10月25日，聚焦G景图由声网和 RTE 开发者社区联合主办的时代声网 RTE2024 第十届实时互联网大会在北京正式开幕，本届大会主题为“AI 爱”，发布WhatsApp%E3%80%90+86%2015855158769%E3%80%91smittybilt%20jeep%20hoist覆盖AI、力全出海、聚焦G景图社交泛娱乐、时代声网IoT、发布Voice AI、力全空间计算等20+行业及技术分论坛。聚焦G景图
今年是时代声网声网成立的十周年，也是发布 RTE 大会的第十届。十年间，力全实时互动从“理念”发展成一个“行业”。聚焦G景图实时互动技术不仅助力社交泛娱乐、时代声网在线教育、发布IoT、企业服务等几十个行业、数百个场景实现了跨越式成长，也支撑了诸多互联网风口的进化，从过去的电商直播、互联网医疗、秀场直播到如今的大模型，都离不开 RTE 能力的参与。
在全新的生成式?AI 时代，RTE 与 AI 也将迎来更多可能性。25日上午的 RTE2024 主论坛中，声网创始人兼 CEO 赵斌、Lepton AI 创始人兼 CEO 贾扬清、声网首席科学家、WhatsApp%E3%80%90+86%2015855158769%E3%80%91smittybilt%20jeep%20hoistCTO 钟声分别带来主题演讲。赵斌分享了声网十年以来专注实时互动行业的深刻洞察，以及他对 RTE 在生成式 AI 时代下未来发展的趋势判断。贾扬清则站在 AI 基础设施的视角下，分享了他对 AI 应用、云、和 GPU 算力云技术的独到观点。钟声的主题演讲聚焦在对实时 AI 基础设施的探讨上，并分享了 AI 与 RTE 结合的前沿技术实践。
?
趙斌：生成式?AI 將驅(qū)動 IT 行業(yè)四大變革
生成式?AI 正在驅(qū)動 IT 行業(yè)發(fā)生大變革，趙斌認(rèn)為，這一趨勢主要體現(xiàn)在四個(gè)層面：終端、軟件、云和人機(jī)界面。在終端上，大模型能力將驅(qū)動 PC 和 Phone 往 AI PC 和 AI Phone 的方向進(jìn)化。在軟件上，所有的軟件都可以、也將會通過大模型重新實(shí)現(xiàn)，并從 Software with AI 發(fā)展至 AI Native Software 。在云的層面，所有云都需要具備對大模型訓(xùn)練和推理的能力，AI Native Cloud 將成為主流。此外，人機(jī)界面的主流交互方式也將從鍵盤、鼠標(biāo)、觸屏變成自然語言對話界面（LUI）。?
隨著生成式?AI 成為下個(gè)時(shí)代 IT 行業(yè)進(jìn)化的主題，RTE 也成為了多模態(tài)應(yīng)用和基礎(chǔ)設(shè)施中一個(gè)關(guān)鍵的部分。10月初，聲網(wǎng)的兄弟公司 Agora 作為語音 API 合作者，出現(xiàn)在了OpenAI 發(fā)布的 Realtime API 公開測試版中。
在此次大會中，趙斌表示，聲網(wǎng)與 MiniMax?正在打磨中國第一個(gè)Realtime API。趙斌也展示了聲網(wǎng)基于 MiniMax Realtime API 打造的人工智能體。在演示視頻中，人與智能體輕松流暢的進(jìn)行實(shí)時(shí)語音對話。當(dāng)人類打斷智能體并提出新的疑問時(shí)，智能體也能夠靈敏的快速反應(yīng)，實(shí)現(xiàn)了與人類自然流暢的對話。
在生成式?AI 的大潮下，RTE 將會提供更為廣闊的空間。趙斌也在分享中宣布，聲網(wǎng)正式發(fā)布了 RTE+AI 能力全景圖。在全景圖中，聲網(wǎng)從實(shí)時(shí) AI 基礎(chǔ)設(shè)施、RTE+AI 生態(tài)能力、聲網(wǎng) AI Agent、實(shí)時(shí)多模態(tài)對話式 AI 解決方案、RTE+AI 應(yīng)用場景五個(gè)維度，清晰呈現(xiàn)了當(dāng)下 RTE 與 AI 相結(jié)合的技術(shù)能力與應(yīng)用方案。生成式 AI 與RTE 結(jié)合帶來的場景創(chuàng)新，將成為下一個(gè)十年的主題。
