Pada 23 Oktober, Persidangan iRTE2026 Real-Time Intelligence telah diadakan di Beijing. Pengasas dan CEO Agora, Zhao Bin, menyampaikan ucaptama bertajuk "Dialog dengan AGI: Bab Seterusnya Interaksi Masa Nyata" di forum utama, mengimbas kembali perubahan penting dalam interaksi masa nyata, AI perbualan dan infrastruktur asas sepanjang tahun lalu, serta mencadangkan rangka kerja "Lima Tahap Keupayaan Perbualan" yang menggariskan laluan evolusi AI perbualan daripada tindak balas asas kepada pemahaman mendalam dan komunikasi hubungan.
Zhao Bin berpendapat bahawa apabila AI beralih daripada menjawab soalan kepada komunikasi berterusan, memahami konteks dan melaksanakan tugas, sasaran interaksi masa nyata sedang berkembang daripada manusia kepada manusia dengan Agen. Peranan teknologi interaksi masa nyata juga turut berkembang: ia bukan sahaja perlu menjadikan penyampaian maklumat lebih stabil dan lancar, malah perlu menyediakan sokongan masa nyata untuk persepsi, pemahaman, ekspresi dan tindakan AI.
Daripada "tanya satu soalan, jawab satu soalan" kepada komunikasi hubungan mendalam: Lima tahap evolusi dialog AGI
Menurut Zhao Bin, kemajuan AI perbualan tidak seharusnya diukur hanya dengan kelajuan jawapan dan kefasihan bahasa. Lebih penting lagi, sama ada ia dapat memahami niat, keadaan dan hubungan objek perbualan, sama ada ia dapat menyatakan diri dengan wajar dalam senario kompleks, dan secara beransur-ansur membentuk pemahaman jangka panjang yang mendalam.
Berdasarkan penilaian ini, Zhao Bin mencadangkan rangka kerja "Lima Tahap Keupayaan Perbualan" dalam ucapannya, yang membahagikan keupayaan perbualan kepada lima peringkat:
L1, Ekspresi berdasarkan perspektif sendiri: Terutamanya ekspresi diri dan sambungan pasif, merealisasikan "tanya satu soalan, jawab satu soalan".
L2: Ekspresi berdasarkan corak interaksi: Beralih daripada tindak balas pasif kepada ekspresi proaktif, menjadikan perbualan lebih semula jadi dan koheren.
L3: Komunikasi berdasarkan kognisi individu: Memahami identiti, niat dan keadaan individu, merealisasikan komunikasi yang berbeza mengikut individu.
L4: Komunikasi berdasarkan kognisi kumpulan: Memahami hubungan sosial dan perbezaan peranan, menyesuaikan diri dengan senario komunikasi berbilang orang yang kompleks.
L5: Komunikasi berdasarkan hubungan mendalam: Memahami konteks jangka panjang dan evolusi hubungan, membentuk pemahaman yang lebih mendalam dan kesefahaman pemikiran, menjadikan komunikasi daripada memahami masa kini kepada memahami seseorang individu.
Lima peringkat ini menunjukkan bukan sahaja pengukuhan teknologi perbualan secara berperingkat, malah perubahan hubungan antara AI dan manusia: daripada menyelesaikan satu pusingan soal jawab, kepada memahami seseorang individu, kemudian memahami hubungan antara manusia, dan akhirnya membentuk komunikasi mendalam yang merentasi masa dan situasi.
Zhao Bin menunjukkan bahawa AI perbualan sedang berkembang daripada interaksi sambungan pasif peringkat awal kepada dialog dupleks penuh yang lebih proaktif dan semula jadi, dan mula mencuba memahami personaliti, keadaan, emosi dan hubungan seseorang. Untuk masa depan, AI juga perlu menembusi pembahagian peranan dan tatatertib komunikasi dalam senario sosial yang kompleks, serta memahami dengan lebih mendalam konteks yang terkumpul jangka panjang oleh individu. Ini juga merupakan arah pembangunan penting dialog AGI: AI bukan sahaja dapat memahami satu ayat, malah dapat menggabungkan konteks lengkap untuk memahami niat sebenar seseorang dan memberikan tindak balas yang wajar.
