Pada 23 Oktober, iRTE2026 Real-Time Intelligent Conference diadakan di Beijing. Pendiri dan CEO Agora, Zhao Bin, menyampaikan pidato bertajuk "BerDialog dengan AGI: Bab Berikutnya dari Interaksi Real-Time" di forum utama, meninjau perubahan kunci selama setahun terakhir dalam interaksi real-time, AI percakapan, dan infrastruktur dasar, serta mengusulkan kerangka "Lima Tingkat Kemampuan Percakapan" yang menggambarkan jalur evolusi AI percakapan dari respons dasar menuju pemahaman mendalam dan komunikasi berbasis hubungan.
Zhao Bin berpendapat bahwa seiring AI bergerak dari menjawab pertanyaan menuju komunikasi berkelanjutan, memahami konteks, dan mengeksekusi tugas, objek interaksi real-time sedang meluas dari manusia ke manusia menjadi manusia ke Agen. Peran teknologi interaksi real-time juga ikut meluas: tidak hanya membuat penyampaian informasi lebih stabil dan lancar, tetapi juga menyediakan dukungan real-time bagi persepsi, pemahaman, ekspresi, dan tindakan AI.
Dari "tanya satu jawab satu" ke komunikasi hubungan mendalam: Lima tingkat evolusi percakapan AGI
Menurut Zhao Bin, kemajuan AI percakapan tidak seharusnya hanya diukur dengan kecepatan jawaban dan kenaturalan bahasa. Yang lebih penting adalah apakah ia dapat memahami maksud, situasi, dan hubungan lawan bicara, dapat mengekspresikan diri secara tepat dalam skenario kompleks, dan secara bertahap membentuk pemahaman jangka panjang yang mendalam.
Berdasarkan penilaian ini, Zhao Bin mengusulkan kerangka "Lima Tingkat Kemampuan Percakapan" dalam pidatonya, yang membagi kemampuan percakapan menjadi lima tingkat:
L1, Ekspresi berdasarkan sudut pandang sendiri: terutama berupa ekspresi diri dan penyambungan pasif, mewujudkan "tanya satu, jawab satu".
L2: Ekspresi berdasarkan pola interaksi: bergerak dari respons pasif menuju ekspresi aktif, membuat percakapan lebih natural dan koheren.
L3: Komunikasi berdasarkan kognisi individu: memahami identitas, maksud, dan situasi individu, mewujudkan komunikasi yang disesuaikan per individu.
L4: Komunikasi berdasarkan kognisi kelompok: memahami hubungan sosial dan perbedaan peran, beradaptasi dengan skenario komunikasi multi-orang yang kompleks.
L5: Komunikasi berdasarkan hubungan mendalam: memahami konteks jangka panjang dan evolusi hubungan, membentuk pemahaman yang lebih mendalam dan keselarasan berpikir, membuat komunikasi bergerak dari memahami saat ini menuju memahami seseorang.
Kelima tingkat ini menunjukkan bukan hanya penguatan teknologi percakapan secara bertahap, tetapi juga perubahan hubungan antara AI dan manusia: dari menyelesaikan satu putaran tanya jawab, ke memahami seseorang, lalu ke memahami hubungan antar manusia, hingga akhirnya membentuk komunikasi mendalam yang melampaui waktu dan situasi.
Zhao Bin menunjukkan bahwa AI percakapan sedang berkembang dari interaksi pasif di tahap awal menuju dialog full-duplex yang lebih aktif dan natural, dan mulai mencoba memahami kepribadian, situasi, emosi, dan hubungan seseorang. Untuk masa depan, AI juga perlu menembus pembagian peran dan tatanan komunikasi dalam skenario sosial yang kompleks, serta lebih jauh memahami konteks akumulasi jangka panjang individu. Ini juga merupakan arah pengembangan penting percakapan AGI: AI tidak hanya dapat memahami satu kalimat, tetapi juga dapat menggabungkan konteks lengkap untuk memahami maksud sebenarnya seseorang dan memberikan respons yang tepat.
Real-Time AI Infra: Infrastruktur kunci yang mendukung percakapan AGI
Evolusi berkelanjutan kemampuan percakapan juga mengajukan persyaratan lebih tinggi terhadap teknologi dasar. Zhao Bin menyebutkan dalam pidatonya bahwa selama setahun terakhir, adopsi mendalam teknologi WebRTC oleh perusahaan seperti OpenAI telah mendorong teknologi interaksi real-time mendapatkan perhatian dan aplikasi yang lebih luas di bidang AI percakapan. Seiring AI bergerak dari tanya jawab satu putaran menuju interaksi berkelanjutan, infrastruktur interaksi real-time sedang menjadi penopang teknis penting yang menghubungkan model, kerangka operasi agen, dan pengguna.
