1、一个被我们忽略的日常“奇迹”

你大概有过这样的经历——新买的笔记本第一次开会，把一个 USB 摄像头插上去。系统提示一声轻响，没有弹窗，没有"安装中"，没有需要你点"下一步"的向导。打开 Zoom，摄像头列表里就出现了它。你点一下，画面就出来了。这件事看起来理所应当，以至于我们已经不会太多关注。

但如果你时间倒推二十年—2005 年左右，情景是这样的：你买了一个 USB 摄像头，拆开包装，里面除了摄像头本身,还有一张光盘（很可能是一张丑陋的、印着卡通图案的 CD-R）。你把光盘塞进电脑，运行 setup.exe，跟着向导点过 5 个对话框，重启电脑，然后才能用它。重启之后你打开 MSN Messenger 想开个视频聊天——它要求你装一个专用的 ActiveX 控件。装完了，可能还要再装一个"罗技摄像头中心"才能调整画面。整个流程半小时起步。摄像头换一个品牌，全部重来一次。

这二十年里，发生了一件极其重要的事情：USB 视频类（USB Video Class，简称 UVC）标准从诞生，到规范化，到被所有主流操作系统纳入原生支持。正因为这件事的存在，今天我们享受到的"插上即用"，已经从"先进特性"变成了"基本预期"。

USB 1.1 的时代：每个摄像头都是一座“孤岛”

USB 标准本身于 1996 年发布。最早的 USB 1.0 / 1.1 时代，是个"USB 万物互联"的乌托邦愿景刚刚启动的阶段——它的核心承诺是"一种接口连接一切外设"。但"一种接口"不等于"一种语言"。
物理层面，所有 USB 摄像头都用同一个梯形小口（那时候还是 Type-A）插到电脑上。可一旦插上去，操作系统看到的就是一段陌生的二进制数据流——这是一个鼠标？一个 U 盘？一个摄像头？数据是什么编码？分辨率多少？帧率多少？操作系统完全不知道。它只能问设备本身：“你是谁？你怎么用？”——设备会回应一段叫做"描述符"（Descriptor）的自我介绍。但这段自我介绍里，没有标准的"摄像头"分类。每家厂商可以自定义自己的设备类型、自己的数据格式、自己的控制命令。

这就意味着——操作系统必须依赖摄像头厂商提供的驱动程序，才能把这堆数据解读为视频。罗技的驱动只懂罗技的摄像头。微软的驱动只懂微软的摄像头。换个品牌，整套驱动重装。出厂时光盘配套的那个驱动程序，可能在新版操作系统上根本跑不起来。再后来电脑更新到 Windows XP SP3，那个 2002 年买的摄像头就彻底变成了一块塑料。每个摄像头都是一座孤岛，每家厂商都在重新发明一遍轮子。

2003 年：USB-IF 决定终结这场“混乱”

2003 年，USB 实施者论坛（USB Implementers Forum，USB-IF）发布了一份重要的规范文档：USB Video Class 1.0。这份文档做的事情，本质上是把"USB 摄像头到底应该怎么和电脑对话"这件事，写成了一份所有厂商都必须遵守的合同。
它规定：一个 USB 设备如果自称是"摄像头"，它在自我描述里必须用一个特定的类代码（Class Code）——0x0E，叫做 Video。操作系统看到这个代码，就知道"哦，这是个视频设备"。这个设备必须按 UVC 规范实现一组标准接口——告诉电脑它支持哪些分辨率、哪些格式、哪些帧率，怎么调亮度、怎么调对焦、怎么开始传输、怎么停止传输。数据本身必须按 UVC 规定的方式封装——电脑拿到一段数据流，能直接按规范解析出每一帧。
**更关键的是：**这份规范是开放的、免费的、不收专利费的。任何厂商想造一个 UVC 摄像头，下载规范，照着做就行。这件事的力量在哪里？它把"驱动"从摄像头厂商手里，转移到了操作系统厂商手里。只要操作系统实现一遍 UVC 标准，所有遵守 UVC 的摄像头，全部都能直接用。厂商不用再写驱动，操作系统不用再为每个新摄像头单独适配。一次实现，全部受益。

