中国经济网北京10月26日讯（记者 李方）10月23日，iRTE2026实时智能大会在北京举行。声网创始人兼CEO赵斌指出，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。赵斌提出“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。
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，赵斌提出了“五级对话能力”框架，将对话能力划分为五个层次：一是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”。二是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。三是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。四是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。五是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。
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。
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。为支撑这些需求，声网对话式AI引擎以全双工交互为核心，连接模型、Agent运行框架与用户，支撑稳定、同步的实时对话体验。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。
从客服、教育到AI陪伴与智能穿戴，赵斌认为，对话式AI正在进入更多真实场景。AI能否真正创造价值，不只取决于模型是否“会说话”，还取决于它能否理解需求、自然沟通，并持续完成任务。实时互动技术将在这一过程中发挥越来越重要的作用。
