टेक जगतात हे स्पष्ट आहे की दिग्गज कंपन्या एकाच वेळी वैयक्तिक ग्राहक (C-एन्ड) आणि व्यावसायिक ग्राहक (B-एन्ड) दोघांनाही लक्ष्य करत आहेत. DeepSeek आणि Manus सारख्या नवकल्पनांमुळे AI Agents चा उदय झाला आहे. अनेकांचा असा विश्वास आहे की 2025 हे वर्ष AI Agent युगाची खरी सुरुवात दर्शवेल. मोठ्या टेक कंपन्या आणि स्टार्टअप्स एकत्रितपणे व्यावसायिक उपयोजनांकडे वाटचाल करत आहेत.
टेनसेंटने (Tencent) हे महत्त्वाचे बदल ओळखले आहेत आणि त्यांचे AI Agent धोरण सक्रियपणे पुढे नेत आहे.
टेनसेंट क्लाउडचे Agent विकास प्लॅटफॉर्म
2025 च्या टेनसेंट क्लाउड AI इंडस्ट्री एप्लीकेशन समिटमध्ये, टेनसेंट क्लाउडने त्यांच्या मोठ्या मॉडेल नॉलेज इंजिनमध्ये मोठे अपग्रेडेशन केले, ज्यामुळे ते टेनसेंट क्लाउड Agent डेव्हलपमेंट प्लॅटफॉर्म (TCADP) मध्ये रूपांतरित झाले. हे प्लॅटफॉर्म टेनसेंट क्लाउडच्या RAG (Retrieval-Augmented Generation) तंत्रज्ञानाचे, सर्वंकष Agent कार्यक्षमतेचे आणि वास्तविक-जगातील उपयोजनांमधून मिळालेल्या वैशिष्ट्यांचे एकत्रीकरण करते, ज्याचा उद्देश वापरकर्त्यांच्या विकसित होत असलेल्या मागण्या अचूकपणे पूर्ण करणे आहे.
टेनसेंट क्लाउड Agent डेव्हलपमेंट प्लॅटफॉर्मच्या लॉन्चिंगमुळे टेनसेंट क्लाउडचा उद्देश उद्योगातील क्लायंट्सना Agent-आधारित ऍप्लिकेशन्स त्वरित प्रोटोटाइप (prototype) आणि डेप्लॉय (deploy) करण्यासाठी संसाधने उपलब्ध करणे आहे.
टेनसेंटचे वरिष्ठ कार्यकारी उपाध्यक्ष आणि क्लाउड आणि स्मार्ट इंडस्ट्री ग्रुपचे CEO टँग डाओशेंग यांनी जोर देऊन सांगितले की, वापरकर्ते आता एजंट्सना जटिल कार्ये स्वतंत्रपणे विभाजित करण्यास, अंमलबजावणी धोरणे तयार करण्यास आणि उपलब्ध साधनांचा निवडकपणे वापर करण्यास सक्षम करू शकतात. त्यांनी एक महत्त्वाचे यश सांगितले: "आम्ही प्रथमच मल्टी-एजंट हँडओव्हर कोलॅबोरेशनसाठी (handover collaboration) झिरो-कोड सपोर्ट (zero-code support) प्राप्त केला आहे, ज्यामुळे एजंट्स तयार करण्याची मर्यादा आणखी कमी झाली आहे."
टेनसेंट क्लाउड Agent डेव्हलपमेंट प्लॅटफॉर्ममध्ये, टेनसेंट क्लाउडने MCP प्रोटोकॉलचे पालन करणारे आणि OpenAI Agents SDK च्या आवश्यक घटकांशी सुसंगत असलेले एक सर्वंकष Agent टूल इकोसिस्टम (tool ecosystem) तयार केले आहे. हे टेनसेंट लोकेशन सर्व्हिसेस आणि इतर इकोलॉजिकल MCP सर्व्हर्स (ecological MCP Servers) यांसारख्या अंतर्गत आणि बाह्य उच्च-गुणवत्तेच्या प्लगइनच्या (plugin) क्युरेटेड सिलेक्शनसह (curated selection) प्री-लोडेड (pre-loaded) आहे.
