Юникорн инфраструктуры голосового ИИ: LiveKit привлекает $100M при оценке в $1 млрд

LiveKit, поставщик инфраструктуры с открытым исходным кодом, обеспечивающий следующее поколение искусственного интеллекта в реальном времени, официально присоединился к рядам технологических юникорнов. Сан-Франциско-компания объявила в четверг, что привлекла $100 million в раунде серии C, что повысило её оценку до $1 billion. Это значительное вливание капитала подчеркивает критическую роль, которую LiveKit стал играть в развивающемся стеке ИИ, особенно как основной движок за ChatGPT Advanced Voice Mode от OpenAI.

Раунд возглавил Index Ventures, известная фирма, поддерживающая поколенческие технологические сдвиги, при продолжении участия существующих инвесторов Altimeter Capital, Redpoint Ventures и Hanabi Capital. Финансирование поступило менее чем через год после серии B компании, что подчеркивает агрессивную траекторию роста, подпитываемую взрывным спросом на мультимодальных AI-агентов, которые могут видеть, слышать и говорить в реальном времени.

«Мы ожидаем, что 2026 год станет годом, когда голосовой ИИ будет широко внедрён в тысячи сценариев по всему миру», — сказал Russ d’Sa, сооснователь и генеральный директор LiveKit. Капитал будет использован для расширения глобальной сети LiveKit «Real-time Cloud» и дальнейшей разработки её Agents API, фреймворка, разработанного для упрощения сложной оркестрации, необходимой для взаимодействий ИИ с низкой задержкой.

Партнёрство с OpenAI: подтверждение инфраструктуры

Центральным элементом быстрого взлёта LiveKit является его стратегическое партнёрство с OpenAI. В то время как генеративный ИИ (Generative AI) в значительной степени фокусировался на текстовых крупные языковые модели (Large Language Models, LLMs), фронтир сместился в сторону мультимодальных возможностей — особенно голоса и видео. Технология LiveKit служит основой для Voice Mode у ChatGPT, обрабатывая сложную передачу данных на уровне миллисекунд, необходимую для того, чтобы разговоры с ИИ ощущались естественными и похожими на общение с человеком.

До появления LiveKit разработчики, пытавшиеся создавать голосовых ботов в реальном времени, были вынуждены собирать воедино разрозненные сервисы: отдельные API для распознавания речи (STT), инференса LLM и синтеза речи (TTS), все завернутые в стандартные протоколы HTTP или WebSocket. Такой «лоскутный» подход часто приводил к задержкам в 2–3 секунды или более — целая вечность для разговора, что вызывает неловкие паузы и перебивания.

LiveKit решил эту проблему, адаптировав WebRTC, стандартный протокол для видеоконференций, в слой транспортировки данных, оптимизированный для ИИ. Управляя аудиопотоком напрямую между устройством пользователя и моделью ИИ, LiveKit снижает задержку до менее чем 300 мс, порога, необходимого, чтобы человеческий мозг воспринимал взаимодействие как «в реальном времени».

Sahir Azam, инвестор из Index Ventures, отметил в заявлении, что LiveKit создаёт «один из самых важных слоёв инфраструктуры в стеке ИИ», фактически становясь нервной системой, которая связывает модели ИИ с физическим миром.

Внутри технологии: «нервная система» для AI-агентов

Платформа LiveKit — это не просто SDK для видеозвонков; это полноценная среда для создания «сохраняющих состояние» AI-агентов. В отличие от традиционных чат-ботов, которые являются безсостояниевыми (теряют контекст между HTTP-запросами), голосовой агент должен поддерживать непрерывное соединение, чтобы обрабатывать перебивания, фоновые шумы и логику очередности ходов.

Agents API компании позволяет разработчикам строить эти сложные рабочие процессы в коде, а не в конфигурации. Он оркестрирует поток данных между различными поставщиками моделей — такими как Deepgram для транскрипции, OpenAI или Anthropic для интеллекта и Cartesia или ElevenLabs для синтеза голоса — в то время как LiveKit управляет сетевыми аспектами.

Ключевые технические отличия

• Сверхнизкая задержка: Оптимизированная глобальная edge-сеть специально для маршрутизации аудио между машинами и между машиной и человеком.
• Нативная мультимодальность: Создано для одновременной обработки аудио, видео и каналов данных, что позволяет агентам «видеть» через ввод с камеры во время разговора.
• Энд-ту-энд оркестрация: Обрабатывает сложную логику «детекции голосовой активности» (VAD), обеспечивая немедленную остановку речи ИИ, когда пользователь перебивает — признак естественного разговора.

