物联网的音视频基础设施，谁在提供最优解？_风闻

声网在作为RTC服务商的同时，也更在成为赛道的核心布道者和推动者，通过一个个场景的逐步落地，进而推动RTC行业产生更大的想象力。 

作者|斗斗 

出品|产业家 

某海外物流企业的控制室内，工作人员正聚精会神地注视着高清视频画面，这些画面由无人配送车实时回传，场景的每一个细节都清晰可见。另一边，该工作人员正拿着手柄通过VR操控端实现远程操控无人配送车，用于实现最后一公里的物流配送。

这是声网RTC技术在平行操控场景应用的实例。

如今，数字化、5G、大模型等新兴技术不断推动着万物互联时代的全面来临。物联网（IoT）与实时音视频（RTC）技术的结合应用，也如春潮般涌动，为各行业的发展开辟了新的路径。

一组由Global Market Insights统计的数据显示，到2025年，全球物联网市场规模预计将达到1.2万亿美元，从2019年到2025年，该市场的复合年增长率将高达28.5%。

**RTC作为物联网发展的“基础设施”，已然成为其发展的“必需品”。**然而，随着IOT+RTC的广泛应用，其面临的难题也日益凸显。

一个事实是，尽管RTC技术不断进步，但在与IoT结合的过程中，仍然存在音视频传输的延时、卡顿等问题，如同一片难以逾越的鸿沟，令人惋惜。

要克服这些难题，需要将专业的RTC技术与IoT进行深度融合。只有如此，音视频才能真正成为物联网产业的底层牢固基建，为物联网平台带来更具有核心竞争力的增值。

但现实情况是，尽管一些一体化的IoT开发平台将实时音视频作为附加的增值功能，但由于技术限制和实时互动体验上的不尽人意，这种结合并未能充分发挥出其应有的潜力。

最优解在哪？作为第一个把RTC技术作为服务提供给企业和开发者的公司，声网正在交出一份答卷。

一、「IoT+RTC」的困局

一组数据揭示了物联网设备数量的惊人增长——从2013年的9.1亿飙升至如今的250亿，这个数字在十年间扩大了25倍，并且以每年15%-20%的速度持续增长。这一现象表明，如今世界正身处一个万物智联的时代，而且这个时代正在加速到来。

而伴随着新时代一起到来的，是对其愈加高涨的要求。

首先看用户层面，能够明显感知到的是，用户对IoT智能设备的要求正在越来越高。

即伴随着用户对IoT智能设备的需求日益增长，人们的期望在不断提高。比如，如今的用户更加注重与IoT智能设备的互动体验，希望随时随地监控家庭状况，从多个角度查看家庭状况，并与家庭成员进行远程互动，追求更快的出图速度、更低的延迟、高清画质以及声音的立体感和真实感。

其次在行业发展层面，随着新技术的发展和应用，软件定义智能硬件的时代逐渐走来，通过技术、软件革新产品现状、特性成为发展趋势。

最后在市场层面，**对于IoT智能硬件而言，由于芯片优化空间见顶，通过芯片等硬件实现产品差异化较难，产品逐渐奔向同质化。**此外，P2P传输技术经过十年高速发展也发现了一些弊端出现，这时候需要新技术接过这个接力棒，实现高要求互动。

在这些需求的推动下，**IoT智能硬件必须要有更高的进化。**从最初的听和看，到现在的更高清的画质和更真实的音效；从视听互动到触感互动；从低延时到超低延时。换言之，IOT与RTC的结合，势在必行。

实际上，一直以来，RTC作为让人与设备、人与场景奔向更高质量互联互通的底层技术，与IOT结合下不断产生诸多化学反应，推动了IOT智能硬件的发展。然而，随着这种结合的深入，也出现了一些新的难题。

在产业侧，例如末端物流配送车、矿场矿车、机器人操控等为代表的平行操控场景中，体验保障困难、音视频延时要求高、远程信令控制同步难等问题依然存在。

在消费侧，包括智能摄像头、智能门禁、楼宇对讲、智能音箱、家用机器人等设备在内的智能人居场景。硬件设备种类繁多，从芯片到平台的适配工作更为庞杂；且在许多loT应用场景下，设备接入的环境恶劣，要求实时音视频SDK具备功耗低、包体小的特征。

这种需求对应的是对RTC能力的需求。实际上，在过去的几年时间里，不少RTC服务商以及IOT厂商也在尝试解决这些问题，但并没有成为最终解。

中间的技术难点诸如由于RTC技术开发门槛高，体验保障难，成本控制难等问题，导致实时音视频的体验感较差；此外设备覆盖率低、无法突破更低延时等问题也使其寸步难行。

然而，在确定性的需求下，这个答案需要被找到。

二、声网交出一份“答卷”

