23 октября в Пекине состоялась конференция iRTE2026 по интеллектуальным системам реального времени. Основатель и CEO Agora Чжао Бинь выступил на главном форуме с докладом «Диалог с AGI: следующая глава интерактивности в реальном времени», в котором回顾 ключевые изменения за прошедший год в области интерактивности в реальном времени, диалогового ИИ и базовой инфраструктуры, а также представил框架 «пяти уровней диалоговых способностей», очерчивающий путь эволюции диалогового ИИ от базовых ответов к глубокому пониманию и коммуникации на уровне отношений.
Чжао Бинь считает, что по мере того как ИИ переходит от ответов на вопросы к непрерывному общению, пониманию контекста и выполнению задач, объект интерактивности в реальном времени расширяется от человека к человеку до человека и агента. Роль технологий интерактивности в реальном времени также расширяется: они должны не только обеспечивать более стабильную и плавную передачу информации, но и предоставлять поддержку в реальном времени для восприятия, понимания, выражения и действий ИИ.
От «вопрос-ответ» к глубокой коммуникации на уровне отношений: пять уровней эволюции диалогового AGI
По мнению Чжао Биня, прогресс диалогового ИИ не следует измерять только скоростью ответов и естественностью языка. Важнее то, способен ли он понимать намерения, ситуацию и отношения собеседника, уместно выражать себя в сложных сценариях и постепенно формировать долгосрочное, глубокое понимание.
Исходя из этого суждения, Чжао Бинь в своём докладе предложил框架 «пяти уровней диалоговых способностей», разделив диалоговые способности на пять уровней:
L1 — выражение с собственной точки зрения: преимущественно самовыражение и пассивное продолжение, реализация принципа «вопрос — ответ».
L2 — выражение на основе закономерностей взаимодействия: переход от пассивного реагирования к активному выражению, делающий диалог более естественным и связным.
L3 — коммуникация на основе индивидуального познания: понимание идентичности, намерений и ситуации индивида, коммуникация с учётом индивидуальных особенностей.
L4 — коммуникация на основе группового познания: понимание социальных отношений и ролевых различий, адаптация к сложным сценариям многостороннего общения.
L5 — коммуникация на основе глубинных отношений: понимание долгосрочного контекста и эволюции отношений, формирование более глубокого понимания и мыслительной синергии, переход коммуникации от понимания текущего момента к пониманию человека.
Эти пять уровней демонстрируют не только постепенное усиление диалоговых технологий, но и изменение отношений между ИИ и человеком: от завершения раунда вопросов и ответов к пониманию человека, затем к пониманию отношений между людьми и, наконец, к формированию глубокой коммуникации, преодолевающей время и контекст.
Чжао Бинь отметил, что диалоговый ИИ развивается от раннего пассивного продолжения взаимодействия к более активному и естественному полнодуплексному диалогу и начинает пытаться понимать индивидуальность, ситуацию, эмоции и отношения человека. В будущем ИИ предстоит преодолеть ролевое разделение и коммуникационный порядок в сложных социальных сценариях, а также глубже понять долгосрочно накопленный контекст личности. Это также важное направление развития диалогового AGI: ИИ должен не только понимать отдельную фразу, но и, опираясь на полный контекст, понимать истинные намерения человека и давать уместный ответ.
Real-Time AI Infra: ключевая инфраструктура для поддержки диалогового AGI
Непрерывная эволюция диалоговых способностей предъявляет более высокие требования и к базовым технологиям. Чжао Бинь в своём докладе упомянул, что за прошедший год глубокое внедрение технологии WebRTC такими компаниями, как OpenAI, способствовало более широкому вниманию и применению технологий интерактивности в реальном времени в области диалогового ИИ. По мере того как ИИ переходит от однократных вопросов-ответов к непрерывному взаимодействию, инфраструктура интерактивности в реальном времени становится важной технологической опорой, соединяющей модели, среды выполнения агентов и пользователей.
По сравнению с традиционными приложениями ИИ диалоговые сценарии предъявляют более строгие требования к задержке, стабильности и двустороннему взаимодействию. ИИ должен одновременно принимать ввод пользователя, понимать контекст, организовывать ответ, при необходимости оперативно реагировать на перебивание и непрерывно вызывать инструменты и продвигать задачи. Любая заметная задержка на любом этапе может нарушить естественность диалога и даже повлиять на возможность выполнения задачи.
