10 月 23 日,iRTE2026 實時智能大會在北京舉行。聲網(wǎng)創(chuàng)始人兼 CEO 趙斌在主論壇發(fā)表題為《對話 AGI:實時互動的下一章》的演講,回顧了過去一年實時互動、對話式 AI 與底層基礎設施的關鍵變化,并提出 " 五級對話能力 " 框架,勾勒對話式 AI 從基礎應答走向深度理解與關系溝通的演進路徑。
趙斌認為,隨著 AI 從回答問題走向持續(xù)交流、理解上下文并執(zhí)行任務,實時互動的對象正在從人與人擴展到人與 Agent。實時互動技術的角色也隨之延伸:它不僅要讓信息傳遞更穩(wěn)定、更流暢,還要為 AI 的感知、理解、表達與行動提供實時支撐。



從 " 問一句答一句 " 到深度關系溝通:對話 AGI 的五級進化
在趙斌看來,對話式 AI 的進步,不應只用回答速度、語言自然度來衡量。更重要的是,它能否理解對話對象的意圖、處境與關系,能否在復雜場景中恰當?shù)乇磉_,并逐步形成長期、深入的理解。
圍繞這一判斷,趙斌在演講中提出了" 五級對話能力 " 框架,將對話能力劃分為五個層次:
L1:基于自身視角的表達:以自我表達和被動接續(xù)為主,實現(xiàn) " 問一句、答一句 "。
L2:基于互動規(guī)律的表達:從被動回應走向主動表達,讓對話更自然、連貫。
L3:基于個體認知的溝通:理解個體的身份、意圖與處境,實現(xiàn)因人而異的溝通。
L4:基于群體認知的溝通:理解社會關系與角色差異,適應復雜的多人溝通場景。
L5:基于深度關系的溝通:理解長期上下文與關系演變,形成更深層次的理解與思維默契,讓溝通從理解當下走向理解一個人。

這五個層次展現(xiàn)的,不只是對話技術的逐級增強,更是 AI 與人之間關系的變化:從完成一輪問答,到理解一個人,再到理解人與人之間的關系,最終形成跨越時間與情境的深度溝通。
趙斌指出,對話式 AI 正在從早期被動接續(xù)的交互,向更主動、更自然的全雙工對話發(fā)展,并開始嘗試理解人的個性、處境、情緒與關系。面向未來,AI 還需要突破復雜社會場景下的角色分工與溝通秩序,進一步理解個人長期積累的上下文。這也是對話 AGI 的重要發(fā)展方向:AI 不僅能聽懂一句話,還能結合完整語境理解一個人的真實意圖,并作出恰當回應。
Real-Time AI Infra:支撐對話 AGI 的關鍵基礎設施
對話能力的持續(xù)進化,也對底層技術提出了更高要求。
趙斌在演講中提到,過去一年,OpenAI 等公司對 WebRTC 技術的深入采用,推動實時互動技術在對話式 AI 領域獲得更廣泛的關注和應用。隨著 AI 從單輪問答走向持續(xù)交互,實時互動基礎設施正在成為連接模型、智能體運行框架與用戶的重要技術支撐。
與傳統(tǒng) AI 應用相比,對話場景對延遲、穩(wěn)定性和雙向交互有著更嚴格的要求。AI 需要一邊接收用戶輸入,一邊理解上下文、組織回應,必要時還要隨時應對打斷,并持續(xù)調(diào)用工具、推進任務。任何環(huán)節(jié)出現(xiàn)明顯延遲,都可能破壞對話的自然性,甚至影響任務能否完成。
為支撐這些需求,趙斌介紹了面向實時智能交互的基礎設施方向:通過全球實時傳輸網(wǎng)絡、分布式云邊端聯(lián)合推理、實時編排與全雙工交互能力,讓模型和 Agent 能夠在真實場景中持續(xù)協(xié)同。聲網(wǎng)對話式 AI 引擎也以全雙工交互為核心,連接模型、Agent 運行框架與用戶,支撐穩(wěn)定、同步的實時對話體驗。

與此同時,雷峰網(wǎng)了解到:聲網(wǎng)持續(xù)面向開發(fā)者完善對話式 AI 開發(fā)工具與開發(fā)套件,結合 SDK、Skills、CLI 工具及 Recipes 等能力,幫助開發(fā)者更高效地構建具備完整邏輯與執(zhí)行能力的 Agent。
從客服、教育到 AI 陪伴與智能穿戴,趙斌認為,對話式 AI 正在進入更多真實場景。AI 能否真正創(chuàng)造價值,不只取決于模型是否 " 會說話 ",還取決于它能否理解需求、自然溝通,并持續(xù)完成任務。實時互動技術將在這一過程中發(fā)揮越來越重要的作用。
隨后,英偉達首席架構師、AOMedia 視頻編解碼工作組聯(lián)合主席 Andrey Norkin 帶來了關于 AV2 視頻編解碼技術的演講。

