話音作為聯(lián)結全球80億人口的紐帶，承載著人與人之間最基本、最可靠的溝通需求。在科技發(fā)展日新月異的當下，各行各業(yè)迎來前所未有的革新契機。特別是AI技術的蓬勃興起，推動話音業(yè)務從傳統(tǒng)音視頻向多模態(tài)、交互式通信的形態(tài)轉變，極大地促進了通話產業(yè)的繁榮發(fā)展，開辟了全新的增長點。借助AI技術為新通話賦能，構建智能體通話能力，重塑用戶通話體驗，正是打造智能業(yè)務新入口的黃金時機。

AI給通信產業(yè)帶來的變化

2022年，ChatGPT橫空出世，自此各種大模型相繼亮相，人工智能進入蓬勃發(fā)展階段，并逐步向多模態(tài)、智能體等方向發(fā)展。在通話領域，文本、圖像、語音等多種模態(tài)數據處理技術日趨成熟，通信內容從傳統(tǒng)音視頻向全媒體、智能化演進。與此同時，IMS DC（數據通道）的標準制定工作也在持續(xù)推進。2024年6月，GSMA正式發(fā)布PRD TS.66 IMS Data Channel API Specification，為構建全球統(tǒng)一的新通話應用生態(tài)提供了標準依據；3GPP R18標準正式凍結，為新通話商用的全面提速奠定了標準基礎。隨著DC標準的逐步演進，未來交互式通信將進一步降低對終端的依賴，從而促進運營商基于DC的交互式業(yè)務的落地。人工智能結合AIGC（生成式人工智能）、Agent、LLM（大型語言模型）、MLLM（多模態(tài)大語言模型）等技術，可實時感知用戶意圖，為用戶提供交互式、沉浸式的通話體驗。

“AIGC+語音驅動數字人”為用戶提供個性化數字人形象，人人都能擁有自己的數字分身。AIGC技術已被廣泛應用于各個領域，在實時通信領域被用于生成個性化數字人形象。通過圖生圖、圖生視頻、文生圖和文生視頻技術，降低個性化素材創(chuàng)作門檻，人人都可以擁有自己的數字分身。語音驅動數字人技術基于用戶的語音輸入，實時驅動數字人形象生成與語音同步的口型、表情和動作，讓數字人更具生命力。

“AI Agent+LLM/MLLM”為數字助理裝上“超級大腦”，為用戶提供更加沉浸、智能、高效的體驗。LLM/MLLM基于海量數據進行訓練，具有數十億甚至數千億的模型參數，具備強大的理解、表達和泛化能力。基于LLM構建的AI Agent已在多個領域展現(xiàn)出巨大潛力，可以更準確地理解用戶意圖、情感以及上下文信息，與用戶進行更自然、流暢的交流?；贛LLM構建的AI Agent不僅能夠處理文本，還能理解和生成圖像、音頻、視頻等多種模態(tài)的數據，增強數字助理的理解能力，為用戶提供更豐富的交互體驗。結合RAG（檢索增強生成）和工具使用能力，增強AI Agent的知識獲取與記憶能力，從而實現(xiàn)個性化的用戶數字助理。

AI賦能新通話，智能體變革通話體驗

通過AI賦能網絡，新通話可實現(xiàn)智能體通信，為用戶提供更加高效便捷的通話體驗。為實現(xiàn)這一目標，需要在已有新通話基礎架構上進行能力增強，引入通話智能面，實現(xiàn)多模態(tài)交互及第三方模型對接。

新通話智能體通信架構如圖1所示。新通話能力平臺基于業(yè)務AS（應用服務器）指示向新通話媒體面發(fā)起音視頻或DC操作，如拉起單向視頻實現(xiàn)網絡側點亮屏幕業(yè)務；同時，進行新通話智能面設備發(fā)現(xiàn)，并指示智能面完成語義交互。

新通話智能體通信架構

新通話媒體面可接受來自新通話能力平臺的指示控制，進行媒體流復制、收號、字幕提示、放音等基礎音視頻能力操作，以及字幕流合成、虛擬背景替換、虛擬頭像替換、媒體元素合成等相關媒體處理。同時，新通話媒體面負責將實時媒體流復制給智能面，完成進一步AI語義交互處理，并確保媒體流發(fā)送給終端的實時性不受影響。

新通話智能面可接收新通話媒體面復制的媒體流，提供通話語義智能交互及分發(fā)相關能力。它支持針對用戶的意圖識別、多模態(tài)（音頻、文本、圖片、視頻）語義交互；同時，通話智能體平臺基于用戶意圖進行靈活分發(fā)引流，可分發(fā)至內置的垂域語義交互模型或外置的大模型智能體、行業(yè)智能體進行復雜任務閉環(huán)。一方面，智能面可提供內置的工具調用、RAG知識庫、用戶偏好、長短期記憶等輔助能力。另一方面，智能面需構建AI安全能力，如安全圍欄、AI標識、隱私保護等，以更好地應對網絡攻擊和數據泄露。

