鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

RTE2025:从“连接”到“对话” 对话式AI驱动RTE产业跃迁之路

编程导航
编程导航
2025-11-01 12:30
阅读 127
编程导航
2025-11-01 12:30
阅读 127

【TechWeb】11月1日消息,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。

Tony Wang:从中国速度到全球共鸣,AI 出海需完成“心智跃迁”

Agora 联合创始人 Tony Wang 从全球化市场实践的独特角度,分享了中国 AI 企业在全球化进程中必须完成的“心智跃迁”。他指出,在 AI 技术全球化的浪潮中,出海已从 "可选项" 转变为 "必选项"。AI 的全球化进程不仅依赖于技术优势,更需要完成从“算法精度”到“心智广度”的认知跨越。他强调“信任”是超越技术的新竞争壁垒,中国 AI 企业的全球化不只是产品或速度的竞争,更是一场理解差异、建立信任的长期修炼,而这种信任源自透明的数据治理、商业共赢以及文化共情三个方面的系统构建。

与此同时,针对产品的全球化,他指出真正的产品市场契合(PMF)在于“技术价值的全球化叙事”与“情感价值的本地化表达”相结合,既要聚焦解决人类共通的效率与情感陪伴需求,也要深入理解不同地域市场的文化特性。面对中国创业者虽具备技术深度、执行力与规模化理解力,却常受限于商业语言与管理心智的现状,他提出了 “Go Global, Go Local”的深度本地化策略,并强调领导者需完成从控制到信任、从竞争到共赢、从技术、创始人到团队的心智全面升级,让产品被全世界感知、信任与喜爱,才能在 AI 全球化的浪潮中打造出真正被世界信任的中国公司。

韦青:构建智能组织新能力——技术融于无形,方见真正价值

微软(中国)首席技术官韦青在大会主题演讲中深入分享了他对技术本质与 AI 应用的深刻理解。他指出,真正伟大的技术应当“融于无形”。许多公司的成功并非依赖技术本身的先进性,而是源于对技术深刻理解,并基于这些理解来满足用户需求。以 WebRTC 为例,声网在2014至2015年选择这一当时并不被主流看好的标准,正是因为其洞察了未来十年开发者的需求与技术趋势,提前布局未来的发展方向。此外,他还提示开发者要回归用户体验和场景价值,关注技术背后的持续价值与长远动态,而非盲目追逐技术热词与短期风口。

他进一步指出,前沿组织与超级个体将成为 AI 时代的核心单元。在 AI 浪潮加速的今天,技术的真正力量在于“无之以为用”。企业需构建能够有机协同人类与 AI Agent 的组织形态,而个体则应具备持续学习、指挥“AI 大军”的能力。在追逐技术长板的同时,更应重视数据安全、流程再造、组织文化等“短板”,方能实现从“有 AI”到“用 AI”再到“是 AI”的跃迁。只有通过不断探索未知领域,以人为本,技术才能真正服务于用户,推动行业发展,并创造长久的价值。

圆桌:AI 产品出海的破局关键

在圆桌对话环节,声网联合创始人 Tony Wang 与天际资本创始人张倩、OceanBase CEO 杨冰、珞博智能联合创始人潘雨楠、WaveSpeedAI 联合创始人李样兵围绕 AI 出海的核心挑战展开深度探讨,从赛道选择、竞争策略到落地执行等多维度探寻破局之道。

在出海赛道选择上,张倩指出,Agent、AI 硬件与底层基础设施正构成三大核心机遇。她特别强调,智能体 AI 尚处爆发初期,创业者在细分赛道深耕将大有可为。面对日益激烈的市场竞争,张倩认为未来将形成两极化的生态格局:巨头主导通用场景,而深耕细分领域的 AI 原生企业同样能凭借专业深度建立坚固护城河。

潘雨楠则指出,AI 硬件企业必须深刻理解大模型能力与产品化落地之间的巨大鸿沟,通过持续创新保持“6个月到1年”的技术代差,以此构建企业核心竞争力。同时,中国企业应该发挥在供应链整合和快速迭代方面的传统优势,将技术深度有效转化为产品优势。

关于出海的市场策略,与会嘉宾也基于自身经验分享了多元路径。杨冰提出“顺势而为,扬长避短”的实践心得,认为在与中资企业全球化同向而行的路径上做深本地化做深行业是最高效的方式;潘雨楠则强调要根据目标市场对企业品牌和文化的接受度与匹配性来制定市场策略;李样兵分享了从客户需求出发确定市场,进而采用“声西击东”的创新策略——在北美建立品牌声量,同时将业务重点布局在中东、东南亚等蓝海市场。

在突破首个大客户这一关键议题上,Tony Wang 和李样兵都充分强调了出海企业在全球市场上与本地合作伙伴快速建立信任、构建合作生态的重要性。杨冰补充指出,对 To B 企业而言,通过构建完整的认证与服务体系帮助客户实现自服务,也是出海企业跨越海外市场门槛的关键。

在圆桌讨论的最后,与会嘉宾在关于人才建设方面达成了共识:出海人才需要兼具从0到1的创业经验与强大的跨文化适应能力,这是支撑企业全球化布局的重要基石。

从“人人连接”到“人机共生”,RTE 技术与对话式 AI 的融合正在重塑沟通的边界。未来,声网将继续与开发者、企业及合作伙伴共同推动实时互动生态的进化,迎接一个更加智能、实时、无处不在的交互新时代。(周小白)

原文链接: RTE2025:从“连接”到“对话” 对话式AI驱动RTE产业跃迁之路
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230