23. oktobra 2026. godine u Pekingu je održana konferencija iRTE2026 o real-time inteligenciji. Osnivač i CEO kompanije Shengwang Zhao Bin održao je govor na glavnom forumu pod nazivom „Dijalog sa AGI: sledeće poglavlje real-time interakcije“, osvrnuo se na ključne promene u real-time interakciji, konverzacionoj AI i osnovnoj infrastrukturi u protekloj godini i predstavio okvir „pet nivoa konverzacionih sposobnosti“, ocrtavajući evolucijski put konverzacione AI od osnovnog odgovaranja ka dubokom razumevanju i odnosnoj komunikaciji.
Zhao Bin smatra da, kako AI prelazi sa odgovaranja na pitanja ka kontinuiranoj komunikaciji, razumevanju konteksta i izvršavanju zadataka, objekat real-time interakcije se širi sa čoveka na čoveka na čoveka i agenta. Uloga real-time interaktivne tehnologije se takođe širi: ona ne samo da treba da učini prenos informacija stabilnijim i fluidnijim, već i da pruži real-time podršku AI percepciji, razumevanju, izražavanju i delovanju.
Od „pitanje-odgovor“ do komunikacije dubokih odnosa: pet nivoa evolucije konverzacione AGI
Prema Zhao Binu, napredak konverzacione AI ne treba meriti samo brzinom odgovora i prirodnošću jezika. Važnije je da li može da razume nameru, situaciju i odnos sagovornika, da li može pravilno da se izrazi u složenim scenarijima i da postepeno formira dugoročno, duboko razumevanje.
Na osnovu ovog suda, Zhao Bin je u govoru predstavio okvir „pet nivoa konverzacionih sposobnosti“, koji deli konverzacione sposobnosti na pet nivoa:
L1, izražavanje iz sopstvene perspektive: pretežno samoizražavanje i pasivno nastavljanje, ostvarivanje „pitanje-odgovor“.
L2: izražavanje zasnovano na obrascima interakcije: prelazak sa pasivnog odgovaranja na aktivno izražavanje, čineći razgovor prirodnijim i koherentnijim.
L3: komunikacija zasnovana na individualnoj kogniciji: razumevanje identiteta, namere i situacije pojedinca, ostvarivanje komunikacije prilagođene pojedincu.
L4: komunikacija zasnovana na grupnoj kogniciji: razumevanje društvenih odnosa i razlika u ulogama, prilagođavanje složenim scenarijima komunikacije više osoba.
L5: komunikacija zasnovana na dubokim odnosima: razumevanje dugoročnog konteksta i evolucije odnosa, formiranje dubljeg razumevanja i misaone usklađenosti, čineći da komunikacija pređe od razumevanja trenutka ka razumevanju osobe.
Ovih pet nivoa ne pokazuju samo postepeno jačanje konverzacione tehnologije, već i promenu odnosa između AI i ljudi: od završetka jednog kruga pitanja i odgovora, do razumevanja osobe, zatim razumevanja odnosa među ljudima, i konačno formiranja duboke komunikacije koja prevazilazi vreme i kontekst.
Zhao Bin je istakao da konverzaciona AI prelazi sa rane pasivno-nastavljajuće interakcije ka aktivnijem, prirodnijem full-duplex razgovoru i počinje da pokušava da razume ličnost, situaciju, emocije i odnose ljudi. U budućnosti, AI treba da prevaziđe podelu uloga i komunikacioni poredak u složenim društvenim scenarijima i dodatno razume kontekst koji pojedinac dugoročno akumulira. To je i važan razvojni pravac konverzacione AGI: AI ne samo da može da razume jednu rečenicu, već može da kombinuje kompletan kontekst da razume stvarnu nameru osobe i da pruži odgovarajući odgovor.
Real-Time AI Infra: ključna infrastruktura koja podržava konverzacionu AGI
Kontinuirana evolucija konverzacionih sposobnosti postavlja više zahteve pred osnovnu tehnologiju. Zhao Bin je u govoru pomenuo da je u protekloj godini dublje usvajanje WebRTC tehnologije od strane kompanija kao što je OpenAI podstaklo širu pažnju i primenu real-time interaktivne tehnologije u oblasti konverzacione AI. Kako AI prelazi sa jednostrukog pitanja i odgovora ka kontinuiranoj interakciji, real-time interaktivna infrastruktura postaje važna tehnološka podrška koja povezuje modele, okvire za izvršavanje agenata i korisnike.
