“視頻會議”之外還有無限空間。

回憶起1年前的第七屆聲網(wǎng)RTE大會，聲網(wǎng)CEO趙斌的記憶有些模糊。但他清楚地記得，當時中國移動的一位信息化負責人特意找到自己，表達了對聲網(wǎng)產(chǎn)品的感謝。

會場里客戶來來往往，猛地面對客戶特意追過來的感謝，趙斌也一時想不起與中國移動合作的是什么項目。細聊之下才想到，2020年初疫情的爆發(fā)，讓國內研究生考試的復試（面試）不得不在線上進行，需要一套統(tǒng)一的視頻會議系統(tǒng)。項目落在了這位客戶的頭上，但留給他們的時間只有短短一個月。

時間緊任務重，這位信息化負責人最開始想用國外一款知名軟件進行二次開發(fā)，但嘗試之后發(fā)現(xiàn)需要定制的地方實在太多，一個月時間絕對不夠用。

“后來一位合作伙伴給我們推薦了聲網(wǎng)。我們當時抱著死馬當活馬醫(yī)的心態(tài)，從官網(wǎng)下載了軟件包來開發(fā)，結果居然真的在截止時間之前完成了?！笨蛻舻倪@句鼓勵，趙斌記了很久。因為這是聲網(wǎng)第一次解決如此重要的客戶“數(shù)字化業(yè)務”相關需求。

如今，數(shù)字化業(yè)務已然成了這家在納斯達克上市的“實時互動”領先企業(yè)的重要業(yè)務之一，公司甚至調整了架構，專門服務那些對數(shù)字化需求更豐富多樣的企業(yè)。

在剛剛結束的第八屆聲網(wǎng)RTE大會上，聲網(wǎng)正式對外發(fā)布新書《實時萬象》，剖析了實時互動的20+個賽道和200+個場景。正是基于這些行業(yè)場景下實時音視頻的實踐積累，聲網(wǎng)在數(shù)字化領域已經(jīng)覆蓋了金融、醫(yī)療、工業(yè)、政企、企業(yè)協(xié)作等多個賽道。

但一些值得思考的問題接踵而來：為什么這些不同賽道的企業(yè)在進行業(yè)務數(shù)字化建設時，都選擇了聲網(wǎng)？實時互動技術對于企業(yè)數(shù)字化來說，到底意味著什么？

聲網(wǎng)RTE大會期間，「甲子光年」深度對話了聲網(wǎng)數(shù)字化轉型業(yè)務負責人何挺，試圖揭開聲網(wǎng)領跑實時互動賽道背后的秘密。

1. 實時互動，數(shù)字化的第一步

近年來，數(shù)字化轉型已然成了各行業(yè)的關鍵詞。

例如在制造業(yè)環(huán)節(jié)，隨著人力成本的不斷攀升，工廠越發(fā)重視數(shù)字化技術對人效的提升；在農業(yè)場景下，智能化養(yǎng)殖技術已經(jīng)在一些頭部農業(yè)企業(yè)落地，智能養(yǎng)豬、智能養(yǎng)雞已經(jīng)不是新鮮事；而在醫(yī)療方面，不少醫(yī)院已經(jīng)搭建起自己的預約掛號、在線問診平臺，個人健康檔案也陸續(xù)在建設過程中。

此前信通院發(fā)布的《2022中國數(shù)字經(jīng)濟發(fā)展報告》數(shù)據(jù)顯示，2021年我國數(shù)字經(jīng)濟規(guī)模已達45.5萬億元，占GDP比重達到39.8%。

盡管目前不少企業(yè)都已開始進行數(shù)字化建設，但從整個國內企業(yè)的視角來看，中國的企業(yè)數(shù)字化建設還處于早期階段。在今年RTE大會的主論壇的圓桌上，聲網(wǎng)COO劉斌表示：中國的數(shù)字化建設“目前處在起步到往中間走的階段，還未成熟”。

劉斌認為，數(shù)字化建設的過程，一定是從第三產(chǎn)業(yè)向第二產(chǎn)業(yè)延伸，最后才是第一產(chǎn)業(yè)，但目前第一產(chǎn)業(yè)與第二產(chǎn)業(yè)的數(shù)字化探索建設還非常有限，并且很多第三產(chǎn)業(yè)企業(yè)在數(shù)字化轉型中還有一些尚未滿足的需求，例如資源的冗余、數(shù)據(jù)打通、產(chǎn)品使用體驗等等，還需要共同探索解決辦法。

