社区

北京时间2月27日，声网母公司 Agora, Inc.(NASDAQ: API) 公布了2023年第四季度及全年财报。财报显示，第四季度 Agora, Inc. 实现营收3604万美元，环比增长3%，全年总营收1.42亿美元。 其中，业务聚焦中国市场的声网第四季度实现营收1.48亿人民币，环比增长5%；聚焦非中国市场的 Agora 第四季度实现营收1530万美元，环比持平。 值得一提的是，得益于多元实时互动应用场景的增长和行业扩展，Agora, Inc. 2023年第四季度调整后净利润为140万美元，实现三年以来首次季度盈利。 对此，Agora, Inc.创始人兼CEO赵斌表示，“我们在2023年四季度取得了强劲的财务业绩，实现了连续的收入环比增长，并实现了140万美元调整后净利润，这是三年以来首次季度盈利。这反映了我们在极具挑战的经营环境下的业务韧性，以及我们不断优化成本结构的努力。” Agora, Inc.在2023年第四季度完成股票回购350万ADS，总金额1000万美元。赵斌表示，“在过去的两年中，我们通过回购方式向股东返还了超过1亿美元，我们的总股本也相应降低了约18%。我们非常高兴地宣布，董事会已经授权将2亿美元的股份回购计划延长12个月，这体现了董事会对我们的财务实力和长期增长前景的信心。” 在客户规模方面，截至2023年12月31日，声网活跃客户数量达4144个，同比增长12%，Agora活跃客户数量达1683个，同比增长18%。

美加墨世界杯即将开赛。48支球队，104场比赛，16座城市，三个时区。国际足联预计全球累计观看人次超过60亿，峰值并发可能突破一亿。 世界杯是目前人类体育史上收视体量最大的系列直播赛事。它不会给任何平台预演的机会——带宽峰值在进球瞬间被打穿，卡顿投诉在点球大战期间爆发，弹幕剧透让延迟过高的平台成为众矢之的。延迟、并发、同步——这三个技术命题中的任何一个失守，都足以让一届赛事直播变成一场灾难。 世界杯所代表的极端场景，是检验赛事直播技术能力的终极考卷。 一、传统直播方案在赛事场景下的三道坎 第一道坎：延迟。 基于 HLS 协议的直播，端到端延迟普遍在20到30秒；FLV 或 RTMP 协议在3到8秒。这个延迟量级下，弹幕剧透无法避免，实时互动——云解说、一起看、同步投票——缺乏成立的前提。延迟不是众多指标中的一个，它是决定其他功能能否存在的先决条件。 第二道坎：弱网稳定性。 大型赛事的观众分布全球，网络条件差异巨大。传统 CDN 在面对网络抖动时通常降低画质或直接卡顿。对于一场90分钟的比赛，用户对短暂画质下降的容忍度远高于中断。 第三道坎：互动缺失。 传统直播是单向推流。“一起看”正在从增值功能变成标配体验，要求直播架构从“广播模式”转向“实时交互模式”。 这三道坎指向同一个结论：赛事直播需要的不是传统方案的修补，而是一套围绕低延迟、高并发、强互动重新构建的技术架构。声网赛事直播解决方案以此为起点，覆盖从内容生产到用户消费的完整链路，归纳为四个核心场景。 二、四大核心场景 场景一：赛事观看 这是基础场景，也是技术压力最大的环节——数百万乃至数千万同时在线观众，要求延迟极低、画质稳定。底层传输建立在 SD-RTN™（软件定义实时网络）之上。这是一张覆盖全球200多个国家和地区的软件定义网络，设计逻辑与 CDN 有本质区别：CDN 是“先