過去十年，聲網(wǎng)不僅見證并推動了?RTE 從一個(gè)理念變成一個(gè)行業(yè)的過程，更身體力行的打破了國內(nèi)實(shí)時(shí)音視頻領(lǐng)域的三無狀態(tài)。趙斌稱，10年前行業(yè)內(nèi)沒有行業(yè)會議、專業(yè)書籍、以及專業(yè)媒體和社區(qū)。如今，RTE 大會邁入第10年，聲網(wǎng)也于今年8月正式出版行業(yè)首本系統(tǒng)介紹實(shí)時(shí)互動的技術(shù)型科普圖書《讀懂實(shí)時(shí)互動》，同時(shí)，RTE開發(fā)者社區(qū)也持續(xù)繁榮，加速推動。
贾扬清：AI 是云的第三次浪潮
隨著?AI 技術(shù)的發(fā)展，AI 時(shí)代的大模型應(yīng)用開發(fā)、AI 云、以及 GPU 等基礎(chǔ)設(shè)施建設(shè)逐漸成為熱門話題，也成為了支撐整個(gè)行業(yè)發(fā)展、催生新應(yīng)用誕生、新商業(yè)價(jià)值實(shí)現(xiàn)的基本底座。Lepton AI 創(chuàng)始人兼 CEO 賈揚(yáng)清在 RTE2024 主論壇上分別從 AI 應(yīng)用、云、GPU 算力云技術(shù)以及企業(yè)大模型自主性等層面帶來了他對 AI 基礎(chǔ)設(shè)施進(jìn)化的解讀。
針對?AI 應(yīng)用，賈揚(yáng)清指出，越是簡潔的 AI 模型思路越容易產(chǎn)生優(yōu)秀的效果。AI 能力加持后，應(yīng)用本身的開發(fā)范式也在從數(shù)據(jù)、模型、應(yīng)用構(gòu)建三個(gè)維度發(fā)生變化，未來的應(yīng)用開發(fā)將從“以流程為中心” 轉(zhuǎn)化為“以模型為中心”。?
除了?AI 應(yīng)用層面，傳統(tǒng)的云架構(gòu)也在大模型、GPU 優(yōu)化等需求的催化下發(fā)生了翻天覆地的變化。賈揚(yáng)清認(rèn)為，AI 是云的第三次浪潮，繼 Web 云、數(shù)據(jù)云之后，AI 將成為第三朵云。AI 云有以下三個(gè)特征：算力會成為智能的基礎(chǔ)、AI 云需要大量計(jì)算與大規(guī)模的異構(gòu)集群，以及少量但高質(zhì)量的通訊?？傮w而言，云的產(chǎn)品形態(tài)，本質(zhì)是計(jì)算和傳輸?shù)钠胶?。賈揚(yáng)清指出，在 AI 云的形態(tài)下，實(shí)時(shí)的交流和智能的結(jié)合在用戶體驗(yàn)環(huán)節(jié)非常重要。毫不夸張的說，實(shí)時(shí)將直接與生產(chǎn)力劃上等號。
企业在构建自己的大模型自主性上，到底该如何决策？贾扬清强调，企业应该将开源和闭源大模型都纳入考虑范畴。采用开源模型+定制化的优势不仅仅是具备更强的可定制性，还有更低的成本以及更高的速度，开源+定制化能够达到比闭源模型更好的效果。
钟声：分布式端边云结合的AI系统将成为现代基础设施的基本形态
?在已經(jīng)到來的?AI 時(shí)代，現(xiàn)代化基礎(chǔ)設(shè)施應(yīng)該是什么樣？聲網(wǎng)首席科學(xué)家、CTO鐘聲提到，大量用戶設(shè)備往往會先接入邊緣節(jié)點(diǎn)、并在需要的時(shí)候再接入云端，數(shù)據(jù)將在端設(shè)備、邊緣節(jié)點(diǎn)和云之間往返傳遞。AI 時(shí)代的數(shù)據(jù)中心會包含以大量異構(gòu)算力組成的超級計(jì)算集群（SuperScaler）。但是，停留在僅依賴超級計(jì)算集群的系統(tǒng)是遠(yuǎn)遠(yuǎn)不夠的，萬億參數(shù)、多模態(tài)引入所造成的高昂計(jì)算成本、缺乏機(jī)制約束的數(shù)據(jù)隱私保護(hù)、幾秒鐘的延時(shí)都將阻礙大模型的普惠，極大地限制其在很多場景下的應(yīng)用。
鐘聲認(rèn)為，分布式端邊云結(jié)合的?AI 系統(tǒng)將有效解決這些痛點(diǎn)。這個(gè)系統(tǒng)將把計(jì)算和傳輸在各節(jié)點(diǎn)做合理地配置，系統(tǒng)會智能地以自適應(yīng)的方式把任務(wù)編排到端與邊上執(zhí)行，非常有效地降低了成本，同時(shí)提供了更低延時(shí)（低于1秒級的響應(yīng)速度）、更高網(wǎng)絡(luò)抖動容忍度、優(yōu)秀的抗噪聲能力，并且完整的用戶數(shù)據(jù)只會保留在端上。?
