OpenAI工程师卢克·柯利近日发表尖锐评论，直指WebRTC协议在AI语音交互场景中的根本性缺陷。他指出，WebRTC的设计优先保障实时通信的低延迟，却在网络条件不佳时主动丢弃音频包，导致用户输入的语音提示词严重失真。
柯利在文章中写道：“WebRTC就是为了降级和丢弃我的提示词而设计的。”他认为，在AI语音应用中，提示词的准确性远比极致的低延迟更重要。对于需要昂贵计算资源的LLM（大语言模型），一次错误的提示意味着整个回答的失败，用户“宁愿多等200毫秒也要让提示准确”。
然而，WebRTC的实现并不允许这种等待。柯利透露，在Discord工作时他们就尝试过重传音频包，但在浏览器环境中完全不可行。WebRTC的编码机制“硬编码了实时延迟，否则就罢工”。这意味着，即便AI应用需要更可靠的数据传输，也无法绕过这一限制。
柯利的评论是对OpenAI官方博客《如何大规模交付低延迟语音AI》的回应。他引用自己此前在博客《WebRTC就是问题》中的观点，强调当前语音AI的瓶颈不在模型本身，而在通信协议的取舍。他的发言已在开发者社区引发热烈讨论，许多人呼吁WebRTC标准制定者考虑AI场景的新需求。