es.wedoany.com Noticia: El 5 de junio, en la Conferencia de Aplicaciones de la Industria de IA en la Nube de Tencent 2026, Yao Shunyu, científico jefe de IA de Tencent, afirmó que lo más importante en la segunda mitad de la IA es establecer una organización AGI a largo plazo en China. Resumió la construcción de capacidades de IA actual en tres partes: consolidar trabajos básicos como el preentrenamiento y el postentrenamiento, transformar tecnologías básicas en productos con verdadero valor social, y continuar explorando nuevos paradigmas de investigación y nuevas oportunidades.
El núcleo de este juicio es devolver la competencia de IA desde la capacidad de un solo modelo a la capacidad organizativa a largo plazo.
En los últimos años, la competencia en la industria de grandes modelos se ha concentrado intensamente en la escala de parámetros, los datos de entrenamiento, el costo de inferencia, el rendimiento en tablas de clasificación y el estallido de aplicaciones puntuales. El exterior también se ha acostumbrado a juzgar el progreso de IA de una empresa mediante indicadores de ciclo corto. Pero cuando el preentrenamiento, el postentrenamiento, el aprendizaje por refuerzo, la invocación de herramientas, la comprensión multimodal y los marcos de agentes han madurado gradualmente, los desafíos que enfrentan los equipos técnicos han cambiado: los métodos básicos ya han formado una ruta relativamente clara, y lo que realmente escasea es un sistema organizativo que pueda plantear continuamente buenas preguntas, consolidar profundamente las capacidades básicas de manera estable, integrar los modelos en productos reales y permitir una exploración a largo plazo en la investigación de vanguardia. Yao Shunyu desglosa la IA en tres partes: Foundation, Product y Frontier. En realidad, esto enfatiza que una organización AGI no puede inclinarse solo hacia la investigación de laboratorio, ni limitarse a empaquetar productos rápidos y superficiales, y mucho menos desconectarse de los usuarios reales y los problemas industriales. La capa base debe consolidar sólidamente el preentrenamiento, el postentrenamiento, los datos, la infraestructura y la ingeniería de modelos; la capa de producto debe permitir que los modelos ingresen en redes sociales, oficina, contenido, juegos, servicios empresariales y procesos industriales, formando un ciclo cerrado de retroalimentación del usuario e iteración del modelo; la capa de vanguardia necesita continuar explorando nuevos paradigmas de modelos, formas de agentes, capacidades multimodales, inteligencia incorporada y oportunidades técnicas que puedan surgir en el futuro. Si estos tres aspectos están desequilibrados, el equipo de IA puede caer fácilmente en un estado de "tener modelo pero sin escenario", "tener producto pero sin base" o "tener exploración pero difícil de implementar".
El énfasis de Yao Shunyu en una organización AGI a largo plazo también está relacionado con la propia estructura de productos de Tencent. Tencent posee numerosos escenarios de alta frecuencia como WeChat, QQ, Tencent Meeting, Tencent Docs, Tencent Cloud, juegos, ecosistema de contenido y servicios empresariales. Estos productos pueden proporcionar a la IA tareas reales, contextos reales y retroalimentación continua.
La competencia en la segunda mitad de la IA dependerá cada vez más de la "densidad de problemas". Cuanto más general sea el modelo, más necesario será encontrar problemas suficientemente específicos, de alta frecuencia y complejos para verificar y mejorar las capacidades. Para Tencent, el doble escenario de Internet de consumo e Internet industrial significa que la IA no es solo una herramienta independiente, sino que puede integrarse en los procesos diarios de comunicación, búsqueda, creación, colaboración, atención al cliente, I+D, marketing y gestión de los usuarios. Yao Shunyu mencionó anteriormente que encontrar problemas en la segunda mitad de la IA se vuelve más difícil, y Tencent tiene muchos buenos problemas y buenos productos, lo que resuena con la construcción de una organización AGI a largo plazo. Una organización de IA madura necesita comprender simultáneamente el modelo, el producto y el usuario; debe poder convertir el preentrenamiento y el postentrenamiento en una base estable, y también obtener continuamente nuevos datos, nuevas retroalimentaciones y nuevas tareas a través de escenarios de producto; debe servir a las necesidades de eficiencia actuales y también reservar espacio de exploración para nuevas formas de interacción y nuevas formas de aplicación que puedan surgir en el futuro. Para las grandes empresas, la dificultad de la organización de IA a largo plazo radica en evitar ser completamente guiada por los KPI a corto plazo, sin convertirse en un departamento de investigación puro desconectado del negocio. La "organización AGI a largo plazo" que menciona Yao Shunyu se acerca más a un equipo compuesto que conecta la investigación básica, los sistemas de ingeniería, los escenarios de producto y la exploración de vanguardia.
Esta ruta también indica que la industria de la IA está pasando del "ciclo de lanzamiento de modelos" al "ciclo de construcción organizativa". Lo que realmente determina la competitividad a largo plazo de una empresa de IA puede no ser si un lanzamiento de modelo es líder, sino si puede construir continuamente datos de alta calidad, infraestructura de cómputo estable, un excelente equipo de investigación, una fuerte interfaz de producto, un flujo de retroalimentación real y un mecanismo de exploración abierta. El preentrenamiento y el postentrenamiento determinan la altura de la base, la transformación del producto determina el valor social, y la exploración de vanguardia determina las posibilidades futuras. Si Tencent quiere formar una capacidad sostenible en la segunda mitad de la IA, necesita mantener estas tres partes dentro del mismo sistema a largo plazo, permitiendo que la capacidad del modelo, los escenarios de usuario y los paradigmas de investigación se impulsen mutuamente.
Los puntos clave de observación posteriores se centrarán en si Tencent puede convertir esta idea organizativa en productos y resultados técnicos específicos. Esto incluye la iteración posterior del modelo Hunyuan, la implementación de la matriz de productos de agentes, la expansión de los servicios de IA a nivel empresarial, el avance de la programación con IA y las capacidades multimodales, y si el equipo de investigación básica y los productos de alta frecuencia de Tencent pueden formar un ciclo cerrado de colaboración más eficiente. La segunda mitad de la IA no solo pondrá a prueba los parámetros del modelo y la velocidad de lanzamiento, sino también la capacidad de una empresa para identificar y resolver problemas a largo plazo, y sedimentar las capacidades técnicas en una productividad sostenible.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
