如今，实时音视频互动已经渗透到物联网应用的各个场景，作为基础能力承载着丰富的创新功能。

“叮咚”

“您把外卖放在门口就可以了，谢谢。”

2022年，粗犷低沉的“大叔腔”背后可以是一个年轻的独居女孩通过智能门铃实现的自我保护；家用智能摄像头除了能够24小时监控家居安全外，也可以是主人的数字化身实现远程逗宠；智能音箱、智慧屏等设备也可以是“句句有回应”的贴心管家；疫情之下的远程会议、线上教育、在线直播也已经成为生活常态……

难以追溯是从何时起，实时音视频互动已经渗透到物联网应用的各个场景，作为基础能力承载着丰富的创新功能。

IoT与音视频的“化学反应”

2020年，IoT产业到达了“物超非”的历史时刻，即全球物联网连接数首次超过非物联网连接数，随之而来的是IoT应用发展提速。今年4月，工信部发布的《2022年一季度通信业经济运行情况》显示，国内蜂窝物联网连接数距离全面实现“物超人”仅一步之遥，而“物”连接数超过“人”连接数则昭示着移动物联网已驶向快车道，加之通信网络连接提质提速，进一步为IoT应用的场景创新、丰腴提供优渥土壤。

图表数据来自工业和信息化部运行监测协调局

可以说，赛道给硬件厂商搭好了舞台，消费者也已经在观众席就坐，IoT厂商同场竞技，如何才能脱颖而出呢？

如今看来，越来越多的物联网企业开始押注“实时音视频”（RTC）。

正如手表、耳机等智能设备向健康监测内卷，智能音箱、智慧屏、智能摄像头、智能门铃等产品也正在以实时音视频互动为基点展开一场激烈的功能内卷，这极大地推动了实时音视频市场的快速增长。

举例来看，传统的家用摄像头只承载了视频监控功能，记录用户外出时的屋内情况；在物联网、云平台、AI等技术的加持下，智能摄像头增加了远程遥控、图像识别、陌生人闯入报警等功能，但本质仍是基于监控摄像完成的单向智能任务；如今，在“音视频”buff的加持下，智能摄像头也注入了互动属性，除了可以和家人实时通话外，辅以红外激光、羽毛等外设还可以成为“逗宠”神器——当主人外出时，不仅可以通过摄像头观察宠物的状态，还能进行实时互动。

此外，当独居安全频频登上热搜，智能门铃、智能门锁等设备也逐渐走进大众视野，而其保护机制也从传统的规避风险转向了“巧妙化解”。例如，网络上流传了诸多“独居女性生活指南”——订外卖备注放门口即可、快递收件人写X先生、外卖餐具要双份等等，但基于实时音视频互动的智能门铃或门锁则可以直接通过声音伪装，模仿男性用户喊话外卖员或快递小哥，将侥幸的犯罪萌芽扼杀在摇篮中。

一言蔽之，物联网应用场景覆盖人们衣食住行的方方面面且还在持续创新，细分赛道则更加庞杂，而在IoT企业“争奇斗艳”的过程中，现有技术所能够支撑的智能化功能相继被不同领域的厂商挖掘，这也导致智能家居、智能安防、智慧教育等领域的产品同质化日益加重，功能瓶颈之下，实时音视频互动显然已经成长为“奇兵”，缔造了诸多惊喜。

为IoT设备装上“眼睛”和“耳朵”

当智能终端开始围绕实时音视频互动展开功能层面的掘金时，音视频物联网的 “黄金赛道”也随之开启。近年来，我们也可以看到越来越多的智能硬件开始增加实时音视频互动功能，为设备装上“眼睛”和“耳朵”。

虽然音视频物联网赛道在高速增长，但实时音视频互动的开发门槛依然很高，需要兼顾音频质量与交互体验。对于开发者而言，音视频智能设备面世前，需要面临从芯片、模组到软件方案选型时的平台兼容难；嵌入式、客户端、管理后台等一整套业务逻辑的开发周期长；音视频体验、网络环境等性能难以保障的三重大山。从用户的角度，则是希望在可以快速连接设备的同时拥有流畅清晰的视频和语音互动体验。

所以，一边是智能家居、元宇宙等火爆应用带来的强需求，一边是用户体验与开发成本所带来的高门槛，市面上亟需一个面向智能音视频设备垂直领域的一站式开发平台。

仍旧以智能门铃为例，作为一个双向通讯产品，通讯时延与稳定性、通话质量与环境噪声、产品功耗等都将对用户体验产生较大影响。同时，在家庭安防需求与日俱增之际，实时变声、远程通话、多人音视频互动等场景也逐渐成为刚需，而这些需求反映到开发端，则对物联网连接、AI与RTC能力、灵活开发等提出了更加严苛的要求。

