A Tencent Robotics apresentou três modelos fundamentais incorporados durante o evento WAIC 2026. Esses modelos incluem VLM para compreensão de cenas, o modelo cognitivo RxBrain para planejamento com estados visuais e VLA para ações contínuas em frequência de 500–1000 Hz.
O pesquisador principal, Dr. Zhang Zhenyou, apresentou essa arquitetura como uma solução para um problema fundamental que as abordagens atuais de VLA não abordam adequadamente. Ele observou que diferentes tipos de inteligência robótica devem operar em frequências distintas, visto que o próprio mundo físico opera em múltiplas escalas de tempo.
A compreensão desse problema surgiu após um experimento malsucedido de transferência de capacidades do robô no OpenClaw, que causou um atraso de dezenas de segundos, inaceitável para robôs físicos, onde mesmo um atraso cognitivo de 2 a 3 segundos é problemático.
A arquitetura de três camadas resolve esse problema separando as frequências. O modelo Hy-Embodied-VLM é responsável pela compreensão espacial em uma frequência mais baixa, interpretando cenas visuais e relações entre objetos. O Hy-Embodied-RxBrain representa uma inovação significativa na arquitetura cognitiva: ele não apenas gera passos de tarefa em linguagem, mas também visualiza como o mundo físico deve parecer após a conclusão de cada subtarefa, utilizando representações de estado visual em vez de descrições textuais.
Isso elimina a limitação principal dos sistemas de planejamento baseados apenas em linguagem, pois descrições textuais não conseguem transmitir eficientemente relações espaciais e restrições físicas que podem ser transmitidas instantaneamente através da visão. O modelo Hy-Embodied-VLA opera na frequência mais alta, traduzindo objetivos de alto nível em comandos de ação contínuos de baixo nível com velocidade suficiente para interagir com o mundo físico em tempo real.
A Tencent informou que o Hy-Embodied-VLA passou por testes de produção em uma fábrica química. O modelo lida com linhas de montagem intensivas em SKUs, de baixo volume e altamente misturadas, garantindo um tempo de ciclo de peça inferior a 6 segundos. Além disso, o modelo é capaz de se adaptar a novos SKUs em apenas 8 horas de coleta e ajuste fino de dados.
As condições de teste diferem significativamente das demonstrações laboratoriais: os objetos são dispostos aleatoriamente, a iluminação muda, ocorrem interrupções na produção, e o robô deve atingir um nível de falha quase nulo. O Dr. Zhang enfatizou que uma demonstração que alcançou 80–90 pontos sem implementação real não tem valor prático, e os testes de fábrica refletem o compromisso com o desempenho industrial mensurável, e não com métricas de benchmark.
O modelo cognitivo RxBrain resolve o segundo desafio complexo: o gargalo linguístico no raciocínio robótico. Sistemas anteriores da Tairos dependiam de texto para comunicação intercerebral, mas a descrição de relações espaciais de objetos em palavras pode ser prolixa e ambígua. Ao incorporar a representação visual do estado no ciclo de planejamento, o RxBrain garante uma maior taxa de transferência de informações entre percepção e ação.
O modelo é descrito como um modelo de mundo cognitivo incorporado, e não como um modelo completo do mundo, pois ainda não há uma arquitetura consensual de modelo de mundo único nesta área. Juntos, os três modelos e a plataforma Tairos formam um stack completo de inteligência incorporada da Tencent, disponível para qualquer desenvolvedor ou fabricante utilizar. Assim, a comunidade de robótica agora pode construir sobre a mesma arquitetura sensível à frequência desenvolvida pela Tencent graças a falhas reais e melhoria iterativa.
Os ataques a agentes de inteligência artificial estão se tornando cada vez mais comuns, e o software antivírus ainda não conseguiu se adaptar a essas ameaças, segundo Sergey Lozhkin, líder da equipe global de pesquisa e análise da Kaspersky para a Ásia-Pacífico, Oriente Médio, Turquia e África.
Em um evento de cibersegurança da Kaspersky em Tbilisi, Geórgia, na segunda-feira, Sergey Lozhkin observou que as ameaças controladas por IA estão surgindo cada vez mais fora da rede corporativa. As interfaces de programação de aplicativos, frameworks, plugins e os próprios agentes representam um perigo direto.
Ele enfatizou que a análise tradicional baseada em assinaturas, que procura comandos diretos, não é mais eficaz. Lozhkin explicou que, atualmente, quando um usuário ou seu agente abre uma habilidade, ela parece absolutamente legítima, executando o trabalho exigido. No entanto, como toda a atividade ocorre na nuvem, essa habilidade possui comandos para se conectar a recursos externos e receber instruções de lá.
