这个项目适合： 想做语音助手、机器人、车载交互，或者研究 Realtime API 的开发者。 它不太适合： 只想下载一个软件，马上获得成品体验的人。 项目还在快速迭代，依赖和显卡环境可能需要折腾，但架构非常值得看。 #VoiceAI# #OpenSource# #AIagent#

今天给我推送了一条新闻，时间竟然是2025年的，他讲的是肯德基的母公司百胜餐饮集团 没想到他们早早就落地AI 应用了，现在更是跑到 3.8 万家 + 400 亿数字 GMV 肯德基的店长这一岗位，过去一年被 NVIDIA 悄悄重新定义了 📖 2025年 Yum Brands 旗下肯德基 必胜客 塔可钟 Habit Burger 加一起 6.1 万家门店 2025 年 3 月跟 NVIDIA 签独家 Yum 是 NVIDIA 餐饮业的第一家客户 500 家先上线 Q2 铺开，一年时间已经全网开跑 · 合作的三个方向，一个比一个狠 1️⃣ 第一 drive-thru 跟客服电话 voice AI 跑在 NVIDIA Riva + NIM microservices 上 能处理复杂菜单和各种口音 2️⃣ 第二 后厨 computer vision 实时盯员工 官方说法叫「优化前后厨效率」 落到执行 是每个工位接摄像头 + 实时分析 + 异常告警 Fairwork 公开质疑过 Yum 没回应 3️⃣ 第三 这一条真正狠 店级 AI 分析 叫 Accelerated Restaurant Intelligence 扫所有门店数据 把头部门店的最佳实践抽出来 给业绩差的门店自动生成 action plan 店长每天打开 跟着做就行 干的是店长上面那一层，区域督导的活 · Yum 这盘棋下了好几年 2023 年开始攒自有技术 自研 + 收购 2024 年整合成一个平台 叫 Byte by Yum 2024 末 Dragontail 厨房派送系统已经跑在 8000 家门店 2025 Q1 跟 NVIDIA 签独家 Pizza Hut + KFC 的 coaching app 已经覆盖 120 个国家 2 万家门店 6.1 万家门店每天产生的订单 客服录音 后厨视频 全是它喂给 NVIDIA 模型的训练数据 NVIDIA 这次拿到的 是全球最大的店面运营数据集 · Yum CTO Joe Park 那句话挺值得记 「最终目标是把技术嵌入到全球每家门店的每一个 touch point」 翻译过来 这场 AI 落地，火力压在「人」这一侧 炸鸡本身便宜，贵的一直是站在炸鸡旁边的人 现在呢？ Yum Brands Q1 2026 财报 系统销售 +6% 同店销售 +3% 数字销售逼近 110 亿美元 数字占比刷新到 63% 在全球快餐业里这是天花板水平 · Byte by Yum 那个平台 一年前还在跑 500 家试点 现在覆盖到 3.8 万家，占全网 61% 的门店 跑通了 400 亿美元的数字销售 Byte Coach 那个给店长用的 AI 助手 这一季又新加 4000 家肯德基海外门店 总数到 2.8 万家 每天告诉店长该做什么 · Taco Bell 这一块开始看到具体结果 drive-thru voice AI 已经铺到 600 家 关键数据 装了的门店 员工流失率下降了 快餐业每年 100%+ 的员工流失率 这是 AI 第一次反向压住这条曲线 同时在试 AI 动态菜单板 每辆车开过来 菜单根据这辆车自动调整 A/B test 跑在每天千万次级别的 drive-thru 流量上 Taco Bell US 单季 +8% Habit Burger +5% KFC + Taco Bell 把 Pizza Hut 的颓势压住了 · 国际侧也开始铺 KFC 英国 澳洲今年内上 Byte bundle 再加 2000 家 Taco Bell 英国 Q1 成第一个海外完整上线两个 bundle 的市场 KFC 全球开了一个 Innovation Pantry 把市场 A 的成功爆品快速搬到市场 B 🌟 总结 一年前签 NVIDIA 那一笔 看起来像 PR 一年后 Byte 跑到 3.8 万家 + 400 亿数字 GMV 快餐业的 AI 落地，在没人看的地方已经跑通了一大段

