2015年，聲網公司勇敢地邁出了第一步，將WebRTC大會引入中國，成功舉辦了首屆面向國內開發者、業務人員及用戶的RTC（實時視音頻）大會。在那場大會前夕，時任聲網市場VP及RTC大會主策人的彭小歡，心中滿是對大會能否吸引足夠參與者的忐忑。然而，十年后的今天，這一擔憂早已煙消云散。RTE（實時互聯網）大會已步入第十個年頭，10月25日，RTE 2024大會如期舉行，現場座無虛席，熱鬧非凡。

在RTE2024大會的現場，國內大模型領域的佼佼者紛紛亮相，智譜、MiniMax、零一萬物團隊均現身其中。自ChatGPT發布以來，智譜和MiniMax分別在B端和C端市場深耕細作，積累了豐富的經驗。通義千問團隊也帶著國內最大的開發者生態，加入了此次RTE大會的討論。AI領域的知名創業者如賈揚清，這位全球矚目的AI科學家，也在RTE大會的主論壇上分享了他在AI Infra領域創業18個月后的心得，以及對RTE+AI趨勢的獨到見解。

谷歌、螞蟻、面壁智能、生數科技、商湯、曠視、WPS、Soul等企業也在大會上分享了他們在ChatGPT時代下的AI探索成果。今年的RTE大會，大咖云集，AI內容占據了主導地位。

從RTC大會到RTE大會，十年間，聲網始終堅守初心，從未間斷地舉辦這一盛會。如今，RTE大會已成為全球規模最大的音視頻行業峰會之一，規模從最初的一個主會場、一個分論壇和一個workshop，發展到如今的20多個論壇，觀眾人數上限一度達到六七千人。據聲網官方統計，這十年間，大會累計影響了200多萬開發者，覆蓋了300多個行業場景，吸引了2000多名專家講師參與分享。

聲網創始人趙斌在大會上表示，生成式AI正在推動IT行業發生深刻變革，主要體現在終端、軟件、云和人機界面四個層面，其中AI Native Cloud將成為主流。Lepton AI創始人兼CEO賈揚清也認為，AI是云的第三次浪潮，實時的交流和智能的結合在用戶體驗環節至關重要。

在大會的圓桌討論環節，五位嘉賓圍繞AI的6000億美金難題，探討了從AI基礎設施到AI商業化落地的機會與挑戰。賈揚清認為基于開源架構的應用會越來越普遍，而王鐵震則強調了開源模型的基礎設施和數據閉環的重要性。MiniMax合伙人魏偉分享了模型在藝術和影視等領域的創新應用，面壁智能聯合創始人及CTO曾國洋則預測未來算力成本將不斷優化。

聲網在此次大會上發布了RTE+AI能力全景圖，從實時AI基礎設施、RTE+AI生態能力、聲網AI Agent、實時多模態對話式AI解決方案、RTE+AI應用場景五個維度，全面展示了RTE與AI相結合的技術能力與應用方案。趙斌指出，生成式AI與RTE結合帶來的場景創新，將成為下一個十年的主題。

今年5月，GPT-4o的發布再次引發了業內的熱議，其展示的實時語音交互能力令人印象深刻。GPT-4o通過采用RTC方案，實現了自然、流暢的低延時語音交互體驗。這一成果再次證明了RTC技術在連接多模態大模型與實時互動場景中的關鍵作用。

聲網CEO趙斌表示，生成式AI的一個重要發展方向是向多模態深度進化。目前，文字訓練數據已得到充分利用，而聲音和視覺數據的獲取和運用將為大模型提供幾乎無限的數據空間。因此，多模態成為當下的重要發展方向。在推進多模態深度進化上，聲網通過與多個行業伙伴的深度合作，發現多模態對話體驗的關鍵在于聲音體驗和人與大模型支持的agent對話時的互動體驗。

趙斌認為，只有把RTE技術運用得足夠好，部署到全球各個云和邊緣節點，大模型的多模態能力才能普遍地、高質量地走進各種實時互動場景。在這場多模態帶來的實時對話式AI的競爭中，擁有核心技術和具備行業解決方案能力的實時音視頻廠商將占據優勢。

OpenAI在10月初發布了實時API公測版，并公布了三家語音API合作者的身份，其中就包括聲網的兄弟公司Agora。從底層的RTC等音視頻能力來看，Agora和聲網都擁有深厚的技術積累。相較于市面上大部分2-3秒的AI互動延遲實踐，聲網的對話式AI解決方案將對話響應延時優化至500毫秒，實現了真實、自然的AI語音交互體驗。

聲網在AI領域的探索并非一時興起，早在四年前，當transformer在學術界嶄露頭角時，聲網就率先將AI技術引入RTE技術棧，用于改善音視頻傳輸保障。如今，聲網正與MiniMax合作，打磨國內首個Realtime API，為人工智能體提供流暢、自然的實時語音對話能力。這一創新成果再次證明了聲網在實時音視頻領域的領先地位和深厚的技術實力。