Após iteração contínua de grandes modelos, a competição de produtos evolui para cenários e experiências

Autor: Frank, PANews

À medida que a IA passa de uma demonstração de habilidade para uma aplicação prática, a implementação de aplicações de IA está a acelerar continuamente para atender à crescente demanda dos consumidores. Ao mesmo tempo, com a contínua melhoria das capacidades dos grandes modelos, a IA parece ter entrado na era em que “qualquer um pode criar um protótipo de produto”.

Durante a semana de IA de muShanghai, a mesa-redonda organizada pela PANews, intitulada “Práticas inovadoras e exploração de caminhos na ecologia de consumo de IA”, concentrou-se nas rotas reais de implementação de produtos de IA de consumo. Os convidados participantes incluíram Feng Wen, responsável pelo produto na plataforma aberta MiniMax, Levy, CEO da FateTell, Anita, responsável pela Ásia-Pacífico na Sentient, e Gao Jiafeng, músico eletrônico e desenvolvedor independente, provenientes de áreas distintas como plataformas de modelos abertos, aplicações culturais para exportação, ecossistemas de IA de código aberto e práticas de criação musical.

Na opinião dos convidados, o núcleo do problema da IA de consumo não se tornou mais simples com a evolução tecnológica. Após a transição das capacidades dos modelos, as verdadeiras barreiras estão agora na compreensão de cenários, organização de dados, educação do usuário, valor emocional e construção de ecossistemas abertos.

A IA não reduziu a dificuldade de empreender, as verdadeiras barreiras ainda são os cenários de aplicação

Uma contradição comum na indústria de IA é: os modelos estão cada vez mais poderosos, e a barreira de entrada parece diminuir, mas muitos produtos têm dificuldade em encontrar cenários sustentáveis a longo prazo. Aplicações que parecem viáveis hoje podem rapidamente perder relevância com o lançamento de uma nova versão do modelo.

Para Feng Wen, no que diz respeito a produtos de IA de consumo, a ideia do produto e a avaliação do cenário continuam sendo mais importantes. Como responsável pela plataforma aberta de modelos grandes, a MiniMax enfatiza mais as capacidades subjacentes do modelo, o design de produtos relacionados a tokens e a experiência de ponta a ponta para desenvolvedores. Mas, do ponto de vista do empreendedor, o produto deve ser projetado com base no “nível de inteligência do modelo após seis meses”.

Ele acredita que, no contexto de que as leis de escalonamento dos modelos ainda são válidas e as capacidades continuam a melhorar, os empreendedores não precisam se limitar excessivamente à velocidade, custo ou limites de capacidade atuais dos modelos, devendo pensar mais audaciosamente sobre o público-alvo, cenários específicos e problemas a serem resolvidos. Os fornecedores de modelos continuarão a oferecer capacidades mais baratas, rápidas e com melhor relação custo-benefício, enquanto a camada de aplicação precisa responder claramente à pergunta “por que este cenário”.

Levy acrescenta uma outra fonte de barreira na camada de aplicação. Ele acredita que, embora as mudanças tecnológicas sejam rápidas, os dados e a compreensão associados aos cenários não serão facilmente apagados. No passado, muitos pensavam que apenas ajustando finamente os modelos seria possível criar uma barreira de dados; mas, com o amadurecimento do engenharia de contexto e do uso de prompts, os dados e estruturas depositados na gestão de contexto também podem alterar o desempenho do modelo. Especialmente dados altamente verticais, relacionados à cultura ou experiências personalizadas, podem não entrar nos pesos do modelo geral, tornando-se uma base de diferenciação para produtos de IA de consumo que resistem às atualizações do modelo.

Anita tem uma visão mais cautelosa sobre a alegação de que “IA reduz a barreira de entrada para empreender”. Ela acredita que, embora a IA torne mais fácil gerar demonstrações, criar protótipos e lançar rapidamente um produto inicial, as dificuldades reais de empreender não desapareceram e, na verdade, podem se tornar mais evidentes: como conquistar clientes, construir uma comunidade engajada, realizar a implementação comercial e estabelecer conexões humanas além da programação. Ela menciona que o conceito de indivíduos supercapazes e “empresas unipessoais” está em alta atualmente, mas os indivíduos que realmente conseguem operar de forma sustentável geralmente precisam de habilidades mais multifacetadas, não apenas de chamadas a grandes modelos.

