2025智能体元年：AI与RTC如何用技术撬动千亿社交陪伴市场？

DeepSeek火爆出圈，AI成为全民话题。这点燃了大众使用AI产品和应用的热情，2025年有望成为AI Agent商业爆发元年。

近日，即构科技联合广大大、MiniMax举办以“AI赋能 社交进化：2025出海创新之路”为主题的线上直播，探讨AI+社交领域的发展趋势和技术进展。

AI应用层热门赛道观察

AI Agent要落地到社交领域，备受期望和关注的赛道之一就是AI陪伴。在a16z最新发布的全球Top50 AI榜单（Web和App）（统计范围2024年8月至今）中，Character.ai、Talkie 2款AI陪伴类应用进入Top50App榜单。其他上榜的应用大多为Chatbot、图像/视频相关产品。另外，包括LoveyDovey在内的3款AI陪伴类应用进入收入Top50榜单。

来源：a16z

经过几年发展，AI陪伴应用演化出了几个常见分类，包括角色扮演类、虚拟伴侣类和AI克隆人等。这类应用场景通常以IM、实时语音对话为主要互动形式。要达到为用户提供情感体验的效果，AI陪伴应用既要实现IM、语音互动快速响应，支持语音打断，也要能够提供贴近AI角色的回复内容，支持图片消息互动，支持用户重新编辑、AI重新回复，还要提供符合角色人设的音色，基于不同内容匹配情绪，声音自然有情感。

多模态模型在娱乐社交的探索

当前，大模型成本的降低，多模态技术的日益进步迭代，也为娱乐社交类厂商入局AI陪伴提供了有利条件。DeepSeek等深度推理模型的出现，能够帮助AI陪伴应用塑造更加丰满的人设，让AI角色能够“读懂人心”，还能实现长期记忆功能等。

去年5月，OpenAI推出具备实时语音能力的GPT-4o，Cartesia推出真人级语音工具Sonic。一个月后，Character AI推出AI通话功能，苹果也宣布将ChatGPT整合到Siri……国内外各大AI厂商紧随其后，纷纷发布AI语音交互功能，AI语音市场迎来爆发式增长。

AI语音技术的发展也丰富了AI陪伴产品的玩法，促使用户与角色深度交互，大大提升了拟真度和沉浸感。包括Character AI、Talkie、猫箱在内的热门AI陪伴应用已经基本将AI实时语音通话作为标配。

而对于AI视频生成技术，据不完全统计，自去年2月视频生成模型Sora发布后的三个季度，视频生成领域已有超过30款开闭源模型问世。目前，AI视频生成技术更多用于广告、影视、社交等内容创作领域。

构建全方位丝滑互动的AI Agent

直播期间，即构科技AI产品创新负责人祁伟斌详细解析了基于即构的AI+RTC技术，如何搭建这类应用的业务场景，满足用户的核心诉求。

对于想要入局这一赛道的玩家，想要从0到1打造高质量AI社区应用绝非易事。对于技术难度高、成本高、效果难保障等痛点，即构推出互动式AI Agent产品，可支持AI陪伴等场景，通过IM、RTC等实时互动核心产品搭建互动会话框架，把LLM与ASR、TTS、数字人等插件或扩展服务进行拼接串联，并针对陪伴场景进行延迟、效果的工程化调优，从而搭建出IM、实时语音、数字人等AI互动场景。

该方案具备以下优势：

• 可多模态互动的智能体：可定义AI的性格、人设，提供丰富音色，支持声音克隆；支持IM图文消息、实时语音通话、视频通话等多模态互动；可扩展精品照片数字人，1张照片即可赋予AI可实时互动形象，唇形准确、面部逼真，驱动延迟低至200ms。

• 实时语音通话能力：全球低至1s的延迟回复，仅500ms的自然语音打断，说话状态精确判断，避免一句话被错误断成多句，AI回复更精准。

• 专门打造的AI音频处理能力：采用AI降噪、AI人声检测、AI回声消除技术。消除环境噪声、音乐声、远处环境人声等，支持在办公室、居家、车中等各种环境下互动；精确识别有效人声，避免“嗯”“喔”等语气词的轻端回应；精准消除被麦克风回采的AI声音、背景音乐等，避免AI讲话打断AI，提高打断时的语音准确性。

• 个性化接入：支持多种接入形式，含全套UI的低代码AI Agent SDK，灵活定制的服务端API，均可实现2周快速接入；可灵活选择大语言模型及文字转语音等插件，且可支持开源模型。

AI与RTC技术的融合，让实时互动更智能，让AI Agent更有温度。低延迟、高智能、多模态的AI Agent，凭借信息秒回、不会失联、7×24小时情感陪伴、随时提供情绪价值的能力，让AI的角色超越了简单的生产工具，开始深入地融入生活的方方面面。即构愿意与各位一起，让AI“能听会看”，有温度有情绪价值，共建实时互动世界。