O executivo da Tencent, Tang Daosheng, abordou as críticas à estratégia de IA numa entrevista aos media a 5 de junho, afirmando que a concorrência é uma maratona e não um sprint. Tang, Senior Executive Vice President do Grupo Tencent e CEO do Cloud & Smart Industries Group, respondeu de forma sistemática às perguntas do mercado sobre se a Tencent tem sido “lenta” no desenvolvimento de IA. Reconheceu diferenças por fases no progresso entre as várias unidades de negócio da Tencent, mas sublinhou a abordagem da empresa a longo prazo. A entrevista abrangeu a implementação de agentes de IA da Tencent, desafios de capacidade de computação e o impacto de Yao Shunyu, antigo investigador da OpenAI, que se juntou à Tencent no final do ano, aos 28 anos.
Tang Daosheng apelida a concorrência de IA de maratona
Tang Daosheng abriu a sua resposta dizendo: “Lembro-me de que Shunyu mencionou no palco que o termo ‘segunda metade’ é algo usado em excesso; agora parece mais uma maratona, uma competição de prazo mais longo.” Admitiu que já passaram mais de três anos desde o lançamento do ChatGPT, período durante o qual a indústria sofreu mudanças dramáticas. “O ecossistema de negócios da Tencent é muito diverso e fazemos muitas coisas. E também acho que é difícil garantir que cada setor seja o mais avançado da indústria. É normal que negócios diferentes se movam mais depressa ou mais devagar em fases diferentes”, afirmou Tang.
Tang apontou a resposta da Tencent à vaga inicial de agentes de IA deste ano como exemplo de execução rápida. “Vendo por outro ângulo, por exemplo, esta vaga inicial deste ano: a Tencent também é reconhecida como tendo a resposta mais rápida no mercado doméstico, e agora o WorkBuddy também é o produto mais popular nesta vertente”, afirmou. Acrescentou ainda que a filosofia de produtos da Tencent é “persistir através dos ciclos quando determinamos que algo é valioso”.
Yao Shunyu traz foco na integração modelo-produto
A chegada de Yao Shunyu trouxe três mudanças fundamentais à IA da Tencent, segundo Tang. Primeiro, impulsionou a coordenação entre modelos e produtos. “Antes, quando o Hunyuan estava muito preocupado com rankings externos, passou diretamente a usar a experiência do utilizador do produto como métrica central”, explicou Tang.
Em segundo lugar, Yao melhorou significativamente a qualidade dos dados. “Os nossos dados pareciam abundantes, mas não tinham qualidade suficiente. No início, antes de treinar o Hunyuan 3, uma grande parte do trabalho dele era melhorar a qualidade dos dados, incluindo cortar muitos dados que pareciam aumentar o volume, mas que na verdade ajudavam pouco ou até prejudicavam o treino do modelo”, disse Tang.
Terceiro, Yao introduziu uma filosofia de simplificação. Tang afirmou: “Se não compreende a importância da qualidade dos dados e procura cegamente mais Tokens, então não consegue tomar a decisão de cortar dados.” Explicou que, sob influência da Lei de Escala, arquiteturas de modelos complexas com muitos truques tornam a escalabilidade mais difícil, enquanto arquiteturas mais simples com poder de computação e parâmetros suficientes permitem que os dados demonstrem plenamente o potencial das capacidades do modelo. Tang atribuiu a Yao “grande mérito” pelo progresso do Hunyuan 3, apesar de não ser um modelo muito grande.
Atualmente, cerca de 80% dos utilizadores do Yuanbao estão a usar o Hunyuan 3, com taxas de retenção do produto a mostrar uma melhoria clara. Tang revelou que as equipas do Yuanbao e do Hunyuan irão brevemente passar para o mesmo edifício para facilitar a comunicação e o alinhamento.
Tencent lança mais de 20 ferramentas de agentes de IA para cenários verticais
A Tencent lançou ferramentas de agentes de IA focadas em eficiência para mais de 20 cenários verticais, com o WorkBuddy e o CodeBuddy como produtos de referência. Tang afirmou: “A Tencent tem sempre estado muito focada na experiência do produto, em responder às necessidades dos utilizadores e em proporcionar valor aos utilizadores. Estes objetivos precisam de produtos como veículo para que os utilizadores obtenham esse valor; por isso, quando as pessoas olham para a Tencent, geralmente dizem que a Tencent é uma empresa de produtos. Isso está no DNA da nossa equipa; não acho que haja grande mudança na era da IA.”
A Tencent adotou uma estratégia aberta de modelo para agentes de IA. “Hoje, para o CodeBuddy e o WorkBuddy, também adotamos uma estratégia de modelo aberto. Como estas ferramentas gerais precisam de suportar vários cenários para diferentes empresas e utilizadores, esperamos dar aos utilizadores direitos de seleção do modelo”, explicou Tang.
Sobre a relação do WorkBuddy com o Enterprise WeChat, Tang disse que os dois vão coexistir e desenvolverem-se em conjunto. “O Enterprise WeChat vai focar-se mais na comunicação interna pessoa-a-pessoa, na comunicação pessoa-para-serviço, ou no acesso direto ao OA com alguns processos de aprovação. Mas também conseguimos imaginar modos de trabalho futuros em que haja mais colaboração humano-IA; esperamos que o WorkBuddy forneça uma experiência de produto mais natural, nativa de IA”, afirmou.
Tencent enfrenta gargalo de fornecimento de GPU
Tang reconheceu por várias vezes que, atualmente, a Tencent enfrenta um grave gargalo na oferta de capacidade de computação. “Nos relatórios financeiros dos últimos trimestres, vários investidores colocaram questões relacionadas. Temos consistentemente estado numa situação em que a capacidade de computação da infraestrutura não é suficiente. Com recursos limitados, damos prioridade às necessidades internas, incluindo o treino do Hunyuan, necessidades do WeChat, necessidades de reuniões, etc. O Yuanbao também consome uma quantidade considerável de recursos de computação”, afirmou Tang.
