声网发布对话式AI实时基础设施，提出五级对话能力框架
原标题：被OpenAIGemini共同选择的实时语音交互，凭什么是这家中国公司？
AI 摘要
在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，并展示Agora Conversational Model多模型协作混合对话系统、Conversational Agent System及分布式实时推理云方向，试图把实时网络、音频处理与推理基础设施整合为生成式AI时代的实时交互底座。大会同时汇集美团、阿里、MiniMax、阶跃星辰、Qwen Audio、小米等团队，讨论对话式AI在业务闭环、底层音频技术与终端硬件落地上的三道命题。文章认为对话式AI竞争已从单点模型能力延伸至完整真实交互全链路。
正文节选
被OpenAIGemini共同选择的实时语音交互，凭什么是这家中国公司？ 一场对话式AI的风向标大会 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 不是我说，AI现在确实代码写得快，研究做得飞起； 可一到语音聊天，我就想问一句： 它到底急什么？！！ 你话还没说完，它抢着就开口了；你情绪上来了，它还在一板一眼念答案；你想打断换个话题，它偏要把最后一句念完…… 这哪是聊天啊，这不纯纯较劲嘛。 说白了，AI“会说”这关早过了，但“会聊”，还差着一大截。 要说会聊，TA得能听懂情绪和言外之意吧，得跟上你说话的节奏吧，得在你打断时及时把话口让给你吧。 这些体验上的小别扭，看着不起眼，背后却牵着语音识别、模型理解、实时传输、终端响应一整条链路。 哪一环慢了，聊天的体感就容易崩。 也正因如此，实时交互成了模型、应用和硬件团队一块儿攻关的方向。 刚刚落幕的iRTE2026实时智能大会，把这些团队全凑到了一块儿： 研究下一代交互模型的、做客服Agent的、造智能硬件的，都在聊同一件事—— 怎么让AI跟上真实交流。 一场对话式AI的风向标大会 站在行业观察者的视角可以清晰看到，当下对话AI的核心演