話音作為聯(lián)結(jié)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(dāng)下，各行各業(yè)迎來前所未有的革新契機(jī)。特別是AI技術(shù)的蓬勃興起，推動(dòng)話音業(yè)務(wù)從傳統(tǒng)音視頻向多模態(tài)、交互式通信的形態(tài)轉(zhuǎn)變，極大地促進(jìn)了通話產(chǎn)業(yè)的繁榮發(fā)展，開辟了全新的增長(zhǎng)點(diǎn)。借助AI技術(shù)為新通話賦能，構(gòu)建智能體通話能力，重塑用戶通話體驗(yàn)，正是打造智能業(yè)務(wù)新入口的黃金時(shí)機(jī)。

AI給通信產(chǎn)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(jìn)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(lǐng)域，文本、圖像、語音等多種模態(tài)數(shù)據(jù)處理技術(shù)日趨成熟，通信內(nèi)容從傳統(tǒng)音視頻向全媒體、智能化演進(jìn)。與此同時(shí)，IMS DC（數(shù)據(jù)通道）的標(biāo)準(zhǔn)制定工作也在持續(xù)推進(jìn)。2024年6月，GSMA正式發(fā)布PRD TS.66 IMS Data Channel API Specification，為構(gòu)建全球統(tǒng)一的新通話應(yīng)用生態(tài)提供了標(biāo)準(zhǔn)依據(jù)；3GPP R18標(biāo)準(zhǔn)正式凍結(jié)，為新通話商用的全面提速奠定了標(biāo)準(zhǔn)基礎(chǔ)。隨著DC標(biāo)準(zhǔn)的逐步演進(jìn)，未來交互式通信將進(jìn)一步降低對(duì)終端的依賴，從而促進(jìn)運(yùn)營(yíng)商基于DC的交互式業(yè)務(wù)的落地。人工智能結(jié)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(shù)，可實(shí)時(shí)感知用戶意圖，為用戶提供交互式、沉浸式的通話體驗(yàn)。

“AIGC+語音驅(qū)動(dòng)數(shù)字人”為用戶提供個(gè)性化數(shù)字人形象，人人都能擁有自己的數(shù)字分身。AIGC技術(shù)已被廣泛應(yīng)用于各個(gè)領(lǐng)域，在實(shí)時(shí)通信領(lǐng)域被用于生成個(gè)性化數(shù)字人形象。通過圖生圖、圖生視頻、文生圖和文生視頻技術(shù)，降低個(gè)性化素材創(chuàng)作門檻，人人都可以擁有自己的數(shù)字分身。語音驅(qū)動(dòng)數(shù)字人技術(shù)基于用戶的語音輸入，實(shí)時(shí)驅(qū)動(dòng)數(shù)字人形象生成與語音同步的口型、表情和動(dòng)作，讓數(shù)字人更具生命力。

“AI Agent+LLM/MLLM”為數(shù)字助理裝上“超級(jí)大腦”，為用戶提供更加沉浸、智能、高效的體驗(yàn)。LLM/MLLM基于海量數(shù)據(jù)進(jìn)行訓(xùn)練，具有數(shù)十億甚至數(shù)千億的模型參數(shù)，具備強(qiáng)大的理解、表達(dá)和泛化能力?；贚LM構(gòu)建的AI Agent已在多個(gè)領(lǐng)域展現(xiàn)出巨大潛力，可以更準(zhǔn)確地理解用戶意圖、情感以及上下文信息，與用戶進(jìn)行更自然、流暢的交流。基于MLLM構(gòu)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(shù)據(jù)，增強(qiáng)數(shù)字助理的理解能力，為用戶提供更豐富的交互體驗(yàn)。結(jié)合RAG（檢索增強(qiáng)生成）和工具使用能力，增強(qiáng)AI Agent的知識(shí)獲取與記憶能力，從而實(shí)現(xiàn)個(gè)性化的用戶數(shù)字助理。

AI賦能新通話，智能體變革通話體驗(yàn)

通過AI賦能網(wǎng)絡(luò)，新通話可實(shí)現(xiàn)智能體通信，為用戶提供更加高效便捷的通話體驗(yàn)。為實(shí)現(xiàn)這一目標(biāo)，需要在已有新通話基礎(chǔ)架構(gòu)上進(jìn)行能力增強(qiáng)，引入通話智能面，實(shí)現(xiàn)多模態(tài)交互及第三方模型對(duì)接。

