传输层新突破：QUIC、L4S与智能拥塞控制压低排队延迟

传统视频会议多基于 WebRTC，使用 RTP/RTCP over UDP 传输音视频，并通过 GCC（Google Congestion Control）等算法估计带宽。但在 Wi-Fi、5G 和跨运营商网络中，排队延迟往往比丢包更影响体验。新进展之一是 QUIC 与 HTTP/3 的实时化改造：QUIC 多路复用可避免 TCP 队头阻塞，0-RTT 或 1-RTT 握手能缩短连接建立时间，而 WebTransport 进一步提供不可靠数据报能力，让实时媒体不必完全受制于可靠流。IETF 的 MoQ（Media over QUIC）也在探索基于发布/订阅的低延迟媒体传输。与此同时，L4S（低延迟、低损耗、可扩展吞吐量）结合 ECN 和智能队列管理，可在网络设备侧主动控制排队时延；BBR、Copa、PCC 以及基于机器学习的拥塞控制则尝试在吞吐与延迟之间做更精细的权衡。这些技术叠加后，可显著减少“画面突然卡住、声音断续”的尾延迟问题。

边缘SFU与5G MEC：把媒体转发节点推到用户身边

视频会议通常依赖 SFU（选择性转发单元）进行多人音视频转发。过去 SFU 多部署在中心云，用户跨地域接入时，RTT 容易达到几十甚至上百毫秒，叠加处理与排队后，端到端延迟更难控制。新趋势是把 SFU 下沉到边缘节点，尤其是 5G MEC（多接入边缘计算）环境中，让媒体服务器离用户更近。边缘 SFU 可就近完成混流、转发、转码和录制，减少骨干网往返；多个边缘节点之间再通过智能路由、级联和动态路径选择协同，避免单点拥塞。多路径 QUIC 还能同时利用 Wi-Fi 与 5G，在一条链路抖动时快速切换。实际落地时，边缘方案要解决状态同步、会话迁移、成本与运维复杂度等问题。对大型会议而言，边缘 SFU 不是简单“多部署几台服务器”，而是需要调度系统实时感知用户位置、网络质量和节点负载，才能把低延迟优势稳定发挥出来。

AI弱网对抗：预测式抖动缓冲与强化学习码率控制

弱网环境是视频会议延迟恶化的主因。传统抖动缓冲多采用固定或启发式策略：缓冲太小会频繁丢帧，缓冲太大则增加延迟。新进展是用 AI 做预测式抖动缓冲，根据历史 RTT、丢包、抖动和到达间隔，提前判断下一阶段网络状态，动态调整缓冲深度。码率控制也在从规则算法走向强化学习：模型把分辨率、帧率、码率、FEC 冗余和重传策略作为动作空间，以延迟、卡顿和画质为奖励，训练出更适应复杂网络的策略。AI 还可用于带宽预测、丢包区分和拥塞根因分析，判断是无线干扰、跨网拥塞还是上行不足。配合自适应前向纠错与选择性重传，能在不显著增加延迟的前提下提升抗丢包能力。不过，AI 模型需要避免过度拟合和推理开销，端侧轻量化、可解释性与安全边界仍是落地重点。

低延迟编解码与实时协议：AV1 SVC、WebTransport和MoQ

编解码器直接影响编码、传输和解码延迟。新一代实时通信更青睐 AV1 SVC、VP9 SVC 等可伸缩视频编码：一次编码生成多个时空层，网络好时传高层，网络差时快速丢弃增强层，无需频繁重编码，从而降低卡顿与延迟。AV1 在低延迟模式、屏幕共享和硬件支持上持续进步，逐渐进入视频会议场景。协议侧，WebTransport 基于 HTTP/3，提供可靠流与不可靠数据报，适合实时音视频和游戏化交互；MoQ 则试图用 QUIC 的发布/订阅模型统一低延迟直播与会议传输。WebCodecs 让应用更细粒度控制编解码与渲染，减少浏览器内部缓冲。需要注意的是，低延迟编解码必须与拥塞控制、FEC、抖动缓冲和端到端加密协同设计，否则单纯压缩算法延迟，仍可能被网络排队和播放器缓冲吃掉。未来会议系统将更像“实时媒体操作系统”，在协议、边缘与 AI 之间做全局调度。