Конкурентная среда: специализированная инфра против устаревшего телекома

Взлёт LiveKit нарушает рынок, долгое время доминируемый провайдерами платформ коммуникаций как услуга (CPaaS) уровня наследия, такими как Twilio, и SDK, ориентированными на видео, такими как Agora. В то время как эти игроки отлично справляются с соединением человека с человеком, они не были спроектированы для требований по высокой пропускной способности и низкой задержке, которые необходимы для моделей ИИ, общающихся с людьми.

Следующая таблица иллюстрирует, как LiveKit позиционирует себя по сравнению с традиционными конкурентами в пространстве реального времени:

Стратегия LiveKit с открытым исходным кодом сыграла ключевую роль в его принятии. Позволяя инженерам изучать код и самостоятельно разворачивать стек для тестирования, они создали сообщество разработчиков из более чем 200 000 пользователей. Этот «снизу вверх» подход повторяет стратегии других инфраструктурных гигантов, таких как Vercel или MongoDB, создавая рв о, которое проприетарным решениям трудно преодолеть.

Расширение клиентской базы: от стартапов до корпоративного сектора

Хотя OpenAI является флагманским клиентом, полезность LiveKit выходит далеко за рамки потребительских чат-ботов. Технология в настоящее время развернута у разнообразных корпоративных тяжеловесов, включая:

• Tesla: использует LiveKit для диагностики в реальном времени и возможных функций голосового помощника в автомобиле.
• Salesforce: интегрирует возможности голосовой связи в свои платформы Service Cloud и Agentforce.
• xAI: использует инфраструктуру для мультимодальных возможностей Grok.
• Spotify: экспериментирует с голосовой навигацией и функциями AI DJ.

«Сегодня крупные предприятия оценивают и создают голосовых агентов для автоматизации рабочих процессов, улучшения обслуживания клиентов и открытия новых источников дохода», — написал d’Sa в блоге, сопроводившем объявление о финансировании. Он подчеркнул, что хотя многие кейсы находятся на стадии proof-of-concept, переход в производство ускоряется. Финансовые службы используют это для верификации личности через голосовую биометрию, а медицинские организации внедряют агентов для триажа пациентов до разговора с врачом.

Дорожная карта на будущее: эра «тёплых» вычислений

С $100 million свежего капитала LiveKit планирует масштабировать свою инженерную команду и расширять присутствие физической инфраструктуры. Значительная часть дорожной карты посвящена возможностям в области зрения. По мере того как модели вроде GPT-4o и Gemini 1.5 Pro становятся более способными к обработке видеопотоков, LiveKit стремится стать стандартным каналом для передачи видеосигнала в LLM для анализа в реальном времени.

Представьте себе полевого техника с умными очками, который может обратиться к AI-агенту, который «видит» сломанный механизм через камеру техника и выделяет правильную деталь для замены на HUD. Для этого требуются пропускная способность и возможности синхронизации, выходящие за рамки простого аудио, и LiveKit позиционирует себя как владеющий этим каналом.

Кроме того, компания инвестирует в edge computing. Чтобы сократить каждую возможную миллисекунду задержки, LiveKit размещает свои медиасерверы ближе к конечному пользователю и центрам инференса моделей, сокращая «время кругового путешествия» пакетов данных.

Creati.ai Insight: инфраструктура — новое золото

С точки зрения Creati.ai, оценка LiveKit в $1 млрд сигнализирует о зрелости рынка генеративного ИИ (Generative AI). Изначальный цикл хайпа сильно фокусировался на фундаментальных моделях (OpenAI, Anthropic, Google). Теперь фокус смещается к уровню, который обеспечивает возможность их использования — инструментам и механизмам, позволяющим компаниям действительно строить надёжные продукты поверх этих моделей.

LiveKit правильно определил, что узким местом для принятия ИИ является уже не интеллект, а взаимодействие. Если ИИ умен, но отвечает три секунды, он непригоден для обслуживания клиентов. Решая проблему задержки и оркестрации, LiveKit продаёт не только программное обеспечение; они продают жизнеспособность экономики AI-агентов.

По мере того как мы движемся в 2026 год, ожидается консолидация в этом слое. Компании, которые смогут предложить бесшовный, end-to-end канал от уст пользователя до «мозга» модели и обратно, захватят огромную ценность. LiveKit, со своими корнями в open source и глубокой интеграцией с лидером отрасли OpenAI, в настоящее время занимает позицию лидера, чтобы определить, как люди и машины будут общаться в ближайшее десятилетие.