北京时间5月27日，声网母公司 Agora, Inc. ( NASDAQ：API ) 公布了2026年第一季度财报。财报显示，第一季度 Agora, Inc. 总营收3775万美元，同比增长13.5%。公司指引二季度营收区间为3900至4000万美元，同比增长13.7%—16.6%。 在美国通用会计准则（GAAP）下，Agora, Inc. 第一季度净利润为111万美元，净利润率 2.9%，同比增长172%，继2024年Q4同比扭亏为盈后，已连续六个季度实现 GAAP 盈利。Agora, Inc. 创始人兼 CEO 赵斌表示， “我们欣然宣布，本季度公司营收增速继续提升，并已连续第六个季度实现美国通用会计准则（GAAP）下的盈利。 本季度，我们继续丰富对话式 AI 产品组合，推出了无代码平台 Agent Studio，并发布面向客服、外呼营销等场景的智能体模板，帮助客户更快速地构建、部署和规模化应用语音 AI 智能体；同时，让更多企业以更低门槛、更快速度开启 AI 应用实践。令人鼓舞的是，客户的积极接入，也推动平台使用量稳步增长。 行业正从早期试点走向规模化部署。凭借过去十年在实时互动基础设施上的积累，我们将继续为客户提供稳定可靠、高性能的解决方案，助力对话式 AI 更从容地落地真实业务场景。” 在现金储备方面，截至2026年3月31日，Agora, Inc. 现金、现金等价物、银行存款及银行理财产品为3.66亿美元。   RTE+AI 产品矩阵迭代升级，筑牢AI时代实时互动底座 2026 年 Q1，围绕 RTE+ AI 能力，声网升级四大重磅产品，不断夯实 AI 时代的实时互动底座。 声网 R2 全场景 AI 机器人开发套件于 AWE2026 首次亮相原型机，在继承全双工语音交互、智能打断、背景降噪等优势基础上，新增本地视觉识别与多

近日，由量子位主办的第四届中国 AIGC 产业峰会正式落下帷幕。峰会现场揭晓了“2026年度值得关注的 AIGC 企业”与“2026年度值得关注的 AIGC 产品”两大奖项。声网凭借在对话式 AI 与实时音视频领域的持续深耕，成功入选“2026年度值得关注的 AIGC 企业”，旗下“声网对话式 AI 开发套件”同步斩获“2026年度值得关注的AIGC产品”称号。 本次评选由量子位联合数十位行业专家、投资人、技术负责人及产业从业者共同评审，结合过去一年生成式 AI 企业与产品的实际表现、用户反馈与行业影响力，从数百份申报材料中遴选出最终上榜名单。声网此次同时获得企业与产品双项大奖，标志着其在对话式 AI 领域的技术布局与产品实践获得了行业的高度认可。 从“能听会说”到“能看会动”： 对话式 AI 硬件能力的升级 过去一年，声网在对话式 AI 领域持续发力，完成了从技术底座到产品落地、从单点突破到生态构建的系统性布局。 在产品侧，声网于 AWE 2026正式发布了对话式 AI 开发套件 R 全系列产品及 R2 全场景 AI 机器人开发套件原型机。R2 在继承 R1 全双工语音优势的基础上，新增本地视觉识别与多自由度运动控制，能“看懂”手势、识别人脸轨迹，实现“走到你面前打招呼”或“转头注视说话者”这类充满生命感的本能反应。这种从“能听会说”到“能看会动”的技术跨越，标志着人机交互从“命令-响应”的机械流程，推进到了“感知-共鸣”的情感层面。搭载 R2 套件的桌面级情感机器人“陆卡卡”已在 AWE 上亮相并引起广泛关注。 在落地应用方面，声网对话式 AI 引擎已催生出包括珞博智能的 AI 陪伴玩具“芙崽Fuzozo”在内的多个标杆案例，其数字灵魂完全来自声网的产品能力。早期客户还覆盖了智能手表、AI 早教机、AI 玩具，以及智谱清言、商汤商量、星野等 AI 应用。承载终

5月16日，声网 RTE 2026 春夏巡游首站在深圳落地。沙龙主题是「消费级机器人的多模态交互“实时进化论”」。 我们邀请了吉利汽车研究院、赋之科技、阶跃星辰、瑞芯微的嘉宾现场分享干货内容。场外，赋之、陆吾、二白等机器人产品以及各类开发板开放体验，让到场同行在聆听分享的同时，也能亲手感受当前消费级机器人的真实交互。 以下是五位嘉宾分享的精彩节选。 吉利杨硕： 车是中枢，“贾维斯”才是灵魂 作为国内头部车企的 AI 研发力量，吉利汽车研究院长期在机器人领域重投入。其人工智能中心全域 AI 业务负责人杨硕的分享，从三个行业痛点切入： 智能设备各说各的，用户上下文无法跨端流动 眼镜和音箱端侧算力有限，车载芯片动辄几百 TOPS 却在空转 一个用户面对多个AI人格，体验完全割裂 基于这组痛点，杨硕提出判断：车是唯一同时具备算力、电力、空间、数据四大集中优势的智能终端。 因此应被定位为“第三空间中枢”，联动眼镜、机器人、家居，形成完整的智能环。 技术底座是 WAM——World Action Model，世界行为模型。核心逻辑是认知统一而非功能集成。架构上采用“1+2+N”：1个 WAM 整车大脑，2大核心智能体（座舱、智驾），N个子域智能体，座舱和智驾共享同一个底层认知。算力底座是星睿智算中心。面向用户的人格化载体是超级 Eva，由阶跃星辰×吉利×千里科技三方联合打造，首款量产车型为极氪 8X 。产品矩阵三端协同：车端中枢、AI 眼镜视觉延伸、机器人物理代理。 杨硕分享中最值得机器人行业关注的，是这套架构对机器人角色的重新定义。机器人不是孤立终端，而是接入整车算力与 WAM 认知基座的物理执行节点——车辆接近家门时机器人提前开启空调，检测到异常时机器人是第一通知节点。复杂视觉和规划任务可调用车载WAM或云端推理，突破自身端侧的算力上限。家庭机器人的能力上限，可能不取决于

