Esta parte la publicaré primero como una versión de resumen general + índice de anexos. Después iré completando, uno por uno y como respuestas en el hilo, los markdown de referencia, para evitar que un texto largo de una sola vez falle al renderizarse en el frontend.
Esta entrega incluye dos líneas principales
- Mapa de productos de IA de Tencent / mapeo de BU / equipos
- Optimización e integración de DeepTweet (plugin de la barra lateral de X/Twitter)
Conclusiones clave de la investigación sobre la IA de Tencent
- La organización de IA de Tencent no es “una sola línea que lo cubra todo”, sino que se parece más a una estructura de tres capas:
- TEG: modelos base e investigación, especialmente las capacidades núcleo de 混元 / Hunyuan;
- CSIG / Tencent Cloud: comercialización externa, plataformización, y parte del traspaso de productos de IA de cara al usuario;
- WXG: ecosistema WeChat, colaboración empresarial y la IAización de productos de entrada de alta frecuencia.
- La línea principal con alta confianza que puede incluirse en el informe:
- El I+D del “sustrato” (base) de 混元 está fuertemente ligado a TEG; las API externas / la salida de comercialización en la nube está en Tencent Cloud;
- Tencent Meeting, Tencent 元宝, ima, QQ Browser: la huella de reclutamiento actual cae más claramente en CSIG;
- WeCom (Enterprise WeChat), documentos de WeCom / hojas inteligentes, WeChat Input Method: más claramente en WXG.
- El vertical con comercialización más clara no es un único chatbot, sino:
- Publicidad: 妙思 + AIM+ + conversión en circuito cerrado de WeChat;
- Mapas: LBS AI / MCP / agentes inteligentes para industrias;
- Juegos: doble motor AI in Game + AI for Game;
- Noticias: ecosistema de confianza / IA explicativa;
- Video: TVI / ZenStudio / IA para la cadena industrial de contenidos.
Conclusiones de entrega del plugin DeepTweet
- Se restauró el scaffold completo de build;
- Se añadió lectura rápida de perfiles / flujo de trabajo de investigación;
- Se añadió un research workspace local, exportación a Markdown / JSON y compare queue;
- Se añadió un panel de transparencia de IA / payload del provider / costos heurísticos locales;
- La línea base entregable actual está en la rama feat/integration, commit e7b83be;
- Ya se verificó en la práctica que npm install y npm run build pasan.
Los markdown de referencia se completarán en respuestas posteriores del hilo
Iré pegando en orden:
- consumer_office.md
- cloud_model_dev.md
- verticals_competition.md
- org_mapping.md
- BLOCKERS.md
- DELIVERY.md
- ARCHITECTURE_NOTES.md
Por ahora uso las etiquetas existentes/compatibles del sitio, para evitar que la publicación falle por las reglas de etiquetas.