Ele explicou que a potência real de computação de GPU alocada aos serviços cloud para clientes em diferentes setores tem casos de referência, mas não consegue cobrir integralmente todas as necessidades dos clientes. “Ao longo dos últimos dois ou três anos, continuamos a priorizar servir bem os produtos internos. Na verdade, os produtos internos também estão a servir utilizadores externos; por isso, de facto, para a Tencent, esta prioridade é um pouco mais elevada do que alugar GPUs”, acrescentou Tang.
Tang expressou expectativa por mais capacidade de computação doméstica na segunda metade do ano. “Esperamos muito que chegue mais capacidade de computação doméstica na segunda metade do ano para apoiar o negócio cloud. À medida que chegar mais capacidade de computação doméstica na segunda metade, enquanto satisfazemos as necessidades internas, também conseguimos servir entidades externas. Este é o nosso plano atual”, disse.
Quanto a saber se a Tencent aumentaria o investimento no desenvolvimento de chips proprietários, Tang afirmou: “Primeiro, fazer design de chips por nossa conta não resolve o problema de capacidade de produção. Como lido com muitos fabricantes e parceiros de chips, acredito que nenhuma empresa hoje tem capacidade de produção suficiente para satisfazer a procura atual do mercado; por isso, estas duas coisas são na prática assuntos separados. A nossa abordagem atual, ou esta estratégia de combinação de ecossistemas, permite-nos na verdade cooperar com mais fabricantes de chips e torna todos muito mais dispostos a abraçar a Tencent como benchmark-exemplo de capacidade de computação.”
Tencent não define metas de comercialização para agentes de IA
Tang afirmou claramente que o negócio de IA da Tencent, neste momento, dá prioridade à melhoria da experiência do produto em vez de perseguir receitas de comercialização. “Para agentes de IA como o WorkBuddy e o CodeBuddy, ainda estamos no período de investimento; não definimos metas de comercialização para a equipa do Buddy”, disse Tang. “O volume de chamadas de agentes não é uma métrica de comercialização; é uma métrica de utilização. A comercialização não é o nosso foco atual; ainda precisamos de refinar bem o produto, servir mais utilizadores e demonstrar que é uma ferramenta que pode criar valor para todos e melhorar a eficiência do trabalho.”
Ele reconheceu que a comercialização funciona como um regulador necessário. “Como os recursos de capacidade de computação são limitados, como filtrar aqueles que mais precisam deste produto e que reconhecem mais o valor que ele cria — valor que vale pagar para obter capacidade de computação — penso que também é algo que os produtos de agentes precisam de considerar no processo de desenvolvimento”, explicou Tang.
Sobre a guerra de preços de modelos em grande escala na indústria, Tang afirmou que a tendência geral da indústria é que os custos de inferência por Token diminuam continuamente, o que ajuda na popularização e na aplicação das capacidades de IA a mais cenários. No entanto, diferentes especificações de modelos terão estratégias de preços diferentes. “Muitos fabricantes agora fazem modelos de diferentes especificações; os que têm relativamente menos parâmetros conseguem corresponder a cenários com exigências de maior custo-eficácia, mas ao mesmo tempo, alguns problemas particularmente difíceis precisam de modelos maiores com custos mais elevados, e as estratégias de preços de todos vão diferir em conformidade”, disse.
Tang reconheceu que, nas tendências de competição de IA e serviços cloud, a Tencent ainda está na fase de investimento e construção de produto. “Os concorrentes estão de facto à nossa frente no planeamento comercial; o nosso estilo é muito diferente”, afirmou.
FAQ
O que é que Tang Daosheng disse sobre o ritmo de desenvolvimento de IA da Tencent a 5 de junho?
Tang Daosheng afirmou numa entrevista aos media a 5 de junho que a concorrência em IA é uma maratona e não um sprint. Reconheceu diferenças por fases no progresso da IA da Tencent nas suas várias unidades de negócio, mas sublinhou a abordagem a longo prazo da empresa. Tang apontou a resposta rápida da Tencent à vaga inicial de agentes de IA deste ano como evidência da capacidade de execução da empresa, referindo que o WorkBuddy se tornou o produto mais popular na sua vertente.
Que mudanças é que Yao Shunyu trouxe à IA da Tencent após se juntar?
De acordo com Tang Daosheng, Yao Shunyu trouxe três mudanças fundamentais: impulsionou a coordenação modelo-produto ao fazer com que o Hunyuan passasse do foco em rankings externos para métricas de experiência do utilizador; melhorou significativamente a qualidade dos dados ao cortar dados de treino com baixo valor; e introduziu uma filosofia de simplificação que dá prioridade a arquiteturas mais simples, com poder de computação suficiente, em vez de modelos complexos com muitos truques técnicos. Atualmente, cerca de 80% dos utilizadores do Yuanbao estão a usar o Hunyuan 3, com taxas de retenção melhoradas.
Que desafios de capacidade de computação enfrenta a Tencent para o seu negócio de IA?
Tang Daosheng reconheceu que a Tencent enfrenta um grave gargalo no fornecimento de GPU, com a capacidade de computação da infraestrutura consistentemente insuficiente. A empresa prioriza necessidades internas, incluindo o treino do Hunyuan, o WeChat, reuniões e o Yuanbao, em vez de alugar capacidade de computação de GPU a clientes cloud externos. Tang expressou a expectativa de que haja mais capacidade de computação doméstica na segunda metade do ano para satisfazer tanto as necessidades internas como as exigências de serviços cloud externos.