Real-Time AI Infra: Infrastruktur Utama yang Menyokong Dialog AGI
Evolusi berterusan keupayaan perbualan juga mengemukakan keperluan yang lebih tinggi terhadap teknologi asas. Zhao Bin menyebut dalam ucapannya bahawa sepanjang tahun lalu, penggunaan mendalam teknologi WebRTC oleh syarikat seperti OpenAI telah menggalakkan teknologi interaksi masa nyata mendapat perhatian dan aplikasi yang lebih luas dalam bidang AI perbualan. Apabila AI beralih daripada soal jawab satu pusingan kepada interaksi berterusan, infrastruktur interaksi masa nyata sedang menjadi sokongan teknologi penting yang menghubungkan model, rangka kerja pengendalian agen dan pengguna.
Berbanding dengan aplikasi AI tradisional, senario perbualan mempunyai keperluan yang lebih ketat terhadap kependaman, kestabilan dan interaksi dua hala. AI perlu menerima input pengguna sambil memahami konteks, menyusun respons, dan jika perlu bersedia menghadapi gangguan pada bila-bila masa, serta terus memanggil alat dan meneruskan tugasan. Sebarang kependaman yang ketara pada mana-mana pautan boleh merosakkan sifat semula jadi perbualan, malah menjejaskan sama ada tugasan dapat diselesaikan.
Untuk menyokong keperluan ini, Zhao Bin memperkenalkan arah infrastruktur untuk interaksi pintar masa nyata: melalui rangkaian penghantaran masa nyata global, inferens bersekutu teragih awan-tepi-peranti, orkestrasi masa nyata dan keupayaan interaksi dupleks penuh, membolehkan model dan Agen bekerjasama secara berterusan dalam senario sebenar. Enjin AI perbualan Agora juga berpusatkan interaksi dupleks penuh, menghubungkan model, rangka kerja pengendalian Agen dan pengguna, menyokong pengalaman perbualan masa nyata yang stabil dan segerak.
Pada masa yang sama, Agora terus menambah baik alat pembangunan dan kit pembangunan AI perbualan untuk pembangun, menggabungkan keupayaan seperti SDK, Skills, alat CLI dan Recipes untuk membantu pembangun membina Agen dengan logik lengkap dan keupayaan pelaksanaan dengan lebih cekap.
Daripada perkhidmatan pelanggan, pendidikan kepada pendamping AI dan peranti boleh pakai pintar, Zhao Bin berpendapat bahawa AI perbualan sedang memasuki lebih banyak senario sebenar. Sama ada AI dapat benar-benar mencipta nilai bukan sahaja bergantung kepada sama ada model "boleh bercakap", malah bergantung kepada sama ada ia dapat memahami keperluan, berkomunikasi secara semula jadi dan terus menyelesaikan tugasan. Teknologi interaksi masa nyata akan memainkan peranan yang semakin penting dalam proses ini.
Seterusnya, Ketua Arkitek NVIDIA dan Pengerusi Bersama Kumpulan Kerja Pengekodan Video AOMedia, Andrey Norkin, menyampaikan ucapan tentang teknologi pengekodan video AV2.
Dialog Bulat: Adakah Ejen Peribadi Akan Menjadi Pintu Masuk Peribadi Generasi Seterusnya?
Dalam dialog bulat pertama yang dikendalikan oleh Pengasas Bersama Agora, Tony Wang, Pengurus Produk Media Interaktif dan Blogger Teknologi Eugene Wei, Tokoh Media Teknologi dan Pengacara Podcast "Luan Fan Shu" Pan Luan, serta Usahawan Perkakasan AIoT dan Pengacara Media AI Hujung Hua Jianxin, membincangkan topik "Ejen Peribadi: Daripada Alat Baharu kepada Pintu Masuk Baharu?"