AI Agents अधिक प्रभावीपणे टूल्समध्ये व्यस्त राहू शकतील, विशिष्ट डेटा ऍक्सेस (access) करू शकतील आणि त्यांच्या सेवांचा विस्तार करू शकतील यासाठी या क्षमतांची रचना करण्यात आली आहे.
टेनसेंटच्या ऍप्लिकेशन्सच्या विविध पोर्टफोलिओमध्ये, अनेक उत्पादने टेनसेंट क्लाउड Agent डेव्हलपमेंट प्लॅटफॉर्मद्वारे Agent क्षमतांचा समावेश करत आहेत. यामध्ये QQ Browser, टेनसेंट हेल्थ, टेनसेंट क्लाउड कोड असिस्टंट CodeBuddy आणि टेनसेंट किडियन मार्केटिंग क्लाउड यांचा समावेश आहे.
टँग डाओशेंग यांनी QQ Browser चे एक उत्तम उदाहरण दिले, ज्यात Agent QBot च्या अलीकडील परिचयावर प्रकाश टाकला. हे वैशिष्ट्य वापरकर्त्यांना Task commands जारी करण्यास सक्षम करते, जे QBot स्वायत्तपणे कार्यान्वित करते, शोध आणि ब्राउझिंगपासून डाउनलोड आणि विश्लेषण पर्यंत सर्वकाही व्यवस्थापित करते.
AI Agent ची व्याख्या
AI Agent उत्पादने झपाट्याने वाढत असली तरी, उद्योगात एक प्रमाणित व्याख्या अजूनही अस्पष्ट आहे.
वू युनशेंग, जे टेनसेंट क्लाउडच्या AI विभागाचे नेतृत्व करतात आणि टेनसेंट यूटू लॅबचे प्रमुख आहेत, ते एजंट्सना वापरकर्ता-केंद्रित दृष्टिकोन म्हणून परिभाषित करतात, जे स्वायत्त नियोजन आणि Tool selection द्वारे दर्शविले जाते, ज्यात गुंतागुंतीची कार्ये करण्यासाठी मल्टी-एजंट Collaboration चा समावेश आहे.
थोडक्यात, एजंट्स स्वतःला पारंपरिक AI असिस्टंट्सपेक्षा वेगळे करतात, ज्यांना प्रत्येक प्रतिसादासाठी वापरकर्त्यांकडून स्पष्ट प्रॉम्प्ट्सची (prompts) आवश्यकता असते. याउलट, एजंट्सना सैद्धांतिकदृष्ट्या संपूर्ण उपाय योजना आखण्यासाठी आणि कार्यान्वित करण्यासाठी फक्त एका उच्च-स्तरीय सूचनेची आवश्यकता असते. मोठ्या भाषेचे मॉडेल एजंट्स खऱ्या अर्थाने उपयुक्त होण्यासाठी महत्त्वाचे आहे, जे केंद्रीय "मेंदू" म्हणून कार्य करते.
टेनसेंटची मल्टी-मॉडल स्ट्रॅटेजी
टेनसेंटने निःसंदिग्धपणे दुहेरी धोरणात्मक बांधिलकी जाहीर केली आहे: "आत्म-विकसित मॉडेल्समध्ये सातत्याने गुंतवणूक करणे + प्रगत ओपन-सोर्स मॉडेल्सचा (open-source models) खुलेपणाने स्वीकार करणे." वर्षाच्या सुरुवातीपासून, टेनसेंट DeepSeek मोठ्या मॉडेलचे सक्रियपणे एकत्रीकरण करत आहे आणि त्याच वेळी त्याचे इन-हाउस (in-house) हुन्युआन मॉडेलच्या इटरेटिव्ह डेव्हलपमेंटला (iterative development) गती देत आहे.
टेनसेंट-विकसित इन्फरन्स मॉडेल (inference model) थिंकर (T1), जे जटिल कार्ये आणि डीप रिझनिंगमध्ये (deep reasoning)specializing आहे, ते या वर्षाच्या सुरुवातीला युआनबाओ ऍपवर (Yuanbao App) त्याच्या प्रारंभिक लॉन्च झाल्यापासून झपाट्याने वाढत आहे. याव्यतिरिक्त, टेनसेंटने हुन्युआन टर्बो एस (Hunyuan Turbo S) चे अनावरण केले आहे, जे जलद-विचार करणाऱ्या मॉडेलची एक नवीन पिढी आहे आणि जलद Task processing साठी ऑप्टिमाइज्ड (optimized) आहे.
