资本青睐、巨头环伺，云通讯市场加速嬗变

1月28日，实时互动云服务商声网宣布收购即时通讯云和客服云服务商环信，交易预计在 2021 年第一季度完成。

官网显示，环信定位“稳定、安全、可靠的通讯云和云客服服务商”，提供环信即时通讯云、环信客服云、音视频云、客服机器人、云呼叫中心等云服务，面向社交、教育、保险、电商、医疗、硬件、招聘、游戏娱乐等八大行业提供解决方案，覆盖近40余万开发者，服务近30万款APP，数万家企业的选择，客户名单中不乏自如、花椒直播、国美在线、新氧、拼多多等知名公司，已获得红杉、经纬与SIG投资，是IM 领域的头部玩家。

声网Agora则是全球实时互动云服务第一股，最新市值55亿美元。2013年Webex创始工程师之一、前YY语音CTO赵斌率先看到实时互联网的巨大机会，创立了做实时音视频互动云服务的公司声网，开发者可基于其API快速创建视频社交、互动直播、在线课堂、游戏开黑、AR远程协作、远程车险、视频问诊等实时音视频互动应用。声网是实时音视频互动云领域的领头羊，小米、陌陌、新东方等明星公司均是其客户。

作为实时音视频（Real-time Communication， 简称RTC）的领头者，声网拿下IM云头部玩家环信，意欲何为？

疫情加速，音视频需求激增

疫情爆发后，人们见面变得更难，线上互动应用呈现出爆发式增长，在线教育、在线会议、互联网医疗、电商直播等行业扶摇直上。不仅原有的“在线”行业如沐春风，一些传统行业也在进化、蜕变，通过“云化”适应疫情下的“宅”时代。

来自艾媒咨询的数据显示，2020年在线教育迎来新转机，在“停课不停学”的政策扶持下，在线教育市场规模增速回暖，市场规模达到4858亿元，增速上升至20.2%。

不少教育机构纷纷投身线上，相继推出在线大班课、在线小班课、1v1课堂、双师课堂等在线教育产品或服务。教育机构的快速“在线化”转型，直接推动实时音视频需求大幅增长。

不仅如此，2020年在线会议、远程办公需求也迎来井喷式增长，包括Zoom、Google Meet、Telegram在内的全球主流在线会议产品都迎来下载高峰。在全球市场，在线服务的概念向在线庭审、金融面签、在线招投标、云会展等多样的企业级应用场景延伸，用户对移动设备的依赖进一步增强，各类应用上线即时通讯和实时音视频功能，用户习惯加速养成，对互联网通讯的短期需求将有望演变为长期趋势。

同时，后疫情时代，还催生出了让人意想不到的实时互动新场景。人们可以通过“线上自习室”，不用出门，打开摄像头，就可以云同桌们一起在线自习，互相监督；家长和老师可以通过智能作业灯远程给孩子布置作业，并进行辅导；“Watch Party”场景帮助人们实现了即使在异地，也可以和对的人一起在线上“边看剧边聊天”，这些基于实时音视频技术实现的场景，难以想象会这么快速地被挖掘出来。

直播爆发，实时互联网才是未来

不论是否有疫情，人们希望通过互联网跨越空间实时互动的诉求都一直存在，只是尚未被激发出来。2019年我在《实时互联网，才是5G最被忽视的价值？》一文提出，5G基于强大的低延时、高带宽和大容量能力，让真实物理世界与在线虚拟世界更加紧密、实时和深刻地连接在一起，进一步模糊了“比特世界”和“原子世界”的边界，将让“实时互联网”时代真正来临。

曾几何时，互联网只是信息载体，图书、音乐、电影、新闻这些数据被“比特化”在互联网流转，互联网“缓存”世界不同的时间点；4G移动互联网时代，互联网越来越接近这个真实世界，通过Timeline、信息流、视频流这些更加实时的方式复制世界到互联网；5G时代，互联网则将全面进入“实时互联网”时代，无处不在的IoT、VR/AR设备会实时采集内容，网络上的内容就是世界此时此刻的真实映射。

