语音搬家三十年：为什么它总是最后一个搬家的业务？

在移动通信的历史上，有一个耐人寻味的现象：短信早在 4G 时代初期就搬进了分组域（跑在 IP 上），数据业务更是从 2G 的 GPRS 起就彻底分组化了。唯独电话——这个看起来最简单的业务——从电路域搬到分组域，整整用了十几年，而且直到今天，很多城市的 5G 手机打电话时仍然要“掉回” 4G。

语音为什么总是最后一个搬家？不是因为它不重要，恰恰相反：因为它是全网要求最苛刻的业务。它的搬家路径——电路交换、CSFB、VoLTE、EPS Fallback、VoNR——记录了整个行业“如何把最挑剔的旅客请上普通列车”的全部设计智慧。这篇文章就沿着这条搬家路线，把每一步“为什么这样设计”讲透。

一、语音天生住在“专线”里：电路交换为什么适合它

先回到问题的起点：2G/3G 时代，为什么语音走电路交换（CS，Circuit Switched）？

因为语音有一个和“上网”完全不同的性格。你打开网页时，数据是突发的——下载时冲到几十兆，空闲时几乎为零。而打电话时，人的声带产生的是连续、平稳、速率恒定的信号。电话一接通，这条话路每秒钟都产生固定数量的数据，一秒都不停，一比特都不多。

于是当年的设计者做了一件非常“直男”的事：通话期间，直接在网络里给你挖一条固定的物理管道。GSM 里，一次通话占用一条时隙，通话全程这条时隙就归你，哪怕你双方都不说话、安静得能听见针掉地上，这条管道的传输资源也照占不误。

管道里跑什么？跑数字化之后的语音，即 PCM（脉冲编码调制）：

$$64\,\text{kbps} = 8000\,\text{样本/秒} \times 8\,\text{比特/样本}$$

每秒采样 8000 次（依据奈奎斯特定理，语音带宽 4 kHz，采样率必须翻倍），每次采样量化成 8 个比特，得到恒定的 64 kbps——这就是一条标准数字话路的“身高”。这个速率在空口上会被声码器（比如 GSM 的 RPE-LTP 或后来的 AMR）压缩到十几 kbps，但在核心网侧的标准话路上，64 kbps 是全球统一语言。

电路交换最大的优点，恰好是语音最需要的东西：确定性。 路径一旦建立，全程物理资源独占，时延恒定、没有抖动、不会丢包。对语音来说，这三点就是命根子。

二、分组网络接语音的三大天敌

再看分组交换（PS，Packet Switched）。它的哲学正好相反：不给你专线，把数据切成包，大家共享带宽，哪条路空闲走哪条路。这对“弹性”的互联网流量是绝配，但对语音却是三大天敌：

1. 时延（Latency）。ITU-T G.114 给出的经典建议是：单向端到端时延超过 150 ms，通话体验开始明显劣化；超过 400 ms，就到了“抢话”——你以为是对方没说话，其实是对方的话还在路上。

2. 抖动（Jitter）。分组网络里，每个包走的路径、排队时间都不一样，第 1 个包花 20 ms，第 2 个包花 80 ms。语音包到达的间隔本来应该是整齐的 20 ms 一发，现在变得忽快忽慢。网络不抖，抖的是听感——字与字之间的间隙被随机拉伸压缩。

3. 丢包（Packet Loss）。路由器缓存满了就丢包，互联网丢包 1~2% 是家常便饭。对网页下载，丢了就重传；对实时语音，重传已经没有意义——重传回来的那个包，对应的语音时刻早就过去了。你在电话里听到的“破音”“吞字”，多数就是丢包。

端到端的时延预算，可以粗略写成：

$$D_{\text{单向}} = D_{\text{编码}} + D_{\text{打包}} + D_{\text{网络}} + D_{\text{抖动缓冲}} + D_{\text{解码}} < 150\,\text{ms}$$

注意最后两项的矛盾：对抗抖动要靠加大抖动缓冲区（先把包攒起来再匀速播放，攒得越多越抗抖），但缓冲区本身就是时延——攒 100 ms 的包，时延就多 100 ms。这是实时语音在分组网络里最经典的取舍：时延和流畅不可兼得，只能找平衡点。

