让实时互动和AI，同频共振

从网络电话的诞生，到与AI实现实时对话，实时互动经历了飞速进化，已经成为现代工作和生活中不可或缺的一部分。

无论是教育领域提供的沉浸式学习体验，还是娱乐行业推动观众与内容创作者的实时连接，实时音视频已深刻融入到各行各业，成为提高参与感与效率的关键工具。

在成立之初声网的愿景便是让实时互动像空气和水一样，无处不在。过去十年，声网成功将这一愿景变为现实，让实时互动成为各行各业的基础能力。

“看得见、听得清”一直是实时互动的核心指标。不卡顿，一直是声网的核心出发点，希望满足任何时间、设备和网络环境下的需求，同时保持低成本。进入AI时代，声网与微软的合作也进一步深入，不仅提升了开发者和企业的效率，还加速了AI赋能的转型进程，让AI Agent，看的见，听得清，反应快，说的准。

从云到AI，不断延伸合作的边界

开发者只需简单调用声网API，即可在应用内构建多种实时音视频互动场景。同时声网不仅创造了全球首个、迄今为止规模最大的实时音视频网络——软件定义实时网 SD-RTN™，还推出了全球首个、迄今为止数据处理能力最强、分析维度最广的实时音视频质量诊断分析产品——水晶球 Analytics。

目前，声网主要聚焦两大业务方向。第一，针对需求较为整体或简单的客户，提供轻量级的一体化方案，基于音视频的基本能力，可以快速推出如对话助手等功能，用户只需在后台开通，且方案中保留一定的个性化定制空间；第二，针对具备开发能力的企业，提供更为专业的开发套件。

随着生成式AI的入局，让“AI+泛娱乐”成为一个热门开发方向。声网也在原有的SDK上，与AI大模型对接，新增专用的SDK能力，形成了整合的解决方案。

声网首席运营官刘斌谈到，这种整合的方案让开发者可以避免对接多个厂商，简化了开发流程，同时能够显著降低延迟，延迟过高会限制产品的扩展性。

此外，声网和微软的合作覆盖了多个层面，首先，微软是声网的云服务合作伙伴之一；其次，微软在全球合规方面的强大能力也为声网的运营提供了重要保障；最后，微软在大模型技术，特别是语音转文字等领域，早已具备领先的技术实力，声网也与微软在大模型领域展开合作。声网也是微软的ISV Partner，双方已基于语音相关AI产品进行了IPcosell。

打造技术生态，AI与音视频的整合交付

声网与微软的合作是基于双方在技术和市场上的互补性，主要体现在大模型应用和多模态技术的整合上。微软大中华区副总裁、数字原生事业部总经理田灼说道，微软专注于大模型的研发和质量输出，尤其在文本大模型到多模态模型的转型过程中。

左：微软大中华区副总裁、数字原生事业部总经理田灼、右：声网首席运营官刘斌

声网和微软的合作不仅推动了技术的创新，也形成了一个新的生态圈，帮助企业和开发者降低开发成本，缩短开发周期，提升开发质量。

随着大模型逐步应用到企业时，工程学问题和开发挑战不可避免，尤其是在音视频需求不断增强的多模态应用场景中。田灼强调，微软专注于大模型的核心质量，而声网则负责解决音视频传输的“最后一公里”问题，比如微软Azure AI Vision服务交付给客户时，音视频带宽和优化要求将带来巨大的压力，声网就可以提供带宽优化、低延迟和高质量的用户体验。

“这是一种刚需驱动的合作模式。”田灼说，对AI和实时音视频有迫切需求的企业都会寻找到微软和声网，两者通过整合API、SDK，可以无缝交付给客户，提供最大的便利性。

而且从整体安全体系看来，声网已获得ISO、SOC2和GDPR等多项认证。叠加微软在全球拥有 100 多项合规认证的微软智能云平台，声网能够更加放心系统安全，确保达到安全效果。

写在最后

就目前而言，声网已具备帮助客户实现目标的能力，但真正的价值创造还取决于客户在各自垂直领域内的专业知识（know how）和对需求的精准把握。刘斌坦言，声网的核心作用在于帮助客户降低试错成本，加速目标的实现，但在一些高度专业化的领域，问题的解决并非声网的专长。

所以在现阶段，双方基于各自价值需求的合作基础之上，还要为客户呈现出更加完善、优质的解决方案，推动创新。

这种合作模式将为微软与更多企业的合作创造契机，这也符合微软一直倡导的成长型思维。通过与互补的生态合作伙伴深度协作，双方能够取长补短，探索出最佳解决方案。微软希望以自身为触角，结合伙伴的优质服务，为客户交付更大的价值，实现双赢，这正是合作的核心要义。