De acordo com pt.wedoany.com-No dia 6 de junho, na Conferência de Aplicação da Indústria de IA da Tencent Cloud 2026, Yao Shunyu, cientista-chefe de IA da Tencent, afirmou que a parte mais importante da segunda metade da IA é estabelecer uma organização de AGI de longo prazo na China. Ele resumiu a construção da capacidade de IA atual em três partes: consolidar trabalhos básicos como pré-treinamento e pós-treinamento, transformar tecnologias básicas em produtos com valor social real e continuar explorando novos paradigmas de pesquisa e novas oportunidades.
O cerne desse julgamento é trazer a competição de IA de volta da capacidade de um único modelo para a capacidade organizacional de longo prazo.
Nos últimos anos, a competição na indústria de grandes modelos concentrou-se intensamente na escala de parâmetros, dados de treinamento, custo de inferência, desempenho em rankings e explosão de aplicações pontuais, e o exterior também se acostumou a usar indicadores de curto prazo para avaliar o progresso de IA de uma empresa. No entanto, quando o pré-treinamento, pós-treinamento, aprendizado por reforço, chamada de ferramentas, compreensão multimodal e frameworks de agentes gradualmente amadureceram, os desafios enfrentados pelas equipes técnicas mudaram: os métodos básicos já formaram um caminho relativamente claro, e o que realmente é escasso é um sistema organizacional que possa continuamente propor boas perguntas, aprofundar capacidades básicas de forma estável, incorporar modelos em produtos reais e permitir a exploração de longo prazo em pesquisa de ponta. Yao Shunyu divide a IA em três partes: Foundation, Product e Frontier. Na prática, ele está enfatizando que uma organização de AGI não pode se inclinar apenas para a pesquisa em laboratório, nem pode se limitar a embalagens de produtos rápidas e superficiais, e muito menos pode se desconectar de usuários reais e problemas da indústria. A camada básica deve solidificar o pré-treinamento, pós-treinamento, dados, infraestrutura e engenharia de modelos; a camada de produto deve permitir que os modelos entrem em redes sociais, escritório, conteúdo, jogos, serviços empresariais e processos industriais, formando um ciclo fechado de feedback do usuário e iteração do modelo; a camada de fronteira precisa continuar explorando novos paradigmas de modelo, formas de agentes, capacidades multimodais, inteligência incorporada e oportunidades tecnológicas que possam surgir no futuro. Se as três estiverem desequilibradas, a equipe de IA pode facilmente cair em um estado de "ter modelo, mas sem cenário", "ter produto, mas sem base" ou "ter exploração, mas difícil de implementar".
A ênfase de Yao Shunyu em uma organização de AGI de longo prazo também está relacionada à própria estrutura de produtos da Tencent. A Tencent possui um grande número de cenários de alta frequência, como WeChat, QQ, Tencent Meeting, Tencent Docs, Tencent Cloud, jogos, ecossistema de conteúdo e serviços empresariais. Esses produtos podem fornecer tarefas reais, contextos reais e feedback contínuo para a IA.
A competição na segunda metade da IA dependerá cada vez mais da "densidade de problemas". Quanto mais genérico for o modelo, mais necessário será encontrar problemas suficientemente específicos, de alta frequência e complexos para verificar e melhorar as capacidades. Para a Tencent, os cenários duplos de internet de consumo e internet industrial significam que a IA não é apenas uma ferramenta independente, mas pode entrar nos processos diários de comunicação, pesquisa, criação, colaboração, atendimento ao cliente, P&D, marketing e gestão dos usuários. Yao Shunyu mencionou anteriormente que encontrar problemas na segunda metade da IA se tornou mais difícil, e a Tencent tem muitos bons problemas e bons produtos, o que ecoa a construção de uma organização de AGI de longo prazo. Uma organização de IA madura precisa entender simultaneamente modelos, produtos e usuários, sendo capaz de transformar pré-treinamento e pós-treinamento em uma base estável, e também obter continuamente novos dados, novos feedbacks e novas tarefas através de cenários de produtos; deve atender às necessidades de eficiência atuais, ao mesmo tempo que reserva espaço de exploração para novas formas de interação e novas formas de aplicação que possam surgir no futuro. Para grandes empresas, o desafio de tornar a organização de IA de longo prazo é evitar ser completamente guiada por KPIs de curto prazo, sem se tornar um departamento de pesquisa puro, desconectado dos negócios. A "organização de AGI de longo prazo" mencionada por Yao Shunyu está mais próxima de uma equipe composta que conecta pesquisa básica, sistemas de engenharia, cenários de produtos e exploração de fronteira.
Esse caminho também indica que a indústria de IA está passando do "ciclo de lançamento de modelos" para o "ciclo de construção organizacional". O que realmente determinará a competitividade de longo prazo de uma empresa de IA pode não ser se um determinado lançamento de modelo é líder, mas se ela pode construir continuamente dados de alta qualidade, infraestrutura de computação estável, uma excelente equipe de pesquisa, interfaces de produto fortes, fluxo de feedback real e mecanismos de exploração abertos. O pré-treinamento e o pós-treinamento determinam a altura da base, a transformação do produto determina o valor social, e a exploração de fronteira determina as possibilidades futuras. Se a Tencent quiser formar capacidade contínua na segunda parte da IA, ela precisa manter essas três partes no mesmo sistema de longo prazo, permitindo que a capacidade do modelo, os cenários do usuário e os paradigmas de pesquisa se impulsionem mutuamente.
O foco de observação subsequente estará em se a Tencent pode transformar essa ideia organizacional em produtos e resultados técnicos específicos. Isso inclui a iteração subsequente do modelo Hunyuan, a implementação da matriz de produtos de agentes, a expansão dos serviços de IA empresarial, o avanço da programação de IA e capacidades multimodais, e se a equipe de pesquisa básica e os produtos de alta frequência da Tencent podem formar um ciclo de colaboração mais eficiente. A segunda metade da IA não testará apenas os parâmetros do modelo e a velocidade de lançamento, mas também testará se uma empresa pode identificar e resolver problemas a longo prazo, e consolidar as capacidades técnicas em produtividade sustentável.
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
