火山引擎发布多模态传输系统 MMT：为 Agent 时代重构人机交互底座

火山引擎智能视频技术负责人裴志伟在 InfoQ 专访中详述豆包视频通话背后的多模态传输系统（MMT）架构。核心数据：豆包视频通话上线后 DAU 从千万级增长至亿级（10x），几乎无投放驱动。技术路径：WebSocket → QUIC → WebRTC → 自研 C/S 架构 MMT（基于 MoQ 协议实现分层会话控制 + MediaKit 同源算法赋能传输网关）。目标：建联秒级→数百毫秒、端到端延迟对齐 RTC、支撑亿级并发、长期成本可控。火山引擎将其拆解为传输网络/SDK/网关/处理网关等模块化产品对外输出。InfoQ 评论：「模型决定智能上限，传输决定体验下限」。OpenAI GPT-Live 也在做同样的事——将自然交互层与深度智能层解耦。多模态传输正从通信管道升级为 Agent 时代的基础设施。