Um assalto coordenado à fronteira da IA física
Enquanto os mercados norte-americanos permaneciam fixados nos últimos anúncios da Anthropic e da OpenAI, os gigantes tecnológicos da China orquestraram esta semana um lançamento sincronizado de sistemas avançados de inteligência artificial que assinala uma mudança dramática no panorama global da IA. A Alibaba, a ByteDance e a Kuaishou apresentaram modelos prontos para produção que abrangem robótica, geração de vídeo cinematográfico e sistemas agênticos autónomos, demonstrando que as empresas chinesas reduziram para apenas alguns meses a diferença tecnológica em relação aos concorrentes ocidentais.
Índice
- Um assalto coordenado à fronteira da IA física
- Quando as máquinas se lembram: a aposta da Alibaba na inteligência incorporada
- A disrupção de Hollywood: ByteDance e Kuaishou reescrevem a produção de vídeo
- Democratizar a inteligência: a onda de código aberto
- Três caminhos para o domínio: eficiência, narrativa e comércio
- O fosso a encurtar num mundo bifurcado
- O essencial
O momento foi inequivocamente estratégico. Os lançamentos coincidiram com o período do Ano Novo Lunar, o momento de consumo mais significativo da China, quando as empresas tecnológicas tradicionalmente apresentam inovações a centenas de milhões de espectadores durante a Gala do Festival da Primavera da CCTV. A ByteDance garantiu uma parceria exclusiva de nuvem de IA com a emissora estatal, enquanto a Alibaba lançou uma campanha promocional de 434 milhões de dólares e a Tencent comprometeu 1 mil milhões de yuan em ofertas de férias. Esta convergência de proeza técnica e marketing cultural sublinha a determinação de Pequim em dominar aquilo a que os especialistas do setor chamam a fronteira da IA física - sistemas que vão além dos chatbots para manipular objetos, gerar conteúdos multimédia fotorrealistas e executar fluxos de trabalho complexos de forma autónoma.
Quando as máquinas se lembram: a aposta da Alibaba na inteligência incorporada
A Academia DAMO da Alibaba apresentou o RynnBrain, um modelo de robótica de código aberto que representa um salto fundamental na forma como as máquinas percecionam e interagem com o mundo físico. Ao contrário dos sistemas de visão convencionais que processam fotogramas individuais de forma isolada, o RynnBrain incorpora consciência temporal e espacial integrada, permitindo aos robôs recordar quando e onde ocorreram acontecimentos, acompanhar o progresso de tarefas ao longo de vários passos e retomar atividades interrompidas.
Em vídeos de demonstração, robôs equipados com garras simples realizaram tarefas enganadoramente complexas: contar laranjas, selecionar frutas específicas de pilhas e ir buscar leite a frigoríficos. Estas atividades, triviais para os humanos, exigem capacidades computacionais substanciais, incluindo reconhecimento de objetos, mapeamento espacial, planeamento de trajetórias e memória sequencial. Adina Yakefu, investigadora na Hugging Face, explicou o significado desta inovação arquitetónica.
Em vez de reagir simplesmente a entradas imediatas, o robô consegue recordar quando e onde ocorreram acontecimentos, acompanhar o progresso da tarefa e continuar ao longo de vários passos. Isto torna-o mais fiável e coerente em ambientes complexos do mundo real.
O modelo utiliza uma arquitetura de mistura de especialistas que ativa apenas 3 mil milhões de parâmetros durante a inferência, mantendo os custos computacionais geríveis e, alegadamente, superando o Gemini Robotics-ER 1.5 da Google e o Cosmos-Reason2 da Nvidia em vários benchmarks. Ao disponibilizar o RynnBrain em código aberto no GitHub e na Hugging Face, a Alibaba está a minar concorrentes que cobram por capacidades comparáveis baseadas na nuvem, ao mesmo tempo que sinaliza ambições de estabelecer uma camada de inteligência fundamental para aplicações de automação industrial, logística e saúde.
A disrupção de Hollywood: ByteDance e Kuaishou reescrevem a produção de vídeo
O Seedance 2.0 da ByteDance e o Kling 3.0 da Kuaishou transformaram a geração de vídeo a partir de texto de uma novidade numa ferramenta de produção profissional, desafiando diretamente o Sora da OpenAI e criando aquilo que os analistas descrevem como uma plataforma de padrão industrial para conteúdos criativos.