不论是实时音视频，还是即时通讯，均是在解决人们线上互动的需求。

对于开发者来说，云服务商需要提供更加丰富而全面的能力，让其可以快速、便捷、低成本地构建任何想要的实时互动应用，让其用户可以获得所有丰富的互动体验，这个想象空间比今天的直播+行业要大得多。

企业与用户需要的不是传递信息的实时云通讯能力，而是线上实时互动，用声网创始人兼CEO赵斌的话说，线上实时互动让用户“共享情景”，将各种线下互动情景搬到线上，让其拥有与线下类似甚至是超越线下的体验。

传统在线教育可能更多是信息的单向传递，有了互动能力学生可以向老师提问，有了实时互动能力老师与学生共享情景，可以同处类似于VR教师的情景中，双方体验都会质变，在线教育会变为实时互动教育。

类似应用还有云游戏、云演唱会、云聚会、云球赛、云驾驶、云手术、云工业操作等等。实时互动会彻底改变人与人，人与世界的交互方式。

和千里之外的朋友云游戏开黑，一场对战之后还觉得不够过瘾，聊天室里走一波继续讨论“战术”，这或许就是RTC和IM 结合的体现。

这样再看，声网收购环信的举措就更容易理解，甚至可以认为，不收购环信，声网也一定会通过别的手段布局IM云，来补充自己的RTE版图。

加速布局，声网如何编织RTE版图？

虽然声网起家于实时音视频RTC领域且拥有行业公认的竞争力，但其在上市时就自称实时互动云服务商，而不是实时云通讯服务商。2020年声网更是明确要做的是“Real-Time Engagement Platform-as-a-Service”，即实时互动云服务（RTE PaaS）。

RTC和RTE有什么不同？RTC即是实时音视频技术。而RTE 是声网在上市F-1文件里首次提出的概念，可以简单粗暴的理解为“构建实时互动应用场景所需要用到的产品和技术组合”，除了核心的RTC之外，还包括信令、白板、录制、存储、IM等。背后的核心逻辑是，互动重要的是情景共享，而非单纯的信息交换。

在拿下环信前，声网就已四面出击，扩大自己的RTE版图。

首先是建立生态，通过合作伙伴来补充自己在RTC外的诸多能力。2019年声网聚焦在RTC技术上，针对客户RTC外的实时互动需求，声网发布了云市场，建立开发者生态，引入美颜、鉴黄、语音识别、互动白板等领域的上下游合作伙伴，一起给客户提供完整的实时互动能力。

其次是投资并购，直接拿下核心的实时互动能力服务商，进行深度整合。2020年上市后，基于更加充沛的资金流，声网加速了产品布局，花钱不只是可以节省时间，更重要的是可以拿下行业与自身能力互补的优秀公司，获得其专业技术、知识产权、客户资源、领域经验以及人才。

一位业内人士向罗超频道透露，2020年12月，声网将实时互动白板服务商netless 从开发者生态中孵化出来，并入声网，并成立互动应用创新团队。当时，netless累计注册企业以及开发者用户已超 2000 个，累计提供互动白板时长服务超过 30 亿分钟，最高峰值同时在线人数超过 40 万人，成长势头很猛。

这一次收购的环信，也是声网补充实时互动云版图的重要战略布局。环信以 IM 起家，为开发者提供安全可靠的即时通讯网络，并且在即时通讯市场占据领先地位。此外，环信的客服云业务也在国内处于第一梯队，有广泛且高质量的客户群。

最后是自主研发更具针对性产品类型，填补市场空白。

作为一家技术驱动型公司，在核心技术、核心能力与核心行业，声网更加倾向于自研更具针对性的产品类型，来完善RTE能力，填补市场空白。

针对低延迟直播服务（兼具CDN的成本优势与RTC的低延时能力，主要面向高并发、强互动的场景），声网推出了“极速直播”，面向对文字、白板等消息互动低延时要求相对高，或有低频互动需求的直播场景，延时在1.5s-2s之间。