Daripada telefon bimbit, cermin mata, fon telinga kepada lebih banyak peranti mudah alih, ejen peribadi sedang mencetuskan semula pemikiran industri tentang pintu masuk interaksi manusia-komputer generasi seterusnya. Pan Luan berpendapat bahawa ejen peribadi mungkin membawa perubahan paradigma: nilai produk AI sedang beralih daripada merebut perhatian pengguna kepada membantu pengguna menyelesaikan tugasan dengan lebih cekap. Ejen peribadi masa depan bukan sahaja perlu bertindak balas terhadap arahan yang jelas, malah perlu mengambil inisiatif menjalankan tugasan untuk membantu pengguna mengendalikan perkara yang mempunyai matlamat jelas tetapi tidak patut melabur banyak masa.
Mengenai perkakasan peribadi generasi seterusnya, Hua Jianxin mencadangkan bahawa pintu masuk masa depan mungkin tidak dikuasai oleh satu jenis peranti sahaja; cermin mata, fon telinga dan perkakasan lain yang dapat merasakan persekitaran dan melaksanakan tugasan semuanya mempunyai peluang. Beliau berpendapat bahawa ejen peribadi bukan sahaja perlu memahami pengguna, malah perlu terus merasakan dunia sebenar melalui peranti fizikal dan mengambil tindakan, yang membawa ruang pembangunan baharu kepada perkakasan dalam pelbagai bentuk.
Eugene Wei pula membawa perbincangan kepada nilai "konteks": sama ada ejen peribadi dapat benar-benar memahami minat, rekod komunikasi dan hubungan sosial pengguna akan mempengaruhi sama ada ia dapat menjadi pintu masuk peribadi yang bernilai. Dalam menilai sama ada pintu masuk baharu itu sah, beliau juga mencadangkan agar kita memberi perhatian kepada interaksi pengguna dengan Agen setiap hari, serta sama ada pengguna lebih banyak mencari Agen secara proaktif atau Agen lebih banyak mencari pengguna secara proaktif. Dialog bulat ini seterusnya membincangkan nilai produk, bentuk perkakasan dan standard penilaian masa depan ejen peribadi.
Dialog Bulat: Daripada "Boleh Berbual" kepada "Boleh Bertindak", Bagaimana AI Perbualan Mencipta Nilai Sebenar?
Dalam dialog bulat kedua yang dikendalikan oleh Ketua Pegawai Komersial Agora, Cui Bo, Pengasas Xiejue Intelligence Chen Wei, Pengasas Guanke Technology Geng Xianglei, Pengasas Bersama dan Ketua Ekosistem Rokid Leqi Cai Guoxiang, serta CEO Titan Qiming Wu Kan, bertolak daripada senario berbeza seperti kecerdasan terjelma, peranti boleh pakai pintar, pemasaran perusahaan dan pengambilan AI, membincangkan AI perbualan: memacu interaksi manusia dengan Agen generasi seterusnya.
Chen Wei berpendapat bahawa kunci kecerdasan terjelma adalah membolehkan niat manusia benar-benar bertukar menjadi tindakan robot. Robot bukan sahaja perlu memahami arahan suara, malah perlu menggabungkan maklumat multimodal seperti penglihatan, suara dan keadaan dirinya sendiri, menyelesaikan persepsi, perancangan dan keputusan terhadap persekitaran fizikal, serta terus menyesuaikan pelaksanaan tugasan berdasarkan perubahan persekitaran selepas tindakan. Berbanding menyelesaikan tugasan demonstrasi yang telah ditetapkan, robot lebih penting lagi perlu terus memahami keperluan sebenar manusia dalam persekitaran terbuka, memastikan tindakan sentiasa selaras dengan niat manusia. Xiejue Intelligence sedang membangunkan model asas terjelma paradigma baharu Duplex Reasoning, yang bertujuan merealisasikan penyatuan interaksi dan tindakan robot.