所以问题从来不是“IP 网能不能传语音”——互联网上的 VoIP 软件早就证明了能传。问题是：电信级语音的标准比互联网 VoIP 高一个数量级。你用聊天软件打网络电话卡一下，笑一笑就过去了；你打 110 时听筒里咔咔破音，第二天就会上新闻。运营商要的不是“能听清”，而是“每次都像面对面”。

三、4G 的先天缺陷：出生时没有“话音域”

2010 年前后 LTE 开始商用时，一个尴尬的事实浮出水面：LTE 网络只有分组域，没有电路域。EPC 核心网天生就是个纯 IP 的系统，设计者干脆没给 CS 留位置——毕竟趋势是全 IP，回头再造电路域等于开倒车。

但终端用户不管这些。手机用户的习惯根深蒂固：拨号键按下去，几秒内必须听到回铃音。而当时 IMS（可以理解为“挂在 IP 网上的电话系统”，下一节详述）还没商用部署成熟。于是 4G 商用初期出现了一个真空期：网是 4G 的，电话却无处安放。

行业的过渡方案就是 CSFB（Circuit Switched Fallback，电路域回落）：4G 平时负责上网；一旦要打电话，手机就“退回” 2G/3G 网络，用老电路域完成通话。

这背后有个关键前提——多模双待与单待的权衡。理论上有一种“双待机”方案：手机同时开着 4G（上网）和 2G/3G（待电话），两套收发信机并行。体验最好，但手机成本、功耗、射频干扰代价都高。主流行业最终选择了单射频（Single Radio）路线：手机同一时刻只能待在一个网络上，靠网络流程在两个域之间“搬”你。CSFB 和后面会讲的 SRVCC，本质上都是单射频约束下的无奈设计——这一条是理解整个 4G 语音体系的那把钥匙。

CSFB 的依赖关系在附着时就埋好了：手机在 4G 开机附着时，会顺带做一次“联合附着”，通过 MME 与老 CS 域之间的 SGs 接口，把你在 2G/3G 电路域的位置也登记了。这样你驻留在 4G 上刷视频时，来电才能通过老网络找到你。下面是拨打电话时发生的事：

sequenceDiagram
    participant U as 手机
    participant E as 4G核心网MME
    participant C as 2G/3G交换机
    U->>E: 我要打电话，请求回落
    E->>C: 提前打招呼，准备接续
    E-->>U: 释放4G连接，指明目标频点
    U->>C: 调谐到2G/3G，重选入网
    U->>C: 发起标准电路域呼叫
    C-->>U: 接通，回铃音
    Note over U,C: 回落与重选耗时数秒

回落有两种典型做法：一种是重定向（Redirect）——4G 直接把连接释放掉，在释放消息里“留个字条”告诉你目标频点在哪，手机自己重新搜网入网，简单但慢，接续时间通常比原生 2G/3G 多出数秒；另一种是PS 切换（PS HO）——像切换一样把手机平滑“搬家”过去，快但要求两网间配置好邻区和切换参数。工程上，CSFB 用户抱怨“打电话转圈圈久”，十有八九就是回落方式和邻区配置的问题。

四、IMS：为“IP 电话”修的一座航母级码头

CSFB 是止痛药，不是治病方。根治方案是 VoLTE（Voice over LTE），而 VoLTE 的心脏是 IMS（IP Multimedia Subsystem，IP 多媒体子系统）。

IMS 的出身比很多人想的早。据维基百科 IMS 词条，它的初始架构由 1999 年成立的行业论坛 3G.IP 设计，2003 年前后的 3GPP Release 5 就首次引入了 IMS，比 LTE 还早了好几年。最初的想法是“在 GPRS 上交付互联网业务”，用 IETF 的现成协议（最核心的就是 SIP，会话初始协议）来做会话控制。后来逐步演进为支持固网、WLAN、CDMA 等多种接入的“横向控制层”——它的设计哲学是：控制层与接入网解耦，不管是手机、固话还是 WiFi 进来的用户，会话控制逻辑共用一套。