4月28日，第三批上海市创新型企业总部授牌仪式正式举行，仪式上，常务副市长吴伟宣读第三批创新型企业总部名单。上海市市长龚正为声网颁授上海市创新型企业总部荣誉奖牌，声网首席商业官崔博接牌。 此次授牌的企业覆盖集成电路、生物医药、人工智能、数字经济等战略性新兴产业重点领域，均为各领域的龙头企业与技术创新领跑者，具有成长速度快、创新能级高、发展活力足等特点。这些创新型企业通过强化自主研发能力，牵引产业链协同联动，有效推动了科技创新与产业创新深度融合，提升了上海产业实力和全球竞争力。声网凭借在实时互动及人工智能领域卓越的技术实力和行业影响力，成功获批上海市跨创新型企业总部认定。 深耕杨浦创新热土，声网持续引领多模态实时交互体验迭代升级。2025年，声网推出了全球首个对话式 AI 引擎，以赋能开发者基于任何大语言模型构建实时语音对话体验，极大提升了人机对话的流畅度与自然度。同时，声网与MiniMax、智谱、商汤、通义千问等国内人工智能头部企业深化合作，催生了AI陪伴玩具、AI语音助手、AI眼镜、AI机器人、AI客服等现象级应用场景。 技术是声网的核心竞争力，声网的服务已覆盖全球200多个国家和地区，深度赋能教育、IoT、金融、医疗、企业协作等20余个行业的200多种场景，不仅支撑着国内数字经济领军企业的稳健运行，更作为中国科技出海的标杆，为全球知名科技品牌与独角兽企业提供核心交互底座。 声网将以入选上海市创新型企业总部为新起点，继续发挥全球技术先发优势。不断深化在实时互动与人工智能领域的研发投入，持续优化技术性能，为上海建成具有全球影响力的科技创新高地提供源源不断的“声网力量”。

引言｜RTE 超能力 跨洋视频的会心一笑、远程课堂的专注眼神、AI 设备的贴心关怀……实时互动（RTE）的"超能力"如空气浸润日常，消融距离，让人与人、人与 AI 的每次连接充满温度。这股力量正重塑商业与民生，成为企业增长的静默引擎——其价值，藏在声网与客户的每一次真实落地。 每则成功案例背后，都是技术"超能力"与企业需求的精准击掌，是双方并肩啃下硬骨头后的真实战果。声网【RTE 超能力】系列将聚焦双方的真实合作与落地价值，看 RTE 技术如何帮企业接住用户期待、实现增长破局。 诚邀您走进这些故事，解码" 超能力"内核，探寻合作赋能商业增长的深层力量。 2025年初，当大多数 AI 硬件公司还在追逐复杂的机器人时，珞博智能选择了一条更轻盈的路径——做一个 AI 养成系毛绒潮玩。这个看似“简单”的选择，背后是对 Z 世代女性群体情感需求的精准洞察：她们不需要一个摆在桌上灵活又智能的科技玩具，而是一个能倾听、会撒娇、永远在线的“情绪容器”。 为了让这个“小物件”活起来，珞博找到了声网。一场持续13个月的技术共创实验，由此展开。 选型决策： 从通用方案到对话式 AI 能力定制 “市场上都没有我们想要的东西！” 珞博智能 CTO Yuna 几乎试遍了市面上所有的 AI 交互方案。“所有供应商提供的都是他们的通用方案，但我们需要的是能深度适配软硬件的一套体系——降噪要能识别毛绒包裹后的声音衰减，打断要能区分用户说话和背景噪音，延迟要接近真人对话的水平......更关键的是我们只是一家刚起步的创业公司，没有大厂背书，没有订单承诺，多数供应商都只是给我们现成的方案，只有一个例外。” “只有声网愿意跟我们从0到1去打磨的，” Yuna 说，“他们愿意提供定制化的解决方案，投入了售前、售中、售后的全部资源，这是其他家绝不会给到一家创业公司的。” 这个决定，开启了珞博与声网长达 13 个月的技