Sam Altman 再度站台 Cerebras：$CBRS 涨超6%，这句话比涨幅本身更重要 $CBRS 再次出现明显反弹。 催化剂来自 OpenAI CEO Sam Altman。 他再次确认，Cerebras 是 OpenAI 在“推动速度前沿”上的亲密合作伙伴。 市场立刻给出反应，$CBRS 股价上涨超过6%。 但如果只是把这件事理解成“Sam Altman 说了一句好话，所以股价上涨”，其实低估了这句话背后的意义。 对于 Cerebras 来说，现在市场最需要确认的并不是： 它的芯片到底够不够快？ 真正的问题是： OpenAI 到底还需不需要 Cerebras？ 只要这个答案仍然是 YES，$CBRS 最核心的投资逻辑就还没有被破坏。 Cerebras 与 NVIDIA 最大的不同，在于它并不是试图复制 GPU。 它走的是另一条路线： Wafer-Scale Engine（晶圆级芯片）+ 超高速 AI Inference（AI推理）。 随着 AI 从过去的“训练模型”，逐渐进入真正的大规模应用阶段，市场开始越来越重视一个指标： Inference Speed（推理速度）。 因为未来 AI Agent、Coding、Voice AI、实时搜索、机器人，全部都需要模型更快回应。 模型越强，用户越多，Token 消耗越大，推理基础设施的重要性反而越高。 这也是 Cerebras 真正想抢的位置。 所以 Sam Altman 这次特别强调： “pushing on the frontiers of speed” 我认为这几个字才是重点。 他并没有把 Cerebras 描述成普通芯片供应商，而是继续把它放在 “Speed（速度）”这个战略位置上。 这意味着 Cerebras 对 OpenAI 的价值，并不一定是全面替代 NVIDIA。 它真正可能扮演的角色是： 在部分极度重视响应速度的 AI 工作负载中，成为 NVIDIA 之外的一套高性能推理架构。 这两个概念完全不同。 所以我从来不会用： “Cerebras 能不能打败 NVIDIA？” 去判断 $CBRS。 这其实是问错问题。 更应该问的是： 未来全球 AI Inference 市场如果扩大10倍、20倍甚至更多，是否有足够大的市场空间，让 NVIDIA、AMD、ASIC，以及 Cerebras 这种完全不同架构同时存在？ 如果答案是有，那么 Cerebras 根本不需要打败 NVIDIA。 它只需要在这个巨大市场里拿下一小部分高价值、超高速推理需求，就可能支撑一家非常大的公司。 这也是为什么 Sam Altman 的表态对 $CBRS 如此敏感。 Cerebras 目前最大的问题不是故事不性感。 恰恰相反，它的故事非常性感： AI、芯片、Inference、超高速计算、OpenAI。 它真正的问题是市场仍然需要证明： 这种技术优势最终能不能持续转化成订单、收入和更多客户。 所以现阶段 $CBRS 的股价会非常容易被 OpenAI 的任何消息放大。 一个负面消息，可以让市场迅速怀疑整个合作逻辑； 而 Sam Altman 亲自出来再次确认双方仍然是亲密合作伙伴，也会迅速修复市场预期。 但我认为接下来真正值得观察的，并不是 $CBRS 今天涨6%、明天涨10%。 而是三个更重要的问题： 第一，OpenAI 与 Cerebras 的合作规模是否继续扩大。 第二，Cerebras 能不能把 OpenAI 这个旗舰客户，变成吸引其他大型 AI 客户的样板。 第三，超高速 Inference 是否真的会成为下一轮 AI 基础设施投资的重要方向。 如果这三点继续得到验证，那么今天这6%的上涨，很可能只是市场重新评估 Cerebras 的开始。 如果后面只有 Sam Altman 不断替它背书，却看不到订单、收入和客户多元化，那么股价的波动仍然会非常大。 所以我现在看 $CBRS，最重要的并不是把它理解成“下一只 NVIDIA”。 我反而更愿意把它看成： AI推理时代里，对传统 GPU 架构最值得关注的一次另类下注。 训练时代，NVIDIA 建立了巨大护城河。 但当整个行业逐渐从 Training（训练）走向更大规模的 Inference（推理），市场可能会重新奖励那些能够解决： 速度、延迟、成本、能耗 这些问题的新架构。 而 Cerebras 正在赌的，就是这个变化。 Sam Altman 今天重新确认的，其实不只是合作关系，而是 Cerebras 仍然坐在这张牌桌上。 接下来真正决定 $CBRS 能走多远的，将不再是故事，而是订单兑现速度。 你觉得 Cerebras 最终会成为 NVIDIA 之外的重要 AI 推理平台，还是只会停留在一个高性能小众市场？

推荐这份清单，几个新出的 TTS 和实时语音工具。 首个专门的开源 TTS 模型来了，WebRTC SDK 也开源了——从模型到基础设施，都有东西在动。 Voice Agent 领域的几个新发布和工具。 1. Qwen3-TTS（新） 阿里 Qwen 团队发布的开源 TTS 模型。目前细节不多但值得标记——Qwen 系列在语音方向上的第一个专门 TTS 模型，不再是通用 LLM 的附加功能。 GitHub： 2. MOSS-TTS / MOSS-TTS-Nano OpenMOSS 团队发布的两个 TTS 模型。Nano 版本主打轻量和本地部署，适合嵌入式和边缘设备场景。 GitHub： 3. LLMRTC — 开源实时语音/视觉 Agent SDK 纯 TypeScript 的开源 SDK，用于构建实时语音和视觉 AI agent。基于 WebRTC，直接支持浏览器端和 Node.js。适合想自己搭建类似 ChatGPT Voice Mode 或 Gemini Live 体验的开发者。 GitHub： 4. Building Enterprise Realtime Voice Agents from Scratch 一篇从零构建企业级实时语音 Agent 的技术教程。覆盖了 WebRTC 信令、STT 选型（Whisper vs Deepgram vs 自建）、LLM 延迟优化、TTS 流式输出、以及生产环境的断线重连和状态恢复。 5. Voice Agent Latency Optimization 最佳实践 社区维护的语音 Agent 延迟优化指南。核心发现：端到端延迟的主要瓶颈往往不在模型推理，而在 audio chunking 策略和 VAD（Voice Activity Detection）参数调优。一个常被忽略的优化点是服务端音频缓冲区大小——默认 20ms 的帧长在某些网络条件下会导致不必要的等待。 GitHub：voice-agent-examples #VoiceAgent# #TTS# #WebRTC#