Uma ofensiva coordenada na fronteira da IA física
Enquanto os mercados americanos continuavam concentrados nos anúncios mais recentes da Anthropic e da OpenAI, os gigantes da tecnologia da China coordenaram nesta semana o lançamento de sistemas avançados de inteligência artificial, sinalizando uma mudança drástica no cenário global da IA. Alibaba, ByteDance e Kuaishou apresentaram modelos prontos para produção nas áreas de robótica, geração de vídeos cinematográficos e sistemas autônomos baseados em agentes, demonstrando que as empresas chinesas reduziram para poucos meses a defasagem tecnológica em relação às concorrentes ocidentais.
Conteúdo
- Uma ofensiva coordenada na fronteira da IA física
- Quando as máquinas se lembram: a aposta da Alibaba na inteligência incorporada
- A disrupção de Hollywood: ByteDance e Kuaishou reformulam a produção de vídeo
- Democratização da inteligência: a onda do código aberto
- Três caminhos para a liderança: eficiência, narrativa e comércio
- A redução da distância em um mundo dividido
- O essencial
O momento foi claramente estratégico. Os lançamentos coincidiram com o período do Ano-Novo Lunar, o momento de maior importância para o consumo na China, quando empresas de tecnologia tradicionalmente apresentam inovações a centenas de milhões de espectadores durante o Gala do Festival da Primavera da CCTV. A ByteDance firmou uma parceria exclusiva de nuvem para IA com a emissora estatal, enquanto a Alibaba lançou uma campanha promocional de US$ 434 milhões e a Tencent destinou 1 bilhão de yuans a brindes de feriado. Essa convergência entre capacidade técnica e marketing cultural destaca a determinação de Pequim de dominar o que especialistas do setor chamam de fronteira da IA física: sistemas que vão além dos chatbots para manipular objetos, gerar conteúdo fotorrealista e executar fluxos de trabalho complexos de forma autônoma.
Quando as máquinas se lembram: a aposta da Alibaba na inteligência incorporada
A DAMO Academy, da Alibaba, apresentou o RynnBrain, um modelo de robótica de código aberto que representa um avanço fundamental na forma como as máquinas percebem e interagem com o mundo físico. Ao contrário dos sistemas de visão convencionais, que processam cada quadro isoladamente, o RynnBrain incorpora percepção temporal e espacial, permitindo que robôs se lembrem de quando e onde os eventos ocorreram, acompanhem o progresso de tarefas em várias etapas e retomem atividades interrompidas.
Em vídeos de demonstração, robôs equipados com pinças simples realizaram tarefas surpreendentemente complexas: contar laranjas, selecionar frutas específicas entre várias outras e retirar leite de geladeiras. Essas atividades, triviais para as pessoas, exigem capacidade computacional considerável, incluindo reconhecimento de objetos, mapeamento espacial, planejamento de trajetórias e memória sequencial. Adina Yakefu, pesquisadora da Hugging Face, explicou a importância dessa inovação arquitetônica.
Em vez de apenas reagir a estímulos imediatos, o robô pode se lembrar de quando e onde os eventos ocorreram, acompanhar o progresso das tarefas e prosseguir por várias etapas. Isso o torna mais confiável e coerente em ambientes complexos do mundo real.
O modelo utiliza uma arquitetura de mistura de especialistas que ativa apenas 3 bilhões de parâmetros durante a inferência, mantendo os custos computacionais sob controle e, segundo relatos, superando o Gemini Robotics-ER 1.5, do 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 reduz os preços cobrados por concorrentes por recursos comparáveis na nuvem e sinaliza a ambição de estabelecer uma camada fundamental de inteligência para aplicações de automação industrial, logística e saúde.
A disrupção de Hollywood: ByteDance e Kuaishou reformulam a produção de vídeo
O Seedance 2.0, da ByteDance, e o Kling 3.0, da Kuaishou, transformaram a geração de vídeos a partir de texto, antes uma novidade, em uma ferramenta profissional de produção. Com isso, desafiam diretamente o Sora, da OpenAI, e criam o que analistas descrevem como uma plataforma de padrão industrial para conteúdo criativo.
O Seedance 2.0 processa simultaneamente entradas de texto, imagem, áudio e vídeo, gerando sequências cinematográficas de até 15 segundos, com personagens consistentes, física realista e áudio multilíngue sincronizado. O sistema está integrado ao pacote Dreamina da ByteDance, dentro do CapCut, posicionando-o como uma ferramenta acessível para anunciantes, criadores de conteúdo para redes sociais e produtores de filmes. Billy Boman, diretor criativo radicado em Estocolmo que produz conteúdo gerado por IA, descreveu como transformadora a trajetória tecnológica.