也就是說，第一二產(chǎn)業(yè)的需求是增量市場，第三產(chǎn)業(yè)則是存量市場。

但二者有個共同的需求，就是數(shù)字化建設涉及到的業(yè)務線上化，必然會產(chǎn)生大量實時互動需求。

比如在礦山場景下的遠程無人采礦，通過實時互動技術，可以將無人礦車駛入過去因為環(huán)境惡劣而無法人為到達的優(yōu)質礦產(chǎn)地點進行開采，并實時觀察開采情況。

而在存量市場中，疫情暴露了過去很多企業(yè)在數(shù)字化建設方面的問題。

例如無論是體制內的學校還是培訓機構，過往都擁有視頻會議的功能。如2016年后，“雙師課堂”逐步推廣開，讓非一線城市的學生也能享受到最核心的教育資源。然而雙師課堂也只需要“教室對教室”的會議系統(tǒng)，不涉及個人端，設備數(shù)量很小。另一些課后培訓機構也有線上的課程，但這些課程只占機構的一小部分業(yè)務。當疫情爆發(fā)后所有學生都要轉為線上上課，原有的系統(tǒng)根本支撐不了這樣的流量需求。

“他們過去費時費力建設的這些專用音視頻會議系統(tǒng)，實際效果可能都不及并非為了在線教育而做的釘釘或者騰訊會議，所以釘釘和騰訊會議那段時間才會出現(xiàn)爆發(fā)式增長?！甭暰W(wǎng)數(shù)字化轉型業(yè)務負責人何挺直言。

“但在我們看來，釘釘或者騰訊會議都不是在線教育的最優(yōu)解。更好的答案一定是建立基于業(yè)務場景搭建實時互動產(chǎn)品?！?/p>

業(yè)務數(shù)字化的前提是業(yè)務線上化，而實時互動是絕大多數(shù)企業(yè)實現(xiàn)業(yè)務線上化的第一步。無論產(chǎn)業(yè)處于數(shù)字化轉型的哪個階段，實時互動都必然是企業(yè)數(shù)字化轉型的基礎技術，給企業(yè)帶來新的業(yè)務機會。

2. 客戶需求推動技術進化

不過，從技術發(fā)展的角度來看，企業(yè)們一開始需要的并不是實時互動，而是實時音視頻。也就是RTC（Real-Time Communication），通過技術達到低時延的語音視頻通話。

2018年，聲網(wǎng)在RTC的基礎上將技術理念進行升級，加入了“互動”的概念，也就是如今的RTE實時互動技術，并沿用至今。

與RTC相比，RTE的技術優(yōu)勢在于讓需要進行遠程溝通、協(xié)作的用戶能夠隨時隨地接入、實時地傳遞虛實融合的多維信息，并體驗身臨其境的交互活動。

舉例來說，在視頻會議的場景中，RTC更關注語音基礎畫面是否穩(wěn)定、保真、清晰。而RTE更關注視頻會議中參與方的需求是否被完全滿足。

例如，會議中的演講者也許需要一個虛擬的背景空間來增加場景感，或會議中需要一個電子白板來記錄、創(chuàng)作和展示某些內容。這些應用已經(jīng)超越了RTC范疇，擴展到了RTE領域去滿足了用戶更真實且豐富的訴求了。

同樣，在社交平臺的直播場景下，主播往往更需要“美顏”“變聲”功能，而這些功能都是RTE才能夠實現(xiàn)的。

隨著行業(yè)的發(fā)展，RTE概念與邊界已逐步清晰化。2020年，聲網(wǎng)在上市招股書中首次公開提出“RTE（Real-Time Engagement）”概念，此后這一概念逐漸被行業(yè)認可及使用。

趙斌曾總結道，“RTC從Communication的視角，更多是在強調對語義信息進行高質量和高效率的傳遞。而RTE更聚焦用戶所需要的共享時空，即俗話所說的場景。并且，能夠達到或者超越線下場景的互動體驗和效果，這是RTE真正聚焦的部分，其內涵和外延的范圍遠遠超過了RTC的領域?！?/p>

對于聲網(wǎng)來說，正是企業(yè)的訴求從單純的音視頻信息傳遞，轉向了更豐富多元的實時互動，才讓他們從RTC轉向RTE。而RTE的最終目的，則是讓用戶夠達到或者超越線下場景的互動體驗和效果。

事實上，從RTC到RTE的轉變，也讓聲網(wǎng)更加關注客戶的需求。

過去，聲網(wǎng)的業(yè)務主要集中在教育、社交、娛樂、游戲領域，頭部企業(yè)新東方、陌陌、B站等都是聲網(wǎng)的客戶。這些行業(yè)對實時互動的需求較為直接，且已經(jīng)有一定的數(shù)字化水平，為聲網(wǎng)奠定了實時音視頻業(yè)務的基礎。