为什么打电话要造这么庞大的一套系统？对比一下就明白了。互联网 VoIP 软件的思路是：App 自己管信令，想怎么连怎么连。运营商的思路是：语音是全网的“宪法级业务”，必须有一套独立的、可运营、可管、可控、可计费的会话控制体系。IMS 就是这套体系，它的几个核心角色分工精妙：

flowchart TD
    U["手机"] -->|"SIP信令经Gm口"| P["P-CSCF<br/>接入Proxy,第一站守门人"]
    P -->|"转发注册"| I["I-CSCF<br/>问询者,查出归属局"]
    I -->|"指派并转交"| S["S-CSCF<br/>大管家,执行业务逻辑"]
    S -->|"触发业务"| TAS["TAS应用服务器<br/>来电显示等补充业务"]
    S -->|"路由决策"| BGCF["BGCF<br/>选出口,去往传统电话网"]
    BGCF --> MGW["媒体网关<br/>RIP与PCM互转"]

(注：MGW 节点标签应为“RTP 与 PCM 互转”，图中以 RIP 示意为笔误——RTP 承载媒体流，PCM 承载传统话路。)

用人话翻译一遍：

• P-CSCF（Proxy-CSCF）：你的第一站。手机找到的第一个 SIP 代理就是它，注册期间固定不变。它既是保安（校验、加密、防仿冒），也是考官（检查你的信令有没有越轨）。有个工程细节值得一提：为了在空口省流量，P-CSCF 还负责 SIP 信令的压缩与解压。
• I-CSCF（Interrogating-CSCF）：问询处。它公开登记在 DNS 里，是外网进本网的“官方入口”。有人来注册？它去 HSS（归属用户服务器）查一查“这个用户该归哪个 S-CSCF 管”，然后把人送过去。
• S-CSCF（Serving-CSCF）：真正的大管家，永远在归属网络。它管注册绑定、管会话路由、管执行运营商策略。最关键的是它掌握初始过滤规则（iFC）——一套“什么信令触发什么业务”的判断逻辑，决定把会话转给哪个应用服务器（AS），彩铃、呼叫转移这些补充业务就是这么被“串”进通话路径的。
• TAS（电话应用服务器）：VoLTE 场景下最重要的 AS，传统交换机上的补充业务（呼叫等待、遇忙转移）在这里复活。
• BGCF / MGCF / 媒体网关：与老电话世界（PSTN/2G/3G CS）的翻译官。信令上把 SIP 翻译成 ISUP，媒体上把 RTP 翻译回 64 kbps 的 PCM——没有这层翻译，VoLTE 用户连一个固话都打不通。

在维基百科 IMS 词条里有一句值得玩味的行业史：正因为完整 IMS 复杂昂贵、部分运营商强烈抵触，2010 年行业专门定义了一个“精简版 IMS”——只保留语音和短信够用的部分——这就是 VoLTE。换句话说，VoLTE 不是新技术，它是 IMS 的“够用就好”版本。这个细节解释了很多工程师的困惑：为什么一个打电话的功能要牵扯这么多网元？因为 VoLTE 背后站着一整套二十多年演进下来的会话控制体系。

VoLTE 通话的媒体面跑在 RTP 上，通常 20 ms 打一个包，每秒 50 包；控制面用 SIP 的 INVITE/183/PRACK/200 OK 那一整套流程协商编解码和资源。在承载网侧，语音被标识为最高优先级——在 LTE 里它是一个 GBR（保证比特速率）专用承载，5G 里对应 5QI=1 的会话语音 QoS 流。之前文章讲过的 QoS 体系，最终的服务对象之一就是它。

五、5G 的选择题：VoNR 一步到位，还是 EPS Fallback 分两步走？

5G 来了，语音怎么走？理论答案很干脆：VoNR（Voice over NR）——语音直接落在 5G 新空口上，核心网 5GC + IMS，一气呵成，VoLTE 的那一套 IMS 体系原封不动复用（这正是 IMS“接入无关”设计的红利：换空口不换大脑）。

但运营商实际部署时，几乎都选择了先走 EPS Fallback：5G 只管数据，电话回落到 4G 用 VoLTE 打。这在今天造成了一个日常奇观：你手机右上角明明是 5G，一打电话信号栏跳回 4G，挂了电话又回来。这不是 bug，是刻意的部署策略。

