近日，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举行，本届大会以“AI 有声”为主题，重点聚焦实时互动（RTE）与对话式 AI （Convo AI）深度融合的新场景、新架构与新机遇。

资料显示，RTE（Real-Time Engagement）指实时互动技术，正广泛应用于直播、电竞、远程办公、在线教育、IoT、元宇宙。实时互动指在远程条件下沟通、协作的多方能够随时随地接入、实时传递、虚实融合的多维信息，并体验身临其境的交互活动。

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赵斌表示，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，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”。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。

第三方机构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，对话式AI与语音智能体创业公司呈现爆发式增长态势。数据显示，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。

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，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。

此前在2025世界人工智能大会（waic）上，声网正式发布新版对话式AI引擎，该版本新增声纹识别、数字人与视觉理解三项功能，实现对话式AI音视频交互体验的全新升级。

为帮助企业和开发者把握这一机遇，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。