声网母公司Q3总营收3157万美元，持续聚焦RTE+AI技术深耕

深度聚焦RTE+AI，推动场景创新与体验升级。

本文为IPO早知道原创

作者｜Stone Jin

据IPO早知道消息，声网母公司Agora, Inc. ( NASDAQ: API )于11月26日发布了2024年第三季度财报。

财报显示，第三季度 Agora, Inc.实现总营收3157万美元，其中，业务聚焦在中国市场的声网实现Q3营收1.13亿人民币。聚焦非中国市场的Agora实现Q3营收1570万美元。

在资金储备方面，财报显示截至2024年9月30日，Agora, Inc.现金、现金等价物、银行存款及理财产品3.63亿美元。

“近期，Agora推出了 Conversational AI SDK，并与 OpenAI Realtime API 合作，让开发者能够在任何应用程序中加入语音驱动的对话式 AI 能力。”Agora, Inc. 创始人兼 CEO 赵斌表示，“我们相信，能以语音与人类进行自然对话的多模态 AI 将在客户服务、教育和健康等多个场景中得到广泛应用，而我们有望成为对话式 AI 的关键基础设施。”

“为了支持这一愿景，我们进行了一些组织调整，旨在打造一个更高效、更灵活的组织，让我们能更敏捷的抓住市场机遇，并打造生成式 AI 时代的下一代实时互动技术，巩固我们在实时互动领域的领导地位。”赵斌称。

这里需要指出的一点是，财报显示，声网本季度净亏损约2400万美元，同比扩大约7%。事实上，亏损扩大的背后主要是由于取消员工期权、减记少数股权投资等与实际业务运营不相关的一次性费用支出，如不考虑此类因素，当季净亏损约390万美元。

其中，针对取消员工期权产生的1140万美元费用，声网CFO王静波在业绩电话会上解释，“该部分期权在2021年股价较高时授予，会计成本很高，但由于股价下跌，激励作用不强。按照美国会计准则的规定，虽然期权被取消，员工并未得到任何收益，公司也未付出任何现金或股份发行等成本，公司仍然要在当季一次性计入这些期权未来所有的费用，取消后，未来这部分费用就没有了。”

RTE成AI Infra关键部分

声网发布 RTE+AI 能力全景图

在10月25日举办的第十届实时互联网大会上，声网正式发布了 RTE+AI 能力全景图，从实时 AI 基础设施、RTE+AI 生态能力、声网 AI Agent、实时多模态对话式 AI 解决方案、RTE+AI 应用场景五个维度，清晰呈现了当下 RTE 与 AI 相结合的技术能力、架构方案与应用场景。RTE 已经成为生成式 AI 时代 AI 基础设施的关键部分，而 RTE 与生成式 AI 结合所带来的场景创新，也将成为下一个十年的主题。

几年前，声网在业内首次将 AI 算法全面引入 RTC 技术栈的各个领域，用于改善音视频体验与 QoE 体验。在音频领域，声网打造了新一代实时音频技术智能引擎“凤鸣AI引擎”，其中的 AI 降噪、AI 回声消除、空间音频等能力给实时互动场景带来了更加纯净和沉浸的听觉体验。在视频领域，声网的“实时高清·超级画质”解决方案，在全面提升视频画质的同时，也带来了 AI 美颜、虚拟背景、AI 驱动表情与动作等方面的体验进化。

生成式 AI 正在向多模态和多步推理两个方向深度进化。其中，多步推理对于延迟降低和可用性的稳定保障成为关键需求。声网首创了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™。SD-RTN™ 将为分布式多步推理的延迟控制提供重要保障。其对传输质量的保证以及稳定可靠的支持，也将在生成式 AI 时代成为不可或缺的网络基础设施。

在基础设施之上，本季度声网通过与多家客户在 AIGC 场景的深度合作，探索出了实时多模态对话式 AI 解决方案，该方案以语音为核心，支持视频扩展，可实现文本/音频/图像/视频的组合输入&输出，通过丰富的功能构建真实、自然的 AI 语音交互体验。

实时多模态对话式 AI 解决方案具备四大优势：对交互延迟进行优化，延迟可做到低于500ms；支持 AI 降噪、背景人声过滤，让语音对话更纯静；支持随时打断与超拟人化人声合成，让对话更智能与逼真；同时还支持灵活可扩展的 AI Agent 架构等一系列功能，帮助开发者与企业快速构建适配自己业务场景的 AI 实时语音对话服务。

创新AI+会议协作、智能硬件场景

互动体验全面升级

声网作为全球实时互动云服务行业的开创者，一直在探索生成式 AI 与 RTE 结合为各个行业带来的体验提升和场景创新。本季度，声网正式发布了 aPaaS 产品“灵动会议”，通过 RTE 技术与生成式 AI 能力的融合，重塑会议协作使用体验，为客户提供低代码视频会议平台，并且采用了多云、多平台设计，提供 SFU+MCU 混合架构部署能力，支持客户进行灵活部署和扩展，全面满足客户会议、协作和调度需求。

RTE 技术确保了低延迟、高质量的音视频传输，让视频会议沟通更加实时流畅；而生成式 AI 则通过对会议内容的分析和生成，提供智能化的辅助功能，如实时字幕、AI 会议纪要等。两大技术支撑，让会议从传统的信息传输工具升级为智能协作平台，有效提升了会议效率和用户体验。

除此之外，在实时多模态对话式 AI 解决方案的基础上，声网针对 IoT 行业的特殊性，探索出了 AI x IoT 智能硬件解决方案，该方案能够在低功耗、低算力芯片上快速实现大模型的接入，具备低延时实时互动、低成本灵活适配的特性，通过丰富的功能在智能硬件场景中构建真实、自然的 AI 语音交互体验。

目前多模态大模型在智能硬件场景的落地主要以智能眼镜、智能手表、智能耳机等穿戴式设备为主，在生成式 AI 的趋势下，还出现了智能陪伴机器人、智能儿童毛绒玩具、智能戒指等一系列场景，带来不同硬件终端下的 AI 语音交互体验。

RTE 产品更加专业化

推出Status Page、VoIP CallKit

本季度，声网的 RTE 产品也正朝着更加专业化的方向迈进。赵斌在 RTE2024 的演讲中提到，声网推出了面向实时互动的 Status Page，它提供了电信级质量保证，拥有分钟级更新质量保证状态的能力。同时，针对实时互动对话中的卡顿、延迟等体验，提供更加细致且清晰的指标，帮助开发者和客户更好地对实时互动服务状态和能力进行感知。

针对泛 IPC 场景中，用户接通率普遍较低这一痛点，声网在近期推出了小程序 VoIP CallKit，该方案基于声网 RTSA 音视频实时通话服务，可支持微信小程序 VoIP 端到端呼叫功能。可适用于带屏 IPC、智能门锁、陪伴机器人、智能可视台灯、智能手表、智能带屏音箱等一系列 IoT 场景。在这些场景中，接入 VoIP CallKit 能够高效、快速、准确地实现智能硬件与微信小程序之间的 1v1 实时音视频通话。

今年8月，中国首款 3A 游戏“黑神话：悟空” 的推出使得游戏开黑业务呈现爆发式增长，为了吸引更多观众参与，直播时的画质成为直播平台和主播都非常关注的因素。声网的游戏直播方案，通过对采集和编码侧的核心技术优化，在游戏屏幕共享过程中，保证实时视频编码，让性能消耗最低、编码效率最高，最终实现不掉帧、无卡顿、低延时、超高清的游戏直播互动体验，可以真正做到把大片级 4K 60帧观看体验搬到普通玩家的日常游戏直播中。