当 AI Agent 开始自主撰写会议纪要、生成待办事项，甚至回写业务系统完成闭环，企业对会议系统的需求已悄然改变。传统的 SaaS 会议软件凭借“开箱即用”完成了市场普及，但在 Agent 时代，政企客户对会议的真实诉求不再是标准化功能堆砌，而是安全可控的数据主权、适配业务流程的智能化能力，以及与 IT 基础设施无缝集成的开放架构。具备安全可扩展、AI 融合的会议能力底座，正成为政企会议基础设施的必然选择。 图片 基于对政企客户核心诉求的深度洞察，4月16日，声网正式发布了政企智能云会议引擎。不同于传统的云会议产品以及 Meeting SDK，声网智能云会议引擎是一套基于声网 RTC PaaS 基础之上、可复用、可编排、可嵌入业务系统的会议能力底座。在这种模式下，会议不再只是一个独立产品中的功能模块，而是企业系统中的协同基础设施。同时，该产品依托声网在实时互动领域万亿分钟级的技术与经验验证，以“专网级体验、安全可控、开放可扩展、AI 融合”四大核心能力，重新定义 AI 时代的政企会议标准。 电信级通讯质量： 弱网不断连，稳定可验收 “听得清、不卡顿、不断连”的会议体验是开好一场会的首要条件。而在政企会议场景，会议体验更是复杂多变——从跨国分支机构的日常沟通，到应急指挥的极端网络环境，会议系统的稳定性直接关系到业务能否正常运转。声网凭借在实时音视频领域万亿分钟级的技术验证，通过弱网不断连、稳定性可量化验收、全球就近接入等一系列举措，让会议体验像专网一样稳。 （声网政企智能云会议引擎产品架构） 例如，在网络突发丢包、抖动时，系统优先保障语音连续，视频自适应降级，确保关键信息不断句、会议不中断；入会成功率、卡顿率、崩溃率、弱网抗性等关键指标可量化、可看板、可报表，让稳定性从“感觉”变为“数据”；声网自建的 SD-RTN™ 网络在全球200+国家与地区部署了节点，结合动态路由算法

在刚刚落幕的 AWE 2026上，声网展台前的一款小设备引起了不少人注意——形似猫头鹰的“猫所长”（Litter Lens）。它可以后装在普通猫砂盆上，通过 AI 视觉分析猫咪的如厕行为，将猫砂盆变成家庭宠物健康的“第一哨所”。这款产品来自深圳灵予科技（旗下品牌悉宠），一家专注于 AI 视觉宠物健康监测的公司，其产品已在北美市场获得良好反馈。今年1月，悉宠“猫所长”已正式登陆中国市场。 猫砂盆内是铲屎官的信息黑洞 泌尿与肠胃疾病是猫咪最常见的健康问题，尤其在中老年猫中发病率极高。但猫是忍痛高手，等主人发现异常时，往往已错过最佳干预窗口。多猫家庭更棘手：三四只猫共用猫砂盆，主人根本不知道“谁拉了稀、谁蹲了半小时没出来”。 这不是养宠知识不够，而是信息无法实时捕捉。传统猫砂盆是一个数据黑洞——猫进去、出来，主人只知道“有人上过厕所”，仅此而已。市面上一些智能猫砂盆能记录“次数”和“重量”，但血便、软便、尿团大小这些最直观的健康信号，只有靠眼睛看。 “猫所长”的解题思路很务实：不做昂贵的智能猫砂盆，而是做一个可以后装在任何猫砂盆上的AI摄像头。它采用后装通用设计，适配封闭、半开放式或开放式猫砂盆，让大多数使用传统猫砂盆的用户无需更换设备，也能实现自动健康监测。 当猫进入猫砂盆，设备自动录制并实时分析两个维度：如厕频率与停留时长（异常频繁或长时间蹲伏可能是尿路感染、便秘的早期信号），以及粪便的形状与颜色（异常事件自动标注照片/视频，生成可追溯的“病史证据链”）。针对多猫家庭，多猫识别准确率超过90%，仅需一次手动标注即可为每只猫建立“视觉指纹”，精确区分异常个体，避免健康猫“背锅”或病猫被遗漏。30天续航、IPX5 防水、夜视补光，以及“仅在猫出现时记录”的隐私友好设计，让它能够长期稳定工作。 远程监护的“最后一公里” 宠物远程监护对实时视频传输提出了特殊要求。用户收到异常告警后需