目前，聲網(wǎng)的業(yè)務也涵蓋金融、醫(yī)療、工業(yè)、政企、企業(yè)協(xié)作等領域。例如，聲網(wǎng)為太平財險、眾安保險提供了“遠程定損理賠”業(yè)務提供了技術支撐。

“定損”是車險理賠的重要環(huán)節(jié)。

過去，發(fā)生事故后，需要勘察員到事故現(xiàn)場收集資料，確定損失及賠償?shù)膬r格。但隨著智能化的發(fā)展和當下常常無法見面的現(xiàn)狀，這種方式逐漸呈現(xiàn)出種種弊端。無論是對保險公司還是對車主來說，整個定損和理賠的周期都很長、耗費人力，數(shù)字化是他們期待的方式。

產(chǎn)品搭建完成后，車主只需要進入保險APP或小程序，視頻連線定損顧問，在過程中完成報案、查勘、定損、交單、理算到核賠的整個流程，就能獲得快速打款。

3. 從RTE到數(shù)字化服務

中國移動的信息技術負責人向聲網(wǎng)表達感謝后不久，聲網(wǎng)更加意識到，市場和企業(yè)都在期待他們推出更完善的數(shù)字化服務。

在金融領域，聲網(wǎng)有了一些分階段、逐步完善的數(shù)字化服務案例。

例如一家全國性的商業(yè)銀行，在過往的數(shù)字化實踐中，已經(jīng)將一定的業(yè)務搬到了線上，例如通過文本機器人和語音呼叫中心來解答用戶的一些疑問，并引流向銷售代表及更多線下場景。然而，這些功能在服務能力和覆蓋范圍方面都有所欠缺。

于是，聲網(wǎng)來到這家銀行，幫助他們搭建了實時互動平臺，基于現(xiàn)有的RTE產(chǎn)品體系，讓銀行的平臺不僅能夠支持視頻客服系統(tǒng)，也能提供穩(wěn)定的音視頻通信能力。更進一步，聲網(wǎng)還將AI能力注入原有呼叫中心系統(tǒng)中，使系統(tǒng)可以進行語音識別、合成、對話管理等AI交互，讓業(yè)務智能化更進一步。

這之后，銀行還希望將實時互動功能延展到更為核心的業(yè)務。例如手機銀行產(chǎn)品的雙錄（語音和視頻驗證）業(yè)務現(xiàn)在就可以通過app的AI坐席完成。用戶在app端發(fā)起雙錄，AI坐席自動接聽，并進行封閉性提問及購買。

又如在保險產(chǎn)品的購買流程中接入了VR場景，讓用戶能在微信中與客戶經(jīng)理會面。甚至近兩年火爆的“數(shù)字人”也進入了銀行客服體系，通過數(shù)字人與視頻銀行的結合，為客戶提供更直觀、人性化的智能服務。目前，該銀行已經(jīng)在個貸、小微企業(yè)貸、信用卡面簽、對公賬戶開戶等多個場景中使用實時互動的功能。

在企業(yè)協(xié)作領域，聲網(wǎng)也有不少探索。何挺印象最深的是“隨行會議”項目。

移動辦公的普及和疫情的爆發(fā)，讓數(shù)字化辦公系統(tǒng)成為了企業(yè)IT系統(tǒng)的必要功能。2020年2月，招商局集團下屬的數(shù)字化承辦單位招商金科聯(lián)系到聲網(wǎng)，希望為他們定制一套“隨行會議”系統(tǒng)，以供疫情期間招商局內部的全球員工使用。

時間緊迫，聲網(wǎng)內部立刻成立了項目組，在現(xiàn)有RTC SDK的基礎上，改進了在全場景下的回聲、斷句等問題。“隨行會議”還有兩項突破，它集成了聲網(wǎng)完整的會議系統(tǒng)，可以無縫融合各個主流OA平臺，也可以與傳統(tǒng)視頻會議終端打通。

“數(shù)字化業(yè)務”的轉向，讓聲網(wǎng)不僅關注客戶當下的訴求，也關注未來可能的機遇。

一些已經(jīng)擁有較為完善的數(shù)字化系統(tǒng)的企業(yè)，經(jīng)歷了數(shù)十年的發(fā)展，在不同業(yè)務中擁有多套SaaS產(chǎn)品，也正在面臨新的問題。

