视频，这个我们早已习以为常的媒介，其作为“内容容器”的时代，可能正在迎来终结。
全球视频平台巨头、纳斯达-克上市企业Kaltura，近日宣布，以2700万美元的价格，收购了以色列AI数字人初创公司eSelf.ai。
这并非一次简单的“功能补全”式的收购。它是一次明确的战略宣言，标志着Kaltura正在将其未来的赌注，全部押在了一个全新的概念之上——“视频即服务界面”（Video as an Interface）。
这次收购案的核心，是eSelf.ai所掌握的一项关键技术：具备实时、同步、上下文感知能力的对话型虚拟人。
eSelf.ai，这家成立于2023年、团队仅有15人的初创公司，其技术与市面上常见的“预录语音+口型对齐”式的伪交互数字人，有着根本性的不同。
其虚拟人，不仅能实现逼真自然的唇形同步，更关键的是，它具备“看”和“听”的能力：
-
屏幕理解： 它能够“看到”用户当前正在浏览的屏幕内容，并据此进行实时的、智能的回应。例如，当一位潜在客户在复杂的保险产品页面上停留过久时，嵌入页面的数字人顾问，可以主动地、用自然的语言，为其解释该产品的核心条款。
-
低延迟语音识别： 它能够“听清”用户的实时语音提问，并进行毫秒级的响应，实现真正流畅的双向对话。
Kaltura的CEO Ron Yekutiel一针见血地指出了此次收购的核心价值：“我们需要的是一个能够与用户进行双向、动态、上下文感知对话的AI，而不是一个只会说话的视频片段。”
这次收购，也清晰地勾勒出了Kaltura的战略进化路径：从一个企业级的视频平台，向一个企业级的AI体验引擎，全面转型。
目前，Kaltura为全球超过800家企业客户（包括Amazon、Oracle、SAP、IBM等巨头）提供服务，其产品线覆盖了从企业内部的视频门户、虚拟课堂、网络研讨会系统，到面向公众的TV流媒体解决方案。
在整合了eSelf.ai的技术后，Kaltura将能够在其庞大的客户基础上，推出可被深度嵌入到销售、客户服务、员工培训等所有核心业务场景的、独立的AI代理。
这套“全栈式视频智能”解决方案的逻辑是：
-
前端： 以一个高拟真、可实时对话的数字人，作为全新的、更具亲和力的交互入口。
-
-中台： 这个数字人将深度对接企业现有的CRM（客户关系管理）、内部知识库、LMS（学习管理系统）等核心业务系统，获取数据和知识。
-
后端： 基于对用户实时行为（例如，鼠标的停留、页面的滚动）和屏幕内容的理解，动态地、个性化地，生成最恰当的语音和视频响应。
“我们始于视频，进阶至个性化视频，”Yekutiel说，“而如今，通过eSelf，我们赋予了AI以面孔、眼睛、耳朵和一张嘴，使其真正具备了人类级别的表达与理解能力。”
尽管近期有媒体报道称，Kaltura正在寻求以4亿至5亿美元的估值出售公司，但Yekutiel对此进行了明确的否认：“我们从未接近达成任何交易。”
相反，这次收购，是该公司历史上的第四次战略性并购，彰显了其持续投入AI与视频深度融合的决心。
根据财报，Kaltura在2024年的营收约为1.8亿美元，并已实现了调整后EBITDA（税息折旧及摊销前利润）与现金流的双重盈利，拥有一个超过600人的团队。这为其进行后续的战略投入，提供了坚实的基础。
爱力方的分析认为，Kaltura的这次转型，深刻地反映了企业级人机交互的一个重要趋势：
传统的、基于文本的聊天机器人（Chatbot），正在因为其体验的割裂和能力的局限，而逐渐达到其天花板。
下一代的企业级AI交互，将是多模态的、沉浸式的、并且是主动服务的。
当你的企业客服，不再只是屏幕右下角一个冰冷的聊天框，而是一个能够“注视”着你的操作、“理解”你的困惑，并用自然的音容笑貌，主动地、实时地为你提供引导的“数字专家”时，人与机器之间的信任边界和协作效率，都将被彻底重塑。
而Kaltura，正试图成为定义这个新时代的、最核心的基础设施提供商。