Dibandingkan dengan aplikasi AI tradisional, skenario percakapan memiliki persyaratan yang lebih ketat terhadap latensi, stabilitas, dan interaksi dua arah. AI perlu menerima input pengguna sambil memahami konteks, menyusun respons, dan bila perlu siap menangani interupsi kapan saja, serta terus memanggil alat dan melanjutkan tugas. Keterlambatan yang signifikan di bagian mana pun dapat merusak kenaturalan percakapan, bahkan mempengaruhi apakah tugas dapat diselesaikan.
Untuk mendukung kebutuhan tersebut, Zhao Bin memperkenalkan arah infrastruktur untuk interaksi cerdas real-time: melalui jaringan transmisi real-time global, inferensi gabungan terdistribusi cloud-edge-device, orkestrasi real-time, dan kemampuan interaksi full-duplex, memungkinkan model dan Agen terus berkolaborasi dalam skenario nyata. Mesin AI percakapan Agora juga berpusat pada interaksi full-duplex, menghubungkan model, kerangka operasi Agen, dan pengguna, mendukung pengalaman percakapan real-time yang stabil dan sinkron.
Pada saat yang sama, Agora terus menyempurnakan alat dan kit pengembangan AI percakapan untuk pengembang, menggabungkan kemampuan seperti SDK, Skills, alat CLI, dan Recipes untuk membantu pengembang membangun Agen dengan logika lengkap dan kemampuan eksekusi secara lebih efisien.
Dari layanan pelanggan, pendidikan hingga pendampingan AI dan perangkat wearable cerdas, Zhao Bin berpendapat bahwa AI percakapan sedang memasuki lebih banyak skenario nyata. Apakah AI dapat benar-benar menciptakan nilai tidak hanya bergantung pada apakah model "bisa berbicara", tetapi juga pada apakah ia dapat memahami kebutuhan, berkomunikasi secara natural, dan terus menyelesaikan tugas. Teknologi interaksi real-time akan memainkan peran yang semakin penting dalam proses ini.
Selanjutnya, Chief Architect NVIDIA dan Co-Chair Kelompok Kerja Codec Video AOMedia, Andrey Norkin, menyampaikan pidato tentang teknologi codec video AV2.
Diskusi Panel: Akankah agen pribadi menjadi pintu masuk pribadi generasi berikutnya?
Dalam diskusi panel pertama yang dipandu oleh salah satu pendiri Agora, Tony Wang, Manajer Produk Media Interaktif dan blogger teknologi Eugene Wei, kreator media teknologi dan host podcast "Luan Fan Shu" Pan Luan, serta pengusaha perangkat keras AIoT dan kreator media AI di perangkat Hua Jianxin, berdiskusi围绕 "Agen pribadi: dari alat baru ke pintu masuk baru?"
Dari ponsel, kacamata, earphone hingga lebih banyak perangkat yang dibawa, agen pribadi sedang kembali memicu pemikiran industri tentang pintu masuk interaksi manusia-komputer generasi berikutnya. Pan Luan berpendapat bahwa agen pribadi mungkin membawa perubahan paradigma: nilai produk AI sedang bergeser dari memperebutkan perhatian pengguna menjadi membantu pengguna menyelesaikan tugas dengan lebih efisien. Agen pribadi di masa depan tidak hanya harus merespons instruksi yang jelas, tetapi juga secara proaktif mengambil tugas, membantu pengguna menangani hal-hal yang tujuannya jelas tetapi tidak layak menghabiskan banyak waktu.
Mengenai perangkat keras pribadi generasi berikutnya, Hua Jianxin mengusulkan bahwa pintu masuk di masa depan belum tentu dikuasai oleh satu jenis perangkat; kacamata, earphone, dan perangkat keras lain yang dapat merasakan lingkungan dan mengeksekusi tugas semuanya memiliki peluang. Ia berpendapat bahwa agen pribadi tidak hanya perlu memahami pengguna, tetapi juga perlu terus merasakan dunia nyata dan mengambil tindakan melalui perangkat fisik, yang membuka ruang pengembangan baru bagi berbagai bentuk perangkat keras.
Eugene Wei mengarahkan diskusi pada nilai "konteks": apakah agen pribadi dapat benar-benar memahami minat, catatan komunikasi, dan hubungan sosial pengguna akan mempengaruhi apakah ia dapat menjadi pintu masuk pribadi yang bernilai. Dalam mengukur apakah pintu masuk baru itu valid, ia juga mengusulkan agar memperhatikan situasi interaksi pengguna dengan Agen setiap hari, serta apakah pengguna lebih banyak mencari Agen secara aktif atau Agen lebih banyak mencari pengguna secara aktif. Diskusi panel kemudian membahas lebih lanjut nilai produk, bentuk perangkat keras, dan standar pengukuran masa depan agen pribadi.
Diskusi Panel: Dari "bisa mengobrol" ke "bisa menangani hal", bagaimana AI percakapan menciptakan nilai nyata?
