Репортаж от Wedoany，6 июня на конференции Tencent Cloud AI Industry Application Conference 2026 главный научный сотрудник Tencent по ИИ Яо Шуньюй заявил, что на втором этапе развития ИИ важнее всего создать в Китае долгосрочную AGI-организацию. Он обобщил текущее развитие ИИ-возможностей в три части: укрепление фундаментальных работ, таких как предварительное и последующее обучение, преобразование базовых технологий в продукты, имеющие реальную социальную ценность, и постоянное исследование новых парадигм и возможностей.
Суть этого суждения заключается в том, чтобы вернуть конкуренцию в сфере ИИ от возможностей отдельных моделей к долгосрочным организационным возможностям.
В последние несколько лет конкуренция в индустрии больших языковых моделей была сосредоточена на масштабе параметров, обучающих данных, стоимости вывода, результатах в рейтингах и успехе точечных приложений. Внешние наблюдатели привыкли оценивать прогресс компании в области ИИ по краткосрочным показателям. Однако, когда предварительное обучение, последующее обучение, обучение с подкреплением, вызов инструментов, мультимодальное понимание и фреймворки для агентов постепенно созрели, задачи, стоящие перед техническими командами, изменились: базовые методы сформировали относительно четкий маршрут, а настоящим дефицитом стала организационная система, способная постоянно задавать правильные вопросы, стабильно углублять фундаментальные возможности, встраивать модели в реальные продукты и позволять передовым исследованиям вести долгосрочные изыскания. Яо Шуньюй разделил ИИ на три части: Foundation, Product и Frontier. По сути, он подчеркивает, что AGI-организация не может быть ориентирована только на лабораторные исследования, не может заниматься лишь быстрой упаковкой продуктов и, тем более, не может быть оторвана от реальных пользователей и промышленных задач. Базовый уровень должен основательно проработать предварительное обучение, последующее обучение, данные, инфраструктуру и модельную инженерию; продуктовый уровень должен внедрять модели в социальные сети, офисные приложения, контент, игры, корпоративные сервисы и бизнес-процессы, формируя замкнутый цикл обратной связи от пользователей и итерации моделей; передовой уровень должен продолжать исследовать новые парадигмы моделей, формы агентов, мультимодальные возможности, воплощенный интеллект и будущие технологические возможности. Если эти три составляющие разбалансированы, команда ИИ рискует оказаться в ситуации «есть модель, но нет сценария», «есть продукт, но нет основы» или «есть исследования, но их трудно внедрить».
Акцент Яо Шуньюя на долгосрочной AGI-организации также связан с собственной продуктовой структурой Tencent. Tencent владеет множеством высокочастотных сценариев, таких как WeChat, QQ, Tencent Meeting, Tencent Docs, Tencent Cloud, игры, контентная экосистема и корпоративные сервисы. Эти продукты могут предоставлять ИИ реальные задачи, реальный контекст и непрерывную обратную связь.
На втором этапе развития ИИ конкуренция будет все больше зависеть от «плотности проблем». Чем более универсальной становится модель, тем больше ей нужно находить достаточно конкретные, достаточно частотные и достаточно сложные проблемы для проверки и улучшения своих возможностей. Для Tencent двойные сценарии потребительского и промышленного интернета означают, что ИИ — это не просто отдельный инструмент, а нечто, что может войти в ежедневные процессы общения, поиска, создания контента, совместной работы, обслуживания клиентов, исследований и разработок, маркетинга и управления пользователей. Ранее Яо Шуньюй говорил, что на втором этапе развития ИИ находить проблемы становится сложнее, и у Tencent есть много хороших проблем и хороших продуктов, что перекликается с построением долгосрочной AGI-организации. Зрелая ИИ-организация должна одновременно понимать модели, продукты и пользователей, уметь делать предварительное и последующее обучение стабильной основой, а также постоянно получать новые данные, новую обратную связь и новые задачи через продуктовые сценарии; она должна обслуживать текущие потребности в повышении эффективности и одновременно оставлять пространство для исследований будущих новых способов взаимодействия и новых форм приложений. Для крупных компаний сложность долгосрочной ИИ-организации заключается в том, чтобы избежать полного подчинения краткосрочным KPI, но при этом не превратиться в чисто исследовательский отдел, оторванный от бизнеса. «Долгосрочная AGI-организация», о которой говорит Яо Шуньюй, больше похожа на комплексную команду, соединяющую фундаментальные исследования, инженерные системы, продуктовые сценарии и передовые изыскания.
Этот путь также показывает, что ИИ-индустрия переходит от «цикла выпуска моделей» к «циклу построения организаций». Фактором, определяющим долгосрочную конкурентоспособность ИИ-компании, может быть не то, опережает ли она других в очередном выпуске модели, а то, способна ли она постоянно создавать высококачественные данные, стабильную вычислительную инфраструктуру, сильную исследовательскую команду, мощные продуктовые интерфейсы, реальный поток обратной связи и открытый механизм исследований. Предварительное и последующее обучение определяют высоту фундамента, преобразование в продукты определяет социальную ценность, а передовые исследования определяют будущие возможности. Если Tencent хочет сформировать устойчивые возможности на втором этапе развития ИИ, ей необходимо поддерживать эти три части в единой системе, позволяя возможностям моделей, пользовательским сценариям и исследовательским парадигмам взаимно стимулировать друг друга.
Ключевым моментом для дальнейшего наблюдения станет то, сможет ли Tencent преобразовать эту организационную идею в конкретные продукты и технологические результаты. Это включает в себя последующие итерации модели Hunyuan, внедрение продуктовой матрицы агентов, расширение корпоративных ИИ-сервисов, продвижение ИИ-программирования и мультимодальных возможностей, а также формирование более эффективного замкнутого цикла сотрудничества между фундаментальной исследовательской командой и высокочастотными продуктами Tencent. Второй этап развития ИИ будет проверять не только параметры моделей и скорость их выпуска, но и способность компании долгосрочно выявлять и решать проблемы, а также превращать технологические возможности в устойчивую производительность.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
