厂商方案与开源生态
RTC 厂商解决方案横向评测：商业 + 开源全景
本专题最重要的一条行业情报：Twilio 曾于 2023 年底宣布 Programmable Video 于 2024-12-05 退市并与 Zoom 合作迁移，随后在 2024 年 10 月反转决定、保留该产品。这一来一回说明：纯 RTC PaaS 的商业模式已被验证是「苦生意」——选型时必须评估厂商的存续意愿，而不只是技术指标。
核心结论（TL;DR）
结论 1
全球实时网络是商业 RTC 的真正壁垒：Agora SD-RTN（软件定义实时网）在东南亚/中东/拉美边缘覆盖最成熟，腾讯 TRTC 宣称全球端到端 <300ms、阿里 ARTC（钉钉同底座）宣称低至 150ms、华为 SparkRTC 宣称 <200ms——口径各不相同，选型必须用自己的目标国家实测。
结论 2
商业格局剧烈洗牌：Twilio Video 退市又反转、Zoom Video SDK 借迁移潮抢客、Amazon Chime SDK 以 ~$0.0017/参会者分钟 打底价——国际市场「纯视频 PaaS」利润被挤压，幸存者都在往 AI 对话（Conversational AI）方向转型，火山 veRTC 干脆把 AI 语音对话作为主打场景。
结论 3
开源已可承担生产流量但分工明确：LiveKit（全家桶+Agent 生态）、mediasoup（嵌入式 SFU 库、性能标杆）、Janus（网关/协议桥接）、Jitsi（开箱即用会议）、Pion（Go 协议栈积木）。CoSMo 负载对比显示 mediasoup/Janus 在高并发下衰减最晚，Jitsi 依赖整套生态调优。
结论 4
本地化深度决定新兴市场成败：Agora 在东南亚有十年边缘积累；国内云在拉美「有云、无线路」（有圣保罗/墨西哥机房但缺本地 PSTN/运营商深度）；东南亚选型看边缘节点密度，拉美选型看与 América Móvil/Telefónica 的互联质量。
一、国内四强：腾讯 / 阿里 / 华为 / 火山
| 维度 | 腾讯云 TRTC | 阿里云 ARTC | 华为云 SparkRTC | 火山引擎 veRTC |
|---|---|---|---|---|
| 延迟宣称 | 全球端到端 <300ms，可用性 >99.99% | 端到端低至 150ms（与钉钉会议同底座） | 端到端平均 <200ms | 未给全球统一口径，主打对话式 AI 低延迟 |
| 技术出身 | QQ/微信音视频团队 20 年积累 | 钉钉会议底座 + 淘宝直播 | 自研调度算法 + 全网节点储备 | 抖音直播/连麦底座 |
| 规模能力 | 低延时直播 + 多人房间双方案，直播 CDN 无缝互转 | 单房间宣称支持 2000 方；全频带智能降噪 | 大规模实时网络，教育/政企场景多 | AI 对话场景整合 ASR/LLM/TTS 全链路 |
| 国际化 | trtc.io 独立国际站，海外运营最积极 | 国际站产品在售但海外声量弱 | 依托华为云拉美 3 Region 8 AZ，但 RTC 海外案例少 | 海外走 BytePlus 品牌 |
| 差异化强项 | 全球稳定性 + 直播互转 + 出海中概案例多 | 与钉钉同底座的会议能力 + 超大房间 | 拉美机房覆盖（巴西/智利/墨西哥） | Conversational AI：RTC 与大模型语音链路整合度最高 |
解读厂商延迟宣称的正确姿势：150/200/300ms 三个数字口径完全不同（是否含采集渲染、是否 P50/P95、是否跨区）。实测建议：在目标国家双端跑 P95 口到耳延迟，用本站 质量保证专题 的拨测方法统一口径后再对比。
二、国际四家：Agora / Twilio / Amazon Chime / Zoom
1. Agora（声网）：SD-RTN 是核心资产
- SD-RTN®：软件定义实时网覆盖全球 200+ 国家和地区，UDP 私有协议 + 智能选路，日均支撑数十亿分钟
- 新兴市场覆盖：东南亚、中东、拉美的边缘覆盖被社区普遍评为商业厂商中最成熟，跨国小房间延迟稳定
- 短板：规模上量后账单陡峭、计费项复杂（分辨率档位/录制/白板/分析都单独计费）；2024 年后主推 Conversational AI 转型
2. Twilio：退市反转的警示样本
- 2023-12 宣布 Programmable Video 于 2024-12-05 EOL，官方推荐迁移 Zoom Video SDK
