据雷峰网报道，10月23日，iRTE2026实时智能大会在北京举行。声网创始人兼CEO赵斌在主论坛演讲中提出“五级对话能力”框架，并判断随着AI从回答问题走向持续交流、理解上下文和执行任务，实时互动的对象正从人与人扩展至人与Agent。

赵斌将对话能力分为五层：L1基于自身视角的表达，以“问一句、答一句”为主；L2基于互动规律的表达，从被动回应走向主动表达；L3基于个体认知的沟通，理解身份、意图与处境；L4基于群体认知的沟通，理解社会关系与角色差异；L5基于深度关系的沟通，理解长期上下文与关系演变。他认为，对话式AI的进步不能只用回答速度和语言自然度衡量，还要看其能否理解对话对象的意图、处境与关系，并在复杂场景中恰当表达。

在基础设施层面，赵斌提到，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领域获得更广泛关注。对话场景对延迟、稳定性和双向交互要求更高，AI需要一边接收输入，一边理解上下文、组织回应，并应对打断、调用工具和推进任务。声网以全双工交互为核心，通过全球实时传输网络、分布式云边端联合推理和实时编排，连接模型、Agent运行框架与用户；同时向开发者提供SDK、Skills、CLI工具及Recipes等开发工具与套件。

第一场圆桌由声网联合创始人Tony Wang主持，Eugene Wei、潘乱、华建新围绕“个人智能体：从新工具到新入口？”展开讨论。潘乱认为，AI产品价值正从争夺用户注意力转向帮助用户更高效完成任务，个人智能体应主动承担目标明确但耗时的事务。华建新提出，下一代入口未必由单一设备独占，眼镜、耳机等能感知环境并执行任务的硬件都有机会。Eugene Wei强调上下文价值，认为个人智能体能否理解用户兴趣、沟通记录与社会关系，将影响其能否成为有价值的入口。

第二场圆桌由声网首席商业官崔博主持，陈伟、耿祥磊、蔡国祥、吴侃分别从具身智能、企业营销、智能穿戴和AI招聘等场景讨论对话式AI落地。陈伟认为，具身智能的关键是让人的意图转化为机器人行动，机器人需融合视觉、语音及自身状态等多模态信息，在开放环境中持续理解人的真实需求。蔡国祥表示，对话体验是AI穿戴设备的核心竞争力，低延迟、稳定的实时交互和对语义、长期上下文的理解，能让用户逐渐感受不到自己是在与AI对话。耿祥磊指出，AI语音座席要可靠交付业务，须解决延迟、打断时机与拟人化问题；吴侃称，对话式AI可帮助招聘业务大规模触达求职者、提升效率，而非简单替代人工，并需沉淀行业数据、建立长期记忆。

赵斌在演讲中还称，对话式AI正从客服、教育延伸到AI陪伴与智能穿戴等场景，能否创造价值取决于其能否理解需求、自然沟通并持续完成任务。英伟达首席架构师、AOMedia视频编解码工作组联合主席Andrey Norkin随后就AV2视频编解码技术发表演讲。