De Bazi a Música: Entender melhor o usuário é a barreira do consumo de IA

À medida que a capacidade tecnológica avança, o valor dos produtos de IA de consumo acaba voltando às necessidades humanas.

Um exemplo típico é a prática da FateTell. Levy explica que a FateTell é uma aplicação de consumo de IA + astrologia chinesa/bazi voltada para usuários no exterior, com clientes em mais de 90 países. A equipe inicialmente evitou o foco em ferramentas puramente de eficiência, valorizando o consumo espiritual e o valor emocional.

Para ele, entender o destino próprio, buscar explicações e conforto são necessidades psicológicas profundas, que transcendem culturas e persistem a longo prazo. No passado, era difícil estabelecer confiança nesse cenário, mas com a melhora das capacidades de modelos como DeepSeekR1, objetivamente, eles ajudam usuários e investidores a entenderem que “grandes modelos podem fazer raciocínios complexos e explicações”. O desafio da FateTell não é apenas a capacidade do modelo, mas como traduzir conceitos culturais chineses como os troncos celestiais, os ramos terrestres, o I Ching e o Bazi para usuários no exterior, e como, por meio de linguagem, visual e interação, fazer pessoas de diferentes origens culturais compreenderem sua beleza.

Gao Jiafeng levanta uma questão semelhante do ponto de vista de criador musical: a IA não deve apenas entregar resultados, mas também preservar o processo. Ele menciona que ferramentas como Suno tornam a geração musical muito direta, mas pulam o processo de criação, o que pode fazer os usuários perderem o senso de participação e pertencimento. Para músicos e usuários comuns, criar não é apenas obter uma “canção finalizada”, mas que o próprio processo seja uma experiência.

Ele usa o futebol como metáfora: mesmo que uma pessoa comum nunca possa superar Messi ou Cristiano Ronaldo, ela ainda joga por paixão. O mesmo vale para a criação musical. Gao está desenvolvendo o MusicAIGameBoy (console de jogos de música com IA), que tenta usar modelos grandes ou pequenos de IA para gerar código musical, combinando com interações gamificadas, permitindo que pessoas sem conhecimento musical participem da criação durante o jogo. Para ele, o cenário verdadeiro não é “gerar uma música automaticamente”, mas devolver ao usuário a interação no processo de criação musical.

Com o surgimento de agentes, a lógica de educação do usuário está mudando

Nos produtos de IA de consumo, a educação do usuário muitas vezes determina se o produto será realmente utilizado.

Feng Wen menciona que, na plataforma aberta MiniMax, há usuários com alguma experiência em desenvolvimento, mas ainda assim eles encontram obstáculos na documentação da API, nos parâmetros, códigos de erro e uso de tokens. Para isso, a plataforma oferece ambientes de teste de modelos, guias de desenvolvimento, exemplos de demonstração e tutoriais em vídeo, acelerando o entendimento e a uso por parte dos desenvolvedores.

Com o avanço dos Agentes, a forma de educar os usuários também está mudando. Antes, os usuários precisavam ler documentação, entender interfaces e solucionar erros. Agora, com a melhora do desempenho dos Agentes, muitos usuários fazem com que o próprio Agente leia documentos, pesquise soluções, escolha o modelo adequado e corrija rotas automaticamente. Os fabricantes de modelos precisam garantir uma boa experiência com modelos, documentação e plataformas, enquanto comunidades, desenvolvedores e diferentes formas de produto colaboram para reduzir a barreira de uso.

Para a Sentient, o ecossistema aberto é também uma parte da educação do usuário e da implementação do produto. Anita explica que a Sentient foca na ecologia de IA de código aberto e infraestrutura relacionada, promovendo hackathons, programas de financiamento e outras ações para reunir desenvolvedores. Ela enfatiza que o produto deve primeiro entender claramente seu público-alvo: quem são, onde aparecem e por quais canais a confiança é estabelecida. Para ferramentas de desenvolvimento, hackathons e parcerias ecológicas são entradas eficazes; para produtos de consumo, influenciadores, KOLs, KOCs e conteúdo em redes sociais também são essenciais.