Cai Guoxiang pula bertolak daripada amalan cermin mata AI, menekankan bahawa pengalaman perbualan adalah daya saing teras peranti boleh pakai AI. Beliau menyatakan bahawa tidak kira betapa hebatnya perkakasan dan keupayaan AI di belakangnya, jika perbualan tidak cukup semula jadi, pengalaman pengguna akan terjejas secara langsung. Pada masa depan, peranti boleh pakai AI perlu melalui interaksi masa nyata yang rendah kependaman dan stabil, serta pemahaman terhadap semantik dan konteks jangka panjang, membolehkan pengguna secara beransur-ansur tidak merasakan bahawa mereka sedang berbual dengan AI. Beliau juga berkongsi amalan pembantu AI Rokid Leqi yang menggunakan perkhidmatan pautan RTC Agora, dan optimis bahawa cermin mata AI akan menjadi pintu masuk peribadi penting dalam era AI.
Dalam senario aplikasi perusahaan, Geng Xianglei menunjukkan bahawa ejen suara AI untuk mencapai penyampaian perniagaan yang boleh dipercayai mesti menyelesaikan masalah seperti kependaman, masa gangguan dan peniruan manusia, di mana kependaman bahkan mungkin terus mempengaruhi hasil tugasan. Untuk pemasaran To B, AI juga perlu menggabungkan dengan sistem pengetahuan industri dan kerjasama manusia untuk lebih menjamin hasil perniagaan. Wu Kan pula menggabungkan amalan pengambilan AI, menyatakan bahawa AI perbualan dapat membantu perniagaan pengambilan mencapai calon pekerja secara besar-besaran dan meningkatkan kecekapan perkhidmatan, bukan sekadar menggantikan tenaga manusia. Untuk membentuk gelung perniagaan tertutup, masih perlu mengumpul data industri, menyusun perniagaan berpusatkan calon pekerja, membantu Agen membina memori jangka panjang, dan sekitar peristiwa perniagaan sebenar seperti temu duga dan pengambilan kerja, membantu AI terus menilai dan mengoptimumkan kualiti perkhidmatan.
Daripada perkongsian empat tetamu, dapat dilihat bahawa walaupun keperluan industri berbeza terhadap AI perbualan, semuanya menuju ke satu arah: AI bukan sahaja perlu berkomunikasi, malah perlu memahami senario sebenar, menyepadukan ke dalam proses perniagaan sedia ada dan menyelesaikan tugasan dengan boleh dipercayai. Dengan perkembangan berterusan interaksi masa nyata, persepsi multimodal dan keupayaan pelaksanaan Agen, AI perbualan dijangka berkembang daripada alat interaksi kepada kuasa penting yang menghubungkan dunia digital dengan dunia fizikal dan memacu operasi perniagaan.
Daripada Interaksi Masa Nyata kepada Kecerdasan Masa Nyata, Membuka Bab Seterusnya Dialog AGI
Daripada rangka kerja lima tahap keupayaan perbualan yang dicadangkan oleh Zhao Bin, kepada perbincangan dua dialog bulat tentang ejen peribadi dan pelaksanaan perniagaan sebenar, forum utama iRTE2026 menunjukkan satu trend industri yang jelas: persaingan AI perbualan sedang berkembang daripada keupayaan model asas kepada pemahaman konteks, interaksi masa nyata, kognisi hubungan kompleks dan pelaksanaan tugasan.
Apabila AI tidak lagi terhad kepada menjawab secara pasif, tetapi dapat terus memahami manusia, mengambil bahagian secara proaktif dalam komunikasi dan menyelesaikan tugasan dalam senario sebenar, teknologi interaksi masa nyata juga akan memikul misi yang lebih mendalam.
Menghadapi peringkat seterusnya dialog AGI, Agora akan terus meneroka bersama pembangun dan rakan industri integrasi interaksi masa nyata dengan AI generatif, menggalakkan pengalaman interaksi masa nyata yang lebih semula jadi dan cekap antara manusia dengan manusia, dan antara manusia dengan Agen.
