年度服務時長首破萬億分鍾，聲網乘對話式AI東風

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：北京商報）

2021年2月，特斯拉CEO馬斯克在Clubhouse語音聊天，Clubhouse服務商Agora, Inc（聲網母公司，以下簡稱"聲網"）一炮而紅。四年間，聲網股價有漲有跌，近日聲網創始人兼CEO趙斌宣佈，聲網年度服務分鍾數首次突破1萬億分鍾，同時發佈多款新品，這個在多模態大模型、音頻應用等背后的公司再獲曝光度。多模態大語言模型的出現讓計算機具備了類人的實時語音對話能力，Deepgram和Opus Research 調研顯示，67%的企業已將語音AI智能體置於戰略核心位置，84%的企業計劃在未來一年增加相關投入。2024年四季度以來，聲網連續三個季度扭虧，這一系列數據是聲網的利好信號，不過技術層面的挑戰和巨頭的擠壓也客觀存在。

"2024年5月，OpenAI稱很快的時間內釋放多模態交互的Agent（智能體）進入ChatGPT。秋季，全球所有用户基本上都可以使用給ChatGPT打電話的功能，這就是對話式人工智能體to C（用户）的場景。"

"10月，OpenAI和Agora聯合推出全球第一個Realtime API（一款低延迟語音交互API），這就是對話式人工智能體to B（企業）的原點。"聲網AI RTE（實時互動技術）產品線負責人姚光華以實例介紹對話式AI的場景和toB結合模式。

一年前，聲網常將生成式AI掛在嘴邊，一年后將對話式AI作為長期的戰略投入，OpenAI的風向是其做此選擇的原因之一。

從技術的層面，MiniMax開放平臺解決方案高級總監馮雯解讀了對話式AI的框架："Voice （聲音）Agent探測對方是否在説話，獲得這樣的信息后，交給ASR（自動語音識別）識別對方説的是什麼內容，再交給大語言模型進行處理，不同場景會有不一樣的要求，通過文字轉語音，然后播報語音。隨着大家對大語言模型、對話式AI更多地暢想和場景的要求，每個環節都有許多技術升級。"

近日，聲網推出的多款產品也圍繞對話進行。

其中對話式AI引擎2.0讓AI更懂開口對話的時機，能分辨是誰在講話，支持更多ASR和TTS（文本轉語音）供應商，用户可根據自己的需求選擇想要的語種和音色，也可進行電話外呼；對話式AI Studio是針對對話式AI引擎進行編排的平臺，聲網對話式AI模型評測平臺會向客户推薦延時、成本最符合需求的產品，用户可以通過API（應用程序編程接口）集成，也可以通過Studio編排；發佈對話式AI開發套件，是爲了讓客户和開發者更快地集成Convo AI（對話式AI）。

反觀用户端，根據聲網發佈的對話式AI場景熱力榜單，AI語音助手、AI社交和陪伴、AI潮玩是排名前三的場景。AI語音助手領域包括ChatGPT、豆包、智譜清言、MiniMax等；AI社交和陪伴領域包括Talkie、Grok 4、Soul等；AI潮玩包括珞博-Fuzozo、賦之-EBO Air 2 Plus等。

和其他技術一樣，在支持對話式AI發展的過程中，RTE‌仍有進步空間。"目前對話式AI存在800毫秒的端到端語音延迟是合理的目標，要做到更極致的話，未來還會繼續努力。"馮雯説。

行業數據顯示，僅21%的用户對現有AI對話體驗滿意，部分服務的用户流失率高到"不可接受"。究其根源，人類對話中僅有7%的信息來自語言內容，超過90%的信息感知依賴於語調、表情和肢體語言等非語言要素。要實現真正的"類人對話"，企業必須系統性攻克低延迟響應、自然打斷、上下文管理、情感理解與表達等複雜挑戰。

"對話式AI將成為下一代AI Infra（人工智能基礎設施）的重要部分"，趙斌表示。以AI 陪伴為例，ARK Invest 預測這一賽道有機會從3000萬美元上漲到700億—1500億美元，聲網對話式 AI相關用量在2025年第三季度實現151%的環比增長。

這是一個全新市場，但如何將其轉化為實實在在的營收和利潤，需要時間，機會和挑戰同時擺在聲網和同行面前。2025年二季度聲網營收3430萬美元，同比增長0.5%，淨利潤150萬美元，同比扭虧。

北京商報記者 魏蔚