23 жовтня в Пекіні відбулася конференція iRTE2026 з реального інтелекту. Засновник і CEO Agora Чжао Бінь виступив на головному форумі з промовою під назвою «Діалог з AGI: наступний розділ реального взаємодії», оглянувши ключові зміни за минулий рік у сфері реальної взаємодії, розмовного ШІ та базової інфраструктури, а також запропонував фреймворк «п'яти рівнів діалогових здібностей», окресливши шлях еволюції розмовного ШІ від базових відповідей до глибокого розуміння та побудови стосунків.
Чжао Бінь вважає, що з переходом ШІ від відповідей на запитання до безперервного спілкування, розуміння контексту та виконання завдань, об'єкт реальної взаємодії розширюється від людини до людини на людину й агента. Роль технології реальної взаємодії також відповідно розширюється: вона має не лише забезпечувати стабільнішу й плавнішу передачу інформації, а й надавати реальну підтримку для сприйняття, розуміння, вираження та дій ШІ.
Від «запитав — відповів» до глибокого діалогу на основі стосунків: п'ять рівнів еволюції діалогового AGI
На думку Чжао Біня, прогрес розмовного ШІ не слід вимірювати лише швидкістю відповіді та природністю мови. Важливіше, чи здатен він зрозуміти наміри, становище та стосунки співрозмовника, чи може доречно висловлюватися в складних ситуаціях і поступово формувати довгострокове, глибоке розуміння.
Виходячи з цього судження, Чжао Бінь у своїй промові запропонував фреймворк «п'яти рівнів діалогових здібностей», розділивши діалогові здібності на п'ять рівнів:
L1, вираження з власної перспективи: переважно самовираження та пасивне продовження, реалізація принципу «запитав — відповів».
L2: вираження на основі закономірностей взаємодії: перехід від пасивного реагування до проактивного висловлювання, що робить діалог природнішим і послідовнішим.
L3: комунікація на основі індивідуального пізнання: розуміння ідентичності, намірів і становища індивіда, забезпечення індивідуалізованої комунікації.
L4: комунікація на основі групового пізнання: розуміння соціальних зв'язків і рольових відмінностей, адаптація до складних сценаріїв групової комунікації.
L5: комунікація на основі глибоких стосунків: розуміння довгострокового контексту та еволюції стосунків, формування глибшого розуміння та мисленнєвої взаємодії, що дозволяє перейти від розуміння поточної ситуації до розуміння людини.
Ці п'ять рівнів демонструють не лише поетапне посилення діалогових технологій, а й зміну стосунків між ШІ та людиною: від завершення одного циклу запитань-відповідей до розуміння людини, далі до розуміння стосунків між людьми і, зрештою, до формування глибокої комунікації, що долає час і контекст.
Чжао Бінь зазначив, що розмовний ШІ розвивається від ранньої пасивно-продовжувальної взаємодії до більш проактивного й природного повнодуплексного діалогу, і починає намагатися зрозуміти особистість, становище, емоції та стосунки людини. У майбутньому ШІ також потрібно буде долати рольовий розподіл і комунікаційний порядок у складних соціальних сценаріях, глибше розуміти довгостроково накопичений контекст особистості. Це також важливий напрямок розвитку діалогового AGI: ШІ має не лише розуміти одне речення, а й у поєднанні з повним контекстом розуміти справжні наміри людини та давати доречну відповідь.
Real-Time AI Infra: ключова інфраструктура для підтримки діалогового AGI
Безперервна еволюція діалогових здібностей висуває вищі вимоги й до базових технологій. У своїй промові Чжао Бінь згадав, що за минулий рік глибоке впровадження технології WebRTC такими компаніями, як OpenAI, привернуло ширшу увагу та застосування технології реальної взаємодії у сфері розмовного ШІ. З переходом ШІ від одноразових запитань-відповідей до безперервної взаємодії інфраструктура реальної взаємодії стає важливою технологічною опорою, що з'єднує моделі, фреймворки роботи агентів і користувачів.
Порівняно з традиційними ШІ-застосунками, діалогові сценарії мають суворіші вимоги до затримки, стабільності та двосторонньої взаємодії. ШІ має одночасно приймати введення користувача, розуміти контекст, формувати відповідь, за потреби миттєво реагувати на переривання та безперервно викликати інструменти й просувати завдання. Будь-яка помітна затримка на будь-якому етапі може зруйнувати природність діалогу й навіть вплинути на завершення завдання.