2026年4月7日，网易旗下一站式企业服务提供商网易智企与全球领先的对话式 AI 与实时音视频云服务商声网正式签署战略合作协议。双方将围绕实时音视频、内容安全、AI Agent 等领域开展长期深度合作，通过产品集成与生态共创，共同为企业客户提供更完善、更安全的一站式智能化解决方案。 图片 网易副总裁、网易智企总经理阮良，声网创始人兼 CEO 赵斌代表双方签订战略合作协议。 双方将依托各自核心优势，为客户带来高质量、可定制化的实时音视频服务以及专业可靠的内容安全服务。同时，双方将在多模态生成、营销 AI Agent 等领域集成融合，形成联合解决方案，并围绕 AI 玩具、AI 语音客服等方向共创生态。 网易副总裁、网易智企总经理阮良表示：“此次合作是双方在技术深耕与产业实践上的深度共鸣，将网易智企的硬核 AI 技术、数字内容安全与声网领先的实时音视频能力在具体业务场景中深度耦合。无论是智能客服中的实时语音交互，还是在线教育中的 AI 辅助教学，抑或是数字文娱场景下的内容安全与实时互动体验，双方都将以场景为牵引，共同打磨出真正解决客户痛点的一体化产品方案，提供更具竞争力的选择。让 AI 与 RTE 的融合扎根于每一个真实的业务场景。" 声网创始人兼 CEO 赵斌表示：“此次战略合作的达成，标志着声网与网易智企在实时音视频、数字内容安全以及 AI Agent 赛道的强强联合。双方通过整合各自核心能力，打造一体化解决方案，既覆盖双方现有客户的需求，也能面向泛互联网、企业服务、教育、文娱等多行业输出标准化、定制化的产品方案，进一步巩固双方在各自领域的行业地位。未来，双方将充分发挥各自技术优势与行业积累，共同推动 AI 与 RTE 的融合发展。” 关于声网 声网是全球领先的对话式 AI 与实时音视频云服务商，为人与人、人与 Agent、Agent 与 Agent 的多模态实时交互提供最佳

在近期举办的 AWE（中国家电及消费电子博览会）上，声网与海思（Hisilicon）首次联合展示无人机 4G 远遥图传解决方案，携手深圳市纬胜智能科技有限公司完成无人机端产品落地。该方案以“全球实时互动云 + 核心影像芯片 + 垂直方案商”的合作模式，在 4G 网络下实现端到端延迟稳定低于 200ms，为消费级与行业级无人机打造标准化、低延迟、高可靠的远程控制与实时图传服务，完善无人机作业的通信技术支撑体系。 破解复杂网络作业痛点 实现实时感知、低时延操控、稳定执行 无人机能否真正实现远程可操控，取决于 “感知→控制→执行” 这一完整链路是否畅通： 感知：无人机需实时回传高清画面，让地面端“看得清”； 控制：地面需实时下发操控指令，让无人机“听得懂”； 执行：无人机需瞬间响应指令调整飞行，让任务“做得准”。 针对偏远地区、复杂地形下的网络作业难题，声网 SD-RTN™（声网自研的全球实时互动网络）提供了核心支撑： SD-RTN™ 全球覆盖：200+ 国家与地区实时接入，确保无人机无论在哪都有最优链路。 超低延迟：方案实现端到端延迟 稳定低于 200ms，全球延迟达标率高达 99.9%+，网络延时中位数仅 76ms，几乎消除操控延迟感。 抗丢包：凭借高效的抗丢包算法，30%丢包情况下保障画面流畅与指令实时响应，从此告别“飞丢”焦虑。 无论是城市高楼间的消费级穿越机，还是偏远地区执行巡检任务的工业级无人机，这套方案都能提供稳定流畅、双向实时的远遥图传体验。 软硬深度协同  构建稳定传输能力 方案以海思 Hi3519D 超高清智能 SoC 为硬件底座，深度融合声网 RTC（实时音视频）与 RTM（实时信令）技术，完成了从芯片指令集到云端调度的底层协同优化，同时保障视频流上行与控制指令下行的双向稳定。 （1）硬件底座：海思芯片 Hi3519D，专为极致影像而生 作为海思在