टर्बो एसच्या (TurboS) आधारावर, टेनसेंटने T1-व्हिजन व्हिज्युअल डीप रिझनिंग मॉडेल (T1-Vision visual deep reasoning model) आणि हुन्युआन व्हॉईस एंड-टू-एंड व्हॉईस कॉल मॉडेल (Hunyuan Voice end-to-end voice call model) देखील सादर केले आहे. याव्यतिरिक्त, हुन्युआन इमेज 2.0 (Hunyuan Image 2.0), हुन्युआन 3D v2.5 (Hunyuan 3D v2.5) आणि हुन्युआन गेम व्हिज्युअल जनरेशन (Hunyuan Game Visual Generation) यांसारख्या विविध मल्टीमॉडल मॉडेल्स लाँच (multimodal models launch) करण्यात आले आहेत.
संघटनात्मक पुनर्रचना
जलद उत्पादन नवोपक्रम आणि डीप मॉडेल रिसर्च आणि डेव्हलपमेंटला (deep model research and development) प्रोत्साहन देण्यासाठी, टेनसेंटने यावर्षी टेनसेंट युआनबाओ, QQ Browser, सोगो इनपुट मेथड (Sogou Input Method) आणि इमा (ima) यासह त्याची AI उत्पादने आणि ऍप्लिकेशन्स क्लाउड आणि स्मार्ट इंडस्ट्री ग्रुप (CSIG) मध्ये एकत्रित केली आहेत. त्याच वेळी, टेनसेंटने टेक्निकल इंजिनीअरिंग ग्रुप (TEG) मध्ये संघटनात्मक बदल केले आहेत, जी टेनसेंटच्या हुन्युआन मोठ्या मॉडेलच्या विकासासाठी जबाबदार आहे.
गेल्या महिन्यात, सूत्रांनी टेनसेंटच्या हुन्युआन मोठ्या मॉडेल R&D संस्थेच्या सर्वंकष पुनर्रचनेचा खुलासा केला. समायोजन Following, TEG ने दोन नवीन विभाग स्थापन केले: लार्ज लँग्वेज मॉडेल डिपार्टमेंट (Large Language Model Department) आणि मल्टीमॉडल मॉडेल डिपार्टमेंट (Multimodal Model Department). या संस्थांना मोठ्या भाषेच्या मॉडेल्स आणि मल्टीमॉडल मोठ्या मॉडेल्समधील अत्याधुनिक तंत्रज्ञान शोधण्याचे, मूलभूत मॉडेल्सवर सतत पुनरावृत्ती करण्याचे आणि एकूण मॉडेल क्षमतांचा विस्तार करण्याचे काम सोपवण्यात आले आहे.
त्याच वेळी, टेनसेंट त्याची मोठी मॉडेल डेटा क्षमता आणि प्लॅटफॉर्म इन्फ्रास्ट्रक्चर (platform infrastructure) मजबूत करत आहे. डेटा प्लॅटफॉर्म डिपार्टमेंट मोठ्या मॉडेल डेटाच्या एंड-टू-एंड (end-to-end) व्यवस्थापनावर आणि बांधकामावर लक्ष केंद्रित करत आहे, तर मशीन लर्निंग प्लॅटफॉर्म डिपार्टमेंट (Machine Learning Platform Department) एकात्मिक मशीन लर्निंग (integrated machine learning) आणि Big data platforms तयार करत आहे. हा सर्वंकष दृष्टिकोन एक मजबूत आणि कार्यक्षम PaaS प्लॅटफॉर्म (PaaS platform) प्रदान करतो, जो AI मॉडेल प्रशिक्षण आणि अनुमान तसेच मोठ्या डेटा प्रोसेसिंगला आधार देतो, एकत्रितपणे टेनसेंटच्या हुन्युआन मोठ्या मॉडेल तंत्रज्ञान R&D ला समर्थन देतो.
Agent-चालित भविष्य
टँग डाओशेंग यांनी म्हटले आहे की Deepseek चे ओपन-सोर्सिंग (open-sourcing)आणि डीप थिंकिंगमधील (deep thinking) प्रगती दर्शवते की AI मोठी मॉडेल्स औद्योगिकीकरणाची मर्यादा ओलांडत आहेत आणि मोठ्या प्रमाणावर उपयोजनाच्या टप्प्यावर पोहोचत आहेत. त्यांचा युक्तिवाद आहे की उद्योगाचे प्राथमिक लक्ष मॉडेल प्रशिक्षणावरून ऍप्लिकेशन आणि Agent-चालित विकासाकडे वळले आहे.
