与所有通信系统一样，参与VoIP业务的设备也可以被划分为网络侧设备（如服务器、各种网关）和用户侧设备（如终端）两类。从VoIP终端侧设备是否参与为其他VoIP提供服务的角度看，可以把VoIP的拓扑结构大致划分为集中式（只由网络设备提供服务，终端只是VoIP服务的消费者）和分布式（由网络设备和终端设备协同提供VoIP服务）两类。
1.集中式VoIP技术
|
（1）第一阶段：H.323协议
目前全球大多数商用VoIP网络都是基于H.323协议构建的。H.323协议是ITU-T为包交换网络的多媒体通信系统设计的（目前主要用于VoIP），主要由网关、网守以及后台认证和计费等支撑系统组成。网关是完成协议转换和媒体编解码的主要设备，而网守则是完成网关之间的路由交换、用户认证和计费的控制层设备。
基于H.323协议的VoIP系统本身就是从电信级网络的角度出发设计的，有着传统电信网的多种优点，如易于构建大规模网络、网络的可运营可管理性较好、不同厂商设备之间的互通性较好等。然而在实际部署和实施时也遇到了一些问题，比如协议设计过于复杂、设备成本高、投资建设成本高和协议扩展较差等问题。
（2）第二阶段：H.248/MGCP协议
在下一代网络（NGN）的研究过程中，几年前出现了所谓的“以软交换为核心的下一代网络”的说法。所谓软交换，其核心思想是控制、承载和业务分离，采用软交换做控制，不同媒体网关做媒体处理来提供话音、数据、视讯等多媒体业务（甚至支持移动性）的实现方式。其核心协议是与媒体相关的控制协议，主流的协议是ITU-T制定的H.248和IETF制定的MGCP。
软交换的主要作用是逐步把传统电话网络IP化（到目前为止仍然只能提供话音业务），可以起到承上启下的作用，但当用户都以IP方式连接在网络上的时候，软交换就完成了其历史使命，因此软交换属于一种VoIP的过渡技术。
在向NGN的演进过程中，会话初始协议（SIP）越来越引起业务的关注，基于该协议开发的系统，用户终端无论在何处接入互联网，都可以通过域名找到其归属服务器来进行语音和视频等的通信。自3GPP在R5的IP多媒体子系统（IMS）中宣布以SIP为核心协议以来，ETSI和ITU-T又在其NGN体系中采用了IMS，使得SIP协议正在成为人们关注的热点。
SIP协议本身在消息发送和处理机制上具有一定的灵活性，使得用SIP协议可以很方便地实现一些VoIP的补充业务，比如各种情况下的呼叫前转、呼叫转接、呼叫保持、呈现（Presence）、即时消息等业务。
现在业界一些企业和组织，又宣扬所谓的“以IMS为核心的下一代网络”的说法，这非常值得商榷。NGN是一种融合的网络，它有没有“核心”都需要研究和实践，更何况说什么是“核心”了。
2.分布式VoIP
近两年来，以Skype为代表的分布式VoIP开始快速兴起，给传统电信带来一股强烈的冲击波。Skype主要提供VoIP及其增值业务，其推出的软件和应用包括Skype、SkypeIn、SkypeOut、即时消息、电话会议以及SkypeVoice-mail等。但Skype的目标绝不仅仅是为了让通话费变得更加低廉，未来还将提供视频和其他许多尚未被开发出来的通信服务。
Skype具有很多特点，比如使用端到端（P2P）技术对全部用户的计算机资源进行连接和管理（共享），良好的移动性支持，网络地址翻译/防火墙穿越能力和优异的语音编解码质量等。这些优点在PC2PC工作方式的Skype中得到很好的体现，但在SkypeOut提供的Skype到固定电话或者Skype到手机的通话中音质失真严重，影响了Skype到固定电话或手机的通话质量。
当然，Skype也存在一些其他问题。比如其他Skype用户占用个人计算机上的资源，包括网络带宽等，这将使得用户计算在接收呼叫时发生延迟。另外，可以利用Skype发送蠕虫病毒和其他网络病毒。这些不可管理性使得Skype只能通过这种免费的方式走向市场。但是无论如何，Skype的理念会给传统的电信市场带来突破性的变革，传统电信运营商决不可忽视其挑战。