- 2024-10 反转：保留 Programmable Video 并继续投入——但一年的迁移恐慌已让大量客户流失到 Zoom/Daily/LiveKit
- 现状：Video 能力偏基础（P2P/小房间 Group Room），核心价值仍在语音/PSTN/短信生态，纯视频场景不再是第一梯队选择
3. Amazon Chime SDK：价格屠夫
- 按参会者分钟计费 ~$0.0017/attendee-min，无月费，是主流厂商中的底价
- 媒体区域可选（含新加坡、圣保罗），与 AWS 生态（Kinesis/Transcribe）集成顺滑
- 短板：SDK 体验与文档偏「AWS 风格」，上层功能（美颜/白板/互动组件）远少于 Agora/TRTC，适合有工程能力的团队做底座
4. Zoom Video SDK：借迁移潮上位
- Twilio 官方迁移合作方，提供免费迁移工程师支持（2024-12-05 前迁移免费）
- 复用 Zoom 会议网络与弱网算法，音视频质量口碑好；定价按分钟池打包
- 短板：可编程自由度低于原生 WebRTC 系方案，媒体处理管线封闭
三、开源五强：LiveKit / mediasoup / Janus / Jitsi / Pion
| 项目 | 定位 | 语言/形态 | 规模化方式 | 适合场景 | 自建难度 |
|---|---|---|---|---|---|
| LiveKit | 全功能 RTC 平台（SFU+SDK 全家桶+Agents 框架） | Go / 独立服务 | 原生分布式多节点，Cloud 版托管 | AI 语音 Agent、快速全栈自建 | 低 |
| mediasoup | 嵌入式 SFU 库（Node/Rust 进程内集成） | C++ 核心 + Node/Rust API | 自己写路由层做 worker/多机分片 | 深度定制媒体管线、性能敏感 | 高 |
| Janus | WebRTC 网关（插件架构） | C / 独立服务 | 插件横向扩，需自研级联 | SIP/RTSP/PSTN 协议桥接 | 中 |
| Jitsi | 开箱即用会议系统（JVB SFU + 全套 UI） | Java/JS | Octo 级联（官方支持地理分布） | 快速上线完整会议产品 | 低 |
| Pion | Go 语言 WebRTC 协议栈实现（积木库） | Go / 库 | 完全自己搭 | 自研 SFU/特殊协议网关的地基 | 高 |
- 负载对比数据：CoSMo 的多 SFU 对比研究（学术引用 40+）显示，高并发压力下 Medooze 约 195 路开始降速，Janus 与 mediasoup 约 270 路才开始衰减，Jitsi 在其测试配置下停止转发更早（注：该研究为特定版本/配置快照，Jitsi 后续版本已大幅改进）
- 社区风向：Nextcloud Talk 社区提案以 LiveKit 替换 Janus；多个团队分享从 mediasoup 迁移 LiveKit 的实践——共同理由是运维复杂度与生态完整度，而非纯性能
- AI 场景加成：LiveKit Agents 已成为语音 AI Agent 事实标准之一（OpenAI Realtime API 官方合作），若业务含 AI 对话，LiveKit 生态优势明显
四、东南亚 / 拉美本地化策略对比
| 厂商 | 东南亚 | 拉美 | 本地化要点 |
|---|---|---|---|
| Agora | ★★★ 边缘覆盖最成熟 | ★★★ SD-RTN 拉美多点 | 出海泛娱乐（语聊房/直播）在两区域案例最多 |
| 腾讯 TRTC | ★★★ 新加坡/雅加达/曼谷节点 | ★★ 圣保罗机房 | trtc.io 国际站 + 中概出海客户带动 |
| 阿里 ARTC | ★★ 新加坡为枢纽 | ★ 墨西哥 Region 2025-02 才开服 | 拉美 RTC 节点尚薄弱 |
| 华为 SparkRTC | ★★ | ★★ 巴西/智利/墨西哥 3 Region | 拉美云基建最厚，但 RTC 产品运营弱 |
| AWS Chime SDK | ★★ 新加坡媒体区域 | ★★ 圣保罗媒体区域 | 媒体区域可选但边缘密度不如专业 RTC 网 |
| LiveKit Cloud | ★★ 全球多区域 | ★★ 巴西节点 | Cloud 版全球 mesh，自建版随你部署 |
拉美特别提醒：所有云厂商在拉美都是「有云、无线路」——若业务含 PSTN 外呼/呼入（电话进出），线路要单独找 Zenvia/Sinch-Wavy/Infobip 等本地 CPaaS，详见调研中心 拉美外呼线路调研。