为什么宁可“掉一下”？把运营商的账本摊开看就懂了：

看出规律了吗？数据业务可以试错，语音业务不能试错。用户可以容忍 5G 刷视频偶尔没速度（自动回 4G 就行），但绝不容忍“5G 打电话十次有两次接不通”。语音是运营商的信用底线，所以在 5G 语音上，行业选择了最保守的路径：先用成熟的 VoLTE 顶着，等 5G 覆盖、终端、IMS 全链路都验证扎实了，再把语音正式“过户”到 5G。这和当年 4G 先 CSFB 后 VoLTE 的节奏，历史惊人地相似——同一套剧本演了两遍。

六、通话中的最后防线：SRVCC

前面讲的都是“拨号时选路”。还有一个更刁钻的场景：通话打到一半，你走出了 4G 覆盖。此时 VoLTE 承载眼看要断，而对面还举着电话等你说话。怎么办？

这就是 SRVCC（Single Radio Voice Call Continuity，单射频语音连续性）要解决的问题。它依然是单射频约束的产物：手机只有一套收发信机，不能同时连着 LTE 和 2G/3G，所以切换必须“先断后连”。SRVCC 的做法是：网络检测到 LTE 信号不行了，在断掉之前，通过核心网把这条通话的控制权整体“过户”给 2G/3G 电路域——信令上 IMS 会话不拆，转交给一个叫 MSC Server 的中介去老网络重新接续；手机则切换到 2G/3G 继续通话。对用户来说，希望做到完全无感。

flowchart TD
    A["VoLTE通话中"] --> B{"LTE信号持续恶化?"}
    B -->|"否"| A
    B -->|"是"| C["网络发起SRVCC切换"]
    C --> D["IMS会话控制权过户<br/>交给老域中介"]
    D --> E["手机切换到2G/3G"]
    E --> F["电路域续接通话<br/>用户无感"]

初代 SRVCC 的软肋在媒体面：语音包的路径要整个改道到 2G/3G，改道期间通话会“哽”一下，中断能到秒级。后来的增强版（eSRVCC）把媒体面锚点前移——在离用户更近的网关（ATGW）提前“寄存”媒体流，切换时远端对端毫无感知，语音一直往锚点发，锚点再转给新路径，通话中断压到亚秒级（设计目标通常以 300 ms 为标尺，据 3GPP Rel-10 对 SRVCC 的增强目标）。原理上这和 CDN 的边缘节点很像：把交换点挪到离用户近的地方，远端的改动就小。

七、三十年的搬家路线图

把全程串起来：

flowchart TD
    A["2G/3G时代<br/>语音住电路域专线"] --> B["4G商用初期<br/>纯分组网无处放语音"]
    B --> C["止痛药CSFB<br/>回落2G3G打电话"]
    B --> D["根治方案VoLTE<br/>IMS精简版接管语音"]
    D --> E["5G过渡期<br/>EPS Fallback回落4G"]
    D --> F["终局VoNR<br/>语音直落5G新空口"]
    C --> G["通话中出覆盖<br/>SRVCC兜底"]

再对比一下各代方案的本质差异：

八、现网连接：这些原理在调试时怎么用

场景一：用户投诉“5G 手机打电话就掉 4G”。 先别当故障处理——查一下该城市/该用户的 VoNR 开通状态。EPS Fallback 是当前大量网络的正常形态。真正的故障判据是：回落是否成功、接续时延是否异常（本应数秒却转圈十几秒）、回落目标频点配置是否正确。

场景二：CSFB 起呼慢。 按链路排查：联合附着是否成功（SGs 状态异常会导致回落失败直接重选）、回落方式是重定向还是切换（重定向慢）、目标 2G/3G 小区是否在邻区列表里（漏配则手机盲搜，雪上加霜）。很多“打电话转圈圈”的工单，最后落在一张漏配的邻区表上。