主流操作系统的接力

UVC 1.0 发布之后，主流操作系统并不是立刻全部支持的。这场标准化推广，其实又花了将近十年。Linux 是第一个吃螃蟹的——2007 年，Linux 内核合入了 UVCVIDEO驱动，从此 Linux 用户插上任何 UVC 摄像头，都能直接通过 /dev/video0设备节点访问。这是 UVC 真正"开箱即用"的开端。
macOS 紧随其后——苹果在 Mac OS X 10.4.9（2007 年）开始原生支持 UVC。从那时起，所有 Mac 用户插上 UVC 摄像头都是即插即用。这也是为什么很多专业摄像设备，从一开始就把 macOS 兼容放在测试清单的前列——苹果对标准的执行最干净。Windows 的支持最复杂——Windows XP SP2 时代就有了 UVC 支持，但当时还有不少历史包袱：很多厂商习惯了自己写驱动、捆绑自己的"摄像头管理软件"。一直到 Windows 7，UVC 才真正成为 Windows 平台上摄像头的默认支持方式。再到 Windows 10/11 的时代，几乎已经没有人会想到"我需要为摄像头装驱动"这件事。

到了 2010 年代中期，整件事终于尘埃落定——所有主流操作系统都原生支持 UVC。所有遵守 UVC 的摄像头，在所有主流操作系统上都是免驱即插即用。会议软件、直播软件、视频聊天软件，只要按操作系统标准的视频接口（Windows 上是 DirectShow / Media Foundation，macOS 上是 AVFoundation，Linux 上是 V4L2）调用，就能直接拿到任何 UVC 摄像头的画面。我们今天习以为常的"打开 Zoom 自动出现摄像头"，背后是这二十年的标准化战争才换来的。

UAC：音频走的是同一条路

视频说完了，得提一下音频——因为故事完全是同一个故事，只是版本号不同。USB Audio Class（UAC）的标准甚至比 UVC 更早——UAC 1.0 早在 1998 年就发布了。它要解决的问题和 UVC 一模一样：让 USB 音频设备（麦克风、耳机、声卡）不需要厂商驱动，操作系统就能直接识别和使用。UAC 现在主要有三个版本：
UAC 1.0（1998）：支持基础的音频传输，最多 24-bit / 96kHz 单声道，或 16-bit / 48kHz 立体声。覆盖了大多数日常会议、聊天的场景。
UAC 2.0（2009）：把规格大幅提升——支持 24-bit / 192kHz 高解析度音频、多声道、低延迟。专业声卡和高端麦克风的标配。
UAC 3.0（2016）：基于 USB Type-C 设计，针对移动设备进行了功耗和效率优化。和 UVC 一样，UAC 也是开放标准，主流操作系统全部原生支持。这就是为什么你插一个 USB 麦克风，系统设置里立刻就出现它，不需要装任何驱动。

所以严格说来，"USB 视音频免驱"这件事，是 UVC 和 UAC 这两个标准联手完成的。一个负责画面，一个负责声音，加起来就是今天我们打开会议软件后看到和听到的全部。

一场没有英雄的胜利

这场标准化的胜利，没有一个明确的英雄。它不是某个天才工程师在某个深夜的灵光一现。它是 USB-IF 联盟里几十家厂商，在十几年时间里反复扯皮、争论、妥协、修订规范的产物。它是 Linux 内核维护者免费写出来的代码，是苹果工程师把 UVC 集成进系统的若干个工时，是微软在 Windows 7 时代决定"是时候了"的一次产品决策。它是一种"集体性的、无名的、慢工出细活的"工程文明——没人能把奖牌挂在自己脖子上，但所有人受益。今天我们享受到的"插上即用"，其实是过去二十多年里，一群工程师悄悄替我们打的一场标准战。我们坐享其成而不自知。而这个故事，到这里只讲了一半。

下一篇：当你的 USB 摄像头连接电脑，它和电脑之间到底"商量"了什么？传过来的画面又是什么格式？为什么 4K 摄像头的画面看起来比专业相机差一截？USB 的带宽到底够不够？——这是 UVC 故事的另一半：“它怎么传”。