2026年5月，三部门联合发文规范AI智能体发展，明确提出“新一代智能终端、智能体应用普及率超70%”的阶段性目标。政策信号愈加清晰，AI正从概念加速迈向现实应用。智能客服、在线教育、远程协作、数字员工……越来越多的场景中，AI开始真正“面对用户”。

　　但当AI越来越频繁地通过视频和语音与人交流，一个过去很少被关注的问题也逐渐暴露出来：如果视频卡顿、声音断续、画面花屏，用户还会愿意继续和AI沟通吗？中创视讯副总裁兼音视频解决方案事业部总经理王飞，长期关注的正是这个容易被忽视的环节。在他看来，AI智能体真正大规模落地之前，音视频服务质量这道基础题，必须先做好。“很多人关注的是AI会不会说话，但真正影响用户体验的，往往是它能不能稳定地说话。”王飞说。过去，视频质量监测更多依赖人工巡检和用户反馈。很多企业往往是在用户投诉之后，才发现链路出了问题。这种模式在传统视频业务时代尚且勉强可行，但面对大量实时在线的AI服务场景，已经很难跟上节奏。

　　“以前更像是出了问题再救火。”王飞形容道，但AI时代，很多服务都是实时交互，一旦卡顿，用户可能直接就退出了，根本不会等你修复。基于这一判断，他主导开发了“基于机器学习与多维质量评估模型的云视频服务质量监测平台”。这套系统的核心创新，在于将机器学习能力系统性地引入音视频质量分析领域。它不再依赖单一指标或固定阈值，而是对画面清晰度、声音连续性、传输稳定性、延迟抖动等多个维度进行实时综合评估。通过持续学习历史数据和故障模式，系统能够识别出异常趋势，在用户尚未感知到问题之前，就对潜在故障进行提前预警和定位。

　　这种变化不仅仅是技术升级，更像是运维逻辑的一次根本性转变。与行业内常见的阈值告警模式相比，该平台更大的特点在于“自学习”能力——随着数据不断积累，系统会持续优化判断模型，不同网络环境、不同终端状态下的视频质量波动，都能被逐步识别、归类并形成预判。目前，中创视讯的相关平台已在实际业务中完成部署，显著提升了故障发现与处理的时效性。这种从“被动救火”到“主动预防”的转变，正是AI时代视频服务保障体系必须具备的能力。

　　这背后，折射出AI落地过程中一个越来越现实的问题。随着企业集中部署AI智能体，视频交互量急剧增长，网络环境的复杂性和终端设备的多样化程度也在同步上升。很多时候，决定用户是否愿意持续使用一项AI服务的，并不是模型参数多么先进，而是一次对话有没有卡顿、一次会议有没有掉线。尤其是在远程医疗、在线审判、智能客服、虚拟会议等对实时性和稳定性要求极高的场景中，视频质量几乎直接决定了用户的信任感。正如王飞所言，一个平台稳定运行的时间越长，用户对它的信任就越强。

　　在此基础上，王飞及其团队正在尝试进一步融合大语言模型能力，希望未来运维人员能够直接通过自然语言完成故障排查与分析。比如，系统不仅能识别问题，还能回答“为什么会卡”“问题出在哪个节点”“应该优先处理什么”。这会让复杂的音视频运维变得更直观，也更接近普通人的使用习惯。这一思路，与当前国际上基于Model Context Protocol（MCP）的智能流媒体监控方向也有相似之处——AI不仅参与服务本身，也开始进入服务保障体系。不过，对于这些技术趋势，王飞并不希望用户有太强的感知。“未来的视频服务保障，背后一定会有AI在做判断，”他说，“但最理想的状态，是用户根本意识不到它存在。”

　　采访结束时，这句话让人印象很深。或许对于基础设施型技术来说，真正好的体验，本来就不应该被频繁注意到——它更像空气，平时感觉不到，但任何时候都不能缺席。（潘宏彬）