场景三：VoLTE 打不通或单向无声。 信令面查注册状态和 SIP 信令走到哪一跳卡住（P-CSCF 有响应吗？S-CSCF 收到了吗？TAS 触发了吗）；媒体面查专用承载是否建立、5QI 是否正确、RTP 包是否有去有回。“只有声音没有图像”式的单向无声，多数是媒体面承载或 NAT/防火墙的问题，而不是信令没通。

场景四：SRVCC 掉话。 查切换参数、查 MSC Server 侧接续、查 eSRVCC 锚点是否生效。如果中断明显长于预期，重点看媒体锚点是否真的在工作——没锚点的裸 SRVCC，秒级中断是正常表现而不是异常。

最后澄清三个常见误解：其一，“IMS 就是装几台 SIP 服务器”——错，IMS 是一套包含注册、路由、业务触发、计费、安全的完整会话控制体系，SIP 只是它说的语言；其二，“5G 打电话掉 4G 说明 5G 是假的”——错，这是语音部署策略的阶段性正常形态；其三，“VoIP 和 VoLTE 一回事”——差远了，前者是尽力而为的互联网业务，后者是带 GBR 承载、QCI/5QI 标识、IMS 会话控制的电信级业务。

常见问题

Q1: VoLTE 和 VoNR 到底什么区别？ A: 大脑相同，腿不同。两者都用同一套 IMS 做会话控制、同一套编码和业务体系；区别只在接入腿——VoLTE 的语音跑在 4G 空口和 EPC 承载上，VoNR 跑在 5G 空口和 5GC 的 QoS 流上。所以从 VoLTE 升级 VoNR，运营商主要改的是接入侧与互操作参数，IMS 层基本平移。

Q2: 微信语音电话和运营商电话，技术上差在哪？ A: 都走 IP，但保障体系天差地别。微信语音是互联网 App 的尽力而为传输，抖了卡了 App 自己想办法；运营商语音有 IMS 会话控制、GBR 专用承载（5QI=1）、全网优先调度，还有与全球电话网（含固话）的互通网关。前者的对手是网络拥堵，后者的目标是“任何时刻都像面对面”。

Q3: 有了 EPS Fallback，为什么还要演进 VoNR？ A: 回落方案每次打电话都要“换网”，接续时延天然多几秒；而且 5G 大带宽低时延的优势（如 EVS 超宽带语音、更快的接续）只有 VoNR 才能兑现。长期看，2G/3G 退网后 CS 电路域彻底消失，SRVCC 兜底也没有了退路，语音必须也只能安居在分组域里，VoNR 是终局。

Q4: 2G/3G 退网后，在地铁或地库没有 4G 覆盖的地方，SRVCC 兜底不就没了吗？ A: 是的，这是退网带来的真实架构变化。SRVCC 的存在前提是有电路域可退，2G/3G 关停后这道防线消失，语音连续性完全依赖 4G/5G 分组网的覆盖深度和 VoWiFi（无信号时借家庭 WiFi）这类新兜底手段。这也是运营商退网前拼命补深 4G/5G 室内覆盖的原因。

Q5: 为什么 IMS 要分 P-CSCF、I-CSCF、S-CSCF 三个角色？一个不行吗？ A: 单体可以做，但撑不住运营商网络的真实约束：P-CSCF 要贴着用户部署（漫游时甚至放在拜访网络），管安全和压缩；I-CSCF 是对外统一入口，负责在多 S-CSCF 的资源池里“查表分诊”；S-CSCF 独占归属地的业务逻辑与用户数据绑定。三个角色拆开后，各自扩容、容灾、跨网漫游都不互相牵连——这是典型的“按职责分片”设计。

参考来源

1. IP Multimedia Subsystem — Wikipedia — IMS 起源（3G.IP、Release 5）、P/I/S-CSCF 职责、iFC 业务触发、VoLTE 为 2010 年 IMS 精简版等核心史实与架构细节
2. Circuit Switched Fallback — Wikipedia — CSFB 机制与回落方式的背景条目
3. Dispelling LTE Myths — 3GPP.org — 3GPP 官方对 LTE 语音方案（CSFB/VoLTE）的说明文章（IMS 词条引用文献）
4. What is Voice over LTE (VoLTE) — Radio-Electronics (Ian Poole) — VoLTE 技术概述（IMS 词条引用文献）

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。