一声婴儿啼哭从房间内传出。圆滚滚的小机器人迅速滑行到婴儿面前，并传出母亲远程抚慰的声音。

这个温馨的画面来自赋之科技——一家专注于家庭服务机器人研发的公司。远程撸宠、远程陪伴、远程守护是其产品所打造的重要能力。

随着全球老龄化持续加剧、全球养宠人群的持续扩大，一些情感关怀、陪伴互动的新消费需求不断涌现。对于赋之科技而言，如何满足用户需求，提升产品体验、互动性，成为关键。

为此，赋之科技与声网在技术上进行了诸多探讨和融合，在声网技术的加持下，赋能其家庭服务机器人实现了音视频交互无需等待，实现端到端毫秒级延迟、音视频通话流畅、随时随地稳定访问任意设备、跨端跨平台等诸多能力。

实际上，这仅仅是声网的一个缩影。其在赋之科技背后展现的一系列能力和技术沉淀，也在不断复制到其他场景。

在海外的物流配送中，由于地理原因，最后一公里的派送问题尤为严峻，导致配送服务效果差、成本高、效率低。为解决这一问题，某海外物流企业决定利用远程操控物流车来解决这一问题。

为保障其远程操控的实时性，该企业选择了声网。

当远程操控物流车因网络不稳定时，声网会通过标记优先级、优化路由调度策略、同节点转发等方式，保障其超低延时；另外通过全网智能路由和 AI 机器学习算法，实现节点故障和质量抖动下的无感知网络切换。据实测数据显示，声网的平行操控解决方案能够达到 60% 抗弱网丢包边界，实测平稳运行期间 100ms 卡顿率 ＜0.01%；20% 丢包+50ms 网络抖动下，100ms 卡顿率＜0.1%。

同时，当操作指令无法与实时音视频画面传输保持高度一致时，声网覆盖全球 200 多个国家和地区的SD-RTN™ 大网服务，可实现最优路径选择，保障RTM信令在70%丢包情况下消息到达率 100%。

在这些案例中，声网解法的底层逻辑逐渐显现。提供高可靠、低延时音视频流媒体和可靠信令消息的能力，并依托SD-RTN™大网，面向穿戴、家居和出行等多个品类，提供端到端解决方案。

在无人驾驶场景下，4G路测弱网环境中，声网的平行操控解决方案可以做到视频端到端延时低至100ms，95分位数为180ms，充分满足脱困场景下延时不能高于200毫秒的行业要求。可以保障自动驾驶车辆在30km时速下可靠、安全、高效且沉浸式体验来完成远程作业。

从严格的技术和行业方案双向驱动，这是声网交出的一份综合答卷。这种能力来自于声网通过面向音视频全品类设备提供的解决方案，其价值也恰在于能持续围绕场景应用不断打破固有的硬件及平台的限制。

从更大的视角来看，声网更等同于一个“底层开发者”，在帮助客户解决真实需求的同时，也更将技术沉淀到RTC赛道的底层，在成为解决通路的同时，也更在成为行业底层基建。

三、谁在推动RTC的航船？

站在IOT之上，声网正在产生新的价值点。

在矿区、化工等高危/恶劣环境场景中，数据传输的准确性和可靠性，以及实时的沟通互动极为重要。然而，由于设备和设施可能存在较大的信号干扰和距离限制，给远程驾驶和操控带了诸多挑战。

而平行操控可以提高这些场景中无人车、机器人的运行效率和安全性，降低运维成本。这其中，声网提供的高可靠、低延迟的音视频通信服务，保障了设备与人之间的实时交互，同时还可以提供安全可靠的远程控制服务，帮助无人车实现远程驾驶和监控，这已然成为矿区、化工等高危场景的安全保障。

而在智能人居场景，跨生态的互通互联存在诸多瓶颈。音视频作为物联网发展的“基础设施”，连接着不同的物理硬件与载体，逐渐承担起了物联网领域底层连接以及加速数字化进程的角色。

声网在智能人居场景提供的端到端、一站式的卓越音视频服务，赋能全屋智能新生态，从最底层、最细微的环节进行赋能，不断往上辐射，推动物联网赛道的互通互联进程。

实际上，站在这个角度来看，声网的价值不单纯在于对企业需求的满足，也更在加速IOT整个行业驶向更宽阔的市场。

这不是一个容易的事情。

声网在实时音视频领域深耕数年，一直围绕物联网设备和场景去不断优化实时互动用户体验，为了进一步推动音视频物联网向“真实时”演进。声网首创了全球软件定义实时网—SD-RTN™，依靠其底层实时传输网络，可以让硬件设备突破网络限制，即使在弱网的情况下，也能保障80%丢包下音视频通话流畅。

一份成绩单是，**声网的IoT解决方案如今已经布局了面向智能穿戴、家居和出行领域等共40+的品类设备。**基于这些场景和设备，声网提供了包括实时音视频、媒体加速和可靠信令等PaaS服务，帮助这些设备提供远程实时监控、视频通话和远程应急协作等服务和功能。

作为第一个把RTC技术作为服务提供给企业和开发者的公司，更清晰的感知是，声网在作为RTC服务商的同时，也更在成为赛道的核心布道者和推动者，通过一个个场景的逐步落地，进而推动RTC行业产生更大的想象力。