随着网络的普及，业界甚至乐观的预期，VoIP终将完全取代传统电话服务(Plain Old Telephone Service, POTS)。由现在这个时间点往回看，2001年的网络泡沫依然令人心惊，而POTS的市场虽然逐渐萎缩，然而取而代之的却未必是VoIP技术，手机成为手持通话方式的更强劲对手，VoIP取代所有手持通话市场的美梦，也许只是网络泡沫的其中之一。
VoIP逐渐从光芒万丈的第一线，慢慢淡出到平实的第二线。随着芯片的计算能力突飞猛进，VoIP渐渐成为一种通信的基础技术，你总是可以在各种不同的通信方法中看到它的实作──或是影子。
VoIP是Voice over Internet Protocol的缩写，这是一种透过因特网或其他使用IP技术的网络，来实现新型的电话通信方法。VoIP的前身可以追溯到1973年，在ARPANET上的网络语音协议(Network Voice Protocol, NVP)。之后，随着网络的普及，业界甚至乐观的预期，VoIP终将完全取代传统电话服务(Plain Old Telephone Service, POTS)。由现在这个时间点往回看，2001年的网络泡沫依然令人心惊，而POTS的市场虽然逐渐萎缩，然而取而代之的却未必是VoIP技术，手机成为手持通话方式的更强劲对手，VoIP取代所有手持通话市场的美梦，也许只是网络泡沫的其中之一。
直观来看，VoIP是POTS在因特网上的型式移植。一般的家用电话，将语音由发出端送到接收端的过程如下：
● 声电转换：通过压电陶瓷、碳粉等原理做成的拾音器，将声波变换为电气信号；
● 传输：电气信号藉由电信业者所架设的公用电话交换网络(Public Switched Telephone Network, PSTN)，到达对方的话机；
● 电声转换：通过线圈纸盆等原理做成的扬声器，将电气信号变换为声波。
在PSTN中，其实也藉由传送固定频率声波的方式，传送及接收少量的数据，如电话号码、状态音…等。
而VoIP将语音由发出端送到接收端的过程，由于改由因特网传输，因此在传输的步骤必须做较多的工作如下：
● 声电转换：与家用电话一样；
● 量化取样：由声波变换而来的电气信号是模拟信号。将模拟信号运用模拟/数字转换(A/D Convert)的方式取样，并遵循某种采样方法（例如脉冲编码调变，即PCM）转换成数字信号；
● 封包：将一定时间长度的数字语音信号组合为一帧，然后，按照该VoIP架构所使用的协议，依OSI模型加上各层的表头和结尾，成为一个完整的封包；
● 传输：封包藉由因特网进行分组交换，而传到对方的话机；
● 封包调整：由于在网络传输的过程中，封包未必会依发出的顺序到达，也未必会在可接受的时间前到达，因此，将封包暂存、排序，并使用一些算法的技巧来补缀漏掉的封包，便成为VoIP的关键技术，通常在网络电话或VoIP网关中会有高效能的语音引擎来处理这个繁重的任务。语音引擎的能力越强，用户听到的语音越接近真实的语音，听不出延迟(Latency)与抖动(Jitter)，对网络带宽的要求也越低；
● 解封包：按照该VoIP架构所使用的协议，依OSI模型将各层的表头和结尾剥除，成为一定时间长度的数字语音信号；
● 电声转换：与家用电话一样。
语音编码方法攸关语音质量及使用带宽，而两者往往互相矛盾。由于对两者的取舍有别，而且算法的影响极大，因此编码方案五花八门，其中包括国际电信联盟的G.711(速率64kbps)，G.723.1(速率5.3kbps或者6.3kbps)，G.729A(速率8kbps)编码方案。微软、Intel、Skype等业界巨头也有自己的编码方案。不幸的是，使用不同编码方法的话机不能互通，算法又常常因为专利的问题而另行收费，对网络电话的互通造成很大的影响。
常用的VoIP网络协议
用于VoIP的网络协议，目前常用的则有H.323、SIP、Megaco和MGCP。
H.323是由ITU-T于1996年提出，原本是用于局域网络（LAN）上的视频会议，后来被应用于VoIP网络电话上。H.323定义了一个综合性的规范，使网络上的终端设备遵循这些规范，得以顺利进行沟通，包括语音压缩格式(G.711、G.729、G.723.1)、影像压缩格式( H.261、H.263 )、呼叫(H.225)、控制(H.245)、注册与认证等。H.323架构由4个组件所组成，包括终端设备(Terminal)、网关(Gateway)、网关守卫(Gatekeeper)、多点控制单元(MCU：Multipoint Control Unit)，可进行单点对单点或单点对多点的通信。