Em 2023, era difícil fazer alguém correr ou andar. Qualquer tipo de realismo se limitava a clipes muito curtos; tudo era muito lento, com texturas ruins, sem textura de pele e com poucos detalhes. Agora, o jogo virou. Posso fazer qualquer coisa. Os avanços tecnológicos têm sido simplesmente excepcionais.
No entanto, a rápida implementação expôs vulnerabilidades na governança. A ByteDance suspendeu um recurso polêmico de conversão de rosto em voz, capaz de reconstruir a voz e o estilo de fala específicos de uma pessoa a partir de uma única fotografia, sem amostras de áudio nem consentimento. O crítico chinês de tecnologia Tim Pan demonstrou o recurso em 10 de fevereiro e descreveu a experiência como aterrorizante depois que o sistema clonou sua voz usando apenas uma imagem. O episódio evidencia a tensão entre capacidade tecnológica e salvaguardas éticas, sobretudo depois que um vídeo viral mostrando uma briga fictícia entre Tom Cruise e Brad Pitt provocou uma reclamação formal da Motion Picture Association por violação em larga escala de direitos autorais.
O Kling 3.0, da Kuaishou, oferece vantagens complementares, com foco na narrativa profissional por meio de maior consistência dos elementos em sequências com vários planos, realismo físico em cenas complexas e geração nativa de áudio em diversos idiomas e dialetos. O modelo permite gerar imagens em lote para storyboards e amplia para 15 segundos a duração de cada geração, além de possibilitar a especificação precisa da duração, do enquadramento e do movimento de câmera de cada plano. Atualmente disponível para assinantes pagantes, com lançamento público iminente, o Kling contribuiu para a alta de mais de 50% das ações da Kuaishou no último ano, refletindo a confiança dos investidores de que ferramentas de conteúdo aprimoradas por IA aumentarão o engajamento e criarão novas fontes de receita nos ecossistemas de vídeos curtos.
Democratização da inteligência: a onda do código aberto
Além das aplicações voltadas ao consumidor, laboratórios chineses estão acelerando a distribuição de modelos de linguagem de grande porte e sistemas baseados em agentes em código aberto. A Zhipu AI lançou o GLM-5, afirmando que o modelo se aproxima do Claude Opus 4.5, da Anthropic, em benchmarks de programação e supera o Gemini 3 Pro, do Google, em testes específicos. A MiniMax apresentou a versão atualizada de seu modelo de código aberto M2.5, com ferramentas aprimoradas para agentes autônomos, sistemas de IA capazes de executar fluxos de trabalho com várias etapas, como agendamento, pesquisa ou implantação de software, com mínima intervenção humana.
Essa estratégia de código aberto contrasta fortemente com as abordagens comerciais fechadas de alguns dos principais nomes da IA ocidental. Ao publicar pesos dos modelos, código de treinamento e conjuntos de dados, as empresas chinesas aceleram a adoção do ecossistema, obtêm feedback rapidamente e estimulam inovações derivadas, contornando ao mesmo tempo as restrições computacionais impostas pelos controles de exportação dos Estados Unidos sobre semicondutores avançados. A família Qwen, da Alibaba, superou a Llama, da Meta, como a série de modelos mais baixada na Hugging Face em 2025, e equipes de origem chinesa ocupam atualmente oito das dez primeiras posições na lista de tendências da plataforma.
A Alibaba ampliou ainda mais seu portfólio com o Qwen 3.5, desenvolvido especificamente para a era da IA baseada em agentes, com recursos visuais que permitem agir de forma independente em aplicativos para dispositivos móveis e computadores. A empresa afirma que operar o modelo custa 60% menos e que ele é oito vezes melhor no processamento de grandes cargas de trabalho que seu antecessor. Ao mesmo tempo, a ByteDance lançou o Doubao 2.0, uma atualização do aplicativo de chatbot mais usado da China, que se aproxima de 200 milhões de usuários.
Três caminhos para a liderança: eficiência, narrativa e comércio
Uma análise de mercado da Huachuang Securities aponta posicionamentos estratégicos distintos entre os três gigantes da tecnologia. A ByteDance está construindo uma infraestrutura de eficiência, oferecendo ferramentas acessíveis, de baixo custo e com recursos generalizados, semelhantes a uma versão avançada do CapCut. A meta é reduzir os custos de produção de conteúdo na internet e fortalecer seu ecossistema por meio de um enorme volume de produção.