五、定价精算（音视频通话场景）
| 厂商 | 音频单价 | 视频单价（HD 口径） | 1000 人·小时月成本估算* | 计费坑点 |
|---|---|---|---|---|
| Agora | $0.99/千分钟 | $3.99/千分钟（HD） | 音频 ~$59 / 视频 ~$239 | 分辨率跨档自动跳价、录制/分析另计 |
| Amazon Chime SDK | 统一 ~$0.0017/参会者分钟 | ~$102（含视频） | 媒体管线（录制合流）另计 | |
| LiveKit Cloud | 按分钟+带宽混合，Scale 档 $500/月起 | 视频 ~$130 + 音频 ~$16（社区测算口径） | 出网带宽单独计费，大房间注意 | |
| 腾讯 TRTC | 音频 ~7 元/千分钟、HD 视频 ~14–28 元/千分钟（按档） | 音频 ~¥420 / 视频视档位 | 国内外站定价不同步，套餐包便宜很多 | |
| 自建 LiveKit/mediasoup | 服务器 + 带宽成本 | 带宽主导：视频约 $40–80（云带宽） | 隐性成本 = 运维人力 + TURN 带宽 + 监控自建 | |
* 估算口径：1000 人·小时 = 60,000 参会者分钟/月，双人通话为主，HD 视频；各家按公开牌价折算，实际有阶梯折扣。自建按单流 ~1.5Mbps、云出网带宽 $0.05–0.08/GB 估算，不含人力。
月 6 万参会分钟：各方案月成本对比（美元，视频通话）
自建方案不含运维人力（若折算 0.5 个工程师 ≈ $3000+/月，小规模自建反而最贵）。盈亏平衡粗算：月用量超过 50–100 万参会分钟后自建的带宽优势才能覆盖人力成本。
六、六场景选型决策树
| 场景 | 首选 | 次选 | 理由 |
|---|---|---|---|
| AI 语音对话 Agent（含出海） | LiveKit（Cloud 或自建） | 火山 veRTC / Agora Conversational AI | Agent 生态 + ASR/LLM/TTS 管线集成度 |
| 东南亚泛娱乐（语聊房/连麦直播） | Agora | 腾讯 TRTC | 边缘覆盖 + 直播互转成熟度 |
| 拉美视频客服/远程服务 | 腾讯 TRTC / Agora（实测定） | Chime SDK（AWS 系团队） | 圣保罗节点质量实测说话；PSTN 另接本地 CPaaS |
| 成本敏感 + 有工程团队 | 自建 LiveKit | mediasoup 深度定制 | 月用量 >100 万分钟后成本优势显著 |
| 快速上线完整会议产品 | Jitsi（自建）/ Zoom Video SDK（商业） | TRTC 含 UI 组件方案 | UI 全家桶开箱即用 |
| SIP/PSTN 协议桥接网关 | Janus | LiveKit SIP / FreeSWITCH 组合 | 插件架构专为协议桥接设计 |
自建路线的技术细节见 自研 RTC 架构设计指南；两区域部署细节见 东南亚+南美部署实践。
来源列表（15+）
- 官方Agora：SD-RTN 平台介绍
- 官方Tencent RTC：全球端到端 <300ms 宣称
- 官方阿里云 ARTC：钉钉同底座、150ms、2000 方
- 官方华为云 SparkRTC：端到端平均 <200ms
- 官方火山引擎 veRTC：AI 音视频互动方案
- 官方Amazon Chime SDK 定价页
- 官方Zoom：Twilio Programmable Video 迁移专页
- 社区GitHub twilio-video.js #2037：End of Life 公告与讨论
- 行业Forasoft：Twilio Video 2024-10 反转保留产品的迁移指南（2026）
- 行业TRTC 官方博客：Twilio vs Agora vs Tencent RTC 对比（2026，厂商立场需交叉验证）
- 论文CoSMo：开源 SFU 负载对比研究（Janus/mediasoup/Jitsi/Medooze）
- 社区Nextcloud 社区：以 LiveKit 替换 Janus 的提案讨论
- 行业Janus vs LiveKit vs mediasoup 架构级对比
- 行业LiveKit vs Agora vs 100ms 定价对比（2026）
- 社区实时音视频出海选型：TRTC vs Agora vs 自建成本对比（2026）