Oktoba 23, iRTE2026 Mkutano wa Akili ya Wakati Halisi ulifanyika Beijing. Mwanzilishi na CEO wa Agora, Zhao Bin, alitoa hotuba katika jukwaa kuu yenye kichwa "Mazungumzo na AGI: Sura Inayofuata ya Mwingiliano wa Wakati Halisi," akikagua mabadiliko muhimu ya mwaka uliopita katika mwingiliano wa wakati halisi, AI ya mazungumzo, na miundombinu ya msingi, na akapendekeza mfumo wa "Viwango Vitano vya Uwezo wa Mazungumzo," akichora njia ya mageuzi ya AI ya mazungumzo kutoka majibu ya msingi hadi uelewa wa kina na mawasiliano ya uhusiano.
Zhao Bin anaamini kwamba, kadri AI inavyohama kutoka kujibu maswali hadi mawasiliano endelevu, kuelewa muktadha na kutekeleza majukumu, walengwa wa mwingiliano wa wakati halisi wanapanuka kutoka binadamu hadi binadamu na Agent. Jukumu la teknolojia ya mwingiliano wa wakati halisi pia linapanuka: haipaswi tu kufanya uwasilishaji wa taarifa kuwa thabiti na laini zaidi, bali pia kutoa msaada wa wakati halisi kwa utambuzi, uelewa, usemi na utendaji wa AI.
Kutoka "uliza swali lijibiwe swali" hadi mawasiliano ya uhusiano wa kina: Mageuzi ya viwango vitano ya AGI ya mazungumzo
Kwa mtazamo wa Zhao Bin, maendeleo ya AI ya mazungumzo hayapaswi kupimwa tu kwa kasi ya majibu na uasilia wa lugha. Muhimu zaidi ni kwamba inaweza kuelewa nia, hali na uhusiano wa mtu anayeongea naye, inaweza kujieleza ipasavyo katika mazingira changamano, na hatua kwa hatua kuunda uelewa wa muda mrefu na wa kina.
Kuzingatia hukumu hii, Zhao Bin alipendekeza katika hotuba yake mfumo wa "Viwango Vitano vya Uwezo wa Mazungumzo," unaogawanya uwezo wa mazungumzo katika ngazi tano:
L1, Usemi kulingana na mtazamo wa kibinafsi: kwa kiasi kikubwa usemi wa kibinafsi na kuendelea kwa kupokea, kutekeleza "uliza swali, jibu swali."
L2: Usemi kulingana na kanuni za mwingiliano: kutoka kujibu kwa kupokea hadi kujieleza kwa hiari, kufanya mazungumzo kuwa ya asili na yenye mtiririko zaidi.
L3: Mawasiliano kulingana na utambuzi wa mtu binafsi: kuelewa utambulisho, nia na hali ya mtu binafsi, kutekeleza mawasiliano yanayotofautiana kwa kila mtu.
L4: Mawasiliano kulingana na utambuzi wa kikundi: kuelewa mahusiano ya kijamii na tofauti za majukumu, kukabiliana na mazingira changamano ya mawasiliano ya watu wengi.
L5: Mawasiliano kulingana na uhusiano wa kina: kuelewa muktadha wa muda mrefu na mageuzi ya uhusiano, kuunda uelewa wa kina zaidi na maelewano ya kimawazo, kufanya mawasiliano kutoka kuelewa hali ya sasa hadi kuelewa mtu.
Ngazi hizi tano zinaonyesha, sio tu uimarishaji wa hatua kwa hatua wa teknolojia ya mazungumzo, bali pia mabadiliko ya uhusiano kati ya AI na binadamu: kutoka kukamilisha mzunguko mmoja wa maswali na majibu, hadi kuelewa mtu mmoja, hadi kuelewa uhusiano kati ya watu, na hatimaye kuunda mawasiliano ya kina yanayovuka muda na mazingira.
Zhao Bin alisema kwamba AI ya mazungumzo inahama kutoka mwingiliano wa awali wa kupokea kwa kupokea, kuelekea mazungumzo ya njia mbili kamili yenye hiari zaidi na asili zaidi, na imeanza kujaribu kuelewa utu, hali, hisia na mahusiano ya mtu. Kuelekea siku zijazo, AI inahitaji kuvunja mgawanyo wa majukumu na utaratibu wa mawasiliano katika mazingira changamano ya kijamii, na kuelewa zaidi muktadha wa muda mrefu uliokusanywa na mtu binafsi. Hii pia ni mwelekeo muhimu wa maendeleo ya AGI ya mazungumzo: AI sio tu inaweza kuelewa sentensi moja, bali pia inaweza kuchanganya muktadha kamili kuelewa nia halisi ya mtu, na kutoa majibu ipasavyo.
