1.2万亿分钟之后，声网盯上了如何让AI比人还会说话

语音助手反应慢了3秒，用户已经挂断电话；AI玩具没接住孩子半句话，产品就被扔进角落吃灰……在对话式AI赛道里，模型智商决定上限，实时交互能力决定下限，而这恰恰是声网深耕了十二年的老本行。

作为全球实时互动（RTE）领域的“隐形冠军”，声网已成为OpenAI、MiniMax等头部玩家的“幕后搭子”。它把一张覆盖300多个数据中心的全球网络，变成了对话式AI时代的“神经系统”。

从支撑人与人连麦，到承接人与Agent的对话，声网正把过去万亿分钟级的服务经验，转化为语音Agent、电话客服、具身智能等场景的底座。当AI从“能回答”走向“能办事”，声网铺就的这条“看不见的路”，或许会成为智能时代最关键的底层基础设施之一。

从“传得稳”到“接得住”

人工智能已经能够写诗、编程、生成图片，却未必能自然完成一场对话。用户话还没说完，AI抢先开口；用户临时改变需求，AI仍沿着上一轮任务继续执行；面对停顿、抢话、背景噪音和多轮追问，很多所谓“智能语音助手”仍显得反应迟缓。

这正是对话式AI从演示走向真实应用必须跨越的一堵墙。不少对话式AI的端到端延迟在3秒以上，而人与人对话的自然间隔不过400毫秒。模型再聪明，这几秒接不住，后面的业务就无从谈起。

在这场产业变化中，声网的角色正在发生变化。过去，这家公司主要解决人与人的实时音视频连接问题。如今，它需要把实时网络、音频处理、模型编排、工具调用和终端适配组合成一套完整系统，让AI不仅能听懂，还要能接话、停顿和执行，并在真实业务中持续运转。

对于“怎么让AI跟上真实交流”这一问题，在iRTE2026实时智能大会上，声网创始人兼CEO赵斌表示，实时AI基础设施至少需要具备三层能力：一是实时推理，让语音、语言和多模态模型能够流式处理输入，在对话持续发生时理解与生成；二是实时编排，协调记忆、工具、业务状态和模型调用，把执行结果及时接回当前互动；三是大规模全双工交互，让用户和AI像打电话一样同时表达，并保证轮次、注意力和打断处理与业务逻辑一致。

底层网络仍是这套系统的基础。声网SD-RTN网络覆盖全球超过300个数据中心，长期围绕智能路由、弱网保障、负载均衡和故障切换积累能力。过去三年，平台人与人实时互动的服务量从2023年的约0.6万亿分钟，增长至2026年的1.2万亿分钟以上。

超大规模场景也在检验这套基础设施。在2026年超级碗期间，MrBeast在Whatnot平台开展的72小时直播活动中，声网提供技术支持，以1080P、5Mbps码流支撑了58.2万单频道峰值并发观众，单频道带宽峰值达到2.76Tbps，并在覆盖213个国家和地区的情况下，实现首屏推流延迟低于1秒。

这些数据说明，实时互动并不只是“把音视频接通”，还涉及在高并发、高带宽和复杂网络条件下维持稳定体验。

真正让声网进入新一轮竞争周期的，是对话式AI带来的新需求。声网在2025年3月发布对话式AI引擎时，曾给出过一组实测数据：在中、美、欧及东南亚主要城市，语音对话延迟中位数低至650毫秒，打断响应约340毫秒，“选择性注意力锁定”可以屏蔽95%的环境人声与噪音，在丢包率高达80%时仍能维持对话；开发者两行代码即可接入 ChatGPT、DeepSeek 等主流大模型。

这组数据所指向的，并不是简单的语音转文字和文字转语音，而是将轮次判断、情绪感知、噪声处理、上下文管理和模型响应整合为一条实时链路。

在此基础上，赵斌在iRTE2026实时智能大会上提出了“五级对话能力”框架。L1对应基于自身视角的一问一答，L2要求掌握互动规律、协调听说时机，L3强调理解个体意图和处境，L4要求理解多人关系、角色分工和发言边界，L5则指向基于长期上下文与深度关系的沟通。这个框架的意义在于，它把“AI是否会聊天”从主观体验拆成了可以逐步验证的能力层级。

产品层面，声网围绕对话式AI形成了从引擎到开发工具的连续布局。其Agora Conversational Model通过感知系统、全双工对话响应系统和表达模型，协调语音识别、声音事件理解、流式推理、工具调用、长期记忆和语音表达；Conversational Agent System则进一步连接全球实时网络、音频处理与推理基础设施，尝试构建分布式实时推理云。

同时，声网将能力下沉给开发者。声网发布的实时互动AI开发工具包包含Skills、CLI、60多个Recipes和Agora SDK，可以让开发者用5至10分钟搭建一个Voice Agent Demo。对大量缺少底层通信和音视频工程能力的创业团队来说，这类工具的价值在于缩短从想法、Demo到真实业务测试的周期。

在iRTE2026上发布的《2026声网对话式AI全景图》则把这条链路梳理得更加完整：上层是AI社交陪伴、Physical AI、语音助手等场景，中间是对话式AI引擎、开发套件、实时转录翻译及模型评测等产品能力，底层是长期积累的RTE实时基础设施。

从“连接人”到“连接Agent”，声网的业务逻辑也在发生本质变化：过去主要保证信息传输稳定，如今还要负责交互过程中的模型协同、状态管理和任务衔接。实时互动由通信能力升级为AI系统运行的“神经系统”，这构成了声网此轮转型的技术基础。

场景扩展与盈利验证

技术框架能否转化为商业结果，最终需要真实场景检验。从iRTE2026释放的信息看，声网的重点正在向教育、社交陪伴、企业客服、电话Agent和智能硬件等场景延伸，而这些场景共同面对的，都是用户开口后的关键数秒。

