RTE2025：从“连接”到“对话”，对话式 AI

　　10月31日，由声网与 RTE 开发者社区联合主办的 Convo AI & RTE 2025 第十一届实时互联网大会在北京正式开幕。本届大会以“AI 有声”为主题，汇聚了全球顶尖的 RTE&对话式 AI 专家、开发者、企业代表与生态伙伴，共同探讨实时互动(RTE)与对话式 AI (Convo AI) 深度融合的新场景、新架构与新机遇。在主论坛上，声网创始人兼 CEO 赵斌、微软(中国)首席技术官韦青、Agora 联合创始人 Tony Wang 等嘉宾分别带来主题演讲和圆桌讨论。

　　赵斌：RTE 服务量首破万亿分钟，对话式 AI 将成为下一代 AI Infra 重要部分

　　在今年的 RTE 2025 实时互联网大会开场演讲中，声网创始人兼 CEO 赵斌宣布，声网年度服务分钟数首次突破1万亿分钟，标志着 RTE 技术已成为不可或缺的关键基础设施。与此同时，视频高清化比例在过去两年增长超过10倍，海外市场720p 以上分辨率流量占比已超 80%，WebRTC 全球搜索热度呈现爆发式增长，这一切标志着实时互动行业正迎来新一轮创新热潮。

　　然而，在基础设施日趋完善的同时，产业依然面临着从"连通"到"对话"的本质挑战。当交互对象从“人与人” 扩展到 “人与AI”，实时互动在环境感知与交互自然度上仍存在明显缺陷。行业数据显示，仅21%的用户对现有 AI 对话体验满意，部分服务的用户流失率高到“不可接受”。究其根源，人类对话中仅有7%的信息来自语言内容，超过90%的信息感知依赖于语调、表情和肢体语言等非语言要素。要实现真正的“类人对话”，企业必须系统性攻克低延迟响应、自然打断、上下文管理、情感理解与表达等复杂挑战。

　　多模态大语言模型(LLM)的出现让计算机具备了类人的实时语音对话能力，为解决这些挑战带来了全新路径。赵斌表示，对话式 AI 正驱动RTE从能够 “正常对话” 到 “声情并茂”的关键跃迁，为 RTE 行业带来一个不可估量的全新市场。

　　Deepgram 和 Opus Research 调研显示，67%的企业已将语音 AI 智能体置于战略核心位置，84%的企业计划在未来一年增加相关投入。在开发者生态中，全球范围内也正掀起一场实时语音技术的新浪潮，对话式 AI 与语音智能体创业公司呈现爆发式增长态势。Y Combinator 近期的孵化团队中，语音智能体公司占比显著提升;ARK Invest 预测 AI 陪伴赛道有机会从3000万美元上涨到700-1500亿美元;声网对话式 AI相关用量在2025年第三季度实现151%的环比增长，这一切都展现出强劲的市场需求。

　　而在众多应用场景中，对话式 AI 将在情感陪伴、智能硬件、在线教育三大场景中率先实现规模化落地。在大会现场，赵斌演示了 AI 客服的功能，充分展现了当前对话式 AI 在实时交互与场景理解方面取得的突破性进展。

　　为帮助企业和开发者把握这一历史机遇，声网在大会上正式发布了《2025对话式AI发展白皮书》及《对话式 AI 好奇者手册 》，为行业提供了一套系统的实践指南。同时，声网推出了对话式 AI 引擎 2.0，对话式 AI 开发套件、对话式 AI 模型评测平台和对话式 AI Studio，加速对话式 AI 在实时互动行业的应用创新，开启 RTE+AI 的新篇章。