微信佔用戶耗電排行很高，對發熱和耗電量都極為敏感，就不適合軟解方案。視訊普遍比較短才十幾秒的話，解碼耗時也會影響使用者體驗。
我們看 QQ 空間是怎麼做的？空間在後臺搭建轉碼能力，客戶端維護一套自動更新的機型庫，綜合 H.265 的不同解析度對不同手機效能進行自動打分，並動態更新，資料顯示 95% 以上的手機是支援 H.265 軟解的。
於是先上線軟解方案，並開發了一套雲適配的後臺相容方案，可以根據不同的客戶端請求儘量給使用者下發最適合的位元速率（高、中、低），儘量讓更多人用到。
硬解比軟解能減少使用者終端 CPU 佔用、降低系統開銷、減少耗電和發熱，所以現在要做軟硬結合。
經過一整年的運營，整體 H.265 播放佔比從 8% 提升到現在的 30%，壓縮比最高 40%。卡頓率沒有下降，反而提升，使用者體驗更流暢。
實時音視訊
QQ 會議視訊混音
視訊裡還有一種場景是實時音視訊通話類，比如 QQ 會議視訊，以往都會是有幾個人同時說話，接收方就接收幾路音訊，然後在客戶端進行混音操作。混音是把多種來源的聲音整合至一個立體音軌或單音音軌中。
客戶端混音改為後臺混音：所以如果能夠在服務端將一個房間所有的使用者聲音先混成一路再下發的話將大大減少我們和使用者的下行頻寬，實際上線後節省近 50% 頻寬。
節省混音計算資源：另外，由於混音比較消耗計算資源，一方面對混音編碼效能進行優化，一方面對使用者的房間數進行價效比分析，對房間數 3 以下的不混音。
質量跟蹤：優化過程中也通過質量評分系統，對使用者質量進行監控。質量隨著混音灰度逐步微升。
直播優化
下圖是企鵝電競正在直播的一場吃雞，可以看到房間線上人數非常高，清晰度有高清、超清和藍光，頻寬成本一直很高。
今年春節期間 NOW 直播的答題業務非常火，每天晚上 8 點會在指定房間出題，觀眾答對可以瓜分每天 100 萬的獎金，最高峰值有 90 萬觀眾同時線上，假設平均位元速率 1M，峰值會有 900G 的頻寬，成本非常高。
SNG 直播業務很多，根據每個產品不同特點，分別做了不同的優化。
空間直播是熟人社交，房間人數普遍很少，低於 10 人，小房間走 OC 回源率非常高，浪費 CDN 分發資源，所以使用 IP 直連方式。
NOW 直播的房間稍大（一般數十人到數百人不等），但音訊走的 DC 頻寬，OC 頻寬單價是 DC 頻寬的 1/2 還低，所以就推進 DC 轉 OC。
前面分享了點播類視訊使用 H.265 編解標準節省 40% 的頻寬和儲存，直播由於實時性要求更強，所以結合 GPU 提高轉碼效能，GI1（2 塊卡）的轉碼效能是普通 24 核的CPU 的 9 倍，但採購價格僅是普通 CPU 的 1.6 倍。
分析企鵝電競的房間大小，Top 300 的大主播佔據了 61% 的使用者，考慮轉碼資源價效比，只對 Top 300 的主播進行 H.265 優化。
幾萬元採購 GI1 裝置，可節約成本 600 萬元/年的頻寬，也為非 WiFi 環境下的使用者節約了流量。
和點播不同，大主播的裝置和網路比較好，一般採用主播上行推 2 路流，一路 H.264 (考慮低端手機硬解能力），一路 H.265。小房間考慮到主播上行頻寬限制和轉碼計算成本，就只出一路 H.264.
NOW 直播答題房間主播同時推 H.264 和 H.265 兩路流可以節約總體 30% 頻寬，可優化力度很大。
精細化位元速率優化
頻寬優化案例還有很多，結合產品特色各有千秋，就不一一列舉了，下面我們看一下現在視訊優化的方向。
動態位元速率
位元速率控制有三種：恆定位元速率（CBR）、平均位元速率（ABR）、動態位元速率（VBR），一般使用的平均位元速率，但平均位元速率有很多弊端。
根據預測的使用者網路質量變化：不同的使用者網路質量不同，同一個使用者網路質量也會發生變化。所以可以對使用者網路質量變化進行預測，如果使用者網路要變差，則下一幀切換到低位元速率流。
根據內容分類：不同的視訊內容需要的位元速率是不同的，比如體育 NBA 類就比連續劇需要的位元速率高，可以在視訊上傳時進行標籤分類，然後給與不同的編碼引數，騰訊視訊使用這個策略後整體位元速率節約 10%。
根據場景不同：但同一個視訊裡也會出現不同的場景，比如打鬥需要的位元速率要比風景高，可利用深度學習對場景進行分類，在轉碼時給與不同的編碼引數。
根據 ROI 特徵提取，對人眼感興趣區域重點編碼
人眼一般對人物特別是人臉區域的注意力要大於其他區域，比如看下圖是鬥魚一姐馮提莫的直播畫面，可以對人臉重點編碼、對人身體和衣服次重點增強、對其他區域適當減弱的策略來轉碼。
自適應解析度
動態位元速率是在使用者網路條件允許的情況下，找編碼位元速率的最優解。而如果使用者網速限制，但又想為使用者提升清晰度的話，可以用自適應解析度的方式。