U poređenju sa tradicionalnim AI aplikacijama, konverzacioni scenariji imaju strože zahteve za latenciju, stabilnost i dvosmernu interakciju. AI treba istovremeno da prima korisnički unos, razume kontekst, organizuje odgovor, po potrebi reaguje na prekide i kontinuirano poziva alate i unapređuje zadatke. Svako značajno kašnjenje u bilo kom delu može narušiti prirodnost razgovora, pa čak i uticati na to da li će zadatak biti završen.
Da bi podržao ove potrebe, Zhao Bin je predstavio pravac infrastrukture za real-time inteligentnu interakciju: kroz globalnu real-time transportnu mrežu, distribuiranu zajedničku inferenciju na cloudu, ivici i uređajima, real-time orkestraciju i full-duplex interaktivne sposobnosti, omogućiti modelima i agentima da kontinuirano sarađuju u stvarnim scenarijima. Shengwang konverzacioni AI engine takođe je usredsređen na full-duplex interakciju, povezujući modele, okvire za izvršavanje agenata i korisnike, podržavajući stabilno i sinhronizovano real-time konverzaciono iskustvo.
Istovremeno, Shengwang kontinuirano unapređuje alate i komplete za razvoj konverzacione AI namenjene programerima, kombinujući SDK, Skills, CLI alate i Recipes i druge sposobnosti, pomažući programerima da efikasnije izgrade agente sa kompletnom logikom i izvršnim sposobnostima.
Od korisničke podrške, obrazovanja do AI pratnje i pametnih nosivih uređaja, Zhao Bin smatra da konverzaciona AI ulazi u sve više stvarnih scenarija. Da li AI zaista može da stvori vrednost ne zavisi samo od toga da li model „ume da govori“, već i od toga da li može da razume potrebe, prirodno komunicira i kontinuirano završava zadatke. Real-time interaktivna tehnologija će igrati sve važniju ulogu u tom procesu.
Zatim je glavni arhitekta kompanije NVIDIA i kopredsedavajući radne grupe za video kodeke AOMedia, Andrey Norkin, održao govor o AV2 video kodek tehnologiji.
Okrugli sto: da li će lični agent postati ulazna tačka sledeće generacije?
U prvom okruglom stolu koji je vodio suosnivač kompanije Shengwang Tony Wang, menadžer proizvoda za interaktivne medije i tehnološki bloger Eugene Wei, tehnološki medijski autor i voditelj podkasta „Luanfan Shu“ Pan Luan, kao i preduzetnik u oblasti AIoT hardvera i autor medija o edge AI Hua Jianxin, razgovarali su o temi „Lični agent: od novog alata do nove ulazne tačke?“
Od telefona, naočara, slušalica do sve više nosivih uređaja, lični agent ponovo pokreće razmišljanje industrije o ulaznoj tački sledeće generacije čovek-računar interakcije. Pan Luan smatra da lični agent može doneti paradigmatsku promenu: vrednost AI proizvoda prelazi sa borbe za korisničku pažnju na pomoć korisnicima da efikasnije završe zadatke. Budući lični agent ne samo da treba da odgovara na jasne instrukcije, već i da aktivno preuzima zadatke, pomažući korisnicima da obrade stvari koje imaju jasan cilj, ali ne zaslužuju ulaganje mnogo vremena.
Što se tiče sledeće generacije ličnog hardvera, Hua Jianxin je predložio da buduća ulazna tačka ne mora biti monopol jedne vrste uređaja; naočare, slušalice i drugi uređaji koji mogu da opažaju okruženje i izvršavaju zadatke imaju priliku. On smatra da lični agent ne samo da treba da razume korisnika, već i da kroz fizičke uređaje kontinuirano opaža stvarni svet i preduzima akcije, što donosi novi prostor za razvoj hardvera različitih formi.
Eugene Wei je diskusiju usmerio ka vrednosti „konteksta“: da li lični agent može zaista da razume korisnikova interesovanja, komunikacione zapise i društvene odnose uticaće na to da li može postati vredna lična ulazna tačka. Kada je reč o merenju da li nova ulazna tačka funkcioniše, on je takođe predložio da se obrati pažnja na svakodnevnu interakciju korisnika sa agentom, kao i na to da li korisnici češće traže agenta ili agent češće traži korisnike. Okrugli sto je zatim dodatno razmotrio vrednost proizvoda ličnog agenta, formu hardvera i buduće kriterijume merenja.
Okrugli sto: od „ume da ćaska“ do „ume da obavi posao“, kako konverzaciona AI stvara stvarnu vrednost?
U drugom okruglom stolu koji je vodio glavni komercijalni direktor kompanije Shengwang Cui Bo, osnivač kompanije Xiejue Intelligent Chen Wei, osnivač kompanije Guanke Technology Geng Xianglei, suosnivač i šef ekosistema kompanije Rokid Leqi Cai Guoxiang, kao i CEO kompanije Titan Qiming Wu Kan, polazeći od različitih scenarija kao što su embodied inteligencia, pametni nosivi uređaji, korporativni marketing i AI regrutacija, razgovarali su o konverzacionoj AI: pokretanju interakcije čoveka i agenta sledeće generacije.