A Kuaishou prioriza a narrativa profissional, com foco em simulação física, realismo em cenas complexas e consistência de personagens para demonstrações cinematográficas, narrativas visuais e conteúdo de alta qualidade que exige continuidade narrativa. Já a Alibaba se concentra na integração vertical com o comércio eletrônico: o Qwen-Image-2.0 aprimora recursos de digitalização de produtos e fluxos de trabalho comerciais, apoiados por campanhas promocionais que geraram mais de 120 milhões de pedidos em seis dias por meio da distribuição de cupons com IA e da integração com serviços de entrega de comida.
Essa diferenciação reflete uma revolução mais ampla do lado da oferta na criação de conteúdo. Com o aumento do controle sobre os resultados e a substituição dos sistemas de tentativa e erro, nos quais os criadores precisam gerar conteúdo repetidamente até obter resultados utilizáveis, por uma produção industrial previsível, o custo marginal da criação de vídeos está convergindo para o custo puramente computacional. Analistas preveem impactos significativos para agências de marketing, prestadores de serviços de comércio eletrônico e os setores de manhua e dramas curtos, enquanto o valor da propriedade intelectual pode se concentrar em conteúdos de ponta à medida que as barreiras à produção diminuem.
A redução da distância em um mundo dividido
Demis Hassabis, chefe do Google DeepMind, avaliou recentemente que os modelos chineses de IA estão apenas alguns meses atrás dos concorrentes ocidentais. Essa distância continua diminuindo à medida que laboratórios chineses otimizam os modelos para o hardware disponível no país e desenvolvem capacidades nacionais de produção de chips. A China responde atualmente por mais de 70% dos pedidos globais de patentes de IA, embora empresas americanas mantenham a liderança em arquiteturas fundamentais e impacto de citações.
O cenário competitivo é cada vez mais definido pela eficiência de inferência e pela integração dos ecossistemas, e não pelo desempenho bruto em benchmarks. A ascensão viral da DeepSeek no fim de 2025 demonstrou que laboratórios chineses podiam igualar o desempenho dos modelos ocidentais usando uma fração do poder computacional, desencadeando uma aceleração em todo o setor. Os controles de exportação dos EUA sobre chips de memória de alta largura de banda e equipamentos avançados de fabricação complicaram esse avanço, mas não o interromperam. Empresas como a Huawei estão desenvolvendo linhas de produção de semicondutores autossuficientes.
Ao mesmo tempo, empresas de tecnologia dos EUA restringiram o acesso de desenvolvedores chineses. A OpenAI proibiu o acesso à API em julho de 2024, a Microsoft encerrou os serviços Azure OpenAI para desenvolvedores individuais na China continental, e há relatos de suspensões de contas no Claude, da Anthropic. Essas restrições apenas intensificaram os esforços de desenvolvimento no país, criando um cenário multipolar de IA em que a liderança varia conforme o setor, e não apenas de acordo com a localização geográfica.
O essencial
- Alibaba, ByteDance e Kuaishou lançaram modelos de IA de forma coordenada durante o período do Ano-Novo Lunar, com foco em robótica, geração de vídeos e sistemas baseados em agentes
- O modelo de robótica de código aberto RynnBrain, da Alibaba, incorpora percepção temporal e espacial, permitindo que robôs acompanhem tarefas em várias etapas e se lembrem de interações com objetos
- O Seedance 2.0, da ByteDance, gera vídeos cinematográficos a partir de comandos de texto, mas suspendeu um recurso de clonagem de voz por preocupações com consentimento, depois que um crítico demonstrou capacidades aterrorizantes
- O Kling 3.0, da Kuaishou, prioriza a narrativa profissional, com geração de vídeos de 15 segundos, áudio multilíngue e maior consistência de personagens, contribuindo para uma alta de 50% das ações no último ano
- Empresas chinesas de IA estão adotando estratégias agressivas de código aberto, e a série Qwen, da Alibaba, superou a Llama, da Meta, como a mais baixada na Hugging Face
- A diferenciação estratégica coloca a ByteDance no desenvolvimento de infraestrutura de eficiência, a Kuaishou no realismo cinematográfico e a Alibaba na integração vertical com o comércio eletrônico
- O Google DeepMind estima que os modelos chineses estão apenas alguns meses atrás dos ocidentais, e a distância diminui mais rapidamente em eficiência de inferência e aplicações multimodais