在相同播放視窗下（顯示解析度相同），相同位元速率下不同編碼解析度的質量 PSNR 是不同的，所以在固定位元速率和顯示視窗下，有最佳編碼解析度。
比如使用者選擇高清，使用者頻寬限制位元速率在 1.2M，在這個基礎上可以找到適合使用者網速的最佳編碼解析度進行編碼。
AI 在成本優化中的應用
小馬哥說過在騰訊 AI in every thing，AI 運維也超級火，AI 如何運用在頻寬優化上呢，現在來看落地的壓縮和安全打擊兩個方向。
圖片超解析度-QQ 相簿
去年 QQ 相簿大圖使用了基於深度神經網路超解析度技術。在圖片無損的情況下可節約 75% 的流量和儲存空間。
運用手段是先把圖片畫素壓縮一半，圖片 SIZE 壓縮到原來的 1/4，再使用演算法進行還原，達到跟原圖相當的清晰度，肉眼無法識別，但圖片大小僅是原圖的 25%。這項技術不僅可以降低頻寬，也可以用於提高使用者體驗。
和業界領先的 Google Raisr 對比，PSNR（峰值訊雜比）更高，也就是失真更小，壓縮效能耗時更低。
具體的模型訓練，先採用 1W 張使用者真實圖片,通過調整圖片顏色、高度、對比度、施轉、左右反轉等操作構造上百萬個使用者訓練樣本集。
採用壓縮的方法將訓練樣本圖片寬高各壓縮到原來的 1/2，這部分圖片經過超分處理後再與原來的圖片效果進行比較，根據對比效果進行調整模型引數。
與業界的訓練方法不同，除了對比圖片的損失（PSNR）外，同時引入了視覺化評測系統。
峰值訊雜比是一種評價影象的客觀標準，PSNR 值越大，就代表失真越少，越高越好，但它具有侷限性，比如人肉眼對於面部會更在意。使用使用者的真實圖片進行視覺化評測可達到更佳的超分效果。
AI&安全打擊
空間上小視訊色情問題一直存在而且不斷出現對抗的原因主要是：量級比較大，資源有限很難全量鑑黃，黑產惡意不斷對抗，去年就出現了大量柵格、星星等干擾，傳統的鑑黃手段失效。
空間准入門檻低，UGC（使用者原創內容）有留存功能，很方便當成網盤使用；空間分享功能靈活，可以分享到 QQ，微信，朋友圈等。
涉黃視訊大多是帶有引流資訊，空間是網盤，分享是途徑，贏利點是在 QQ 群付費或者微信群紅包、賭博群等。
深度學習模型提升格柵識別能力
針對以上的分析，首先引入新的打擊手段。首先要提升格柵干擾後的識別能力，騰訊安全部門用摺積神經網路 CNN 搭建了新的打擊模型。
輸入大量的格柵模板進行訓練後，識別能力相比之前大大提升，和現網結合，不斷及時新增新的干擾模版種子，邊使用邊訓練的模式。
模型上線後每日點選量 TOP 1000 裡黃色佔比從 25% 下降到 5%，極大地提升了產品的形象和口碑。
OCR 提升招嫖識別能力
很多招嫖類會在美女圖片上配有聯繫方式的文字，可以使用 OCR 技術（光學字符識別）。
通過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程，簡單的說就是可以提取圖片上的文字，有效打擊招嫖類。
傳統打擊手段弊端
傳統的打擊方式有行為聚類分析，比如涉黃熱度檔案裡 90% 來源於分享，所以降低分享的打擊預值重點打擊。
通過業務安全的天象系統的養號情況，信安信用度的歷史違規記錄，使用者的批量發表/分享行為，圈定出可疑使用者，對可疑使用者重點監控，降低打擊預值。
但這些傳統手段缺點是使用者隨意改動容易變種，MD5 種子庫種子覆蓋率低，人工稽覈效率低。
現在有 AI 助力，經過新一輪打擊，空間和 QQ 的視訊頻寬在去年 10 月份有了明顯的下降。
總結方法論
結合這些實際案例，頻寬優化歸納為一小兩少三不變。檔案壓縮的更小，下載次數少，冗餘下載少，質量不變。
常用的管理和技術手段有很多，如下餅圖：
在優化過程可以運用五部曲：
- 釐清資源消耗構成，在哪些場景，有多少入口，給資源使用建模。
- 對資源消耗 TOP 模組抓大放小，先解決主要矛盾。
- 對架構和演算法實現庖丁解牛，瞭解產品策略，瞭解技術選型背後的原因和業界動態。
- 產品策略和技術雙管齊下。
- 產品形態和業界技術可能每個月都會有新的變化，所以動態運營持之以恆。
業務運維還有一個非常痛苦的場景就是做預算，利用精細化成本管理思路為產品做頻寬預測和優化模型。因為資料會變化，所以可以採集資料，系統自動統計頻寬的預算和進行合理性分析。
運維為企業創造更大價值，用技術手段為使用者提供低成本高質量的產品體驗，能做到這點，那運維對企業來說就更具有價值。
範晶晶，騰訊高階工程師，2008 年進騰訊做資源管理和預覈算，現在主要從事成本優化工作。SNG 成本優化專案 PM，三年累計為公司節省超 10 億現金流。
