你講嘢講到一半，AI 搶住開口；你情緒上嚟，佢仲喺度一板一眼唸答案；你想打斷轉題，佢偏要將最後一句講完。
AI「會説」呢關早就過，但「會聊」仲差一大截。呢個係 iRTE2026 即時智能大會（Realtime Intelligent Technology Expo）嘅核心問題。
呢場大會 10 月 26 日剛落幕，由早年的 RTC 升級為 RTE，今年再加一個「i」變成 iRTE，聚焦即時互動與生成式 AI 嘅融合。十余場論壇、100 餘場分享，把做模型、做客服 Agent、造智能硬件嘅團隊全部湊埋一塊，話同一件事：點樣令 AI 跟上真實交流。
OpenAI 同 Google 都喺度做
OpenAI 嘅 GPT-Realtime 把即時推理（real-time inference）同工具調用帶入語音模型，令 AI 聽懂需要之後進一步判斷點回應、調用乜工具。Google 嘅 Gemini Live 令對話同深度思考並行，後台處理複雜任務時用户仍可以繼續交流。
iRTE 被形容為觀察呢啲技術如何走向產業嘅窗口。
三道現實命題
大會討論覆蓋三個層面：模型能力與業務結果嘅對齊（美團、阿里、MiniMax、聲網喺企業級客服智能體專場同台探討）；流暢對話背後嘅底層技術底座（階躍星辰、港中深、清華大聲音頻實驗室、Qwen Audio、小米、Soul 等專場）；技術從實驗室走向終端硬件嘅現實考驗（瑞芯微、宇視科技、PETKIT 小佩專場）。
主論壇圓桌中，Rokid 樂奇聯創始人蔡國祥提出對話自然度係決定 AI 穿戴設備用户體驗嘅核心；冠客科技創始人耿祥磊指語音座席嘅延遲、打斷時機把控會直接影響業務成效。英偉達首席架構師 Andrey Norkin 帶來 AV2 新視頻編碼分享。
聲網：五級對話能力同「快慢腦」
會議中，聲網（Agora）創始人兼 CEO 趙斌提出「五級對話能力」框架：從 L1 問一句答一句，到 L2 掌握互動規律、協調聽説時機，L3 理解個人意圖與處境，L4 理解多人關係同溝通邊界，最終 L5 基於長期上下文嘅深度溝通。
佢提出「快慢腦」協作：交互模型維持即時對話，後台模型負責深度推理、搜尋同工具調用，用户可以繼續補充條件、改要求，系統據此調整執行。聲網展示嘅 Agora Conversational Model 採用多模型協作嘅混合對話系統，將聲音感知、全雙工響應、推理、工具、記憶與語音表達組織埋埋。
趙斌進一步提出「分佈式即時推理雲」方向，包括令模型靠近用户運行，並根據延遲、負載同場景動態選擇模型、工具與路徑。產品層麪包括對話式 AI 引擎、開發套件、Call Agent，以及 TEN Framework 等開源項目。
阿調搞兩下
呢篇文章出自量子位（QbitAI），而全文最核心嘅論述 — 聲網係「被 OpenAI、Gemini 共同選擇」嘅底層底座 — 本質上係聲網嘅品牌敍事，並非獨立技術評估。OpenAI 同 Google 有冇實際採用聲網嘅底層網絡基礎設施，材料中冇任何技術文檔或第三方驗證支持。
對讀者真正有用嘅問題：呢個「五級對話能力」框架有冇公開技術白皮書或基準測試？「快慢腦」並行同多模型協作嘅實際延遲數據係幾多？呢啲都仲係未知數。
阿調｜深度調教
