近日，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)在北京舉行，本屆大會(huì)以“AI 有聲”為主題，重點(diǎn)聚焦實(shí)時(shí)互動(dòng)（RTE）與對話式 AI （Convo AI）深度融合的新場景、新架構(gòu)與新機(jī)遇。

資料顯示，RTE（Real-Time Engagement）指實(shí)時(shí)互動(dòng)技術(shù)，正廣泛應(yīng)用于直播、電競、遠(yuǎn)程辦公、在線教育、IoT、元宇宙。實(shí)時(shí)互動(dòng)指在遠(yuǎn)程條件下溝通、協(xié)作的多方能夠隨時(shí)隨地接入、實(shí)時(shí)傳遞、虛實(shí)融合的多維信息，并體驗(yàn)身臨其境的交互活動(dòng)。

在今年的RTE 2025實(shí)時(shí)互聯(lián)網(wǎng)大會(huì)開場演講中，聲網(wǎng)創(chuàng)始人兼CEO趙斌表示，聲網(wǎng)年度服務(wù)分鐘數(shù)首次突破1萬億分鐘，標(biāo)志著RTE技術(shù)已成為不可或缺的關(guān)鍵基礎(chǔ)設(shè)施。與此同時(shí)，視頻高清化比例在過去兩年增長超過10倍，海外市場720p以上分辨率流量占比已超80%，WebRTC全球搜索熱度呈現(xiàn)爆發(fā)式增長，標(biāo)志著實(shí)時(shí)互動(dòng)行業(yè)正迎來新一輪創(chuàng)新熱潮。

然而，在基礎(chǔ)設(shè)施日趨完善的同時(shí)，產(chǎn)業(yè)依然面臨著從“連通”到“對話”的本質(zhì)挑戰(zhàn)。當(dāng)交互對象從“人與人”擴(kuò)展到“人與AI”，實(shí)時(shí)互動(dòng)在環(huán)境感知與交互自然度上仍存在明顯缺陷。行業(yè)數(shù)據(jù)顯示，僅21%的用戶對現(xiàn)有AI對話體驗(yàn)滿意，部分服務(wù)的用戶流失率高到“不可接受”。要實(shí)現(xiàn)真正的“類人對話”，企業(yè)必須系統(tǒng)性攻克低延遲響應(yīng)、自然打斷、上下文管理、情感理解與表達(dá)等復(fù)雜挑戰(zhàn)。

多模態(tài)大語言模型（LLM）的出現(xiàn)讓計(jì)算機(jī)具備了類人的實(shí)時(shí)語音對話能力，為解決這些挑戰(zhàn)帶來了全新路徑。趙斌表示，對話式AI正驅(qū)動(dòng)RTE從能夠“正常對話”到 “聲情并茂”的關(guān)鍵躍遷，為RTE行業(yè)帶來一個(gè)不可估量的全新市場。

第三方機(jī)構(gòu)Deepgram和Opus Research調(diào)研顯示，67%的企業(yè)已將語音AI智能體置于戰(zhàn)略核心位置，84%的企業(yè)計(jì)劃在未來一年增加相關(guān)投入。在開發(fā)者生態(tài)中，對話式AI與語音智能體創(chuàng)業(yè)公司呈現(xiàn)爆發(fā)式增長態(tài)勢。數(shù)據(jù)顯示，聲網(wǎng)對話式AI 相關(guān)用量在2025年第三季度實(shí)現(xiàn)151%的環(huán)比增長。

在眾多應(yīng)用場景中，對話式AI將在情感陪伴、智能硬件、在線教育三大場景中率先實(shí)現(xiàn)規(guī)?；涞亍Ｔ诖髸?huì)現(xiàn)場，趙斌演示了AI客服的功能，展現(xiàn)了當(dāng)前對話式AI在實(shí)時(shí)交互與場景理解方面取得的突破性進(jìn)展。

此前在2025世界人工智能大會(huì)（waic）上，聲網(wǎng)正式發(fā)布新版對話式AI引擎，該版本新增聲紋識別、數(shù)字人與視覺理解三項(xiàng)功能，實(shí)現(xiàn)對話式AI音視頻交互體驗(yàn)的全新升級。

為幫助企業(yè)和開發(fā)者把握這一機(jī)遇，聲網(wǎng)在大會(huì)上正式發(fā)布了《2025對話式AI發(fā)展白皮書》及《對話式AI好奇者手冊》，為行業(yè)提供了一套系統(tǒng)的實(shí)踐指南。同時(shí)，聲網(wǎng)推出了對話式AI引擎2.0，對話式AI開發(fā)套件、對話式AI模型評測平臺和對話式AI Studio，加速對話式AI在實(shí)時(shí)互動(dòng)行業(yè)的應(yīng)用創(chuàng)新。