iRTE2026：对话 AI 如何迈向 AGI？声网CEO赵斌给出五级对话能力框架

10月23日，iRTE2026实时智能大会在北京举行。声网创始人兼 CEO 赵斌在主论坛发表题为《对话 AGI：实时互动的下一章》的演讲，回顾了过去一年实时互动、对话式 AI 与底层基础设施的关键变化，并提出“五级对话能力”框架，勾勒对话式 AI 从基础应答走向深度理解与关系沟通的演进路径。 赵斌认为，随着 AI 从回答问题走向持续交流、理解上下文并执行任务，实时互动的对象正在从人与人扩展到人与 Agent。实时互动技术的角色也随之延伸：它不仅要让信息传递更稳定、更流畅，还要为 AI 的感知、理解、表达与行动提供实时支撑。 从“问一句答一句”到深度关系沟通：对话 AGI 的五级进化 在赵斌看来，对话式 AI 的进步，不应只用回答速度、语言自然度来衡量。更重要的是，它能否理解对话对象的意图、处境与关系，能否在复杂场景中恰当地表达，并逐步形成长期、深入的理解。 围绕这一判断，赵斌在演讲中提出了 “五级对话能力”框架 ，将对话能力划分为五个层次： L1： 基于自身视角的表达：以自我表达和被动接续为主，实现“问一句、答一句”。 L2： 基于互动规律的表达：从被动回应走向主动表达，让对话更自然、连贯。 L3： 基于个体认知的沟通：理解个体的身份、意图与处境，实现因人而异的沟通。 L4： 基于群体认知的沟通：理解社会关系与角色差异，适应复杂的多人沟通场景。 L5： 基于深度关系的沟通：理解长期上下文与关系演变，形成更深层次的理解与思维默契，让沟通从理解当下走向理解一个人。 这五个层次展现的，不只是对话技术的逐级增强，更是 AI 与人之间关系的变化：从完成一轮问答，到理解一个人，再到理解人与人之间的关系，最终形成跨越时间与情境的深度沟通。 赵斌指出，对话式 AI 正在从早期被动接续的交互，向更主动、更自然的全双工对话发展，并开始尝试理解人的个性、处境、情绪与关系。面向未来，AI 还需要突破复杂社会场景下的角色分工与沟通秩序，进一步理解个人长期积累的上下文。这也是对话 AGI 的重要发展方向：AI 不仅能听懂一句话，还能结合完整语境理解一个人的真实意图，并作出恰当回应。 Real-Time AI Infra：支撑对话 AGI 的关键基础设施 对话能力的持续进化，也对底层技术提出了更高要求。 赵斌在演讲中提到，过去一年，OpenAI 等公司对 WebRTC 技术的深入采用，推动实时互动技术在对话式 AI 领域获得更广泛的关注和应用。随着 AI 从单轮问答走向持续交互， 实时互动基础设施 正在成为连接模型、智能体运行框架与用户的重要技术支撑。 与传统 AI 应用相比，对话场景对延迟、稳定性和双向交互有着更严格的要求。AI 需要一边接收用户输入，一边理解上下文、组织回应，必要时还要随时应对打断，并持续调用工具、推进任务。任何环节出现明显延迟，都可能破坏对话的自然性，甚至影响任务能