股票融资交易 对话式AI如何迈向通用智能? 业界给出五级对话能力框架

当大模型在单轮问答中表现愈发成熟，一个更深层的瓶颈开始在真实对话中显现：人工智能（AI）可以准确回答一个问题，却未必理解提问的人——不知道对方是谁，或不理解一个人说某句话的真实意图。10月23日，iRTE2026实时智能大会上，声网创始人兼CEO赵斌提出“五级对话能力”框架，将对话式AI的能力演进划分为从基础应答到深度关系沟通的五个层次，勾勒出对话式AI迈向通用人工智能的路径。

赵斌认为，随着AI从单轮问答走向持续交互，实时互动的对象正从人与人扩展到人与智能体，实时互动技术也需为AI的感知、理解、表达与行动提供实时支撑。对话式AI的进步不应只用回答速度、语言自然度来衡量，更关键的是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。

全球对话式AI的市场规模正在快速膨胀。市场研究机构FortuneBusinessInsights数据显示，2025年全球对话式AI市场规模为147.9亿美元，预计2034年将达到824.6亿美元，预测期复合年增长率为21%。规模膨胀的另一面是衡量标准失焦：模型跑分越刷越高，用户体感卡在“能聊”与“好用”之间。

基于这一背景，赵斌提出了“五级对话能力”框架，依次为：L1基于自身视角的表达，实现“问一句、答一句”；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，理解个体身份、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，适应多人沟通场景；L5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。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。

对话能力的进化对底层技术提出更高要求。赵斌提到股票融资交易，过去一年OpenAI等公司对网页实时通信技术（WebRTC）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。与传统AI应用相比，对话场景对延迟、稳定性和双向交互要求更严格，AI需一边接收输入，一边理解上下文、组织回应，还要应对打断并持续调用工具，任何环节的明显延迟都可能破坏对话自然性。目前，声网正围绕全球实时传输网络、分布式云边端联合推理、实时编排等能力构建实时智能交互基础设施，连接模型、智能体运行框架与用户。