由于不同業(yè)務分屬不同產(chǎn)品，而產(chǎn)品之間又屬于不同供應商，所以產(chǎn)品之間的數(shù)據(jù)通常無法共享共同，不利于企業(yè)分析和規(guī)劃。同時，不同供應商的產(chǎn)品也讓這些產(chǎn)品在云上需要占用不同的服務器和帶寬，但這些資源是根據(jù)最大負載量獨占的，并不總是能被充分使用，造成了資源的限制和浪費。另一方面，這些系統(tǒng)都需要專門的人去維護，運維成本也很高。

更進一步，由于這些系統(tǒng)搭建得較早，當企業(yè)要拓展一些新業(yè)務的時間，就往往無法在原有的系統(tǒng)中繼續(xù)建設，而是需要去重新開發(fā)一套新的系統(tǒng)。

根據(jù)這些痛點，聲網(wǎng)開發(fā)出了一套新的解決方案——“靈境融合協(xié)作平臺”。這是一個基座平臺，并配備低代碼能力，讓企業(yè)能夠對“實時互動”相關的云上資源進行調配和優(yōu)化，同時也可以快速開發(fā)出新產(chǎn)品。

通過這個“靈境融合協(xié)作平臺”解決方案和生態(tài)合作伙伴的幫助，目前聲網(wǎng)已經(jīng)賦能金融、醫(yī)療、工業(yè)、政企、企業(yè)協(xié)作、教育等多個賽道的超過60個數(shù)字化轉型場景。數(shù)字化業(yè)務已經(jīng)成為聲網(wǎng)的重要業(yè)務。

4. 直面競爭，依舊領跑

聲網(wǎng)上市之后，許多大廠也推出了“視頻云”業(yè)務。

就在2020年聲網(wǎng)上市后不久的9月，騰訊云推出了升級版的視頻云4.0，希望賦能教育、電商、泛娛樂等行業(yè)，這是騰訊為疫情和“音視頻互動”業(yè)務打造的產(chǎn)品線。并基于自身IaaS和SaaS層面的能力，為客戶提供多樣化的服務。

在今年一季度的財報中，騰訊云透露公司將聚焦企業(yè)服務版塊，主動所見虧損業(yè)務，并將資源集中在視頻云等PaaS解決方案中。從中可以看出騰訊云對視頻云業(yè)務的重視與信心。

另一邊的火山引擎，在2021年12月推出IaaS業(yè)務之前， 已經(jīng)在PaaS領域里有了一定時間的積累，其中“視頻云”就是火山主推的業(yè)務之一。

字節(jié)跳動可以說是隨著短視頻的爆發(fā)而成長起來的，它們在實時互動領域投入巨大。完成對內部產(chǎn)品的支持之后，字節(jié)也將視頻云的能力開放出來給客戶視頻?；鹕揭鎸⒁曨l云定位為“面向體驗”的視頻云業(yè)務，將重點放在了播放、互動、畫質、性能四方面。

面對這些大廠的競爭，聲網(wǎng)覺得自己依舊是音視頻和實時互動領域的先行者。

何挺告訴「甲子光年」：“我們一直認為競爭是好事，RTE這個行業(yè)目前仍處于發(fā)展的早期，我們很高興看到有不少廠商開始加入這個賽道，這說明了RTE行業(yè)是有潛力和巨大發(fā)展空間”。

“相對于大廠，我們開始得更早，有很好的技術積累，在音視頻領域的技術投入上也是最大的，這讓我們可以更好地打磨產(chǎn)品。”何挺自信地說道，“第二，我們服務過大量客戶，對于一些具體的場景擁有行業(yè)know-how，這也是后來者很難追上的?！甭暰W(wǎng)數(shù)字化轉型業(yè)務負責人何挺直言。

對聲網(wǎng)來說，除了技術積淀和行業(yè)know-how，更重要的能力得益于與客戶共創(chuàng)，以及與之相伴發(fā)展起來的生態(tài)。

何挺向「甲子光年」解釋說，在進行實時互動或數(shù)字化業(yè)務時，聲網(wǎng)或客戶發(fā)現(xiàn)了一個需求，然后會基于這個需求與客戶一起共創(chuàng)?！肮矂?chuàng)出一個解決方案之后，我們一起去驗證它。從小規(guī)模到大規(guī)模 ，再到后期可以給其他類似的公司和場景復用。”

何挺認為，“它的本質是發(fā)現(xiàn)需求，并與客戶共同成長”。

也許正是關注客戶真正需求、并“與客戶共同成長”的理念，才讓聲網(wǎng)一路從關注RTC到關注RTE，再到提供完整的數(shù)字化服務。也正是這樣的理念，讓聲網(wǎng)能夠促成生態(tài)體系的搭建，以及類似“靈境融合協(xié)作平臺”這樣前瞻產(chǎn)品的產(chǎn)生。

審核編輯 ：李倩