对于VoIP的应用而言，H.323的子协议多且复杂性高，在许多技术上的问题受限，不容易针对新的应用作扩展。因此，IETF(Internet Engineering Task Force)分别在1999年8月提出MGCP(Media Gateway Control Protocol)协议，1999年3月提出SIP(Session Initiation Protocol)协议，试图简化H.323的复杂性，且在语音传递功能提供较高的延展性。
SIP是一种应用层控制协议，用于和一个或多个参与者建立、修改和终止会话。 SIP 的结构与 HTTP相似，客户机发出请求，并发送给服务器，服务器处理这些请求后给客户机回送一个响应。请求与响应形成一次交换(transaction)。
MGCP是由Cisco和Telcordia提议的VoIP协议，它定义了呼叫控制单元（呼叫代理或媒体网关）与电话网关之间的通信服务。MGCP属于控制协议，允许中心控制面板监测IP电话和网关事件，并通知它们发送内容至指定地址。在MGCP结构中，智能呼叫控制置于网关外部并由呼叫控制单元（呼叫代理）来处理。同时呼叫控制单元互相保持同步，发送一致的命令给网关。
Megaco(又为H.248)是一种控制协议，用来在网络上做媒体网关与媒体网关控制器之间的控制。 Megaco/H.248定义媒体网关控制器所用的控制机制，以控制网关特别可以支持网络上的多媒体信息流。从 VoIP 结构和网关控制的关系来看， Megaco/H.248 与 MGCP 在本质上相当相似，但是 Megaco/H.248 支持更广泛的网络媒介，如 ATM 。
同样不幸的是，使用不同VoIP协议的话机也不能互通，更甚之，由于有些协议(如SIP)并不是硬梆梆的规格，而有“协议”的性质，细节的实作也往往因厂商而有不同，使网络电话的互通更加困难。
节费为主要应用诱因
在VoIP电话兴起的年代，推广者的诉求重点中一定会提到“节费”二字，这在当时是非常吸引人的诉求。然而回首往事，这个诉求恰恰是VoIP取代所有手持通话市场的最大障碍。原来世界各国的电信事业，不是国有企业、特许行业，就是托拉斯级的巨兽型企业，在这些企业花费巨资，布建了广大的PSTN网之后，突然有新的技术以“节费”为诉求，居然可以坐享其成(不要忘了，网络的最后一哩常常也是借道PSTN)，电信业者情何以堪?因此，VoIP电话在各国，除了日本勉强可以推动050网络电话之外，其他国家都受到技术性的阻挠，如无法监听、无法紧急拨号…等。因此，网络电话总是无法成为主要的手持通话装置。
在网络泡沫化之后，VoIP的话题沈寂了一段时间，直到2003年，Skype的问世，吸引了众人的目光。清晰的语音与囊括所有网络电话优点的使用界面，使Skype一夕之间成为网络电话的代名词，使用VoIP技术通话的人口也因此激增。然而，对于手持式VoIP电话系统而言，这显然是重重一击，因为类似Skype这类实时通信软件不需太多额外成本，不像手持式VoIP电话需另行购置话机，VoIP取代所有手持通话市场的可能性更加降低。
跨国企业成为主要客群
尽管如此，由于全球化的影响，跨国企业越来越多。分布在世界各地的企业分部及工厂需要有更经济实用的电话系统，对于同时有能力提供语音交换及网络装置建置的厂商，如Cisco、Avaya、Nortel…等，则是一大商机。建构良好的VoIP系统，不但能共享传送数据流的网络连接，而且使用方便，甚至使用公司内部分机号码就可以和远在他国的单位通话。
同时，经过这么多年的技术发展，VoIP交换技术也很成熟。因此，有些以往费用较昂贵的长途电话及国际电话，也有不少例子是除了原来的卫星联机、海底电缆连接外，也提供以VoIP为媒介的联机。有些规模较小的电信业者，也使用VoIP交换技术，以租用短途电话线路(价位较便宜)，长途部分则以VoIP做为媒介的方式，既赚取差价，也不会明白得罪主要的电信业者。
目前，VoIP交换技术几乎都掌握在VoIP设备大厂手里，但是一般人所不清楚的是，那些美美的、可靠的话机、高速价昂的VoIP网关…等设备的制造，却有一大部分是由台湾地区的网通大厂，如鸿海、明泰、华硕、纬创、东讯、英保达等代工。
VoIP将无所不在
VoIP逐渐从光芒万丈的第一线，慢慢淡出到平实的第二线，在技术的领域里，历史一再告诉我们，如何能在变动较小的情况下，结合现有势力，是成功的快捷方式之一。处理器是如此，VoIP也是如此。毕竟好的技术总是不寂寞，只不过是“转进”而已。随着芯片的计算能力突飞猛进，VoIP渐渐成为一种通信的基础技术，以后，你总是可以在各种不同的通信方法中看到它的实作──或是影子。
(注:本文图片来源取自网络照片)