Real-Time AI Infra: Miundombinu Muhimu Inayounga Mkono AGI ya Mazungumzo
Mageuzi endelevu ya uwezo wa mazungumzo pia yanaweka mahitaji makubwa kwa teknolojia ya msingi. Zhao Bin alitaja katika hotuba yake kwamba, katika mwaka uliopita, matumizi ya kina ya teknolojia ya WebRTC na makampuni kama OpenAI yamesukuma teknolojia ya mwingiliano wa wakati halisi kupata umakini na matumizi mapana zaidi katika uwanja wa AI ya mazungumzo. Kadri AI inavyohama kutoka mzunguko mmoja wa maswali na majibu hadi mwingiliano endelevu, miundombinu ya mwingiliano wa wakati halisi inakuwa msaada muhimu wa kiufundi unaounganisha modeli, mfumo wa uendeshaji wa Agent na mtumiaji.
Ikilinganishwa na programu za jadi za AI, mazingira ya mazungumzo yana mahitaji makali zaidi kwa ucheleweshaji, uthabiti na mwingiliano wa njia mbili. AI inahitaji kupokea maoni ya mtumiaji wakati huo huo, kuelewa muktadha, kupanga majibu, na inapohitajika kukabiliana na kukatizwa wakati wowote, na kuendelea kutumia zana na kuendeleza majukumu. Ucheleweshaji wowote mkubwa katika hatua yoyote unaweza kuharibu uasilia wa mazungumzo, na hata kuathiri kama jukumu linaweza kukamilika.
Ili kuunga mkono mahitaji haya, Zhao Bin alielezea mwelekeo wa miundombinu inayolenga mwingiliano wa akili wa wakati halisi: kupitia mtandao wa usambazaji wa wakati halisi wa kimataifa, uelekezaji wa pamoja wa cloud-edge-device uliosambazwa, uandaaji wa wakati halisi na uwezo wa mwingiliano wa njia mbili kamili, kuruhusu modeli na Agent kuendelea kushirikiana katika mazingira halisi. Injini ya AI ya Mazungumzo ya Agora pia inazingatia mwingiliano wa njia mbili kamili kama msingi, inaunganisha modeli, mfumo wa uendeshaji wa Agent na mtumiaji, na kuunga mkono uzoefu thabiti na sanjari wa mazungumzo ya wakati halisi.
Wakati huo huo, Agora inaendelea kuboresha zana za maendeleo na vifaa vya maendeleo vya AI ya mazungumzo kwa watengenezaji, ikichanganya SDK, Skills, zana za CLI na Recipes na uwezo mwingine, kusaidia watengenezaji kujenga Agent wenye mantiki kamili na uwezo wa utekelezaji kwa ufanisi zaidi.
Kutoka huduma kwa wateja, elimu hadi uandamani wa AI na vifaa vinavyovaliwa vya akili, Zhao Bin anaamini kwamba AI ya mazungumzo inaingia katika mazingira zaidi halisi. Kama AI inaweza kweli kuunda thamani haitegemei tu kama modeli "inajua kuzungumza," bali pia inategemea kama inaweza kuelewa mahitaji, kuwasiliana kwa asili, na kuendelea kukamilisha majukumu. Teknolojia ya mwingiliano wa wakati halisi itachukua jukumu muhimu zaidi na zaidi katika mchakato huu.
Baadaye, Mbunifu Mkuu wa NVIDIA, Mwenyekiti Mwenza wa Kikundi cha Kazi cha Usimbaji na Uondoaji wa Video cha AOMedia, Andrey Norkin, alitoa hotuba kuhusu teknolojia ya usimbaji na uondoaji wa video ya AV2.
Mazungumzo ya Meza Duvu: Agent wa Kibinafsi, Atakuwa Lango la Kizazi Kijacho la Kibinafsi?
Katika meza duvu ya kwanza iliyoongozwa na mwanzilishi mwenza wa Agora Tony Wang, Meneja wa Bidhaa za Vyombo vya Mawasiliano, mwanablogu wa teknolojia Eugene Wei, mwandishi wa vyombo vya habari vya teknolojia, mwenye podcast "Luanfan Shu" Pan Luan, na mwanzilishi wa vifaa vya AIoT, mwenye maudhui ya AI ya kifaa Hua Jianxin, walijadili kuhusu "Agent wa Kibinafsi: Kutoka Zana Mpya hadi Lango Jipya?"
