O período de janela é de apenas um ano? A guerra secreta de IA por trás da corrida dos “lagostins”: o JD.com encontra uma solução alternativa na “ponta da indústria”, conseguirá ultrapassar os concorrentes?

Investir em ações? Veja os relatórios de analistas do Jin Qilin: autoridade, profissionalismo, atualidade, abrangência, ajudando-o a descobrir oportunidades de temas potenciais!

Jornalista do Daily Economic News | Wang Yubiao    Editor do Daily Economic News | Bi Luming

“Lagosta” em alta, robôs dançando e lutando, vídeos de transmissão ao vivo com “pessoas digitais” autênticas, tudo isso acelerando com o avanço da tecnologia AI. O setor está na fase crucial de concretizar cenários de aplicação. Como equilibrar custo, eficiência e desempenho? Como conectar a implementação industrial na “última milha”? Essas questões precisam de mais respostas de referência.

Em 24 de março, a JD.com anunciou avanços na pesquisa e aplicação de IA, incluindo o grande modelo de código aberto JoyAI-LLM Flash, o lançamento do seu próprio portfólio de produtos “Lagosta” e a introdução pioneira de “Pessoa Digital de Estado Livre”.

Sobre o tema “Lagosta”, um responsável técnico da JD.com afirmou em entrevista ao Daily Economic News (doravante “Jornal”) que o papel do amplificador “Lagosta” certamente continuará neste ano. Espera-se que até o final do ano ou início do próximo, surja um modelo de nível L4; então, muitas aplicações atualmente inimagináveis florescerão.

Na pesquisa de tecnologia de pessoas digitais, a JD.com lançou a “Pessoa Digital de Estado Livre”, que possui uma interação mais natural e dinâmica em comparação com as tradicionais. Ao assistir a uma demonstração de “comida ao vivo” com a pessoa digital, o Jornal percebeu que seus movimentos e posturas eram mais fluidos e naturais, mesmo com o rosto coberto, mantendo alta fidelidade visual.

ByteDance e Alibaba intensificam a competição em IA, com as grandes empresas de tecnologia nacionais focando na implementação técnica e na amplitude da ecologia colaborativa. A abordagem da JD.com com “soluções de IA” é diferente, focando integralmente na indústria. Será que podem superar os concorrentes?

O “Agente” de “Lagosta” e a economia de “Token” (palavra-chave) têm sido foco de atenção na comunidade tecnológica recentemente.

Em comparação com o lançamento do seu próprio produto “Lagosta”, a JD Cloud optou por usar o grande modelo JoyAI, lançando produtos leves como servidores em nuvem de implantação com um clique e sistemas integrados, baseados na arquitetura OpenClaw de código aberto.

O responsável técnico explicou que muitos veem “Lagosta”, mas na verdade eles veem o modelo.

Há dois anos, a OpenAI definiu cinco níveis para grandes modelos: o primeiro é Conversação, o segundo é Raciocínio, o terceiro é AI Agente, que alcança um sistema autônomo que toma ações para resolver problemas. O quarto é Inovação, onde o sistema não depende mais de intervenção humana e possui pensamento inovador autônomo. O quinto é Organização, atingindo ou superando o nível humano, aumentando a eficiência no trabalho.

Quando questionado sobre as diferenças entre “Lagosta” atual e o Manus (primeiro agente de IA geral do mundo) do ano passado, o responsável afirmou que o núcleo ainda é a capacidade do modelo base. O modelo do ano passado atingiu apenas o segundo nível, e mesmo o DeepSeek, que foi muito popular, ainda está na camada de raciocínio, sem características de agente autônomo.

Ele acrescentou: “Criar um Agente exige muita engenharia, estratégias e processos, que precisam ser integrados. O modelo ClawCode, do final do ano passado e início deste, já atingiu o nível L3, chegando ao nível de Agente.”

Sobre a rota tecnológica, ele acredita que em breve veremos grandes modelos atingindo o próximo nível de Inovação, onde o próprio modelo terá capacidade criativa. “Essa criatividade não é apenas gerar textos ou músicas, mas substituir tarefas complexas que exigem inteligência humana. Ainda não aconteceu, mas pode acontecer dentro de um ano. Essa é a direção certa”, explicou.

