本報(bào)（chinatimes.net.cn）記者石飛月 北京報(bào)道

“聲網(wǎng)對(duì)話式AI相關(guān)用量在2025年第三季度實(shí)現(xiàn)151%的環(huán)比增長(zhǎng)，這一切都展現(xiàn)出強(qiáng)勁的市場(chǎng)需求?！?1月3日，聲網(wǎng)方面對(duì)《華夏時(shí)報(bào)》記者表示。這也意味著該公司的多元化轉(zhuǎn)型取得初步成效。今年上半年，該公司推出對(duì)話式AI引擎。

然而，這條高增長(zhǎng)賽道也面臨著技術(shù)與市場(chǎng)的雙重考驗(yàn)：一方面，盡管前景廣闊，但要實(shí)現(xiàn)真正“聲情并茂”的自然對(duì)話，業(yè)界認(rèn)為仍需幾年時(shí)間以攻克低延遲、情感理解等技術(shù)瓶頸；另一方面，全球范圍內(nèi)對(duì)話式AI創(chuàng)業(yè)公司呈現(xiàn)爆發(fā)態(tài)勢(shì)，賽道競(jìng)爭(zhēng)日趨激烈。

生成式AI帶來新機(jī)遇

在近日由聲網(wǎng)與RTE開發(fā)者社區(qū)聯(lián)合主辦的Convo AI&RTE 2025第十一屆實(shí)時(shí)互聯(lián)網(wǎng)大會(huì)上，聲網(wǎng)創(chuàng)始人兼CEO趙斌表示，對(duì)話式AI將成為下一代AI Infra的重要部分。據(jù)聲網(wǎng)方面向本報(bào)記者提供的數(shù)據(jù)，該公司對(duì)話式AI相關(guān)用量在2025年第三季度實(shí)現(xiàn)151%的環(huán)比增長(zhǎng)。

究其根本，是因?yàn)槎嗄B(tài)大語(yǔ)言模型的出現(xiàn)讓計(jì)算機(jī)具備了類人的實(shí)時(shí)語(yǔ)音對(duì)話能力，為解決此前的挑戰(zhàn)帶來了全新路徑。趙斌認(rèn)為，對(duì)話式AI正驅(qū)動(dòng)RTE從能夠“正常對(duì)話”到“聲情并茂”的關(guān)鍵躍遷，為RTE（實(shí)時(shí)互動(dòng)）行業(yè)帶來一個(gè)不可估量的全新市場(chǎng)。

在此之前，RTE產(chǎn)業(yè)依然面臨著從"連通"到"對(duì)話"的本質(zhì)挑戰(zhàn)。行業(yè)數(shù)據(jù)顯示，僅21%的用戶對(duì)現(xiàn)有AI對(duì)話體驗(yàn)滿意，部分服務(wù)的用戶流失率高，這是因?yàn)?，人類?duì)話中僅有7%的信息來自語(yǔ)言內(nèi)容，超過90%的信息感知依賴于語(yǔ)調(diào)、表情和肢體語(yǔ)言等非語(yǔ)言要素。

今年3月，聲網(wǎng)發(fā)布了全球首個(gè)對(duì)話式AI引擎，這個(gè)對(duì)話式AI引擎可支持任意文本大模型快速升級(jí)為“能說會(huì)道”的對(duì)話式多模態(tài)大模型，之后，MiniMax、星野、智譜清言等都與聲網(wǎng)在對(duì)話式AI業(yè)務(wù)方面達(dá)成了合作；近日，聲網(wǎng)又推出了對(duì)話式AI引擎2.0。

深度科技研究院院長(zhǎng)張孝榮對(duì)《華夏時(shí)報(bào)》記者表示，該賽道處于高速成長(zhǎng)期，核心驅(qū)動(dòng)力來自大模型多模態(tài)化與實(shí)時(shí)交互需求的融合，聲網(wǎng)等技術(shù)提供商通過高精度語(yǔ)音識(shí)別、低延遲通信與情感計(jì)算能力，填補(bǔ)了大模型從"文本智能"到"語(yǔ)音交互"的關(guān)鍵環(huán)節(jié)，未來將在智能座艙、虛擬人、沉浸式娛樂等領(lǐng)域形成規(guī)?；涞?。

不過，大模型技術(shù)雖然為RTE從能夠“正常對(duì)話”到“聲情并茂”實(shí)現(xiàn)關(guān)鍵躍遷提供了可能，但目前距離理想化水平還存在一定差距。

“這個(gè)過程可能還需要3-5年?！睆埿s說，技術(shù)上的最大挑戰(zhàn)是如何突破低延遲響應(yīng)、自然打斷、上下文管理以及多模態(tài)的情感理解與表達(dá)等復(fù)雜挑戰(zhàn)。

聲網(wǎng)方面則認(rèn)為，實(shí)現(xiàn)“聲情并茂”所需要的時(shí)間難以精確預(yù)估，可能是幾年甚至更長(zhǎng)時(shí)間，這一過程的關(guān)鍵節(jié)點(diǎn)主要與技術(shù)突破（比如多模態(tài)大語(yǔ)言模型的成熟）、市場(chǎng)應(yīng)用（規(guī)?；虡I(yè)落地）相關(guān)。

