# 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： ```mermaid 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： ```mermaid flowchart TD U["手机"] -->|"SIP信令经Gm口"| P["P-CSCF
接入Proxy,第一站守门人"] P -->|"转发注册"| I["I-CSCF
问询者,查出归属局"] I -->|"指派并转交"| S["S-CSCF
大管家,执行业务逻辑"] S -->|"触发业务"| TAS["TAS应用服务器
来电显示等补充业务"] S -->|"路由决策"| BGCF["BGCF
选出口,去往传统电话网"] BGCF --> MGW["媒体网关
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： | 维度 | VoNR 一步到位 | 先 EPS Fallback 后 VoNR | |---|---|---| | 前期投入 | IMS 升级、5GC 语音功能、终端成熟度，一次到位 | IMS 沿用 4G 时代的存量，5G 侧几乎零新增 | | 语音体验初期 | 新空口覆盖不满时易掉话，口碑风险大 | 回落虽慢半拍，但 VoLTE 久经沙场，稳定 | | 对覆盖的要求 | 语音必须全程 5G 覆盖，边缘质量压力大 | 语音继续蹭 4G 的成熟覆盖 | | 漫游互通 | 需对方网络也支持，国际漫游初期是雷区 | 漫游沿用 VoLTE 通道，无兼容问题 | | 演进节奏 | 激进 | 语音先稳住，5G 专心铺数据，条件成熟再切 VoNR | 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。 ```mermaid 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
交给老域中介"] D --> E["手机切换到2G/3G"] E --> F["电路域续接通话
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： ```mermaid flowchart TD A["2G/3G时代
语音住电路域专线"] --> B["4G商用初期
纯分组网无处放语音"] B --> C["止痛药CSFB
回落2G3G打电话"] B --> D["根治方案VoLTE
IMS精简版接管语音"] D --> E["5G过渡期
EPS Fallback回落4G"] D --> F["终局VoNR
语音直落5G新空口"] C --> G["通话中出覆盖
SRVCC兜底"] ``` 再对比一下各代方案的本质差异： | 方案 | 语音在哪承载 | 出现的背景 | 主要代价/特点 | |---|---|---|---| | 原生 CS | 2G/3G 电路域 | 语音与网络同生 | 资源独占，利用率低，但时延确定 | | CSFB | 回落到 2G/3G CS | LTE 无 CS 域、IMS 未成熟 | 接续慢数秒；依赖联合附着与 SGs | | VoLTE | 4G 分组承载 + IMS 控制 | 2010 年定稿的 IMS 精简版 | 需全链路 QoS 保障；接续接近 CS 体验 | | EPS Fallback | 回落到 4G VoLTE | 5G 初期，语音求稳 | 电话时“掉”一下；部署成本最低 | | VoNR | 5G 分组承载 + IMS | 5G 成熟期终局 | 复用 IMS 大脑；要求 5G 覆盖与生态成熟 | | SRVCC/eSRVCC | 通话中切换到 2G/3G CS | 单射频手机的覆盖兜底 | eSRVCC 借媒体锚点压中断到亚秒级 | ## 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](https://en.wikipedia.org/wiki/IP_Multimedia_Subsystem) — 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](https://en.wikipedia.org/wiki/Circuit_Switched_Fallback) — CSFB 机制与回落方式的背景条目 3. [Dispelling LTE Myths — 3GPP.org](https://www.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)](https://www.electronics-notes.com/) — 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。