Deepgram 收购 Pipecat 母公司 Daily：语音 AI 开始拼「全栈」

语音 AI 赛道的整合来了。10 月 29 日，在首届 Speak 大会上，语音识别公司 Deepgram 宣布收购 Daily——实时音视频基础设施公司，也是开源语音智能体框架 Pipecat 的缔造者。交易金额没有披露，Daily 团队将整体并入 Deepgram，联合创始人 Kwindla Hultman Kramer 出任 Deepgram 开源负责人。

这笔交易最受关注的问题只有一个：Pipecat 还会不会是开源的？答案是会。Pipecat 将继续以 BSD V2 协议免费开源、保持厂商中立，双方还会联合多家贡献者成立独立的 Pipecat 基金会，由一个代表整个实时 AI 生态的指导委员会管理——其中包括 Deepgram 的竞争对手。

为什么是 Pipecat

如果你做过语音智能体，大概率绕不开 Pipecat。它负责的是最麻烦的那一层「胶水」：把语音识别、大模型、语音合成串成一条流水线，管理音视频流，处理打断和话轮切换，把延迟压到能自然对话的程度。它几乎接入了所有主流模型厂商、电话系统和部署环境，是目前生产环境里用得最广的语音编排层。

Daily 本身则提供底层的实时网络：全球 75 个接入点，专门为实时 AI 的低延迟和可靠性做过优化。对一个语音对话来说，几百毫秒的差别就决定了用户觉得是在和人聊天，还是在和一台卡顿的机器说话。

Deepgram 补齐全栈

Deepgram 原本的强项是语音识别和合成模型。收购 Daily 之后，它手里有了模型、实时传输网络和编排框架三层，可以对外讲一个「完整、开放、生产级」的语音 AI 平台故事。Pipecat 将成为 Deepgram 新 Voice Agent Platform 的核心。同时，Deepgram 还和 Pipecat 团队联合推出了 Real-Time Context Standard（RCS），一个开放协议，用来在模型交接时传递语气、耳语这类音频上下文，以及「回答应该怎么说」的指引。

这是一种聪明的打法。语音 AI 正被 OpenAI 的实时 API、谷歌的原生音频模型等端到端方案挤压，单卖语音识别的生意越来越难做。Deepgram 选择不和大厂比谁的单个模型更强，而是去占据开发者真正搭系统的那一层——谁掌握了编排框架，谁就掌握了开发者「默认选哪个模型」的那个下拉框。

开源承诺能走多远

当然，社区的担心也很现实：被商业公司收购的开源项目，最后「名义开源、实际偏向」的例子并不少见。这次独立基金会和竞争对手进入指导委员会的设计，算是给出了相当有诚意的制度保障。接下来要看的是，Pipecat 对其他厂商模型的集成质量，会不会悄悄落后于 Deepgram 自家模型。

无论如何，这笔交易释放了一个清晰的信号：语音 AI 正在从「比模型」进入「比平台」的阶段，基础设施层的整合才刚刚开始。