Dalam diskusi panel kedua yang dipandu oleh Chief Commercial Officer Agora, Cui Bo, Pendiri Xiejue Intelligence Chen Wei, Pendiri Guanke Technology Geng Xianglei, salah satu pendiri dan kepala ekosistem Rokid Leqi Cai Guoxiang, serta CEO Titan Qiming Wu Kan, berangkat dari skenario berbeda seperti kecerdasan embodied, perangkat wearable cerdas, pemasaran perusahaan, dan rekrutmen AI, untuk mengeksplorasi AI percakapan: mendorong interaksi manusia dan Agen generasi berikutnya.
Chen Wei berpendapat bahwa kunci kecerdasan embodied adalah membuat maksud manusia benar-benar berubah menjadi tindakan robot. Robot tidak hanya perlu memahami instruksi suara, tetapi juga perlu menggabungkan informasi multimodal seperti visual, suara, dan status dirinya sendiri, menyelesaikan persepsi, perencanaan, dan pengambilan keputusan terhadap lingkungan fisik, serta terus menyesuaikan eksekusi tugas berdasarkan perubahan lingkungan setelah tindakan. Dibandingkan menyelesaikan tugas demonstrasi yang telah ditetapkan, robot lebih penting untuk terus memahami kebutuhan nyata manusia dalam lingkungan terbuka, sehingga tindakan selalu konsisten dengan maksud manusia. Xiejue Intelligence sedang mengembangkan model dasar embodied dengan paradigma baru Duplex Reasoning, yang bertujuan mewujudkan integrasi interaksi dan tindakan robot.
Cai Guoxiang, dari praktik kacamata AI, menekankan bahwa pengalaman percakapan adalah daya saing inti perangkat wearable AI. Ia menyatakan bahwa tidak peduli seberapa kuat perangkat keras dan kemampuan AI di belakangnya, jika percakapan tidak cukup natural, pengalaman pengguna akan terpengaruh langsung. Di masa depan, perangkat wearable AI perlu melalui interaksi real-time yang rendah latensi dan stabil, serta pemahaman semantik dan konteks jangka panjang, membuat pengguna secara bertahap tidak merasa sedang berbicara dengan AI. Ia juga berbagi praktik asisten AI Rokid Leqi yang menggunakan layanan jalur RTC Agora, dan optimis bahwa kacamata AI akan menjadi pintu masuk pribadi penting di era AI.
Dalam skenario aplikasi perusahaan, Geng Xianglei menunjukkan bahwa agen suara AI untuk mencapai penyampaian bisnis yang andal harus menyelesaikan masalah seperti latensi, waktu interupsi, dan personifikasi, di mana latensi bahkan dapat langsung mempengaruhi hasil tugas. Untuk pemasaran To B, AI juga perlu digabungkan dengan sistem pengetahuan industri dan kolaborasi manusia untuk lebih baik menjamin hasil bisnis. Wu Kan, dengan praktik rekrutmen AI, menyatakan bahwa AI percakapan dapat membantu bisnis rekrutmen menjangkau pelamar secara massal dan meningkatkan efisiensi layanan, bukan sekadar menggantikan manusia. Untuk membentuk siklus bisnis tertutup, masih perlu mengendapkan data industri, menyusun bisnis dengan pelamar sebagai subjek, membantu Agen membangun memori jangka panjang, dan berpusat pada peristiwa bisnis nyata seperti wawancara dan onboarding, membantu AI terus mengevaluasi dan mengoptimalkan kualitas layanan.
Dari berbagi keempat narasumber dapat dilihat bahwa meskipun persyaratan berbagai industri terhadap AI percakapan berbeda, semuanya mengarah pada satu arah: AI tidak hanya harus dapat berkomunikasi, tetapi juga harus dapat memahami skenario nyata, berintegrasi ke dalam proses bisnis yang ada, dan menyelesaikan tugas secara andal. Seiring perkembangan berkelanjutan interaksi real-time, persepsi multimodal, dan kemampuan eksekusi Agen, AI percakapan diharapkan进一步 menjadi kekuatan penting yang menghubungkan dunia digital dan dunia fisik serta mendorong operasi bisnis.
Dari interaksi real-time menuju kecerdasan real-time, membuka bab berikutnya dari percakapan AGI
Dari kerangka lima tingkat kemampuan percakapan yang diusulkan Zhao Bin, hingga dua diskusi panel tentang agen pribadi dan implementasi bisnis nyata, forum utama iRTE2026 menunjukkan tren industri yang jelas: persaingan AI percakapan sedang meluas dari kemampuan model dasar ke pemahaman konteks, interaksi real-time, kognisi hubungan kompleks, dan eksekusi tugas.
Ketika AI tidak lagi terbatas pada menjawab secara pasif, tetapi dapat terus memahami manusia, secara proaktif berpartisipasi dalam komunikasi, dan menyelesaikan tugas dalam skenario nyata, teknologi interaksi real-time juga akan memikul misi yang lebih mendalam.
Menuju tahap berikutnya percakapan AGI, Agora akan terus bersama pengembang dan mitra industri mengeksplorasi integrasi interaksi real-time dan AI generatif, mendorong pengalaman interaksi real-time yang lebih natural dan efisien antara manusia dengan manusia, dan antara manusia dengan Agen.