术业有专攻，对于开发者而言，与其囿于音视频能力的追逐战，不如将目光锁定在功能与场景创新上。换言之，在实时音视频互动行业的高技术壁垒之下，开发者需要一把“称手”的工具才能更好的打磨产品、撬动用户，而声网最新推出的“声网灵隼物联网云平台”则很好的解决了开发者在开发过程中遇到的多元化应用场景带来的灵活开发与音视频差异化需求。

“即便你过去没有听说过声网，但你一定用过声网的服务”。诚然，对于部分消费者而言，声网的名号可能不如终端生态繁盛的大厂那般响亮，但这家成立于2014年的音视频实时互动云服务商在全球注册应用已经超43.9万个，市场占有率可见一斑，而这也从侧面说明了其在实时音视频互动领域摸爬滚打而来的深厚积累。

凝结了声网生态与技术能力的音视频物联网云平台“灵隼”在视频方面支持最高 4K 分辨率、可在移动端实时运行超分增强效果，全面提升画质和分辨率；在音频方面，支持清晰流畅的双向对讲，人声和背景噪声实时分离，有效抑制常见噪声，杜绝回声和啸叫。

而作为一个端到端的低代码开发平台，“灵隼” 物联网云平台可以为开发者提供两种开发模式——自定义开发和Turnkey，以SDK的形态进行交付，提供了近乎“小白”式的实时音视频互动开发能力。以智能门铃为例，开发者可以基于“灵隼” 物联网云平台上成熟的功能模块自定义事件与规则。

此外，对于开发能力相对较弱的用户而言，“灵隼” 物联网云平台的Turnkey 开发还可以适配主流、通用硬件平台，支持客户侧定制化的硬件平台对接需求，同时还可以提供已经与主流产品、平台深度适配的场景化能力，开发者无需自定义规则逻辑、亦无需自己选型，即可利用其现有的成熟场景配置。

值得一提的是，除了围绕实时音视频互动推出了多人实时监控、实时声纹变声等实用性功能外，“灵隼” 物联网云平台还支持主动/被动呼叫连接与低功耗保活机制，并提供告警片段云端存储以及基于不同手机品牌的离线消息推送。面向小程序与Android、iOS系统，“灵隼”支持全套 SDK 快速集成，同时还支持通过第三方设备如 Amazon Alexa、Google Assistant 等系列产品接入。

数据显示，声网灵隼物联网云平台在设备连通率上能做到高达99.7%、低功耗设备出图 小于4s、非低功耗设备低至1s、端到端延时低于400ms，全双工对讲延迟低于300ms，设备抗弱网方面，依靠声网 SD-RTN™ 能做到70%抗丢包下，保障流畅的通话体验。

RTC也要面对互联互通“魔咒”

最近一段时间，随着开放标准Matter落地在即，以智能家居为首的物联网细分领域对于互联互通的讨论声似乎达到了前所未有的高度，并且仍在持续走高，而被寄予厚望的实时音视频自然也逃不开“互联互通”这门必修课，只不过其行业标准化的推进进度相对迟缓。

其实，细究声网“灵隼” 物联网云平台的Turnkey开发模式便不难发现，其之所以能够提供堪称“零基础”的易用开发，强大的生态是关键，而这也可以为整个行业的开放互联提供一些思路。

首先，站在开发者的视角，“灵隼” 物联网云平台在硬件端整合了强大的芯片生态资源，适配支持超30000+移动终端，不仅在产品开发的选型阶段解开了品牌桎梏，更在应用层面实现了功能互通，例如，提供基于不同手机品牌的离线消息推送能力，移动端实时推送告警、呼叫等信息，换言之，用户基于“灵隼” 可以获得一个丰富的设备池与场景“套餐”，既可以自由选择，也可以直接应用成熟方案。

其次，面向整个物联网行业，碎片化、生态藩篱等老生常谈的问题已经得到了足够的重视，从底层技术到应用层的互联互通已成为行业共识，而对于RTC而言，其未来势必将成为终端设备的必选项，将面临跨平台、品牌的互动或指令控制，以及不同品牌的音视频数据源在同一个平台实时互动等可以预想到的应用场景，毫无疑问，互联互通也同样是高速奔跑的RTC亟需解决的问题。

针对于此，声网除了将其长期积累的生态资源赋能“灵隼” 物联网云平台外，还加入了旨在打造物联网统一连接标准的开放智联联盟（OLA联盟），并担任音视频组组长，探索和推动音视频互联互通的行业标准建立。

未来，当行业在应用层达成真正的互联互通时，企业则需要在其更具优势的领域精耕细作，这一方面证明RTC能力提供商将拥有更加广阔的市场，另一方面也预示着企业对于RTC的场景化需求与基础技术能力将有更高要求。时势造英雄，作为最早一批布局RTC领域并已经深有建树的企业，声网又能否在危机并存的互联时代傲立潮头呢？