De acordo com pt.wedoany.com-No dia 5 de junho, na Conferência de Aplicação da Indústria de IA da Tencent Cloud 2026, Tang Daosheng, Vice-Presidente Executivo Sénior do Grupo Tencent, dialogou com Yao Shunyu, Cientista-Chefe de IA da Tencent. Ao falar sobre por que se juntou à Tencent e como entende a "segunda metade da IA", Yao Shunyu afirmou que a metodologia da IA se tornou mais madura, e a verdadeira dificuldade reside em encontrar os problemas certos que valem a pena resolver; a Tencent possui uma vasta gama de bons problemas e bons produtos, sendo esta uma das principais razões para a sua escolha de se juntar à empresa.
O foco deste diálogo não reside numa simples explicação de uma movimentação de talentos, mas sim em como a Tencent redefine a capacidade organizacional após a entrada dos grandes modelos na fase industrial. Na ronda anterior de competição de IA, a atenção da indústria estava altamente concentrada nos parâmetros do modelo, na escala de treino, nos resultados de rankings, nos custos de inferência e nas capacidades pontuais, tornando mais fácil para as empresas compararem-se em torno de "se o modelo consegue ou não fazer". A lógica do "bom problema" proposta por Yao Shunyu desloca a perspetiva da capacidade do modelo em si para os cenários de aplicação real: quando métodos como pré-treino, pós-treino, frameworks de agentes e chamadas de ferramentas se tornam gradualmente maduros, o desafio para a equipa técnica já não é apenas continuar a procurar um algoritmo mais forte, mas sim determinar quais necessidades dos utilizadores, processos de negócio e cenários de produto merecem verdadeiramente ser reestruturados pela IA. A particularidade da Tencent reside na sua linha de produtos suficientemente rica, abrangendo múltiplos cenários de alta frequência como redes sociais, conteúdo, jogos, escritório, serviços cloud, tecnologia financeira e internet industrial. Estes cenários incluem tanto interações massivas de utilizadores como processos empresariais complexos, bem como uma vasta gama de experiências de produto que necessitam de aperfeiçoamento a longo prazo. Para a equipa de IA, este tipo de problemas está mais próximo do cerne da competição na segunda metade do que os indicadores técnicos abstratos: para que a capacidade do modelo entre nos produtos, é necessário encontrar um ciclo fechado de tarefas específicas, dados reais, feedback estável e iteração sustentável.
Yao Shunyu também mencionou que a Tencent, no geral, é uma empresa que opera com base na "confiança" e não meramente em "indicadores", e que esta cultura é muito importante para construir uma organização de IA de longo prazo.
Este julgamento corresponde a uma contradição real na construção de organizações de IA. Indicadores de curto prazo podem impulsionar rapidamente o lançamento de modelos, a implementação de produtos e o crescimento de dados, mas a investigação e desenvolvimento de IA de ponta muitas vezes requerem ciclos mais longos, necessitando de permitir exploração, tentativa e erro e colaboração entre equipas. Especialmente nas fases de reestruturação de agentes, modelos de base, infraestrutura de IA e produtos complexos, muitos resultados-chave não se manifestam imediatamente como crescimento de um único indicador, mas sim na acumulação de capacidades subjacentes, melhoria da experiência do produto, estabilidade do sistema de engenharia e adaptação a cenários de longo prazo. Se a organização operar apenas em torno de volumes de chamadas de curto prazo, pontuações em rankings ou conversão de tráfego, a equipa de IA pode facilmente cair na procura de ótimos locais; se for possível dar maior confiança às equipas de investigação e produto sob uma direção clara, é mais provável que se possa aperfeiçoar modelos, produtos, dados e feedback dos utilizadores no mesmo sistema de longo prazo. A Tencent, ao promover atualmente o modelo Hunyuan, o conjunto de ferramentas de agentes, a AI Infra e as aplicações industriais, necessita precisamente desta capacidade organizacional de "conceção conjunta de modelo e produto", para que o desenvolvimento técnico não se desligue dos cenários reais e para que as equipas de produto possam compreender os limites da capacidade do modelo.
A descrição de Yao Shunyu sobre a "segunda metade da IA" também indica que a indústria dos grandes modelos está a transitar de um período de explosão tecnológica para um período de seleção de problemas. A competição futura pode não depender apenas de quem possui o modelo mais forte numa única ocasião, mas sim de quem consegue encontrar continuamente problemas de alto valor e incorporar a capacidade do modelo nos produtos que os utilizadores usam diariamente. Para a Tencent, isto significa que a IA não é apenas serviços cloud, plataformas de modelo ou novos produtos de agente, mas sim entrar gradualmente na comunicação social, produção de conteúdo, colaboração de escritório, desenvolvimento de jogos, serviços empresariais e processos industriais. Quanto mais bons problemas existirem, mais rico será o feedback para a iteração do modelo; quanto mais bons produtos existirem, mais claro será o caminho para a implementação da capacidade de IA.
O foco de observação subsequente estará em se a Tencent conseguirá transformar os "bons problemas" mencionados por Yao Shunyu em resultados de produto escaláveis. A competição na segunda metade da IA testará mais a paciência organizacional, a compreensão do produto, a capacidade de engenharia e a densidade de cenários. Quem conseguir incorporar a capacidade técnica em produtos de alta frequência e processos industriais complexos terá mais hipóteses de avançar os grandes modelos da demonstração de capacidade para a produtividade real.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
