Huawei planeja ser a base computacional para a descoberta de medicamentos com IA, mas não fabricará os fármacos
Leia mais
Pandaily
pandaily.com

Huawei planeja ser a base computacional para a descoberta de medicamentos com IA, mas não fabricará os fármacos

Um representante da divisão farmacêutica da Huawei declarou que a empresa não pretende desenvolver medicamentos ou criar suas próprias cadeias de produção. Ao se dirigir à imprensa na XI Conferência Chinesa de Inovação e Investimento em Farmacêuticos em Nanjing, em 24 de outubro, ele esclareceu que, em vez disso, a Huawei busca atuar como base tecnológica para a descoberta de medicamentos utilizando inteligência artificial.

A empresa está pronta para fornecer a fabricantes de medicamentos, institutos de pesquisa e empresas de descoberta de medicamentos por IA capacidade de computação, armazenamento de dados, soluções de rede, conjuntos de ferramentas e mecanismos de gerenciamento de dados.

Esta divisão é um dos chamados 'legions' da Huawei — equipes criadas pela empresa para focar em setores específicos. Ela começou a aparecer em fóruns da indústria farmacêutica no final de 2025.

Avaliação do desenvolvimento de IA na descoberta de medicamentos

O líder descreveu o processo de descoberta de medicamentos com IA como em rápido desenvolvimento, mas ainda com altas expectativas. Algumas tecnologias, como previsão de estrutura de proteínas e modelagem molecular, já são usadas na prática, mas a cadeia completa de desenvolvimento de medicamentos ainda não está formada. Ele observou que a próxima questão chave não é o tamanho dos modelos, mas sua capacidade de se integrar aos fluxos de trabalho de pesquisa reais e formar um ciclo fechado com dados laboratoriais e decisões dos pesquisadores.

A capacidade da IA de aumentar a eficiência e ajudar as empresas a lançar produtos de forma estável só será evidente com linhas de produção reais e resultados obtidos.

No âmbito de projetos de parceria, clusters compostos por cerca de cem placas aceleradoras, destinados ao treinamento, implantação e otimização de modelos de descoberta de medicamentos, já começaram a ser implementados. A Huawei, em conjunto com duas empresas médicas, construiu tais clusters e apoia instituições científicas, incluindo o Instituto de Medicina Materna de Xangai e o Laboratório de Chanping.

Vantagens da oferta da Huawei

Ele listou três vantagens que a Huawei oferece. Primeiro, o acesso a capacidades avançadas de computação e armazenamento de dados, que faltam a muitas empresas. Segundo, a possibilidade de clusterização desses cálculos. O treinamento de um modelo requer um mínimo de 64 placas, e frequentemente centenas ou milhares, que devem ser agrupadas em um cluster, em vez de serem usadas individualmente. Nesse sentido, ele mencionou o desenvolvimento da Huawei — o design SuperPoD de 1024 placas, que ele classificou como o maior do seu tipo no mundo.

Terceiro, o ecossistema: a Huawei colabora com a DP Technology, StoneWise e MoleculeMind para criar soluções conjuntas. Enquanto isso, a Huawei é responsável pela coordenação e adaptação de computação, armazenamento e redes, enquanto os parceiros cuidam do desenvolvimento dos próprios modelos.

Essa posição reflete a abordagem da Huawei em outros setores, onde a empresa fornece a infraestrutura, deixando os aplicativos para os parceiros. No campo da descoberta de medicamentos, isso significa apostar na demanda por grandes clusters de treinamento à medida que mais empresas passam de pequenos experimentos para modelos de escala industrial.

Histórias semelhantes

Especialista da Forge Code explica por que uma 'fábrica de software' baseada em IA é necessária para um desenvolvimento de software eficaz
Leia mais
yourstory.com

Especialista da Forge Code explica por que uma 'fábrica de software' baseada em IA é necessária para um desenvolvimento de software eficaz

Apesar de a inteligência artificial ser capaz de gerar código com velocidade sem precedentes, o processo de seu teste, verificação e implantação no ambiente de produção representa um desafio complexo separado. As equipes de engenharia estão cada vez mais utilizando agentes de IA para escrever código, corrigir erros e criar novas funcionalidades, mas acelerar a codificação não garante a aceleração da entrega de software.