O Seedance 2.0 processa simultaneamente entradas de texto, imagens, áudio e vídeo, gerando sequências cinematográficas até 15 segundos com personagens consistentes, física realista e áudio multilingue sincronizado. O sistema integra-se na suite Dreamina da ByteDance dentro do CapCut, posicionando-se como uma ferramenta acessível para anunciantes, criadores de redes sociais e produtores de cinema. Billy Boman, um diretor criativo sediado em Estocolmo que produz conteúdos gerados por IA, descreveu a trajetória tecnológica como transformadora.
Em 2023, era difícil fazer com que alguém corresse ou andasse. Qualquer tipo de realismo estava limitado a clipes muito curtos, tudo era muito lento, texturas más, sem texturas de pele, falta de detalhe. Agora o guião inverteu-se. Agora consigo fazer qualquer coisa. Os avanços tecnológicos têm sido nada menos do que excecionais.
No entanto, a rápida implementação expôs vulnerabilidades de governação. A ByteDance suspendeu uma polémica funcionalidade Face-to-Voice que conseguia reconstruir a voz específica e o estilo de fala de uma pessoa a partir de uma única fotografia, sem amostras de áudio ou consentimento. O crítico tecnológico chinês Tim Pan demonstrou a capacidade a 10 de fevereiro, descrevendo a experiência como aterrorizante depois de o sistema ter clonado a sua voz apenas a partir de uma imagem. O incidente realça a tensão entre capacidade tecnológica e salvaguardas éticas, sobretudo porque um vídeo viral que mostrava uma luta fabricada entre Tom Cruise e Brad Pitt gerou queixas formais da Motion Picture Association relativamente a uma violação massiva de direitos.
O Kling 3.0 da Kuaishou oferece pontos fortes complementares, enfatizando a narrativa profissional através de uma maior consistência do sujeito em sequências com vários planos, realismo físico em cenas complexas e geração de áudio nativo em vários idiomas e dialetos. O modelo suporta a produção de imagens em lote para storyboards e prolonga a duração de uma única geração para 15 segundos, permitindo ao mesmo tempo especificar com precisão a duração ao nível do plano, o enquadramento e o movimento de câmara. Atualmente disponível para subscritores pagantes, com lançamento público iminente, o Kling fez subir a cotação da Kuaishou mais de 50 por cento no último ano, refletindo a confiança dos investidores de que as ferramentas de conteúdo melhoradas por IA irão aprofundar o envolvimento e criar novas fontes de receita nos ecossistemas de vídeo curto.
Democratizar a inteligência: a onda de código aberto
Para além das aplicações viradas para o consumidor, os laboratórios chineses estão a acelerar a distribuição em código aberto de grandes modelos de linguagem e sistemas agênticos. A Zhipu AI lançou o GLM-5, afirmando que o modelo se aproxima do Claude Opus 4.5 da Anthropic em benchmarks de programação, ao mesmo tempo que supera o Gemini 3 Pro da Google em testes específicos. A MiniMax revelou o seu modelo de código aberto M2.5 atualizado, com ferramentas melhoradas para agentes autónomos, que são sistemas de IA capazes de executar fluxos de trabalho com vários passos, como agendamento, investigação ou implementação de software, com intervenção humana mínima.
Esta estratégia de código aberto contrasta fortemente com as abordagens comerciais fechadas de alguns líderes ocidentais da IA. Ao publicarem os pesos dos modelos, o código de treino e os conjuntos de dados, as empresas chinesas aceleram a adoção do ecossistema, recolhem feedback rápido e estimulam a inovação a jusante, contornando ao mesmo tempo as limitações computacionais impostas pelos controlos de exportação dos EUA sobre semicondutores avançados. A família Qwen da Alibaba ultrapassou o Llama da Meta como a série de modelos mais descarregada no Hugging Face em 2025, com equipas de origem chinesa a ocuparem atualmente oito dos dez primeiros lugares na lista de tendências da plataforma.
A Alibaba expandiu ainda mais o seu portefólio com o Qwen 3.5, concebido especificamente para a era da IA agêntica, com capacidades agênticas visuais que permitem ação independente em aplicações móveis e de secretária. A empresa afirma que o modelo é 60 por cento mais barato de operar e oito vezes melhor a processar grandes cargas de trabalho do que o seu antecessor, enquanto a ByteDance lançou simultaneamente o Doubao 2.0, uma atualização da aplicação de chatbot mais utilizada da China, que se aproxima dos 200 milhões de utilizadores.
Três caminhos para o domínio: eficiência, narrativa e comércio
Uma análise de mercado da Huachuang Securities revela um posicionamento estratégico distinto entre os três gigantes tecnológicos. A ByteDance está a construir infraestrutura de eficiência, oferecendo ferramentas de baixo limiar e baixo custo com capacidades generalizadas semelhantes a um CapCut avançado, com o objetivo de reduzir os custos de produção de conteúdo em toda a web e fomentar o seu ecossistema através de um volume de produção massivo.