Com a rápida redução dos custos de AIGC, equipes de empreendedorismo podem produzir trailers, materiais visuais e conteúdos de divulgação com custos menores, acelerando a aquisição da primeira base de usuários. Gao também acredita que o design do produto deve se aproximar do usuário, permitindo que ele aprenda de forma natural por meio de interação e entretenimento, ao invés de depender de manuais extensos. Essa abordagem de “aprender na prática” pode ser mais adequada ao consumo de IA do que tutoriais tradicionais.

Hardware entrando no mundo real, personalização e valor emocional continuam a se ampliar

Nos próximos três a cinco anos, os convidados acreditam que o mercado de consumo de IA ainda estará na fase inicial de penetração, mas as formas de produto terão mudanças evidentes.

Feng Wen prevê que, nos próximos três a cinco anos, hardware inteligente, robôs e inteligência incorporada terão um ponto de inflexão importante. Com a melhora das capacidades dos modelos, a IA deixará de existir apenas na interface de software e entrará no mundo físico, realizando mais interações e tarefas. Alguns produtos serão voltados às pessoas, oferecendo aumento de eficiência ou valor emocional. Outros poderão ser voltados a agentes, fornecendo ambientes, ferramentas e infraestrutura que conectam a IA ao mundo físico. Mas, independentemente da forma, o produto deve sempre colocar o ser humano no centro, permitindo que as pessoas dediquem mais tempo às conexões humanas, à família, ao mundo real e a experiências de vida mais ricas.

Levy acredita que prever o que acontecerá em três a cinco anos no setor de IA é muito difícil, e até mesmo em três a cinco meses há muitas incertezas. Embora usuários avançados já utilizem profundamente ferramentas como ClaudeCode, a maioria dos usuários comuns ainda está na fase inicial de penetração da IA. Nos próximos anos, a IA atenderá a necessidades cada vez mais fragmentadas e personalizadas. Em contraste com o serviço relativamente “padronizado” na era da internet móvel, a IA poderá oferecer serviços mais específicos e segmentados para cada indivíduo. Além disso, o medo de desemprego e a incerteza tecnológica podem ampliar a demanda por companhia emocional e consumo espiritual.

Anita resume essa mudança como uma “igualdade tecnológica”. Ela acredita que, no futuro, as distinções entre ciências humanas, ciências exatas, artes e tecnologia serão menos marcadas. Um pequeno comerciante poderá usar IA para criar anúncios e direcionar campanhas, melhorando seus negócios. O valor da IA não será necessariamente fazer de todos programadores de elite, mas ajudar pessoas em diferentes contextos a obterem melhores ferramentas. Ao mesmo tempo, o medo do desemprego e a solidão podem impulsionar a demanda por valor emocional, com hardware, animais de estimação com IA, dispositivos de companhia e produtos de interação multissensorial ganhando mais espaço.

Gao vê essa mudança a partir da transformação das formas culturais. Ele acredita que, no futuro, conteúdos como música, filmes e vídeos serão reorganizados, e até mesmo a unidade mínima de consumo de música, como as “canções”, pode ser desfeita em unidades mais atômicas de criação. Os conceitos atuais de faixas de áudio e trilhas podem continuar a ser desmembrados em unidades mais básicas. Mas, ao mesmo tempo, a conexão emocional através de IP, marcas e personagens será ainda mais importante. As pessoas não buscam apenas obras perfeitas, mas objetos com imperfeições, calor e capazes de criar laços emocionais.

Embora os convidados não tenham fornecido uma resposta única para o futuro do consumo de IA, as discussões de diferentes áreas — plataformas de modelos, aplicações culturais, ecossistemas de código aberto e criação musical — apontam para uma mesma tendência: à medida que as capacidades dos modelos continuam a evoluir, a competição no consumo de IA não será mais apenas “quem usa o modelo mais forte”, mas sim quem consegue entender cenários mais específicos, usuários mais reais e necessidades emocionais.

O ecossistema de consumo de IA do futuro poderá incluir infraestrutura mais aberta, menor barreira de entrada para desenvolvimento, serviços mais personalizados, hardware com maior apelo emocional e novos produtos voltados à cultura e ao processo criativo. Os modelos continuarão a evoluir, mas o que realmente permanecerá são aqueles produtos que atendem às necessidades humanas, que são compreendidos e que criam conexões com as pessoas.