新通話智能體通信架構(gòu)如圖1所示。新通話能力平臺(tái)基于業(yè)務(wù)AS（應(yīng)用服務(wù)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(shí)現(xiàn)網(wǎng)絡(luò)側(cè)點(diǎn)亮屏幕業(yè)務(wù)；同時(shí)，進(jìn)行新通話智能面設(shè)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(gòu)

新通話媒體面可接受來自新通話能力平臺(tái)的指示控制，進(jìn)行媒體流復(fù)制、收號(hào)、字幕提示、放音等基礎(chǔ)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(guān)媒體處理。同時(shí)，新通話媒體面負(fù)責(zé)將實(shí)時(shí)媒體流復(fù)制給智能面，完成進(jìn)一步AI語義交互處理，并確保媒體流發(fā)送給終端的實(shí)時(shí)性不受影響。

新通話智能面可接收新通話媒體面復(fù)制的媒體流，提供通話語義智能交互及分發(fā)相關(guān)能力。它支持針對(duì)用戶的意圖識(shí)別、多模態(tài)（音頻、文本、圖片、視頻）語義交互；同時(shí)，通話智能體平臺(tái)基于用戶意圖進(jìn)行靈活分發(fā)引流，可分發(fā)至內(nèi)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(jìn)行復(fù)雜任務(wù)閉環(huán)。一方面，智能面可提供內(nèi)置的工具調(diào)用、RAG知識(shí)庫、用戶偏好、長(zhǎng)短期記憶等輔助能力。另一方面，智能面需構(gòu)建AI安全能力，如安全圍欄、AI標(biāo)識(shí)、隱私保護(hù)等，以更好地應(yīng)對(duì)網(wǎng)絡(luò)攻擊和數(shù)據(jù)泄露。

新通話智能體架構(gòu)具備以下三方面能力。

一是多模態(tài)交互?！癆IGC+大模型+算力”驅(qū)動(dòng)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(zhuǎn)換，讓每一位用戶都能擁有一個(gè)數(shù)字人形象，讓每一個(gè)數(shù)字形象都可以通過AI實(shí)時(shí)驅(qū)動(dòng)，提升用戶的互動(dòng)體驗(yàn)。

二是NaaS開放使能。新通話三通道能力基于企業(yè)接入網(wǎng)關(guān)，按應(yīng)用能力區(qū)分IaaS、PaaS、SaaS等方式分層開放標(biāo)準(zhǔn)API，使能開發(fā)者和行業(yè)ISV。新通話被設(shè)計(jì)為一個(gè)開放的業(yè)務(wù)使能平臺(tái)，南向匯聚音視頻媒體處理、實(shí)時(shí)數(shù)據(jù)交互等網(wǎng)絡(luò)能力；北向?qū)崿F(xiàn)能力的聚合封裝與開放共享，使能各類行業(yè)業(yè)務(wù)，調(diào)用聚合的新通話能力層，快速完成業(yè)務(wù)創(chuàng)新，繁榮行業(yè)應(yīng)用生態(tài)，打開更廣闊的市場(chǎng)空間。

三是使能外部大模型、工具。基于用戶意圖理解，自動(dòng)調(diào)用垂域最優(yōu)權(quán)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(yàn)。例如，當(dāng)涉及醫(yī)療領(lǐng)域問答時(shí)，自動(dòng)調(diào)用業(yè)界權(quán)威醫(yī)療AI模型提供專業(yè)的醫(yī)療對(duì)話。

在未來，每個(gè)人都將擁有一個(gè)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(shí)時(shí)驅(qū)動(dòng)進(jìn)行互動(dòng)。一方面，智能體具備代答能力，實(shí)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(shí)別用戶意圖進(jìn)行跨應(yīng)用編排，例如外賣訂購、酒店預(yù)定等，在通話中閉環(huán)業(yè)務(wù)，進(jìn)一步提升用戶體驗(yàn)，實(shí)現(xiàn)智能體走入千家萬戶、賦能千行百業(yè)。