Ele também prevê que a AGI (Inteligência Artificial Geral) em modelos de software pode surgir em um ou dois anos, talvez até no final deste ano. Para uma empresa, aproveitar essa onda de modelos agentes e de inovação pode significar uma janela de apenas um ano.

“Porém, o papel do amplificador ‘Lagosta’ continuará neste ano. Quando um modelo de nível L4 for lançado, muitas aplicações inimagináveis florescerão”, afirmou.

Ao assistir ao progresso da tecnologia de pessoas digitais da JD.com, o Jornal notou que os três principais desafios na indústria estão sendo resolvidos: desincronização de áudio e vídeo, controle multimodal inconsistente e distorção de identidade em vídeos longos.

Além de divulgar rotas tecnológicas, a JD.com lançou pioneiramente a “Pessoa Digital de Estado Livre”, que permite movimentos naturais e poses flexíveis, com acompanhamento de câmera e transições suaves, mantendo alta fidelidade mesmo com obstáculos no rosto.

A evolução da tecnologia de pessoas digitais indica que a indústria está mais próxima de aplicações em larga escala? Um responsável da JD.com afirmou que o maior desafio é reduzir a operação manual dos comerciantes, evitando dependência excessiva de geração automática. Por exemplo, reduzir de 30 minutos de gravação para 3 minutos, ou gerar uma única imagem.

“Em 2022, lançamos o modo de reprodução, que usa materiais de transmissões ao vivo anteriores para criar pessoas digitais em transmissões futuras”, explicou.

Para resolver o problema de aplicação em larga escala, a tecnologia de agentes também trouxe boas notícias. Segundo o responsável, agentes podem integrar informações existentes na plataforma, como produtos e promoções, respondendo com alta precisão às dúvidas dos usuários e reduzindo a dependência dos comerciantes, facilitando a ampla adoção de pessoas digitais.

Sobre os resultados práticos, o Jornal soube que a conversão nas transmissões ao vivo é o principal indicador de negócio. Mas também se avaliam métricas de processo, como tempo de permanência, número de interações e potencial de demanda do usuário.

A inteligência embodied, que explodiu no ano passado, mantém seu destaque este ano. Desde março, várias rodadas de financiamento de grande valor foram concluídas. Além disso, em 20 de março, a Shanghai Stock Exchange aceitou o pedido de IPO da Yushu Technology na STAR Market, com previsão de captação de 4,202 bilhões de yuans, podendo se tornar a primeira ação de robôs humanoides na A-share.

No ano passado, a JD.com realizou uma rara série de seis investimentos no setor de inteligência embodied, além de lançar várias iniciativas de planos industriais de robótica. Recentemente, na Conferência de Alto Nível de Desenvolvimento da China 2026, o CEO da JD.com, Xu Ran, revelou que a empresa está construindo o maior centro de dados de inteligência embodied do mundo, com o maior escopo e variedade de cenários.

Um grande desafio na área é a escassez de dados de cenários reais, limitando o treinamento de modelos e a implementação industrial. “Nos próximos dois anos, acumularemos mais de 10 milhões de horas de dados de cenários reais, cobrindo logística, residências, cidades e outros cinco grandes cenários”, afirmou Xu Ran.

Sobre o andamento do projeto, um responsável da JD.com revelou que, durante a coleta de dados, a empresa mobilizará mais de 100 mil funcionários de diversas áreas e até 500 mil profissionais de diferentes setores, incluindo mais de 100 mil cidadãos em Suqian, numa das maiores ações de coleta de dados em escala humana.

O projeto deve acumular, em um ano, 5 milhões de horas de vídeos de cenários reais, e em dois anos, mais de 10 milhões de horas, além de coletar 1 milhão de horas de dados de robôs.

O responsável pela área de inteligência embodied da JD.com explicou que, inicialmente, o foco era fazer robôs com controle rígido, braços VLA ou mãos ágeis, para que eles se comportassem como humanos, entendessem comandos e reagissem de forma inteligente. Muitas empresas já atuam nessa área, mas isso é apenas uma parte (função/fase).

“Além disso, nossos pesquisadores da JD Exploration estão desenvolvendo navegação VLN (Navegação por Linguagem Visual) e integrando ao JoyInside, para melhorar a interação homem-máquina com diferentes robôs e cães robóticos”, completou o responsável.