एजंट्ससाठी असलेली प्रचंड संभाव्य बाजारपेठ हे नि:संशयपणे टेनसेंट क्लाउडद्वारे AI Agent तंत्रज्ञानाचा अवलंब करण्यास गती देणारे एक महत्त्वपूर्ण घटक आहे.
उद्योग विश्लेषण आणि अंदाज
मिनशेंग सिक्युरिटीजच्या (Minsheng Securities) एका संशोधन अहवालात असा ठाम विश्वास व्यक्त केला आहे की 2025 हे वर्ष AI Agents साठी पहिले वर्ष आणि सॉफ्टवेअर क्रांतीची (software revolution) सुरुवात म्हणून ओळखले जाईल. अहवालात असे म्हटले आहे की एजंट्स सॉफ्टवेअरच्या पुनर्मूल्यांकनासाठी एक महत्त्वाचे उत्प्रेरक ठरू शकतात, ज्यामुळे सॉफ्टवेअर विक्रेत्यांसाठी लक्ष्य बाजारपेठMulti-trillion-dollar labor market पर्यंत विस्तारण्याची शक्यता आहे. AI Agents सॉफ्टवेअरच्या Consumption characteristics वाढवण्याची अपेक्षा आहे, ज्यामुळे सॉफ्टवेअर कंपन्यांसाठी Valuation ceiling वाढेल.
Gartner च्या सर्वात अलीकडील अंदाजानुसार, Enterprise software मध्ये Autonomous AI च्या एकत्रीकरणामध्ये लक्षणीय वाढ दिसून येते, 2024 मध्ये 1% पेक्षा कमी असलेल्या आकड्यावरून 2028 पर्यंत 33% पर्यंत झेप घेण्याचा अंदाज आहे. त्याच वेळी, दररोजच्या कामाचे 15% पेक्षा जास्त निर्णय AI Agents द्वारे स्वायत्तपणे कार्यान्वित होण्याची अपेक्षा आहे. या जागतिक AI स्पर्धेत, AI Agents एक Non-negotiable strategic imperative म्हणून उदयास येत आहेत, ज्यामुळे एक व्यापक Consensus तयार होत आहे की इंटरनेट दिग्गजांनी C-एन्ड आणि B-एन्ड बाजारपेठांवर लक्ष केंद्रित केले पाहिजे.
CITIC सिक्युरिटीजमधील (CITIC Securities) कॉम्प्युटर्सचे चीफ अनालिस्ट (Chief Analyst) यिंग यिंग (Ying Ying) एजंट उपयोजनासाठी वेगवेगळ्या प्रदेशांमध्ये दिसून येणाऱ्या विरोधाभासी दृष्टिकोनांवर प्रकाश टाकतात. उत्तर अमेरिकेतील क्लाउड (North American cloud) विक्रेते प्रामुख्याने त्यांच्या ग्राहकांसाठी कार्यक्षम मॉडेल आणि Agent उपयोजन सुलभ करण्यावर लक्ष केंद्रित करत आहेत, तर B-एन्ड विक्रेते Agent प्लॅटफॉर्म तयार करण्यावर आणि व्यवस्थापित करण्यावर अधिक लक्ष केंद्रित करत आहेत. तथापि, देशांतर्गत इंटरनेट (Domestic internet) दिग्गज इंटरनेट युगातील युजर ट्रॅफिक ऍक्विझिशन स्ट्रॅटेजीजचे ( User traffic acquisition strategies ) पालन करत आहेत, ज्याचा उद्देश "Manus" सारख्या सामान्य Agent उत्पादनांद्वारे युजर्संना आकर्षित करणे आहे, जे उत्तर अमेरिकेतील त्यांच्या B-एन्ड समकक्षांच्या पद्धतींचे प्रतिरूपण करतात.
टेनसेंटची C-एन्ड स्ट्रॅटेजी
C-एन्ड उत्पादन आघाडीवर, टेनसेंटने अद्याप "Manus" च्या तुलनेत कोणतेही मूळ Agent उत्पादन लॉन्च केलेले नाही.