1月20日，声网正式发布教育行业首款 aPaaS 产品灵动课堂，覆盖1v1、小班课、大班课三大场景。基于低代码（Low-code）开发平台，教育机构与开发者最快可以 15 分钟上线自有品牌、全功能的在线互动教学平台，节省 90% 开发时间，此前教育机构与开发者基于教育PaaS平台，一般需要几百个 API 接口才能开发“在线互动课堂”，而使用SaaS服务则很难结合业务进行量身定制。声网的“灵动课堂”填补了SaaS和PaaS之间的市场空白。

看到这里就能发现，声网拿下环信不是一个孤立的动作，而是整个RTE生态棋局的一枚重要落子，此举补齐与强化了声网的IM云通讯能力，可以给客户提供亿级并发、稳定安全的IM能力，且RTC+IM深入融合也有望形成更多创新互动能力。此外，环信的开发者服务经验、客户资源、技术积累、人才、品牌等等都可与声网的合力协同，形成1+1>2的效应。

野心显露，声网布局RTE的底气何在？

12月拿下netless、1月收购环信，频繁出手表明声网正在加速编织RTE版图。在RTE上，声网的野心比外界看到得更大。

其底气在于：

1、声网有足够强的技术底子，特别是RTC技术底子。声网创始人是技术背景，也一直非常看重视技术人才和研发投入，据上市时前招股书披露2018年声网研发费用共计1442.6万美元，占全年总营收33.0%，2019年升到2362.3万美元，占全年总营收36.7%，相反，销售支出占比却是下滑的，这足以反应出声网是一家技术驱动型公司，声网主要通过开发者社区来做推广，体现出其技术自信。

上市后，声网进一步加大研发投入，2020年二季度研发费用达1100万美元，同比提高91.3%；Q3 研发费用达1244.9万美元，再创新高。种瓜得瓜，种豆得豆，研发大投入就有大产出，基于技术优势，声网一方面可以强化RTC等核心技术优势，另一方面可以探索5G、XR、AI等面向未来的RTE技术。

声网占据了RTC这一实时互动场景构建的核心技术优势，就像苹果抓住OS一样，基于此，声网才可以吸引合作伙伴来其生态，同时保证自己的核心话语权。

虽然巨头与越来越多创业者都推出了实时音视频云服务，但声网聚焦在此深耕多年、且重视研发，在诸多核心技术上形成专业壁垒，它创造了全球首个、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。

2、声网有充沛的资金流。2020年Q3财报显示，声网三季度实现3080万美元总营收，同比增长80.8%，截至2020年9月30日，现金、现金等价物及短期投资为6.35亿美元，远超2019年底的1.06亿美元，这表明声网具有充沛的现金流，基于此，它有底气做短期没收益、对未来却很重要的技术布局，同时可以大手笔买买买，快速整合优质RTE团队与能力。

3、声网的客户忠诚度逐渐提升。

基于技术与体验优势声网得到客户的认可。2020年三季度，声网活跃客户数量达1815，同比增长95.4%；季末过去12个月金额续费率187.9% ，2019年底这一数字为131%，续费率增长表明客户忠诚度在提升。客户认声网，合作伙伴才跟声网一起玩，其生态形成了雪球效应，可以具备大而全的RTE能力，提供全场景一站式集成体验。

值得一提的是声网创造全球首个、迄今为止数据处理能力最强、分析维度最广的实时音视频质量诊断分析产品——水晶球Agora Analytics；全球范围内首个实时互动体验质量标准——XLA。

这两个产品，前者为企业和开发者提供全周期通话质量监测、回溯和分析的解决方案，帮助他们及时发现问题、定位原因、解决问题，提升用户体验。后者则解决了实时互动体验质量无章可循、不可衡量、无保障的痛点。如有XLA指标没有达标，声网最高可进行 100% 赔付。当其他企业的实时音视频质量还是“黑盒”状态的时候，声网率先打破灰色地带，将其透明给客户，背后代表着对自己技术的自信，也代表着对市场氛围更加清澈的期望。

RTC与RTE虽然只有一字之差，却有传输信息与共享情景的本质差别。当一众玩家依然执迷于RTC技术的PK时,声网早已瞄准RTE布局实时互动与实时互联网，再一次走在行业前面。