一套設備齊全的視頻會議系統由多點控制單元（MCU）、視頻會議終端、攝像頭、麥克風、觸摸屏、顯示大屏構成。一般它可以分為終端設備、通信網絡（專業詞匯：傳輸信道）、MCU（多點控制單元）三大部份組成。

　　

　　簡單來說，視頻會議終端接上大屏作為顯示設備，接上網絡作為傳輸媒介就可以工作了。一臺終端通常具備核心編碼功能、一個攝像頭、一個全向麥克風以及遙控器。核心編解碼將攝像頭和麥克風輸入的圖像及聲音編碼通過網絡傳走，同時將網絡傳來的數據解碼后。將圖像和聲音還原到大屏和音響上，即實現了與遠端的實時交互。如果有六點以上會場，就必須采用MCU（視頻會議多點控制單元）進行管理。

　　

　　視頻會議終端是面對用戶的硬件，包含很多大眾常見的硬件。例如負責采集光景的攝像頭、顯示圖像的視頻顯示器等等都涵蓋在視頻會議終端設備中，通過系統的集成和整合，實現對視音頻信息采集、輸出。

　　

　　其主要價值在于將相關圖像、聲音信息數字化，并轉化成服務和傳輸網絡規定的數據格式。例如常見思科SX20、華為TE20、城云高清視頻設備P3等三款視頻終端，是三家不同企業針對中小會議場景中生產的視頻設備，但是他們在系統中的價值都是一樣的，負責將視頻/音頻/數據轉化成符合傳輸網絡規定的數據信息，在實時的會議中，承擔了光景的信息采集作用，也是用戶最常見的終端設備之一。

　　

　　通過視頻會議終端采集數據信息后，需要傳輸給異地的視頻會議終端，就需要依賴通信網絡（傳輸信道）來完成傳輸工作，通信網絡是指連接在視頻會議終端設備上，使終端設備能夠傳輸視頻、音頻和數據的各種傳輸介質的總稱。