2019年视频会议市场规模有望达到596亿美元视频会议是指位于两个或多个地点的人们，通过通信设备网络和视频会议系统软件，实现面对面交谈的会议。视频会议的早期概念Picturephone由美国的AT&T于1964年在世界博览会上推出。在20世纪70年代后期，AT&T开始提供Picturephone服务，而爱立信也展示了其第一个视频电话。在此阶段，视频会议的主要技术是通过模拟公共交换电话网(PSTN)传输语音和图像，成本高、体验差，仅用于高端商务场合。经过一段时间的发展，国际电信联盟(ITU)也从1996年开始制定视频会议标准，进入21世纪之后以发展成硬件和软件两种主要的产品类型。
如今，随着全球化进程不可逆转地推进和相关技术的不断进步，驱使越来越多的用户采用视频会议方式进行沟通，以实现更优的通信和协作效率。根据Frost & Sullivan数据，2012至2016期间，全球视频会议市场的市场规模以每年7.5%的复合年增长率从319亿美元增长至426亿美元，而从2017年到2021年，Frost & Sullivan预计全球视频会议的CAGR将达到8.3%，2019年市场规模550亿美元。H.323与SIP是视频会议系统的两大通信标准早期的视频会议系统多采用H.320标准，它构建在一系列专用的视频会议技术和标准之上，但是连接较为固定、带宽利用率低、开放性差，因此在IP网络普及的背景下，基于IP分组交换网络的视频会议系统快速兴起，其中H.323标准和SIP协议是当前视频会议系统的主流标准技术。
H.323是由国际电信联盟电信标准化部门(ITU-T)提出、基于电信网信令和协议制定的IP多媒体标准，是在分组交换网络上实现多媒体通信的一个框架性协议，采用的是电话信令模式，吸取了许多电信网的组网、互联和运营经验。H.323标准由一系列子协议组成：通信控制协议、音频编解码协议、视频编解码协议以及数据会议协议，可利用H.323技术实现多种应用和业务叠加到同一个传输网络平台上，视频会议仅是其应用之一。H.323系统由终端、网关、网守、MCU等模块构成，其中终端是分组网络中能提供实时、双向通信节点的设备，具有系统控制单元、媒体传输单元、音频编解码器、视频编解码器以及基于分组的网络接口等。SIP是一个面向网络会议和电话的简单信令控制协议，利用请求响应机制实现会话控制，可以用来创建、修改和终结一个或多个参会者的会话进程。SIP协议本身只能传送会话控制信息，因此必须与其他协议配合才能提供完整的服务，SIP协议继承了互联网协议简单、开放、灵活的特点，信令简单易于扩充。SIP系统的构成主要包括用户代理和SIP服务器，其中用户代理是呼叫的终端系统，SIP服务器是处理呼叫相关信令的网络设备。
SIP协议与互联网结合紧密，对于终端的智能化提出了更高要求。相较之下，H.323系统的终端的功能比较简单，呼叫控制、媒体传输控制等功能都主要由网守来实现。而SIP的终端则更加智能化，需要同时提供数据和控制信息，因此将网络设备的复杂性推向了边缘。