Kutoka simu, miwani, vipokea sauti hadi vifaa vingine vinavyobebwa, Agent wa kibinafsi inazua upya fikra za tasnia kuhusu lango la kizazi kijacho la mwingiliano wa binadamu na kompyuta. Pan Luan anaamini kwamba Agent wa kibinafsi anaweza kuleta mabadiliko ya dhana: thamani ya bidhaa za AI inahama kutoka kushindana kwa umakini wa mtumiaji, kuelekea kusaidia mtumiaji kukamilisha majukumu kwa ufanisi zaidi. Agent wa kibinafsi wa siku zijazo hapaswi tu kujibu maagizo ya wazi, bali pia kuchukua majukumu kwa hiari, kusaidia mtumiaji kushughulikia mambo yenye malengo wazi lakini yasiyostahili kutumia muda mwingi.
Kuhusu vifaa vya kibinafsi vya kizazi kijacho, Hua Jianxin alipendekeza kwamba lango la siku zijazo linaweza lisikamilike na aina moja ya kifaa, miwani, vipokea sauti na vifaa vingine vinavyoweza kuhisi mazingira na kutekeleza majukumu vina nafasi. Anaamini kwamba Agent wa kibinafsi hahitaji tu kuelewa mtumiaji, bali pia kupitia vifaa halisi kuendelea kuhisi ulimwengu halisi na kuchukua hatua, hii inaleta nafasi mpya za maendeleo kwa maumbo tofauti ya vifaa.
Eugene Wei alielekeza majadiliano kwenye thamani ya "muktadha": kama Agent wa kibinafsi anaweza kweli kuelewa maslahi, kumbukumbu za mawasiliano na mahusiano ya kijamii ya mtumiaji, itaathiri kama anaweza kuwa lango la kibinafsi lenye thamani. Katika kupima kama lango jipya linafaa, alipendekeza pia, tunaweza kuzingatia hali ya mwingiliano wa mtumiaji na Agent kila siku, na kama ni mtumiaji anayemtafuta Agent zaidi, au Agent anayemtafuta mtumiaji zaidi. Meza duvu ilijadili zaidi thamani ya bidhaa za Agent wa kibinafsi, maumbo ya vifaa na vigezo vya baadaye vya kupima.
Mazungumzo ya Meza Duvu: Kutoka "Inajua Kuzungumza" hadi "Inajua Kufanya Mambo," AI ya Mazungumzo Inawezaje Kuunda Thamani Halisi?
Katika meza duvu ya pili iliyoongozwa na Afisa Mkuu wa Biashara wa Agora Cui Bo, mwanzilishi wa Xieve Intelligence Chen Wei, mwanzilishi wa Guanke Technology Geng Xianglei, mwanzilishi mwenza na mkuu wa ikolojia wa Rokid Leqi Cai Guoxiang, na CEO wa Titan Qiming Wu Kan, kutoka mazingira tofauti ya akili iliyojumuishwa, vifaa vinavyovaliwa vya akili, masoko ya biashara na uajiri wa AI, walijadili AI ya mazungumzo: kuendesha mwingiliano wa kizazi kijacho kati ya binadamu na Agent.
Chen Wei anaamini kwamba ufunguo wa akili iliyojumuishwa ni kuruhusu nia ya mtu kubadilika kweli kuwa matendo ya roboti. Roboti haipaswi tu kuelewa maagizo ya sauti, bali pia kuchanganya taarifa za aina nyingi kama maono, sauti na hali yake yenyewe, kukamilisha utambuzi, upangaji na maamuzi ya mazingira halisi, na kuendelea kurekebisha utekelezaji wa majukumu kulingana na mabadiliko ya mazingira baada ya hatua. Ikilinganishwa na kukamilisha majukumu ya maonyesho yaliyopangwa mapema, roboti ni muhimu zaidi kuendelea kuelewa mahitaji halisi ya mtu katika mazingira wazi, kufanya matendo yaendelee kuwa sawa na nia ya mtu. Xieve Intelligence inaendeleza modeli ya msingi ya akili iliyojumuishwa ya dhana mpya ya Duplex Reasoning, inayolenga kufikia ujumuishaji wa mwingiliano na matendo ya roboti.