À medida que a geração de código ganha força, o número de verificações aumenta, os testes desaceleram e as equipes têm dificuldade em coordenar o volume crescente de mudanças.

Na conferência TechSparks 2026, Tushar Mathur, CEO da Forge Code, abordou este problema em sua sessão 'Anatomia da Fábrica de Software'. Ele explicou como as organizações de engenharia orientadas por IA podem ir além da automação de tarefas individuais de codificação e começar a criar sistemas que gerenciam todo o ciclo de vida de desenvolvimento de software (SDLC).

Mathur observou que o fato de a geração de código ter se tornado mais fácil e rápida não significa que o SDLC geral será acelerado. Ele lembrou que a abordagem tradicional de desenvolvimento focava na escrita eficiente de código, exigindo que as equipes definissem requisitos, preparassem especificações e projetassem arquiteturas para reduzir a carga na fase de implementação.

No entanto, como a IA assume grande parte do trabalho de codificação, os gargalos mudam para outras áreas. Mathur descreveu uma situação em que as organizações enfrentam um enorme número de solicitações de mesclagem (pull requests) aguardando revisão, ciclos de teste mais longos e mais erros do que os conjuntos de regressão existentes conseguem detectar.

Ele enfatizou que a solução para o problema não reside necessariamente em contratar mais engenheiros ou lançar mais agentes de IA. Funcionários adicionais podem aumentar os custos de coordenação, e adicionar agentes sem mecanismos eficazes de feedback pode levar à criação de código que sobrecarrega os sistemas de verificação e teste.

'A razão para isso é a ausência de sinal', explicou Mathur, ao explicar por que simplesmente conectar etapas automatizadas não cria uma fábrica de software eficaz.

Mathur apresentou a Forge Code como uma fábrica de software que coordena agentes de IA durante todo o ciclo de desenvolvimento. O processo começa com a triagem de solicitações, criação de especificações e implementação de funcionalidades. Em seguida, os agentes verificam as alterações antes que sejam implantadas, com intervenção de engenheiros humanos quando são necessárias decisões ou feedback.

O sistema também monitora em ambiente de produção, usando os dados coletados para informar tarefas futuras. Isso forma um ciclo de feedback, permitindo que a fábrica identifique problemas, aprimore seus fluxos de trabalho e gere novo trabalho com base na experiência adquirida. Durante a apresentação, Mathur relatou que a Forge Code utilizou cerca de 100 agentes em segundo plano para trabalhar em funcionalidades, compatibilidade e detecção de erros.

Ele delineou seis princípios para criar uma fábrica de software eficaz: operação autônoma, escalabilidade, eficiência econômica, mensurabilidade, autoaperfeiçoamento e alinhamento com objetivos de negócios. O último princípio é particularmente importante.

A fábrica deve operar não como uma tarefa de codificação para cada solicitação, mas sim ser direcionada ao alcance de resultados específicos, como aumento da retenção de clientes ou conformidade regulatória. As equipes podem então priorizar funcionalidades com base no valor que elas agregam. Neste modelo, os engenheiros gastam menos tempo gerenciando cada tarefa e mais tempo observando os resultados, analisando sinais e melhorando o próprio sistema. Os líderes de negócios também podem fornecer solicitações e prioridades diretamente, permitindo que a fábrica transforme objetivos organizacionais em um backlog de desenvolvimento.

A velocidade de codificação é boa, mas criar software melhor é a verdadeira vitória. Para as equipes de engenharia, a chave é transformar a velocidade fornecida pela IA em produtos confiáveis, progresso mensurável e resultados de negócios reais.

