原标题：声网母公司第三季总营收3157万美元 持续聚焦RTE+AI技术深耕
声网母公司Agora,Inc.(NASDAQ:API)今日发布了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。”
赵斌说，“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。”
亏损扩大的背后是计入一次性费用支出
财报显示，声网本季度净亏损约2400万美元，同比扩大约7%。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。
声网研究院出品，《读懂实时互动》新书发布
今年是声网成立10周年，声网称，公司一直以“帮助人们跨越距离实时互动，如聚一堂”为使命，致力于通过高质量的实时音视频技术服务，全面提升人们的实时互动体验，为社交、教育、金融、医疗等行业赋能，推动经济、社会的发展。声网有责任也有义务去推动实时互动的普及。
对此，声网在10周年之际推出《读懂实时互动：音视频技术、场景及数据深度解读》一书。本书由机械工业出版社出版，声网研究院组编，于8月27日正式发售上架，这也是全行业首本系统介绍实时互动的技术型科普图书。《读懂实时互动》从发展历程、技术原理、应用场景、大数据观察等多个维度对实时互动行业展开全面的系统性讲解。