Cai Guoxiang, akianza kutoka mazoezi ya miwani ya AI, alisisitiza kwamba uzoefu wa mazungumzo ni uwezo mkuu wa ushindani wa vifaa vinavyovaliwa vya AI. Alisema, bila kujali jinsi vifaa na uwezo wa AI ulivyo na nguvu, ikiwa mazungumzo hayana asili ya kutosha, uzoefu wa mtumiaji utaathirika moja kwa moja. Siku zijazo, vifaa vinavyovaliwa vya AI vinahitaji kupitia mwingiliano wa wakati halisi wenye ucheleweshaji mdogo na thabiti, na uelewa wa maana na muktadha wa muda mrefu, kufanya mtumiaji hatua kwa hatua asihisi kwamba anazungumza na AI. Alishiriki pia mazoezi ya msaidizi wa AI wa Rokid Leqi kutumia huduma ya kiungo cha RTC ya Agora, na ana matumaini mazuri kwamba miwani ya AI itakuwa lango muhimu la kibinafsi katika enzi ya AI.
Katika mazingira ya matumizi ya biashara, Geng Xianglei alisema kwamba ili wakala wa sauti wa AI kufikia utoaji wa huduma wa kuaminika, lazima kutatua masuala ya ucheleweshaji, muda wa kukatiza na ubinadamu, ambapo ucheleweshaji unaweza hata kuathiri moja kwa moja matokeo ya jukumu. Kwa masoko ya To B, AI inahitaji pia kuchanganywa na mfumo wa maarifa wa tasnia na ushirikiano wa kibinadamu, ili kuhakikisha matokeo ya biashara vizuri zaidi. Wu Kan, akichanganya mazoezi ya uajiri wa AI, alisema kwamba AI ya mazungumzo inaweza kusaidia biashara ya uajiri kufikia waombaji kazi kwa kiwango kikubwa, kuboresha ufanisi wa huduma, badala ya kuchukua nafasi ya binadamu kwa urahisi. Ili kuunda mzunguko kamili wa biashara, inahitaji pia kukusanya data ya tasnia, kupanga biashara kwa kuzingatia mwombaji kazi kama kiini, kusaidia Agent kujenga kumbukumbu ya muda mrefu, na kuzunguka matukio halisi ya biashara kama mahojiano na kuajiriwa, kusaidia AI kuendelea kutathmini na kuboresha ubora wa huduma.
Kutoka maelezo ya wageni wanne, tunaweza kuona kwamba ingawa mahitaji ya tasnia tofauti kwa AI ya mazungumzo yanatofautiana, yote yanaelekeza upande mmoja: AI haipaswi tu kuwasiliana, bali pia kuelewa mazingira halisi, kujumuisha katika michakato iliyopo ya biashara, na kukamilisha majukumu kwa kuaminika. Kadri mwingiliano wa wakati halisi, utambuzi wa aina nyingi na uwezo wa utekelezaji wa Agent unavyoendelea kuendelea, AI ya mazungumzo inatarajiwa kuwa kutoka zana ya mwingiliano hadi nguvu muhimu inayounganisha ulimwengu wa kidijitali na ulimwengu halisi, na kuendeleza uendeshaji wa biashara.
Kutoka Mwingiliano wa Wakati Halisi hadi Akili ya Wakati Halisi, Kufungua Sura Inayofuata ya AGI ya Mazungumzo
Kutoka mfumo wa viwango vitano vya uwezo wa mazungumzo uliopendekezwa na Zhao Bin, hadi majadiliano ya meza duvu mbili kuhusu Agent wa kibinafsi na utekelezaji halisi wa biashara, jukwaa kuu la iRTE2026 linaonyesha mwelekeo wazi wa tasnia: ushindani wa AI ya mazungumzo unapanuka kutoka uwezo wa modeli ya msingi, hadi uelewa wa muktadha, mwingiliano wa wakati halisi, utambuzi wa mahusiano changamano na utekelezaji wa majukumu.
Wakati AI haitazuiwi tena kujibu kwa kupokea, bali inaweza kuendelea kuelewa mtu, kushiriki kwa hiari katika mawasiliano, na kukamilisha majukumu katika mazingira halisi, teknolojia ya mwingiliano wa wakati halisi pia itachukua dhamana ya kina zaidi.
Kuelekea hatua inayofuata ya AGI ya mazungumzo, Agora itaendelea kuchunguza pamoja na watengenezaji na washirika wa tasnia muunganiko wa mwingiliano wa wakati halisi na AI ya uzalishaji, kukuza uzoefu wa mwingiliano wa wakati halisi wenye asili na ufanisi zaidi kati ya binadamu na binadamu, na binadamu na Agent.