圓桌對話:個人智能體,會成為下一代個人入口嗎?
在由聲網(wǎng)聯(lián)合創(chuàng)始人 Tony Wang 主持的第一場圓桌中,互動媒體產(chǎn)品經(jīng)理、科技博主 Eugene Wei,科技自媒體人、播客《亂翻書》主理人潘亂,以及 AIoT 硬件創(chuàng)業(yè)者、端側 AI 自媒體主理人華建新,圍繞 " 個人智能體:從新工具到新入口?" 展開討論。
從手機、眼鏡、耳機到更多隨身設備,個人智能體正在重新引發(fā)行業(yè)對下一代人機交互入口的思考。潘亂認為,個人智能體可能帶來一場范式變革:AI 產(chǎn)品的價值正在從爭奪用戶注意力,轉向幫助用戶更高效地完成任務。未來的個人智能體不僅要響應明確指令,還應主動承擔任務,幫助用戶處理那些目標明確、卻不值得投入大量時間的事務。
對于下一代個人硬件,華建新提出,未來的入口未必由某一種設備獨占,眼鏡、耳機及其他能夠感知環(huán)境、執(zhí)行任務的硬件都有機會。他認為,個人智能體不僅需要理解用戶,還需要通過物理設備持續(xù)感知現(xiàn)實世界并采取行動,這為不同形態(tài)的硬件帶來了新的發(fā)展空間。
Eugene Wei 則將討論引向 " 上下文 " 的價值:個人智能體能否真正理解用戶的興趣、溝通記錄與社會關系,將影響它能否成為有價值的個人入口。在衡量新入口是否成立時,他也提出,可以關注用戶每天與 Agent 的交互情況,以及究竟是用戶主動找 Agent 更多,還是 Agent 主動找用戶更多。圓桌由此進一步討論了個人智能體的產(chǎn)品價值、硬件形態(tài)與未來衡量標準。


圓桌對話:從 " 能聊天 " 到 " 能辦事 ",對話式 AI 如何創(chuàng)造真實價值?
在由聲網(wǎng)首席商業(yè)官崔博主持的第二場圓桌中,斜躍智能創(chuàng)始人陳偉、冠客科技創(chuàng)始人耿祥磊、Rokid 樂奇聯(lián)合創(chuàng)始人兼生態(tài)負責人蔡國祥,以及泰坦啟明 CEO 吳侃,從具身智能、智能穿戴、企業(yè)營銷與 AI 招聘等不同場景出發(fā),探討對話式 AI:驅動下一代的人與 Agent 交互。
陳偉認為,具身智能的關鍵是讓人的意圖真正轉化為機器人的行動。 機器人不僅要理解語音指令,還需要融合視覺、語音及自身狀態(tài)等多模態(tài)信息,完成對物理環(huán)境的感知、規(guī)劃與決策,并根據(jù)行動后的環(huán)境變化持續(xù)調(diào)整任務執(zhí)行。相比完成預設的演示任務,機器人更重要的是在開放環(huán)境中持續(xù)理解人的真實需求,讓行動始終與人的意圖保持一致。斜躍智能正在發(fā)展的 Duplex Reasoning 全新范式的具身基礎模型,旨在實現(xiàn)機器人交互和行動的一體化。
蔡國祥則從 AI 眼鏡的實踐出發(fā),強調(diào)對話體驗是 AI 穿戴設備的核心競爭力。 他表示,無論硬件和背后的 AI 能力多么強大,如果對話不夠自然,用戶體驗就會受到直接影響。未來,AI 穿戴設備需要通過低延遲、穩(wěn)定的實時交互,以及對語義和長期上下文的理解,讓用戶逐漸感受不到自己是在與 AI 對話。他還分享了 Rokid 樂奇 AI 助手采用聲網(wǎng) RTC 鏈路服務的實踐,并看好 AI 眼鏡成為 AI 時代重要的個人入口。
在企業(yè)應用場景中,耿祥磊指出,AI 語音座席要實現(xiàn)可靠的業(yè)務交付,必須解決延遲、打斷時機與擬人化等問題,其中延遲甚至可能直接影響任務結果。對于 To B 營銷,AI 還需要與行業(yè)知識體系及人工協(xié)作相結合,才能更好地保障業(yè)務結果。吳侃則結合 AI 招聘實踐表示,對話式 AI 能幫助招聘業(yè)務大規(guī)模觸達求職者、提升服務效率,而不是簡單替代人工。要形成業(yè)務閉環(huán),還需沉淀行業(yè)數(shù)據(jù),以求職者為本體梳理業(yè)務,幫助 Agent 建立長期記憶,并圍繞到面、入職等實際業(yè)務事件,輔助 AI 持續(xù)評估和優(yōu)化服務質(zhì)量。
從四位嘉賓的分享可以看到,不同行業(yè)對對話式 AI 的要求雖有差異,但共同指向一個方向:AI 不僅要能交流,還要能夠理解真實場景、融入現(xiàn)有業(yè)務流程,并可靠地完成任務。隨著實時互動、多模態(tài)感知與 Agent 執(zhí)行能力持續(xù)發(fā)展,對話式 AI 有望從交互工具進一步成為連接數(shù)字世界與物理世界、推動業(yè)務運行的重要力量。

從實時互動走向實時智能,開啟對話 AGI 的下一章
從趙斌提出的五級對話能力框架,到兩場圓桌對個人智能體與真實業(yè)務落地的探討,iRTE2026 主論壇呈現(xiàn)出一個清晰的產(chǎn)業(yè)趨勢:對話式 AI 的競爭正在從基礎模型能力,延伸至上下文理解、實時交互、復雜關系認知與任務執(zhí)行。
當 AI 不再局限于被動回答,而是能夠持續(xù)理解人、主動參與交流,并在真實場景中完成任務,實時互動技術也將承擔更深層的使命。
面向對話 AGI 的下一階段,聲網(wǎng)將繼續(xù)與開發(fā)者和行業(yè)伙伴共同探索實時互動與生成式 AI 的融合,推動人與人、人與 Agent 之間更加自然、高效的實時交互體驗。