O caminho para a AGI: de modelos a sistemas no cenário da IA em 2026

Na Conferência Mundial de Inteligência Artificial (WAIC) de 2026, o foco da linha de grandes modelos e IA generativa mudou significativamente. Dos 130 participantes, 83 concentraram-se em agentes de IA ou aplicações inteligentes, enquanto apenas 18 permaneceram focados em modelos de grande escala básicos. Esta tendência reflete um movimento mais amplo da indústria de avaliar a inteligência dos modelos para avaliar o valor real criado pelos sistemas de IA. A unidade fundamental da competição em IA está evoluindo de modelos individuais para sistemas integrados. Em 2026, a indústria global de IA está num ponto crítico, com as discussões sobre AGI (Inteligência Artificial Geral) a passar da especulação teórica para o planeamento estratégico. Organizações como OpenAI, Anthropic e Google DeepMind consideram a AGI como o objetivo final do desenvolvimento da IA. Liang Wenfeng, fundador da DeepSeek, delineou um roteiro de seis etapas para a AGI, enfatizando a integração de modelos de linguagem, cadeia de pensamento, agentes, aprendizagem contínua, auto-iteração e inteligência incorporada. Ele enfatizou que cada etapa deve construir sobre a anterior para evitar esforços desperdiçados. Os elementos centrais do desenvolvimento de IA incluem poder de computação, dados, algoritmos, talento e estrutura organizacional. Em junho de 2026, o poder de computação inteligente da China atingiu 2185 EFLOPS, mas a competição está a mudar do desempenho de nível de chip para a eficiência de nível de sistema. O uso de dados na China para o treino e a inferência de IA atingiu 199,48 exabytes em 2025, com os dados de inferência a ultrapassar os dados de treino pela primeira vez. Liu Liehong, diretor da National Data Administration, destacou a transição da gestão de dados para o uso eficaz de dados. Os algoritmos também estão a evoluir de pequenas inovações para avanços fundamentais. A consenso da indústria está a mudar para modelos de mundo multimodais que compreendem as leis físicas, permitindo que a IA lide com tarefas de longo alcance e quebrando autonomamente objetivos complexos em subtarefas. Engenheiros de computação de alto desempenho estão em alta procura, com uma relação oferta-demanda de 0,15, e os cientistas de IA ganham uma média de 132.000 yuans por mês. As estruturas organizacionais estão a passar por mudanças sistémicas à medida que as empresas integram a investigação e o desenvolvimento de IA. Na China, a ByteDance integrou a equipa de produtos Feishu na Douyin, a Alibaba integrou várias linhas de produtos de agentes na Qianwen Office e a Tencent consolidou os seus recursos de investigação e desenvolvimento. Globalmente, a Amazon e a Google DeepMind também restruturaram as suas equipas para se concentrarem nas capacidades de modelos fundamentais e no desenvolvimento da AGI. A indústria da IA está a passar de 'adquirir inteligência' para 'inteligência organizacional'. Embora os modelos definam o limite superior das capacidades da IA, o sucesso na indústria requer uma abordagem holística que integre o poder de computação, os dados, os algoritmos, o talento e a arquitetura. O anúncio de recrutamento da DeepSeek enfatiza que a AGI não é apenas um objetivo distante, mas uma visão de longo prazo que requer um esforço sustentado e perseverança estratégica. Em 2026, o surgimento de agentes de IA tornou-se uma tendência clara, com os modelos a avançar de 20 para 70-80 pontos de capacidade. Os agentes agora realizam tarefas complexas através de ciclos de observação, pensamento e ação, em vez de interações simples de pergunta e resposta. No entanto, o desempenho dos agentes é fundamentalmente limitado pelos modelos de grande escala pré-treinados. O Professor Tang Jie da Universidade Tsinghua afirmou que o pré-treino fornece aos modelos conhecimento do mundo e capacidades básicas de raciocínio, e que mais dados, parâmetros maiores e mais computação são essenciais para escalar os modelos. O relatório técnico da Ant Group, Ling & Ring 2.6, destaca que a transformação de modelos em agentes redefine os objetivos de otimização dos sistemas de IA, com a capacidade de raciocínio enraizada no pré-treino. Li Qiang, vice-presidente da Tencent Cloud, comparou os grandes modelos com motores e a cadeia de engenharia como o processo de transformá-los em agentes funcionais, enfatizando a importância das capacidades de modelos fundamentais para a inovação da IA.