Meituan Waimai oferece gerente de IA gratuito para restaurantes para diagnóstico, verificações e gerenciamento de cardápio
Leia mais
pandaily.com

Meituan Waimai oferece gerente de IA gratuito para restaurantes para diagnóstico, verificações e gerenciamento de cardápio

A Meituan Waimai, uma subsidiária da Meituan focada em entrega de alimentos, anunciou a oferta de um gerente gratuito baseado em inteligência artificial para pontos de venda de restaurantes em toda a China. Isso foi comunicado por Xue Bin, gerente geral da Meituan Waimai, durante a conferência da Meituan sobre a indústria de entrega de alimentos em 2026, onde a empresa apresentou a versão de entrega de seu assistente Miaoshou AI.

A Meituan posiciona este produto como uma ferramenta baseada em IA desenvolvida especificamente para gerenciar restaurantes que operam através de entrega. Ele abrange quatro funções principais: análise do desempenho atual do estabelecimento, realização de verificações regulares, gerenciamento de sortimento de pratos e assistência a novos pontos no início de suas operações. Em vez de apenas gerar relatórios, este assistente integra dados da plataforma Meituan com os próprios dados do vendedor, sugerindo ações específicas, ajudando na sua implementação e monitorando os resultados obtidos.

A Meituan informou que milhares de pequenos e médios vendedores já utilizaram essa ferramenta em suas atividades diárias antes do lançamento nacional, e ela é aplicada por mais de 200 marcas de rede. Como exemplo, foi citado um pequeno restaurante de hot pot de frango no condado de Yuanxi, província de Hebei, que usou a ferramenta para diagnosticar seu negócio, depois ajustou o menu e as promoções, o que levou a um aumento de mais de 30% nos pedidos semanais em comparação com a semana anterior. Além disso, a Meituan observou que novos pontos de um parceiro apresentaram melhores resultados no primeiro mês de operação. Deve-se notar que esses números são dados internos da Meituan de vendedores de teste selecionados e não foram submetidos a verificação independente.

Xue apresentou esta ferramenta de IA como parte do chamado 'triângulo de eficiência de entrega', que inclui inovações em produtos e novos formatos de lojas. Quanto aos formatos, a Meituan promove o conceito de 'Cozinha Super' — uma cozinha maior orientada para entrega — e fornece suporte na escolha do local, produtos, layout da cozinha e fluxos de trabalho. O sistema de planejamento de produção conecta a preparação de ingredientes, o cozimento e a separação dos pedidos. Em um ponto de parceria, a Meituan declarou que o tempo de preparação do pedido foi reduzido de cerca de 18 minutos para 8 minutos.

Xue expressou a esperança de que a inteligência artificial possa trazer habilidades profissionais para o setor de entrega em cada ponto, garantindo que cada estabelecimento receba um suporte mais detalhado e adequado às suas necessidades. Este passo coloca o agente assistente diante de uma base muito grande de proprietários de pequenos restaurantes, muitos dos quais não podem pagar funcionários operacionais fixos. O verdadeiro teste será o quão bem o sistema funcionará em cozinhas, menus e regiões muito diferentes após sair do grupo de teste inicial.

Alibaba apresenta processador automotivo RISC-V IP e roteiro para veículos autônomos e robótica
Leia mais
technode.com

Alibaba apresenta processador automotivo RISC-V IP e roteiro para veículos autônomos e robótica

A DAMO Academy da Alibaba apresentou o IP de processador automotivo XuanTie E908A no simpósio RISC-V na China, em Shenzhen, em 19 de outubro. Este IP de processador foi desenvolvido para sistemas relacionados à segurança, controladores de domínio e gateways automotivos, e atende aos requisitos de segurança funcional de veículos ASIL-B e ASIL-D, conforme esclareceu a DAMO Academy.

Além disso, a empresa divulgou um roteiro de processadores destinado à condução autônoma e inteligência artificial incorporada. O processador automotivo C950A planejado deve oferecer um desempenho cinco vezes superior aos produtos RISC-V atuais para a indústria automotiva, e seu lançamento está previsto para o final de 2027.

A DAMO Academy informou que o volume total de chips que utilizam o IP de processador XuanTie ultrapassou 6 bilhões de unidades, à medida que a empresa expande sua aplicação de áreas estabelecidas para mercados de computação de alto desempenho.

Popular