¿Tencent, Alibaba y ByteDance están creando “mundos” para la IA? Detrás de esto se esconde la batalla por la supervivencia en la segunda mitad de la era de la IA
Hola a todos, soy vuestro periodista financiero. Hoy vamos a hablar sobre un tema que suena un poco futurista, pero que en realidad está cambiando profundamente la estructura de la industria tecnológica: ¿Por qué Tencent, Alibaba, ByteDance, e incluso empresas extranjeras como OpenAI y Anthropic están invirtiendo tanto esfuerzo en crear “agentes inteligentes” (AI Agents)?
Si seguís las noticias sobre IA, probablemente habréis notado que los grandes modelos se compiten por ser más inteligentes y responder más rápidamente. Pero esta vez la competencia se centra en algo más fundamental y crítico: el entorno en el que operan.
Para que lo entendáis mejor, primero resumiré los puntos clave de este informe detallado de “Ji Zi Guang Nian” y luego lo analizaré en cinco aspectos para explicaros la lógica y las oportunidades que esto conlleva.
📝 Resumen de los puntos clave
En resumen, el desarrollo de la IA ha entrado en su segunda mitad. En la primera mitad, la competencia se centraba en la capacidad para resolver problemas (como escribir código o artículos); ahora, lo importante es la capacidad para definir problemas y trabajar en entornos complejos.
Para que la IA pueda realizar tareas complejas de manera similar a los humanos (como corregir errores, reservar vuelos o gestionar bases de datos), no basta con proporcionarle datos estáticos. Necesita un entorno de entrenamiento interactivo donde pueda aprender de sus errores y recibir retroalimentación real.
Actualmente, empresas como Tencent Hunyuan, Alibaba Tongyi, ByteDance, así como empresas extranjeras como OpenAI y Anthropic, están invirtiendo enormes recursos en crear estos “mundos virtuales”. Esto no es solo una competencia tecnológica, sino que también está dando lugar a un nuevo mercado de infraestructura: aquel que pueda ofrecer entornos de entrenamiento de IA de alta calidad, a gran escala y capaces de evolucionar, podría convertirse en el próximo “Scale AI” (un gigante en el etiquetado de datos).
---
🔍 Análisis detallado: cinco dimensiones para comprender la creación de “mundos” para la IA
1. ¿Por qué de repente se está creando “mundo” para la IA? Porque la IA necesita empezar a “trabajar”
Antes, cuando hablábamos con la IA, era como consultar un enciclopedista: preguntabas y ella respondía sin necesidad de tomar ninguna acción. Pero ahora queremos que la IA realice tareas concretas.
Imaginaos que le pedís a un estudiante práctico que resuelva un problema técnico. No le puedes dar solo un manual de troubleshooting (datos estáticos); necesitas una computadora, un repositorio de código y un entorno de ejecución donde pueda probar diferentes soluciones y ver los cambios en el sistema. Eso es exactamente lo que necesita un agente inteligente.
Yao Shunyu, el principal científico de IA de Tencent, lo explica claramente: “Sin un buen entorno, los agentes inteligentes no pueden realizar diversas tareas”.
En los últimos seis meses, el equipo de Hunyuan ha publicado seis artículos sobre este tema. Descubrieron que los datos de entrenamiento anteriores eran simplemente documentos inactivos; ahora deben ser procesos interactivos. La IA no solo necesita saber cómo escribir código, sino también cómo este afecta a la base de datos y qué tipo de errores aparecen.
En otras palabras: antes se enseñaba a la IA a “recitar recetas”; ahora se le enseña a “cocinar” en un entorno real.
2. ¿Cómo lo está haciendo Tencent Hunyuan? Cuatro equipos trabajando juntos
Tencent Hunyuan está haciendo un esfuerzo considerable, con al menos cuatro equipos trabajando simultáneamente en diferentes direcciones:
- Primero: extender el alcance de las tareas:
Las pruebas anteriores solían durar solo unos minutos. El equipo ha creado el “Long-Horizon-Terminal-Bench”, que prolonga las tareas a varias horas. Por ejemplo, en lugar de pedirle que escriba “Hello World”, le piden que implemente un servicio completo. Además, han generado 37,000 tareas de este tipo de forma automatizada, a un costo promedio de 5 centavos por cada una. Esto demuestra que la creación de entornos de entrenamiento puede ser escalable y económica.
- Segundo: llevar el entorno a los dispositivos móviles:
El equipo de visión de Hunyuan ha desarrollado “PhoneWorld”, que incluye 34 aplicaciones simuladas (como Tencent Health o Maps). La IA debe poder reservar vacunas o coordinar acciones entre diferentes aplicaciones, como lo haríamos en un teléfono real.
- Tercero: hacer que el entorno evolucione:
Es crucial que el entorno sea dinámico; si es demasiado simple, la IA puede aprenderlo rápidamente y no adquirir nuevos conocimientos. Por eso el equipo no crea entornos desde cero, sino que los hace evolucionar automáticamente. Por ejemplo, un entorno que inicialmente solo generaba páginas web estándar ahora necesita ser capaz de mantenerse, gestionar concurrencia y actualizarse constantemente.
- Cuarto: integrar en el proceso de entrenamiento:
Han automatizado los pasos de generación de tareas, creación de entornos de pruebas y verificación de resultados, integrándolos directamente en el proceso de entrenamiento de la IA. Esto permite que la IA practique en estos mundos virtuales en tiempo real, en lugar de tener que aprender después.