智能體重塑運(yùn)營(yíng)商通話業(yè)務(wù)入口

AI引發(fā)的交互方式變革，給整個(gè)移動(dòng)通信產(chǎn)業(yè)帶來了前所未有的發(fā)展機(jī)遇。領(lǐng)先運(yùn)營(yíng)商已經(jīng)將AI作為發(fā)展戰(zhàn)略，通過傳統(tǒng)通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施、業(yè)務(wù)與AI技術(shù)結(jié)合，促進(jìn)AI技術(shù)深入千行百業(yè)，助力電信運(yùn)營(yíng)商科技轉(zhuǎn)型。

例如，中國(guó)移動(dòng)發(fā)布“AI+”戰(zhàn)略，基于“九天”大模型，打造從基礎(chǔ)設(shè)施到核心能力的開放AI服務(wù)，以科技創(chuàng)新全面推進(jìn)產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型，推動(dòng)AI深度賦能數(shù)實(shí)經(jīng)濟(jì)發(fā)展，為新質(zhì)生產(chǎn)力筑牢基礎(chǔ)；韓國(guó)電信運(yùn)營(yíng)商SKT發(fā)布“AI金字塔戰(zhàn)略”，圍繞AI基礎(chǔ)設(shè)施、AI轉(zhuǎn)型和AI服務(wù)三個(gè)關(guān)鍵領(lǐng)域加速創(chuàng)新，拓展已有數(shù)字化服務(wù)能力，加速AI戰(zhàn)略轉(zhuǎn)型；韓國(guó)電信運(yùn)營(yíng)商LG U+基于“Growth Leading AX Company”（增長(zhǎng)領(lǐng)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(shí)現(xiàn)AI代答、紀(jì)要、翻譯、“釣魚”警告等能力，增強(qiáng)用戶體驗(yàn)，加速AX戰(zhàn)略轉(zhuǎn)型。

話音作為運(yùn)營(yíng)商的基礎(chǔ)業(yè)務(wù)，擁有龐大的用戶基數(shù)，基于AI的通話業(yè)務(wù)入口，可作為運(yùn)營(yíng)商實(shí)現(xiàn)AI戰(zhàn)略落地的有力抓手。據(jù)華為MI數(shù)據(jù)統(tǒng)計(jì)，中國(guó)有17.5億移動(dòng)電話用戶，每月平均有200多分鐘通話時(shí)長(zhǎng)，整體每月通話時(shí)長(zhǎng)超過四千億分鐘。基于如此龐大的通話流量，如何發(fā)揮其價(jià)值？當(dāng)前企業(yè)客服的APP線上業(yè)務(wù)咨詢已經(jīng)非常普遍，但數(shù)據(jù)顯示，企業(yè)客服熱線移動(dòng)電話客服占比達(dá)60%~80%，例如運(yùn)營(yíng)商客服熱線占比60%，某移動(dòng)支付電話客服占比更是達(dá)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(yùn)營(yíng)商的通話入口具備成為AI入口的流量?jī)?yōu)勢(shì)。同時(shí)，運(yùn)營(yíng)商具備APP免安裝、終端普惠和實(shí)時(shí)體驗(yàn)的天然優(yōu)勢(shì)，獨(dú)有的公信力和社會(huì)責(zé)任可提供AI監(jiān)管、隱私看護(hù)等方面的安全認(rèn)證。在OTT、終端廠商、運(yùn)營(yíng)商發(fā)力搶占AI入口的當(dāng)下，運(yùn)營(yíng)商基于“原生撥號(hào)盤”打造AI入口，有能力做到“三分天下有其一”。

產(chǎn)業(yè)攜手，擁抱AI，合作共贏

AI的飛速發(fā)展將為通信產(chǎn)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(jìn)一步改善通話體驗(yàn)、提升通話效率，以實(shí)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(jìn)一步打開話音產(chǎn)業(yè)發(fā)展空間，這需要產(chǎn)業(yè)上下游伙伴（包括終端和芯片廠商、標(biāo)準(zhǔn)組織、三方行業(yè)、設(shè)備商、運(yùn)營(yíng)商等）攜手共建，打通發(fā)展斷點(diǎn)，共建通話新生態(tài)，推進(jìn)新通話產(chǎn)業(yè)繁榮發(fā)展。