除了技術(shù)瓶頸，這條賽道的競(jìng)爭(zhēng)也比較激烈。據(jù)聲網(wǎng)，在開發(fā)者生態(tài)中，全球范圍內(nèi)正掀起一場(chǎng)實(shí)時(shí)語(yǔ)音技術(shù)的新浪潮，對(duì)話式AI與語(yǔ)音智能體創(chuàng)業(yè)公司呈現(xiàn)爆發(fā)式增長(zhǎng)態(tài)勢(shì)，Y Combinator近期的孵化團(tuán)隊(duì)中，語(yǔ)音智能體公司占比顯著提升。

音視頻市場(chǎng)止跌回升

事實(shí)上，對(duì)話式AI是聲網(wǎng)新場(chǎng)景多元化轉(zhuǎn)型的關(guān)鍵一步。

聲網(wǎng)成立于2014年，主業(yè)為實(shí)時(shí)音視頻業(yè)務(wù)。疫情期間，由于線上教育、直播帶貨、在線會(huì)議、遠(yuǎn)程醫(yī)療、音視頻娛樂等多個(gè)賽道的需求增長(zhǎng)進(jìn)一步加速了實(shí)時(shí)語(yǔ)音業(yè)務(wù)規(guī)模的爆發(fā)，聲網(wǎng)一度獲得巨大的流量。

但之后由于業(yè)務(wù)過于單一，再加上疫情之后帶來流量的多個(gè)場(chǎng)景出現(xiàn)市場(chǎng)變化，聲網(wǎng)開始陷入業(yè)績(jī)下滑與虧損的困境。

生成式AI在全球的爆火讓聲網(wǎng)看到了新的機(jī)會(huì)，該公司也很快抓住這個(gè)市場(chǎng)節(jié)點(diǎn)進(jìn)行布局，并取得了不錯(cuò)的成績(jī)。在經(jīng)歷多次虧損后，聲網(wǎng)已經(jīng)連續(xù)三個(gè)季度實(shí)現(xiàn)盈利，其母公司Agora,Inc.發(fā)布的2025年第2季度財(cái)報(bào)顯示，總營(yíng)收為3426萬美元，同比增長(zhǎng)11%，GAAP凈利潤(rùn)為146萬美元。

當(dāng)然，原本的音視頻業(yè)務(wù)仍然是聲網(wǎng)的支柱型產(chǎn)業(yè)。聲網(wǎng)方面對(duì)本報(bào)記者表示，該公司當(dāng)前發(fā)展勢(shì)頭最好的業(yè)務(wù)包括對(duì)話式AI和RTC（實(shí)時(shí)通信）相關(guān)業(yè)務(wù)，但最大頭收入還是來自RTC相關(guān)服務(wù)。

好消息是，這一市場(chǎng)已經(jīng)逐漸轉(zhuǎn)好。IDC發(fā)布的《中國(guó)視頻云市場(chǎng)跟蹤，2024下半年》報(bào)告顯示，2024下半年中國(guó)視頻云市場(chǎng)規(guī)模達(dá)到50.8億美元，止跌回升，同比增長(zhǎng)4.7%。頭部短視頻與直播電商平臺(tái)為直播體驗(yàn)拔高技術(shù)指標(biāo)、互聯(lián)網(wǎng)視頻短劇需求持續(xù)提升、智能化視頻云服務(wù)逐步落地，成為驅(qū)動(dòng)這期市場(chǎng)增長(zhǎng)的主要?jiǎng)恿Α?/p>

“AI需要音頻能力。借助于大模型的高速發(fā)展，音視頻業(yè)已從‘爆發(fā)式增長(zhǎng)’進(jìn)入‘結(jié)構(gòu)性增長(zhǎng)’的新階段，未來，音視頻將作為底層能力與對(duì)話式AI等技術(shù)結(jié)合，賦能更多創(chuàng)新場(chǎng)景?！睆埿s說。

在這條賽道，聲網(wǎng)同樣存在很多競(jìng)爭(zhēng)對(duì)手，在該公司多年前遞交的招股書中，就將騰訊、TokBox、美國(guó)的Twilio都列為競(jìng)爭(zhēng)對(duì)手。

“我們會(huì)繼續(xù)發(fā)揮技術(shù)優(yōu)勢(shì)（自研大網(wǎng)、抗丟包、延遲、AI優(yōu)化）、優(yōu)化產(chǎn)品策略（對(duì)話式AI引擎配套系列產(chǎn)品發(fā)布、低代碼產(chǎn)品適配不同需求人群）、聚焦垂直場(chǎng)景（智能硬件、泛娛樂社交、出海、教育）、并加強(qiáng)本地化運(yùn)營(yíng)（聲網(wǎng)是第一家全球化的RTC公司，在北京、硅谷、倫敦、新加坡等地都有分部），來應(yīng)對(duì)市場(chǎng)競(jìng)爭(zhēng)。”聲網(wǎng)方面告訴本報(bào)記者。

責(zé)任編輯：黃興利 主編：寒豐