Shengwang-CEO präsentiert Fünf-Stufen-Modell für Dialog-KI in Peking

Modelle

Am 23. Oktober fand die Konferenz iRTE2026 für Echtzeit-KI in Peking statt. Zhao Bin, Gründer und CEO von Shengwang, hielt den Hauptvortrag mit dem Titel "Dialog-AGI: Das nächste Kapitel der Echtzeitinteraktion". Er stellte ein Modell mit fünf Stufen der Dialogfähigkeit vor, das den Weg von einfachen Antworten hin zu tiefem Verständnis und Beziehungskommunikation beschreibt. Nach seiner Einschätzung verschiebt sich der Gegenstand der Echtzeitinteraktion von Mensch-zu-Mensch hin zu Mensch-zu-Agent.

Die fünf Stufen reichen von L1, der reinen Frage-Antwort-Interaktion aus der eigenen Perspektive, bis L5, einer Kommunikation auf Basis langfristiger Beziehungen und gemeinsamen Verständnisses über Zeit. Dazwischen liegen L2, eine aktivere und natürlichere Ausdrucksweise, L3, Kommunikation je nach individueller Identität und Absicht, sowie L4, das Verständnis sozialer Rollen in Gruppengesprächen. Zhao Bin verwies laut der Meldung darauf, dass Unternehmen wie OpenAI im vergangenen Jahr verstärkt auf WebRTC-Technologie gesetzt hätten, was der Echtzeitinteraktion in dialogbasierter KI mehr Aufmerksamkeit verschafft habe. Als Infrastruktur für diese Entwicklung nannte er ein globales Echtzeit-Übertragungsnetz, verteilte Inferenz zwischen Cloud, Edge und Endgeräten, Echtzeit-Orchestrierung und Vollduplex-Interaktion. Die Dialog-KI-Engine von Shengwang setze auf Vollduplex-Interaktion und verbinde Modelle, Agent-Frameworks und Nutzer, ergänzt durch Entwicklerwerkzeuge wie SDK, Skills, CLI und Recipes.

Im Anschluss sprach Andrey Norkin, Chefarchitekt bei Nvidia und Co-Vorsitzender der Videocodec-Arbeitsgruppe bei AOMedia, über die Videokompressionstechnik AV2. In zwei Podiumsrunden diskutierten unter anderem die Produktmanagerin und Tech-Bloggerin Eugene Wei, der Podcast-Betreiber Pan Luan sowie Gründer aus den Bereichen Embodied AI, KI-Brillen, Unternehmensmarketing und KI-Recruiting darüber, ob persönliche Agenten ein neuer Zugang zu digitalen Diensten werden können und wie Dialog-KI vom reinen Gespräch zur praktischen Aufgabenerledigung kommt.

Für mich zeigt dieses Stufenmodell vor allem, wohin sich der Maßstab für Dialog-KI verschiebt: weg von reiner Antwortgeschwindigkeit, hin zu der Frage, ob ein System einen Menschen über Zeit und soziale Zusammenhänge hinweg versteht. Das betrifft vor allem Anbieter von Sprachassistenten, KI-Brillen und Kundenservice-Bots, die ihre Systeme bislang auf Latenz und natürlichen Klang der Stimme optimiert haben. Wenn Verständnis von Identität, Gruppenkontext und Beziehungsverlauf zum neuen Maßstab wird, reicht die bisherige Infrastruktur aus WebRTC-Übertragung und Sprachmodell allein nicht mehr. Es braucht zusätzliche Schichten für Gedächtnis und Kontext, wie sie auf der Konferenz auch von Rokid und anderen Anbietern angesprochen wurden.

Offen bleibt: Der Beitrag beruht auf der Selbstdarstellung von Shengwang und seinem CEO, die Quelle selbst vermerkt, dass der Artikel von Shengwang bereitgestellt wurde, eine unabhängige Einordnung des Stufenmodells oder der Infrastruktur-Behauptungen liefert sie nicht.

Quellen: Quantum Bit RSSHub · Leiphone neueste