教育是最先体现实时交互价值的领域之一。艾瑞咨询估算，2023年中国在线教育市场规模约为2628亿元，AI贡献率约为7%，预计2027年提升至16%左右；教育智能硬件市场规模约为512亿元，AI贡献率预计从2023年的约11%提升至2027年的37%。

在这一市场中，AI教学助手既要理解学生表达，也要判断停顿和发言边界，打断过早或过晚都会影响课堂体验。EF旗下HyperClass线上课堂已在声网RTC技术支持下运行五年。巴西巴拉那州教育部门针对75万名学生周考成绩的调研显示，使用“老师加Efekta系统”后，优秀学生比例从39.1%升至51.8%。

声网RTE产品经理梅荣军介绍，有客户接入对话式AI引擎后发现，部分学生面对AI时更敢开口，原因在于社交压力相对较小。这一反馈说明，AI教育的价值不只是替代讲解，还可能改变部分学习者的参与方式。

社交与陪伴则是对话式AI更受关注的方向。在声网联合RTE开发者社区发布的《2025对话式AI应用场景热力榜单》中，AI语音助手、AI社交与陪伴、AI潮玩位列前三。

以毛绒AI潮玩“芙崽”为例，该产品因声音衰减明显、使用环境嘈杂，对降噪、打断和延迟要求较高。珞博智能与声网团队经过约13个月的联合优化，从架构设计、降噪优化到成本压缩持续迭代。到2025年底，“芙崽”出货量突破12万台，单个用户平均对话时长接近50分钟；截至2026年6月，国内累计销量接近30万台。

这类数据说明，当硬件能够形成持续、自然的互动体验时，用户停留时间和产品黏性也会相应提升。

企业级市场的逻辑则更接近经营效率。2026年4月至5月，Gartner对199位客户服务与支持负责人的调查显示，相关企业在AI方面的支出增长38%，而整体预算仅增长2%。受访者预计，两年后生成式AI聊天机器人将成为最有价值的服务渠道之一。

另据Grand View Research数据，全球AI语音智能体市场规模2025年约为25.4亿美元，预计2033年达到352亿美元，2026年至2033年复合增长率约为39%。仅2026年一季度，AI语音初创公司融资额约70亿美元，去年同期不足10亿美元。

这些外部数据代表的是行业需求，并不意味着所有参与者都能顺利兑现增长。对声网来说，更关键的是能否把底层能力转化为客户的业务结果。

电话场景提供了一个观察“技术指标如何转化为业务结果”的切口。在iRTE2026上，声网团队分享了一个电话Agent项目的迭代过程：初期意向转化约0.4%，经过12周的回听、定位问题、修复和上线迭代后，几个核心指标超出预期，并支撑每天500万次呼叫；通过优化轮次检测和任务判断机制，AI与用户之间误打断率下降了10个百分点。

这个案例的重要性在于，它把对话式AI的评价标准从“回答是否流畅”推进到“是否完成任务”。电话客服、招聘筛选、市场调研等业务并非只需要自然语音，还涉及身份确认、意图判断、成本控制、结果追踪和持续评估。只有技术指标最终反映到转化率、接通率和任务完成率上，底层平台才真正进入客户的核心流程。

智能硬件与机器人，正在成为实时互动能力延伸的又一条路径。声网与博通集成联合开发对话式AI硬件开发套件R1、R2，以R2采用的BK7259平台为例，音视频处理、端侧AI算力和无线连接被整合进芯片及参考设计，并配合SDK、Skills和工程模板，降低开发者完成原型验证的难度。

机器人远程操控则对低延迟提出更高要求。例如，声网与瑞芯微基于RK3588、RK3576芯片平台推出机器人平行操控方案，在4G、5G及Wi-Fi网络下实现端到端延迟稳定低于200毫秒，网络延时中位数为76毫秒。该方案面向家庭陪伴、农业、工业和割草等场景，为机器人企业提供远程操控与实时图传能力。

资本市场已经开始反映这一转型。8月14日，声网母公司 Agora, Inc.发布的2026年第二季度财报显示，当季总营收4042万美元，同比增长18%，超过此前指引区间高端；GAAP净利润为220万美元，同比增长50.3%，已连续七个季度实现GAAP盈利。实时互动与对话式AI两大业务板块均保持强劲增长势头，语音Agent应用场景已覆盖市场调研、意向收集和客户服务等领域。

不过，客观来看，对话式AI仍处于早期规模化阶段。模型厂商、云厂商和终端厂商均在向实时交互领域延伸，底层能力可能面临价格竞争；不同行业对延迟、合规、部署方式和数据安全的要求差异较大，也可能限制标准化产品的扩张速度。

因此，声网这一轮转型的关键，不在于提出多少新概念，而在于能否把十几年积累的实时网络、音视频处理和终端适配能力，持续转化为可复制、可监控、可合规交付的行业方案。

结语

声网的发展路径，并不是一家传统音视频公司在AI风口上的简单“换挡”。从RTC到RTE，再到iRTE，其背后对应的是实时互动边界的持续扩展。

对话式AI的产业化，最终拼的是由响应速度、打断处理、弱网适配、业务编排、安全合规和持续运营共同构成的系统工程能力。声网过去积累的是“实时”能力，如今面对的核心命题是把这套能力嵌入AI与人真实互动的每一秒。

如果这一转型能够持续兑现，实时互动将不再只是AI应用背后的通信管道，而会成为连接模型、设备、业务与用户的底层基础设施。对声网来说，真正的第二曲线是在从“连接人”走向“连接Agent”的过程中逐渐展开。（图源：声网官微）

风险提示：本文内容基于公开信息整理，不构成任何投资建议。