Nota importante: Dentro de Tencent se ha producido un reorganización: los modelos de lenguaje y los modelos multimodales han sido fusionados bajo la dirección de Yao Shunyu, quien también se encarga del desarrollo de capacidades de aprendizaje automático. Esto demuestra que la creación de entornos no es un proyecto de un solo equipo, sino una estrategia a nivel corporativo.
3. Alibaba y ByteDance también están compitiendo, y con más intensidad
Tencent no es el único; Alibaba y ByteDance también están invirtiendo en este área, cada uno con enfoques distintos:
- Alibaba Tongyi: Han publicado un artículo titulado “Towards General Agentic Intelligence via Environment Scaling” (Hacia la inteligencia general a través de la expansión del entorno). Uno de los autores es Zhou Jingren, el principal científico de IA de Alibaba.
Su idea es que cuanto más variados sean los entornos con los que la IA interactúa, más herramientas podrá utilizar en el futuro. Alibaba ha creado más de 800,000 entornos de ingeniería de software verificados, lo que es impresionante.
- ByteDance Seed: Han desarrollado “Agent-World”, con más de 2,000 entornos y 19,000 herramientas. El entorno se genera dinámicamente; si la IA se estanca en algo, el sistema crea tareas nuevas y específicas para entrenarla.
Lo que tienen en común: Todos están pasando de usar datos estáticos a entornos de interacción dinámica. Además, todos se enfrentan al mismo desafío: crear entornos de alta calidad es muy difícil.
4. El mayor obstáculo: el 99.7% de los entornos actuales son inútiles. ¿Cómo superarlo?
Este es el dato más preocupante del artículo:
El equipo de Hunyuan analizó 47,678 entornos públicos de GitHub y Hugging Face y solo seleccionó 127 después de una rigurosa selección (comprobando si tenían errores, si eran adecuados y si los criterios de evaluación eran claros).
La tasa de eliminación fue del 99.7%. ¿Por qué?
1. Calidad deficiente: Muchos entornos tenían errores o criterios de prueba incoherentes.
2. Demasiado simples o falsos: Los modelos pequeños no necesitan entornos sofisticados, pero los modelos grandes son muy inteligentes y pueden encontrar formas de superar las pruebas de forma artificial, lo que no significa que realmente hayan aprendido algo.
3. Inestabilidad: OpenAI y Anthropic han descubierto que el rendimiento de la IA puede variar significativamente dependiendo de la configuración del ordenador. Un entorno inestable afecta negativamente el entrenamiento.
¿Qué significa esto? La creación de entornos de entrenamiento no es una tarea sencilla; requiere conocimientos especializados en IA y en la construcción de escenarios comerciales virtuales estables y realistas.
5. ¿Quién será el próximo “Scale AI”? Nace una nueva oportunidad de negocio
En la era de los grandes modelos, los gigantes en el etiquetado de datos (Scale AI) valían 29 mil millones de dólares. Ahora, el atractivo de este mercado está disminuyendo, y la creación de entornos de entrenamiento se está convirtiendo en una nueva tendencia.
- Empresas emergentes: Hay empresas como UniPat AI, liderada por Alibaba con una valoración de 2.5 mil millones de dólares, que se especializan en el diseño de tareas, la creación de entornos de pruebas y la definición de estándares.
- Adquisiciones: Empresas como Deeptune, adquirida por Mercor, replican entornos reales de software (como Salesforce o Slack) para entrenar a la IA.
- Los propios gigantes: También están invirtiendo en este campo, con casi la mitad de sus nuevos proyectos relacionados con la creación de entornos de aprendizaje automático.
¿Por qué los gigantes lo hacen en casa? Aunque la creación de entornos es rentable, Tencent, Alibaba y ByteDance lo hacen internamente. Los entornos afectan directamente el potencial de los modelos, por lo que son información confidencial y requieren recursos de cloud computing (como sandboxes y alta concurrencia), que los gigantes pueden proporcionar de manera más eficiente.
¿Dónde están las oportunidades futuras? Los gigantes conocen los modelos y las plataformas de cloud, pero ¿quién entiende los flujos de negocio reales? Por ejemplo, cómo funciona un sistema de registro en un hospital o un proceso de revisión de contratos en un despacho de abogados. Estas complejas realidades son difíciles de replicar, por lo que las empresas que combinan conocimientos del sector con habilidades para crear entornos de IA podrían convertirse en los próximos gigantes.
💡 Conclusión: de resolver problemas a definir problemas
Como dijo Yao Shunyu el año pasado, el foco de la segunda mitad de la era de la IA es pasar de resolver problemas a definirlos. Esto se hace a través de la creación de entornos complejos que permitan a la IA aprender a identificar, analizar y resolver problemas en situaciones inciertas.
Para el público en general, esto significa que los asistentes virtuales de IA no serán solo herramientas de comunicación, sino empleados digitales que podrán ayudarnos con tareas administrativas, escribir y depurar código, e incluso gestionar nuestro calendario y finanzas.
Para inversores y emprendedores, los entornos de entrenamiento de IA representan una oportunidad prometedora. Aunque no requiere tanto capital como los modelos grandes, está más relacionado con la aplicación práctica de la tecnología y pone a prueba el entendimiento del mundo real.
En resumen: Antes le dábamos datos a la IA; ahora le estamos creando entornos reales. Quien desarrolle entornos más realistas, complejos y estables, será quien permita que la IA funcione mejor en el mundo real.