公司：哔哩哔哩
bilibili，音译哔哩哔哩，是总部位于中华人民共和国上海市的一个以ACG相关内容起家的弹幕视频分享网站，故简称及通称B站[f]。此外，bilibili的前身为视频分享网站Mikufans，并由网友“⑨bishi”（徐逸）于2009年6月26日创建。Mikufans建站的初衷是为用户提供一个稳定的弹幕视频分享网站，其后于2010年1月24日改为“bilibili”。
bilibili的内容随着发展渐渐不仅限于ACG，主要分区分为番剧、国创、放映厅、纪录片、漫画、专栏、直播、课堂、动画、音乐、舞蹈、游戏、知识、数码、生活、美食、VLOG、鬼畜、时尚、娱乐、影视、电影、电视剧、音频，除此之外亦有会员购、专题中心、全区排行榜、活动中心、能量加油站、社区中心、工坊集市、小黑屋、音乐PLUS、游戏中心（特指由哔哩哔哩代理登陆接口的游戏发布平台）、游戏赛事的区域。除了视频外哔哩哔哩还运营有《命运/冠位指定》、《崩坏学园2》等多部游戏。而现在网站标题中含有“( ゜- ゜)つロ 干杯~”的颜文字以做宣传。除此之外bilibili也被用户称为小破站、小电视。至2015年，75%的用户年龄在24岁以下，是年轻人的聚集地。
至2023年3月31日，B站月均活跃用户达3.15亿，移动端月均活跃用户达2.76亿，分别增加31%及33%。在用户健康增长的基础上，B站也在不断加快商业基础设施建设，提高社群服务管控能力。B站月均付费用户增长至2,720万，同比增长33%，付费率提升至9.3%。不过做大的同时，bilibili的成长空间也逐渐饱和，影视会员与视频业务在2022年营运呈现亏损扩大状态，年轻新人大量涌入却未能利用，而部分老用户指B站感觉变了，对现在的评论管理与风气感到不满，同时其up主也因为投稿不顺、分成不足等问题，开始出现部分停更现象。对此B站开始进行裁员降本增效，重新把精力投入游戏与商业制作上，项目2024年达到盈亏平衡。
什么？你是怎么从数据包看出MTU异常的
抓包并分析是一种非常高效的 debug 方法，已经帮助笔者解决了不少问题。
B站一站式大数据集群管理平台（BMR）初窥
大数据服务是数据平台建设的基座，随着B站业务的快速发展，其大数据的规模和复杂度也突飞猛进，技术的追求也同样不会有止境。
2个月演练200+次：B站如何实现演练平台的快速接入与易用性提升？
混沌平台上线两个月，已完善20+场景，执行200+演练，覆盖30+应用，发现50+问题。
OGV内容生产工业化
项目发起时对OGV主要核心流程梳理下来主要分为三部分：由媒资入库、视频生产以及策略绑定组成。
通用详情页的打造
播放页的代码复杂度属于客户端最高的代码之一，这不仅因为播放页本身的功能复杂，还因为它需要融合大量外部业务功能。
点播CDN回源标准化策略
在分析了厂商回源架构后，基于公司的点播业务特性，我们提出了一个回源标准化方案。
审核平台前端新老仓库迁移
如今审核平台已是公司内容生产链路上的关键一环，是保障内容安全的重要防线，因此稳定性至关重要。
基于Freetype的文字渲染流程以及缓存策略
OpenGL 对于文字的绘制以及字体的操纵提供了低层次的支持，即位图字体。每个字形根据他们的编号被放到位图字体中的确切位置，在渲染这些字形的时候根据这些排列规则将他们取出并贴到指定的位置。这种方法相对来说很容易实现。
B站基于Iceberg的湖仓一体架构实践
在B站，每天都有PB级的数据注入到大数据平台，经过离线或实时的ETL建模后，提供给下游的分析、推荐及预测等场景使用。面对如此大规模的数据，如何高效低成本地满足下游数据的分析需求，一直是我们重点的工作方向。
视频剪辑中的色彩空间
在剪辑场景下，往往需要处理多个视频文件，而视频文件的颜色信息又可能各不相同，如何正确使用这些参数，让播放时视频正确的显示在屏幕上，导出的视频不会产生偏色？
工程化视角的 Kotlin Multiplatform核心解读及优化
在这篇技术文章中我们会以百人移动研发团队的工程化视角，探讨Kotlin Multiplatform的核心技术及优化。
视频云沉浸式音视频技术能力探索与建设
打造空间感的空间视频与空间音频是其中最为关键的2项技术，bilibili视频云在这两项技术领域也进行了相关代探索与建设。
前端可观测性系统建设
随着前端业务的日趋庞大，及时发现和解决业务中的问题、优化用户体验、实时监控业务健康度变得愈发重要。
Introducing Index-1.9B
Index-1.9B模型已在GitHub和HuggingFace上开源，期待您的反馈！
B站画质补完计划（3）：智能修复让宝藏视频重焕新生
针对老片中存在的模糊感、卡顿感、毛刺感等画质问题，多媒体实验室的画质团队研发了一套智能修复系统，有效修复了上述画质问题，大幅提升老片观感。
面向AI应用开发实战分享 - 基础篇
本文将带大家从面向AI开发的基础知识开始，再到RAG，Agent，流程编排，深入了解如何在企业内部落地AI项目。