Для підтримки цих потреб Чжао Бінь представив напрямок інфраструктури для реальної інтелектуальної взаємодії: через глобальну мережу реальної передачі, розподілене спільне виведення на рівні хмари-периферії-пристроїв, реальне оркестрування та повнодуплексні здібності взаємодії — щоб моделі й агенти могли безперервно координуватися в реальних сценаріях. Діалоговий рушій Agora також зосереджений на повнодуплексній взаємодії, з'єднуючи моделі, фреймворки роботи агентів і користувачів, підтримуючи стабільний, синхронний досвід реального діалогу.
Водночас Agora продовжує вдосконалювати для розробників інструменти та набори для розробки розмовного ШІ, поєднуючи SDK, Skills, CLI-інструменти та Recipes, щоб допомогти розробникам ефективніше створювати агентів із повною логікою та здатністю до виконання.
Від обслуговування клієнтів і освіти до ШІ-компаньйонів і розумних носимих пристроїв — Чжао Бінь вважає, що розмовний ШІ входить у дедалі більше реальних сценаріїв. Чи здатен ШІ справді створювати цінність, залежить не лише від того, чи модель «вміє говорити», а й від того, чи може вона зрозуміти потреби, природно спілкуватися та безперервно виконувати завдання. Технологія реальної взаємодії відіграватиме дедалі важливішу роль у цьому процесі.
Далі головний архітектор NVIDIA та співголова робочої групи AOMedia з відеокодеків Andrey Norkin виступив із промовою про технологію відеокодека AV2.
Круглий стіл: чи стане персональний агент наступним поколінням персонального входу?
У першому круглому столі під головуванням співзасновника Agora Tony Wang менеджер продуктів інтерактивних медіа та техноблогер Eugene Wei, техноблогер і ведучий подкасту «Луаньфаньшу» Пань Луань, а також підприємець у сфері AIoT-обладнання та ведучий блогу про периферійний ШІ Хуа Цзяньсінь обговорили тему «Персональний агент: від нового інструменту до нового входу?».
Від смартфонів, окулярів, навушників до інших портативних пристроїв — персональні агенти знову змушують галузь замислитися про наступне покоління входу в людино-машинну взаємодію. Пань Луань вважає, що персональні агенти можуть принести зміну парадигми: цінність ШІ-продуктів зміщується від боротьби за увагу користувача до допомоги користувачам у ефективнішому виконанні завдань. Майбутні персональні агенти мають не лише реагувати на чіткі команди, а й проактивно брати на себе завдання, допомагаючи користувачам розбиратися зі справами, що мають чітку мету, але не варті значних витрат часу.
Щодо наступного покоління персонального обладнання Хуа Цзяньсінь зазначив, що майбутній вхід не обов'язково належатиме одному типу пристрою — окуляри, навушники та інше обладнання, здатне сприймати середовище й виконувати завдання, мають шанси. На його думку, персональний агент повинен не лише розуміти користувача, а й через фізичні пристрої безперервно сприймати реальний світ і діяти, що відкриває новий простір для розвитку різних форм обладнання.
Eugene Wei натомість спрямував дискусію до цінності «контексту»: чи здатен персональний агент справді зрозуміти інтереси користувача, історію спілкування та соціальні зв'язки — це вплине на те, чи стане він цінним персональним входом. Оцінюючи, чи відбувся новий вхід, він також запропонував звертати увагу на щоденну взаємодію користувачів з агентом і на те, чи частіше користувачі самі звертаються до агента, чи агент частіше звертається до користувачів. Круглий стіл далі обговорив продуктову цінність персональних агентів, форми обладнання та майбутні критерії оцінки.
Круглий стіл: від «вміє спілкуватися» до «вміє вирішувати справи» — як розмовний ШІ створює реальну цінність?
У другому круглому столі під головуванням головного комерційного директора Agora Цуй Бо засновник Xieyue Intelligence Чень Вей, засновник Guanke Technology Ген Сянлей, співзасновник і керівник екосистеми Rokid Leqi Цай Госян, а також CEO Titan Qiming У Кань, виходячи з різних сценаріїв — втіленого інтелекту, розумних носимих пристроїв, корпоративного маркетингу та ШІ-рекрутингу — обговорили розмовний ШІ: рушій наступного покоління взаємодії людини й агента.
