SIP 以類似 HTTP 的方式建立通話，並在 VoIP 訊號傳輸上憑藉 H.323 的複雜性勝出

1990 年代，兩大陣營競相讓電話通話能在 IP 上運作。ITU-T 的 H.323 定義了一套完整、以二進位編碼的多媒體系統，建構於 ASN.1 之上，並依電信標準的風格設計；IETF 的 SIP 則源自網際網路式的思維，於 1996 年首度以 Internet Draft 形式流通，1999 年成為 RFC 2543 標準，2002 年再成為 RFC 3261。

區分兩者的設計抉擇在於訊息本身：SIP 以 ASCII 文字編碼通話，將邀請塑造成帶有 URI 式位址的請求，並像 HTTP 一樣組織對話——INVITE、回應、ACK。這使該協定可供人類閱讀，也與網頁的定址與除錯文化相容。

批評者正確指出，電話通訊本身很困難，而 SIP 的簡潔有一部分只是表面功夫。但簡潔贏得了採用競賽：SIP 搭上網際網路的工具箱，而 H.323 的複雜性則提高了每位實作者的門檻。標準化組織選擇了 SIP——3GPP 將其選用於第三代行動網路，PacketCable 則用於有線電視電話。

這場協定之戰的教訓是：一個能降低首次實作成本、並契合主流生態系習慣的標準，會比更完整的對手更快被部署、測試與改進。SIP 成為 VoIP、IMS 與行動電話的預設訊號協定。

讓通話建立成為一個文字請求，並重用網頁工具

文字編碼的訊息可供人類閱讀，使互通性除錯遠比二進位的 ASN.1 容易。

URI 式定址讓通話與網頁的身分模型一致，不同於 H.323 的多種別名類型。

IETF 的流程比 ITU 的完整系統定義更快產出精簡的規格。

3GPP 與 PacketCable 的採用，將 SIP 鎖定於行動與有線電視網路之中。

當兩個標準相互競爭時，能重用生態系既有工具與心智模型的那一方，通常會擊敗技術上更完整的那一方。

RFC 3261（2002）仍是 SIP 的核心標準，並由數十份 RFC 針對 presence、訊息傳遞與安全性加以擴充；IMS——4G 語音背後的訊號架構——即建構於 SIP 之上，而幾乎每家 VoIP 供應商都使用它。H.323 仍存在於視訊會議的利基領域，但已失去主流地位。