Для поддержки этих требований Чжао Бинь представил направление инфраструктуры для интеллектуального взаимодействия в реальном времени: посредством глобальной сети передачи в реальном времени, распределённого совместного вывода на облачных и граничных устройствах, оркестрации в реальном времени и возможностей полнодуплексного взаимодействия обеспечить моделям и агентам возможность непрерывной совместной работы в реальных сценариях. Диалоговый движок Agora также построен вокруг полнодуплексного взаимодействия, соединяя модели, среды выполнения агентов и пользователей, обеспечивая стабильный и синхронный опыт диалога в реальном времени.
В то же время Agora продолжает совершенствовать инструменты и комплекты разработки диалогового ИИ для разработчиков, объединяя SDK, Skills, CLI-инструменты и Recipes, чтобы помочь разработчикам более эффективно создавать агентов с полной логикой и способностью к выполнению задач.
От клиентского сервиса и образования до ИИ-компаньонов и умных носимых устройств — Чжао Бинь считает, что диалоговый ИИ входит во всё больше реальных сценариев. Способен ли ИИ действительно создавать ценность, зависит не только от того, умеет ли модель «говорить», но и от того, может ли она понимать потребности, естественно общаться и непрерывно выполнять задачи. Технологии интерактивности в реальном времени будут играть всё более важную роль в этом процессе.
Затем главный архитектор NVIDIA, сопредседатель рабочей группы AOMedia по видеокодекам Andrey Norkin выступил с докладом о технологии видеокодека AV2.
Круглый стол: станет ли персональный агент следующим поколением персонального входа?
В первом круглом столе, который модерировал сооснователь Agora Tony Wang, менеджер продуктов интерактивных медиа и технологический блогер Eugene Wei, технологический自媒体 и ведущий подкаста «Луаньфаньшу» Пань Луань, а также предприниматель в области AIoT-hardware и ведущий端侧 ИИ-自媒体 Хуа Цзяньсинь обсудили тему «Персональный агент: от нового инструмента к новому входу?».
От телефонов и очков до наушников и других носимых устройств — персональные агенты вновь заставляют отрасль задуматься о следующем поколении входа в человеко-машинное взаимодействие. Пань Луань считает, что персональные агенты могут принести смену парадигмы: ценность ИИ-продуктов смещается от борьбы за внимание пользователя к помощи пользователю в более эффективном выполнении задач. Будущие персональные агенты должны не только реагировать на чёткие команды, но и активно брать на себя задачи, помогая пользователям справляться с делами, у которых есть ясная цель, но на которые не стоит тратить много времени.
Что касается персонального hardware следующего поколения, Хуа Цзяньсинь предположил, что будущий вход не обязательно будет монополизирован одним типом устройства — шансы есть у очков, наушников и другого hardware, способного воспринимать окружающую среду и выполнять задачи. По его мнению, персональный агент должен не только понимать пользователя, но и через физические устройства непрерывно воспринимать реальный мир и предпринимать действия, что открывает новое пространство для развития различных форм hardware.
Eugene Wei перевёл обсуждение к ценности «контекста»: способность персонального агента действительно понимать интересы пользователя, историю коммуникации и социальные связи повлияет на то, сможет ли он стать ценным персональным входом. При оценке того, состоится ли новый вход, он также предложил обращать внимание на ежедневное взаимодействие пользователей с агентом и на то, кто чаще ищет контакт — пользователь агента или агент пользователя. Круглый стол продолжил обсуждение продуктовой ценности персональных агентов, форм hardware и будущих критериев оценки.
Круглый стол: от «умения общаться» к «умению делать дела» — как диалоговый ИИ создаёт реальную ценность?
Во втором круглом столе, который модерировал главный коммерческий директор Agora Цуй Бо, основатель Xianyue Intelligence Чэнь Вэй, основатель Guanke Technology Гэн Сянлэй, сооснователь и руководитель экосистемы Rokid Леки Цай Госян, а также CEO Titan Qiming У Кань обсудили диалоговый ИИ с точки зрения различных сценариев — воплощённого интеллекта, умных носимых устройств, корпоративного маркетинга и ИИ-рекрутинга: движущую силу взаимодействия человека и агента следующего поколения.