टेनसेंटच्या अलीकडील पहिल्या Quarter earnings meeting मध्ये, व्यवस्थापनाने Agent उत्पादनांवरील त्यांचा दृष्टिकोन स्पष्ट केला, त्यांना दोन Distinct types मध्ये वर्गीकृत केले: सामान्य एजंट्स जे व्यक्ती बाह्य जगात त्यांच्या वतीने कार्य करण्यासाठी तयार करू शकतात आणि WeChat इकोसिस्टममध्ये (WeChat ecosystem) एम्बेड (embed) केलेले AI Agents, जे WeChat च्या Unique framework मध्ये कार्य करतात.
सूत्रांनी दिलेल्या माहितीनुसार, टेनसेंट युआनबाओ आणि IMA सारख्या AI-नेटिव्ह (AI-native) उत्पादनांद्वारे त्याची सामान्य AI Agent क्षमता तयार करत आहे.
टेनसेंटच्या स्ट्रॅटेजीमध्ये क्षमतांची phased rollout समाविष्ट आहे. सुरुवातीला, एजंट्स प्रश्नांची त्वरित उत्तरे देण्यासाठी सज्ज असतील. त्यानंतर, ते अधिक Complex inquiries हाताळण्यासाठी "चेन थिंकिंग" लाँग रिझनिंग मॉडेल्सचा ( "chain thinking" long reasoning models) समावेश करतील. कालांतराने, ते अधिक जटिल कार्ये करण्यासाठी विकसित होतील, हळूहळू "embodied intelligence" क्षमता एकत्रित करतील, इतर ऍप्लिकेशन्स, प्रोग्राम्स आणि Comprehensive user assistance देण्यासाठी बाह्य APIs सह अखंड संवाद सक्षम करतील.
टेनसेंटचे व्यवस्थापन यावर जोर देते की हा एक Ongoing evolution आहे आणि त्याच्या क्षमता CompetitorS द्वारे विकसित केलेल्या सामान्य AI Agents च्या क्षमतेशी Fundamentally aligned आहेत.
WeChat इकोसिस्टम ऍडव्हांटेज
टेनसेंट WeChat इकोसिस्टममध्ये (WeChat ecosystem) तयार करण्याचा विचार करत असलेला AI Agent एक युनिकली डिफरेंशिएटेड प्रॉडक्ट (uniquely differentiated product) दर्शवतो, ज्याची इतर विक्रेत्यांना नक्कल करणे कठीण आहे.
हा एजेंट WeChat इकोसिस्टमच्या (WeChat ecosystem) मुख्य घटकांशी Integrated असेल, ज्यात सोशल रिलेशनशिप नेटवर्क , कम्युनिकेशन (communication) आणि कम्युनिटी फीचर्स, पब्लिक अकाउंट्स (public accounts) आणि व्हिडिओ अकाउंट्ससारखे (video accounts) कंटेंट प्लॅटफॉर्म आणि लाखो मिनी-प्रोग्राम्स (mini-programs) यांचा समावेश आहे. हे घटक एकत्रितपणे माहिती,Transaction processing आणि असंख्य Vertical domains मध्ये Operational capabilities प्रदान करतात.
पूर्वी लाँच केलेल्या मूळ AI ऍप्लिकेशन्सप्रमाणे, इंटरनेट दिग्गजांना AI Agents विकसित करण्याचे Strategic importance AI युगातील Super traffic ecosystem मध्ये वर्चस्व मिळवण्यामध्ये आहे, जे समाधानाच्या पातळीवर कोणतीही जागा सोडत नाही.
2025 पर्यंत, AI क्षेत्रातील प्रमुख थीम मोठ्या भाषेच्या मॉडेल्सवरून (large language models) AI Agents कडे सरकली आहे. AI Agents चा प्रसार अटळ आहे, परंतु Current product capabilities अजूनही शैशवावस्थेत आहेत. या Dynamic environment मध्ये, यश मिळण्याची शक्यता त्या लोकांच्या बाजूने आहे जे "Deepseek of the AI Agent Field" तयार करू शकतात, जे AI उत्क्रांतीच्या पुढील टप्प्यात स्वतःला नेते म्हणून स्थापित करतात.