10月23日，iRTE2026实时智能大会在北京举行。声网（API）创始人兼CEO赵斌在主论坛演讲中表示，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。
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是“问一句、答一句”的基于自身视角的表达；L2是从被动回应走向主动表达；L3是基于个体认知的沟通；L4是基于群体认知的沟通；L5是基于深度关系的沟通，理解长期上下文与关系演变。
“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。”赵斌表示。
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。
对话能力的持续进化，也对底层技术提出了更高要求。赵斌介绍，声网（API）持续面向开发者完善对话式AI开发工具与开发套件，结合SDK、Skills、CLI工具及Recipes等能力，帮助开发者更高效地构建具备完整逻辑与执行能力的Agent。未来将继续与开发者和行业伙伴共同探索实时互动与生成式AI的融合。