分享过程中，钟声还在大会现场演示了一个由STT、LLM、TTS 、RTC四个模块组成的端边结合实时对话AI智能体，这也是首次有厂商在比日常实际场景更具挑战的环境下展示实时AI 对话能力。大会现场观众规模超过千人，面临复杂的噪声、回声、麦克风延迟等困难，但智能体与钟声的互动仍然表现出了优秀的对话能力，在普通5G网络环境下实现了流畅、自然、有趣的双向实时对话，对话模型的极快响应速度、及时打断与被打断的自然程度、对抗噪声能力、遵循语音指令做等待能力都非常突出。
正如钟声在最后分享的，随着端设备的多样化以及能力的提升，AI 基础设施会变得更优化合理，使得 AI 无处不在，AI助理、AI分身帮助我们有效缓解时间稀缺性，改善工作效率和生活体验。
圆桌：AI 的6000亿难题，从基础设施到商业化落地
AI 的6000亿美元难题，一直都是整个行业非常关心的话题，在圆桌讨论环节中，Lepton AI 創(chuàng)始人兼 CEO 賈揚(yáng)清、MiniMax 合伙人魏偉、面壁智能聯(lián)合創(chuàng)始人＆CTO 曾國洋、Hugging Face 工程師王鐵震、Agora 聯(lián)合創(chuàng)始人 Tony Wang?五位嘉賓一起探討了從?AI 基礎(chǔ)設(shè)施到 AI 商業(yè)化落地的機(jī)會與挑戰(zhàn)。
针对商用大模型和开源大模型未来的发展趋势，贾扬清分享了两个核心观点：其一，同等质量模型的Size会变得越来越小，计算效率会越来越高，模型架构也会变得更加开放和标准。其二，除了极少数头部公司之外，越来越多的企业会采用开源架构来做下一代模型。因此，开源架构的应用会变的越来越普遍，通过开源架构训练出来的模型也都会有各自不同的风格。
王鐵震則表示，我們將在未來看到越來越多?Infra 和 Realtime 的工作，大家不僅需要關(guān)注開源模型本身，還需要重視開源模型的基礎(chǔ)設(shè)施和數(shù)據(jù)閉環(huán)，才能把開源模型跑得更好、更快。Realtime 需要TTS、也需要大模型，如果能夠通過一些方式放在一起，放在邊緣側(cè)、離用戶更近的地方，才能產(chǎn)生較好的效果。
關(guān)于如何看待音視頻多模態(tài)模型的實(shí)際應(yīng)用潛力，魏偉表示，隨著多模態(tài)的出現(xiàn)，生成式人工智能的邊界一定會被繼續(xù)拓展，并加速這一產(chǎn)業(yè)的變革。從產(chǎn)品和用戶服務(wù)過程中魏偉發(fā)現(xiàn)，文本、語音、音樂、視頻這些模型可以幫助藝術(shù)、影視、音樂等領(lǐng)域的創(chuàng)作者極大地提高效率，并為他們提供新的思路和方法。?
針對大模型技術(shù)巨大的成本使用問題，曾國洋分享到，隨著技術(shù)的前進(jìn)，算力一定會變得越來越便宜，相同能力的模型規(guī)模也會變得越來越小，但算力成本優(yōu)化會最終轉(zhuǎn)化為訓(xùn)練更強(qiáng)大的模型。真正達(dá)到?AGI 水平之前，我們只能感受到模型在變得越來越強(qiáng)，很難感受到成本的變化。雷峰網(wǎng)(公眾號：雷峰網(wǎng))了解到，由于面壁智能是做端側(cè)模型的，所以很關(guān)注如何讓模型在端上跑得更快，在實(shí)際部署過程中，他們會用各種量化壓縮甚至是稀疏化方法去優(yōu)化實(shí)際部署的開銷。
總結(jié)來說，Tony Wang 認(rèn)為想要推動 AI Infra 到模型、再到商業(yè)化落地，技術(shù)驅(qū)動和成本是最核心的兩個(gè)點(diǎn)。此外，在產(chǎn)品真正走向市場的過程中，流量和口碑也是關(guān)鍵。?
過去十年，聲網(wǎng)不僅見證并推動了?RTE 從一個(gè)理念變成一個(gè)行業(yè)的過程，更身體力行的打破了國內(nèi)實(shí)時(shí)音視頻領(lǐng)域無行業(yè)會議、無專業(yè)書籍、無專業(yè)媒體及社區(qū)的三無狀態(tài)。自此，RTE 大會邁入第10年，行業(yè)首本系統(tǒng)介紹實(shí)時(shí)互動的技術(shù)型科普圖書《讀懂實(shí)時(shí)互動》于今年8月正式出版，RTE開發(fā)者社區(qū)也正在秉持著“開放、連接、共創(chuàng)” 的理念加速實(shí)時(shí)互動和 AI 的共生。
?未來，聲網(wǎng)將繼續(xù)和大家一起，站在全新的起點(diǎn)、擁抱繁榮且充滿挑戰(zhàn)的?AI + RTE 新時(shí)代。