Чень Вей вважає, що ключ втіленого інтелекту — це справжнє перетворення намірів людини на дії робота. Робот повинен не лише розуміти голосові команди, а й поєднувати мультимодальну інформацію — зір, голос і власний стан — для сприйняття, планування та прийняття рішень щодо фізичного середовища, а також безперервно коригувати виконання завдань відповідно до змін середовища після дій. Порівняно з виконанням заздалегідь визначених демонстраційних завдань, роботу важливіше безперервно розуміти реальні потреби людини у відкритому середовищі, щоб дії завжди відповідали намірам людини. Xieyue Intelligence розробляє втілену базову модель нової парадигми Duplex Reasoning, покликану забезпечити інтеграцію взаємодії та дій робота.
Цай Госян, виходячи з практики AI-окулярів, наголосив, що досвід діалогу є ключовою конкурентною перевагою AI-носимих пристроїв. Він зазначив, що незалежно від того, наскільки потужними є обладнання та ШІ-можливості за ним, якщо діалог недостатньо природний, досвід користувача постраждає безпосередньо. У майбутньому AI-носимі пристрої потребуватимуть низької затримки, стабільної реальної взаємодії, а також розуміння семантики й довгострокового контексту, щоб користувачі поступово перестали відчувати, що спілкуються зі ШІ. Він також поділився практикою використання RTC-сервісу Agora в AI-асистенті Rokid Leqi та висловив упевненість, що AI-окуляри стануть важливим персональним входом в епоху ШІ.
У сфері корпоративних застосувань Ген Сянлей зазначив, що для надійного надання бізнес-послуг AI-голосові оператори повинні вирішити проблеми затримки, моменту переривання та гуманізації, причому затримка може безпосередньо впливати на результат завдання. Для B2B-маркетингу ШІ також потрібно поєднувати з галузевою системою знань і людською співпрацею, щоб краще гарантувати бізнес-результати. У Кань, спираючись на практику ШІ-рекрутингу, зазначив, що розмовний ШІ може допомогти рекрутинговому бізнесу масштабно охоплювати кандидатів і підвищувати ефективність обслуговування, а не просто замінювати людей. Для формування замкнутого бізнес-циклу також потрібно накопичувати галузеві дані, структурувати бізнес навколо кандидата як основи, допомагати агенту формувати довгострокову пам'ять і на основі реальних бізнес-подій — співбесіди, працевлаштування — допомагати ШІ безперервно оцінювати та оптимізувати якість обслуговування.
З виступів чотирьох гостей видно, що вимоги різних галузей до розмовного ШІ хоч і різняться, але вказують в одному напрямку: ШІ повинен не лише вміти спілкуватися, а й розуміти реальні сценарії, інтегруватися в існуючі бізнес-процеси та надійно виконувати завдання. З безперервним розвитком реальної взаємодії, мультимодального сприйняття та здатності агентів до виконання, розмовний ШІ має шанс перетворитися з інструменту взаємодії на важливу силу, що з'єднує цифровий і фізичний світи та рухає бізнес-процеси.
Від реальної взаємодії до реального інтелекту: відкриття наступного розділу діалогового AGI
Від фреймворку п'яти рівнів діалогових здібностей, запропонованого Чжао Бінем, до двох круглих столів про персональних агентів і реальне впровадження в бізнес — головний форум iRTE2026 продемонстрував чітку галузеву тенденцію: конкуренція в розмовному ШІ розширюється від базових можливостей моделей до розуміння контексту, реальної взаємодії, розпізнавання складних стосунків і виконання завдань.
Коли ШІ більше не обмежується пасивними відповідями, а здатен безперервно розуміти людину, проактивно брати участь у спілкуванні та виконувати завдання в реальних сценаріях, технологія реальної взаємодії також братиме на себе глибшу місію.
На наступному етапі діалогового AGI Agora продовжить разом із розробниками та галузевими партнерами досліджувати інтеграцію реальної взаємодії та генеративного ШІ, просуваючи природніший і ефективніший досвід реальної взаємодії між людьми та між людиною й агентом.
