10月23日，iRTE2026 實時智能大會喺北京舉行。聲網（Agora）創辦人兼 CEO 趙斌喺主論壇講《對話 AGI：實時互動嘅下一章》，提出一套「五級對話能力」框架，話對話式 AI 嘅演進唔止於答得快、講得順。
呢個五級框架大致係咁分：
- L1：基於自身視角嘅表達，做到「問一句、答一句」，被動接續為主；
- L2：基於互動規律嘅表達，由被動回應轉主動表達，對話自然連貫；
- L3：基於個體認知嘅溝通，理解對方身份、意圖同處境，做到因人而異；
- L4：基於群體認知嘅溝通，理解社會關係同角色差異，應付多人場景；
- L5：基於深度關係嘅溝通，理解長期上下文同關係演變，「由理解當下走向理解一個人」。
趙斌話，對話式 AI 正由早期被動接續，走向更主動、更自然嘅全雙工（full duplex，即可以邊聽邊講、唔使輪候）對話，開始嘗試理解用户嘅個性、情緒同關係。
底層要幾硬
講到實時互動，佢特別提咗 OpenAI 等公司過去一年對 WebRTC（實時音視頻傳輸嘅開放標準）嘅深入採用，話呢個推動實時互動技術喺對話式 AI 入面被更廣泛關注。對話場景同傳統 AI 應用唔同，對延遲、穩定同雙向互動要求更嚴：AI 要一邊接收輸入、一邊理解上下文、組織回應，仲要隨時應付打斷、調用工具、推進任務——任何一環明顯遲咗，對話自然性就破，任務都可能完唔成。
佢再介紹咗面向實時智能嘅基礎設施方向：全球實時傳輸網絡、分佈式雲邊端聯合推理、實時編排同全雙工交互。聲網對話式 AI 引擎就係以全雙工為核心，連接模型、Agent（智能體）運行框架同用户；仲有 SDK、Skills、CLI 工具同 Recipes 開發套件，話畀開發者建具備完整邏輯同執行能力嘅 Agent。
兩場圓桌：入口、同真正做功課
由聲網聯合創辦人 Tony Wang 主持嘅第一場圓桌，講「個人智能體係唔係下一代個人入口」。潘亂話，個人智能體可能帶來範式變化：AI 產品價值由爭奪用户注意力，轉向幫用户更高效完成任務；未嚟嘅個人智能體唔止回應指令，仲要主動承擔目標明確、唔值得用户花大量時間嘅事務。華建新話，下一代入口未必由單一設備壟斷，眼鏡、耳機等能感知環境同執行任務嘅硬件都有機會。Eugene Wei 將討論引去「上下文」嘅價值，話可以睇用户每日同 Agent 嘅交互，同埋係用户主動揾 Agent 多、定 Agent 主動揾用户多。
第二場由聲網首席商業官崔博主持，主題係對話式 AI 點樣創造真實價值。斜躍智能陳偉話，具身智能關鍵係讓人嘅意圖轉化成機械人行動，佢哋正發展 Duplex Reasoning 具身基礎模型。Rokid 樂奇蔡國祥強調對話體驗係 AI 穿戴設備核心競爭力，並提及樂奇 AI 助手採用聲網 RTC 鏈路。冠客科技耿祥磊指 AI 語音座席要解決延遲、打斷時機同擬人化；泰坦啟明吳侃話對話式 AI 可幫招聘業務大規模觸達求職者。
跟住，NVIDIA 首席架構師、AOMedia 視頻編解碼工作組聯合主席 Andrey Norkin 喺大會講 AV2 視頻編解碼。
阿調搞兩下：一個做音視頻傳輸嘅公司，話「實時」先係對話 AGI 嘅門檻，呢個邏輯本身冇錯——你 AI 喺度扮人講嘢，遲咗 0.5 秒就唔自然。但五級框架到第幾級，係可測、可驗，定先係產品願景？「理解一個人」呢三個字，到頭要點量？呢啲先係值得跟嘅問題。
阿調｜深度調教