新通話智能體架構具備以下三方面能力。

一是多模態(tài)交互。“AIGC+大模型+算力”驅動音頻、視頻、文本、圖片等多模態(tài)的語義理解、交互和信息流轉換，讓每一位用戶都能擁有一個數字人形象，讓每一個數字形象都可以通過AI實時驅動，提升用戶的互動體驗。

二是NaaS開放使能。新通話三通道能力基于企業(yè)接入網關，按應用能力區(qū)分IaaS、PaaS、SaaS等方式分層開放標準API，使能開發(fā)者和行業(yè)ISV。新通話被設計為一個開放的業(yè)務使能平臺，南向匯聚音視頻媒體處理、實時數據交互等網絡能力；北向實現(xiàn)能力的聚合封裝與開放共享，使能各類行業(yè)業(yè)務，調用聚合的新通話能力層，快速完成業(yè)務創(chuàng)新，繁榮行業(yè)應用生態(tài)，打開更廣闊的市場空間。

三是使能外部大模型、工具。基于用戶意圖理解，自動調用垂域最優(yōu)權威模型、工具，從而提供最佳解決方案，為用戶提供最優(yōu)的通話體驗。例如，當涉及醫(yī)療領域問答時，自動調用業(yè)界權威醫(yī)療AI模型提供專業(yè)的醫(yī)療對話。

在未來，每個人都將擁有一個專屬的通話智能體，用戶可以自定義智能體形象并通過語音實時驅動進行互動。一方面，智能體具備代答能力，實現(xiàn)防漏接、防騷擾、防欺詐；另一方面，智能體可提供伴聊、陪聊能力，并且可以識別用戶意圖進行跨應用編排，例如外賣訂購、酒店預定等，在通話中閉環(huán)業(yè)務，進一步提升用戶體驗，實現(xiàn)智能體走入千家萬戶、賦能千行百業(yè)。

智能體重塑運營商通話業(yè)務入口

AI引發(fā)的交互方式變革，給整個移動通信產業(yè)帶來了前所未有的發(fā)展機遇。領先運營商已經將AI作為發(fā)展戰(zhàn)略，通過傳統(tǒng)通信網絡基礎設施、業(yè)務與AI技術結合，促進AI技術深入千行百業(yè)，助力電信運營商科技轉型。

例如，中國移動發(fā)布“AI+”戰(zhàn)略，基于“九天”大模型，打造從基礎設施到核心能力的開放AI服務，以科技創(chuàng)新全面推進產業(yè)數智化轉型，推動AI深度賦能數實經濟發(fā)展，為新質生產力筑牢基礎；韓國電信運營商SKT發(fā)布“AI金字塔戰(zhàn)略”，圍繞AI基礎設施、AI轉型和AI服務三個關鍵領域加速創(chuàng)新，拓展已有數字化服務能力，加速AI戰(zhàn)略轉型；韓國電信運營商LG U+基于“Growth Leading AX Company”（增長領先型AX公司）戰(zhàn)略，成立“AI Agent特別工作組”，與終端廠商深度合作并發(fā)布AI通話助手“ixi-O”，實現(xiàn)AI代答、紀要、翻譯、“釣魚”警告等能力，增強用戶體驗，加速AX戰(zhàn)略轉型。

話音作為運營商的基礎業(yè)務，擁有龐大的用戶基數，基于AI的通話業(yè)務入口，可作為運營商實現(xiàn)AI戰(zhàn)略落地的有力抓手。據華為MI數據統(tǒng)計，中國有17.5億移動電話用戶，每月平均有200多分鐘通話時長，整體每月通話時長超過四千億分鐘?；谌绱她嫶蟮耐ㄔ捔髁浚绾伟l(fā)揮其價值？當前企業(yè)客服的APP線上業(yè)務咨詢已經非常普遍，但數據顯示，企業(yè)客服熱線移動電話客服占比達60%~80%，例如運營商客服熱線占比60%，某移動支付電話客服占比更是達到了80%，電話熱線仍然是企業(yè)客服的主要入口。

由此可見，運營商的通話入口具備成為AI入口的流量優(yōu)勢。同時，運營商具備APP免安裝、終端普惠和實時體驗的天然優(yōu)勢，獨有的公信力和社會責任可提供AI監(jiān)管、隱私看護等方面的安全認證。在OTT、終端廠商、運營商發(fā)力搶占AI入口的當下，運營商基于“原生撥號盤”打造AI入口，有能力做到“三分天下有其一”。

產業(yè)攜手，擁抱AI，合作共贏

AI的飛速發(fā)展將為通信產業(yè)帶來顛覆式變革，從傳統(tǒng)的音視頻通話到多模態(tài)通信、智能體通信、沉浸式通信，AI將進一步改善通話體驗、提升通話效率，以實現(xiàn)科技助老助殘，踐行“科技向善”理念。在AI加持下，新通話將進一步打開話音產業(yè)發(fā)展空間，這需要產業(yè)上下游伙伴（包括終端和芯片廠商、標準組織、三方行業(yè)、設備商、運營商等）攜手共建，打通發(fā)展斷點，共建通話新生態(tài)，推進新通話產業(yè)繁榮發(fā)展。