Chen Wei smatra da je ključ embodied inteligencije da se ljudska namera zaista pretvori u robotsku akciju. Robot ne samo da treba da razume glasovne komande, već i da integriše multimodalne informacije kao što su vizija, glas i sopstveno stanje, da završi percepciju, planiranje i odlučivanje o fizičkom okruženju i da kontinuirano prilagođava izvršavanje zadataka prema promenama u okruženju nakon akcije. U poređenju sa završavanjem unapred definisanih demonstracionih zadataka, robotu je važnije da u otvorenom okruženju kontinuirano razume stvarne potrebe ljudi i da akcija uvek ostane usklađena sa ljudskom namerom. Xiejue Intelligent razvija Duplex Reasoning, embodied osnovni model nove paradigme, sa ciljem da ostvari integraciju robotske interakcije i delovanja.
Cai Guoxiang je, polazeći od prakse AI naočara, istakao da je konverzaciono iskustvo ključna konkurentska prednost AI nosivih uređaja. Rekao je da, bez obzira na to koliko su hardver i AI sposobnosti iza njega moćni, ako razgovor nije dovoljno prirodan, korisničko iskustvo će biti direktno pogođeno. U budućnosti, AI nosivi uređaji treba da kroz real-time interakciju sa niskom latencijom i stabilnošću, kao i razumevanje semantike i dugoročnog konteksta, omoguće korisnicima da postepeno prestanu da osećaju da razgovaraju sa AI. Takođe je podelio praksu AI asistenta Rokid Leqi koji koristi Shengwang RTC link servis i izrazio uverenje da će AI naočare postati važna lična ulazna tačka u AI eri.
U scenarijima korporativnih primena, Geng Xianglei je istakao da AI glasovni agent za korisničku podršku, da bi ostvario pouzdanu poslovnu isporuku, mora da reši probleme latencije, tajminga prekida i humanizacije, pri čemu latencija može čak direktno uticati na rezultat zadatka. Za B2B marketing, AI takođe treba da se kombinuje sa industrijskim sistemom znanja i ljudskom saradnjom kako bi bolje garantovao poslovne rezultate. Wu Kan je, na osnovu prakse AI regrutacije, rekao da konverzaciona AI može pomoći regrutacionom poslovanju da masovno dosegne kandidate i poboljša efikasnost usluge, a ne da jednostavno zameni ljude. Da bi se formirao poslovni ciklus, potrebno je akumulirati industrijske podatke, urediti poslovanje sa kandidatom kao subjektom, pomoći agentu da izgradi dugoročno pamćenje i, oko stvarnih poslovnih događaja kao što su dolazak na intervju i zaposlenje, pomoći AI da kontinuirano procenjuje i optimizuje kvalitet usluge.
Iz izlaganja četiri gosta može se videti da, iako se zahtevi različitih industrija prema konverzacionoj AI razlikuju, zajednički smer je jasan: AI ne samo da treba da može da komunicira, već i da razume stvarne scenarije, integriše se u postojeće poslovne procese i pouzdano završava zadatke. Sa kontinuiranim razvojem real-time interakcije, multimodalne percepcije i sposobnosti izvršavanja agenata, konverzaciona AI će verovatno od interaktivnog alata postati važna snaga koja povezuje digitalni i fizički svet i pokreće poslovanje.
Od real-time interakcije ka real-time inteligenciji, otvaranje sledećeg poglavlja konverzacione AGI
Od okvira pet nivoa konverzacionih sposobnosti koji je predložio Zhao Bin, do dve okrugle table o ličnim agentima i stvarnom poslovnom implementiranju, glavni forum iRTE2026 pokazuje jasan industrijski trend: konkurencija u konverzacionoj AI se širi sa osnovnih sposobnosti modela na razumevanje konteksta, real-time interakciju, kogniciju složenih odnosa i izvršavanje zadataka.
Kada AI više nije ograničena na pasivno odgovaranje, već može kontinuirano da razume ljude, aktivno učestvuje u komunikaciji i završava zadatke u stvarnim scenarijima, real-time interaktivna tehnologija će preuzeti dublju misiju.
Okrenuta sledećoj fazi konverzacione AGI, Shengwang će nastaviti da zajedno sa programerima i industrijskim partnerima istražuje integraciju real-time interakcije i generativne AI, podstičući prirodnije i efikasnije real-time interaktivno iskustvo između ljudi, kao i između ljudi i agenata.