A Kuaishou enfatiza a narrativa profissional, visando a simulação física, o realismo em cenas complexas e a consistência das personagens para demonstrações de filmes, narrativas cinematográficas e conteúdos de alta qualidade que exigem continuidade narrativa. Entretanto, a Alibaba concentra-se na integração vertical de comércio eletrónico, com o seu Qwen-Image-2.0 a reforçar capacidades na digitalização de produtos e em fluxos de trabalho comerciais, apoiado por campanhas promocionais que geraram mais de 120 milhões de encomendas em seis dias através da distribuição de cupões impulsionada por IA e da integração de entrega de comida.
Esta diferenciação reflete uma revolução mais ampla do lado da oferta na criação de conteúdos. À medida que a controlabilidade melhora e os sistemas gacha, em que os criadores têm de gerar conteúdo repetidamente para obter resultados utilizáveis, dão lugar a uma produção industrial previsível, o custo marginal da criação de vídeo está a convergir para despesas puramente computacionais. Os analistas preveem impactos significativos nas agências de marketing, nos prestadores de serviços de comércio eletrónico e nas indústrias de manhua e de dramas curtos, enquanto o valor da propriedade intelectual pode concentrar-se em conteúdos de topo à medida que as barreiras de produção diminuem.
O fosso a encurtar num mundo bifurcado
O diretor-executivo da Google DeepMind, Demis Hassabis, avaliou recentemente que os modelos chineses de IA estão apenas alguns meses atrás dos concorrentes ocidentais, uma diferença que continua a comprimir-se à medida que os laboratórios chineses otimizam modelos para hardware disponível localmente e desenvolvem capacidades nacionais de chips. A China representa agora mais de 70 por cento dos pedidos de patentes globais de IA, embora as empresas dos EUA mantenham a liderança em arquiteturas fundamentais e impacto em citações.
O panorama competitivo é cada vez mais definido pela eficiência de inferência e pela integração de ecossistemas, e não pelo desempenho bruto em benchmarks. A ascensão viral da DeepSeek no final de 2025 demonstrou que os laboratórios chineses conseguiam igualar o desempenho dos modelos ocidentais a uma fração do custo computacional, desencadeando uma aceleração em todo o setor. Os controlos de exportação dos EUA sobre chips de memória de alta largura de banda e equipamento avançado de fabrico complicaram, mas não travaram, este progresso, com empresas como a Huawei a avançar com linhas de produção de semicondutores autossuficientes.
Simultaneamente, as empresas tecnológicas dos EUA apertaram o acesso a programadores chineses. A OpenAI proibiu o acesso à API em julho de 2024, a Microsoft terminou os serviços Azure OpenAI para programadores individuais na China continental, e relatos indicam suspensões de contas no Claude da Anthropic. Estas restrições só intensificaram os esforços de desenvolvimento nacional, criando um panorama multipolar da IA em que a liderança varia por domínio e não apenas por geografia.
O essencial
- A Alibaba, a ByteDance e a Kuaishou lançaram modelos de IA coordenados durante o período do Ano Novo Lunar, visando robótica, geração de vídeo e sistemas agênticos
- O modelo de robótica de código aberto RynnBrain da Alibaba incorpora consciência temporal e espacial, permitindo aos robôs acompanhar tarefas ao longo de vários passos e recordar interações com objetos
- O Seedance 2.0 da ByteDance gera vídeo cinematográfico a partir de comandos de texto, mas suspendeu uma funcionalidade de clonagem de voz devido a preocupações com o consentimento depois de um crítico ter demonstrado capacidades aterrorizantes
- O Kling 3.0 da Kuaishou enfatiza a narrativa profissional com geração de vídeo de 15 segundos, áudio multilingue e maior consistência das personagens, impulsionando um aumento de 50 por cento na cotação das ações no último ano
- As empresas chinesas de IA estão a adotar estratégias agressivas de código aberto, com a série Qwen da Alibaba a ultrapassar o Llama da Meta como a mais descarregada no Hugging Face
- A diferenciação estratégica mostra a ByteDance focada na infraestrutura de eficiência, a Kuaishou no realismo cinematográfico e a Alibaba na integração vertical de comércio eletrónico
- A Google DeepMind estima que os modelos chineses estão apenas alguns meses atrás dos congéneres ocidentais, com a diferença a diminuir mais rapidamente na eficiência de inferência e em aplicações multimodais