Чэнь Вэй считает, что ключ к воплощённому интеллекту — реальное преобразование намерений человека в действия робота. Робот должен не только понимать голосовые команды, но и объединять мультимодальную информацию — зрение, голос и собственное состояние — для восприятия, планирования и принятия решений в физической среде, а также непрерывно корректировать выполнение задач в соответствии с изменениями среды после действий. По сравнению с выполнением предустановленных демонстрационных задач, роботу важнее непрерывно понимать реальные потребности человека в открытой среде, чтобы действия всегда соответствовали намерениям человека. Xianyue Intelligence развивает воплощённую базовую модель нового范式 Duplex Reasoning, направленную на интеграцию взаимодействия и действий робота.
Цай Госян, исходя из практики ИИ-очков, подчеркнул, что опыт диалога является ключевым конкурентным преимуществом ИИ-носимых устройств. Он отметил, что как бы ни были мощны hardware и стоящие за ними возможности ИИ, если диалог недостаточно естественен, пользовательский опыт будет напрямую страдать. В будущем ИИ-носимые устройства должны обеспечить пользователям возможность постепенно перестать ощущать, что они общаются с ИИ, благодаря низкой задержке, стабильному взаимодействию в реальном времени, а также пониманию семантики и долгосрочного контекста. Он также поделился практикой использования сервиса RTC-канала Agora в ИИ-ассистенте Rokid Леки и выразил оптимизм относительно того, что ИИ-очки станут важным персональным входом эпохи ИИ.
В корпоративных сценариях Гэн Сянлэй отметил, что для надёжного выполнения бизнес-задач ИИ-голосовым операторам необходимо решить проблемы задержки, своевременности перебивания и человекоподобности, причём задержка может напрямую влиять на результат задачи. Для B2B-маркетинга ИИ также необходимо сочетать с отраслевой системой знаний и взаимодействием с людьми, чтобы лучше обеспечивать бизнес-результаты. У Кань на основе практики ИИ-рекрутинга отметил, что диалоговый ИИ помогает рекрутинговому бизнесу масштабно охватывать соискателей и повышать эффективность обслуживания, а не просто заменять людей. Для формирования замкнутого бизнес-цикла необходимо накапливать отраслевые данные, выстраивать бизнес с соискателем в качестве основного субъекта, помогать агенту формировать долгосрочную память и на основе реальных бизнес-событий — собеседований, выхода на работу — помогать ИИ непрерывно оценивать и оптимизировать качество обслуживания.
Из выступлений четырёх гостей видно, что требования различных отраслей к диалоговому ИИ различаются, но все они указывают в одном направлении: ИИ должен не только уметь общаться, но и понимать реальные сценарии, встраиваться в существующие бизнес-процессы и надёжно выполнять задачи. По мере развития интерактивности в реальном времени, мультимодального восприятия и способности агентов к выполнению задач диалоговый ИИ имеет потенциал стать из инструмента взаимодействия важной силой, соединяющей цифровой и физический миры и продвигающей работу бизнеса.
От интерактивности в реальном времени к интеллекту в реальном времени: открывая следующую главу диалогового AGI
От框架 пяти уровней диалоговых способностей, предложенного Чжао Бинем, до двух круглых столов, посвящённых персональным агентам и реальному внедрению в бизнес, главный форум iRTE2026 продемонстрировал чёткую отраслевую тенденцию: конкуренция в области диалогового ИИ смещается от базовых возможностей моделей к пониманию контекста, взаимодействию в реальном времени, распознаванию сложных отношений и выполнению задач.
Когда ИИ перестаёт ограничиваться пассивными ответами и начинает непрерывно понимать человека, активно участвовать в общении и выполнять задачи в реальных сценариях, технологии интерактивности в реальном времени также берут на себя более глубокую миссию.
На следующем этапе развития диалогового AGI Agora продолжит вместе с разработчиками и отраслевыми партнёрами исследовать интеграцию интерактивности в реальном времени и генеративного ИИ, продвигая более естественный и эффективный опыт взаимодействия в реальном времени между людьми, а также между людьми и агентами.