Os usuários são enganados, sendo forçados a baixar software malicioso relacionado à IA de várias maneiras. Alguns tipos de malware se disfarçam de plataformas de IA legítimas, imitando funcionalidades esperadas pelos usuários, mas contêm instruções ocultas para enviar credenciais para um servidor externo.
Nos primeiros cinco meses de 2026, a Kaspersky descobriu mais de 15.000 amostras exclusivas mascaradas como clientes e agentes falsos do ChatGPT, Claude ou Gemini. Além disso, foram identificadas campanhas, como a instalação do DeepSeek, implantada pelo grupo Silver Fox, que foi usada para espionagem.
Outro método de ataque é a própria habilidade. Quando um agente navega em páginas da web procurando ferramentas necessárias para completar uma tarefa, pacotes que se passam por código legítimo infectam essa habilidade com instruções de backdoor.
Em março, invasores identificados como TeamPCP implantaram um backdoor no LiteLLM, um gateway de IA amplamente utilizado distribuído através do Python Package Index. Isso o transformou em um ladrão multifásico que coletava credenciais, tokens de autenticação e chaves de sistemas de nuvem e criptográficos.
A maioria dos usuários não técnicos aceita atualizações de habilidades e downloads de plugins sem verificar o código. No entanto, especialistas em TI e especialistas em segurança cibernética também caem nesta armadilha. Lozhkin observou que os invasores sabem que os profissionais treinados tendem a ler o código antes de aceitar, então eles usam ataques multifásicos que produzem resultados legítimos por tempo suficiente para ganhar confiança ou passar despercebidos quando a fadiga chega.
Sergey Lozhkin compartilhou sua experiência pessoal, observando: «Eu vi isso comigo mesmo. Eu criei toneladas de agentes para realizar minhas tarefas diárias. Agora dependemos deles. Tornamo-nos preguiçosos por causa dos agentes de IA, e isso só vai piorar no futuro».
As organizações não estão indefesas. Dmitry Galov, chefe da unidade Rússia e CEI da equipe global de pesquisa e análise da Kaspersky, informou ao TechCentral que ferramentas comprovadas, como análise comportamental, são fundamentais para detectar malware de IA no momento da execução.
Uma abordagem alternativa é a caixa de areia de aplicações de IA, que permite que elas funcionem livremente em um ambiente isolado, ao mesmo tempo que restringe e controla a interação com a internet mais ampla. Galov afirmou: «As organizações não precisam proibir os funcionários de usar IA porque pode ser perigoso, mas podem estabelecer barreiras de proteção para garantir que dados confidenciais não vazem».
No entanto, os novos vetores de ataque exigem uma mudança na abordagem das organizações em relação à segurança. Lozhkin argumentou que, como o código malicioso pode estar em modo de espera dentro de uma habilidade externamente legítima e só ser ativado ao atingir a nuvem, uma única varredura de arquivo e confiança no resultado já não é suficiente. Ele acrescentou que as habilidades e plugins são publicados muito rapidamente para sustentar o modelo antigo.
Ele pediu: «É necessário pensar e implementar mecanismos de proteção, porque o número de habilidades está crescendo exponencialmente, e estamos entrando em um mundo onde precisamos descobrir algo do ponto de vista de pesquisadores de segurança, fornecedores de antivírus e empresas. Caso contrário, tenho más notícias para você».
A Nvidia liderou a formação da Open Secure AI Alliance, uma iniciativa que reúne grandes corporações de tecnologia com o objetivo de desenvolver ferramentas robustas para garantir a segurança dos sistemas de inteligência artificial. Este grupo planeja compartilhar tecnologias de código aberto para auxiliar pesquisadores na identificação de falhas e na resposta eficaz a ataques cibernéticos.
A criação desta aliança foi motivada por um incidente específico que envolveu um agente autônomo de IA. Entre os participantes confirmados estão nomes proeminentes como Microsoft, Dell, SpaceX e Hugging Face. A proposta central é intensificar a cooperação entre as empresas visando a construção de sistemas de IA mais seguros.
A Nvidia enfatiza que é crucial que os pesquisadores tenham acesso a diversos tipos de modelos de inteligência artificial, abrangendo tanto opções fechadas quanto aquelas de código aberto. Segundo a empresa, este acesso diversificado é fundamental para investigar vulnerabilidades e compreender como agentes de IA podem ser explorados em ataques.
Um exemplo citado pela Nvidia refere-se à Hugging Face. Durante um ataque, os modelos comerciais de IA demonstraram incapacidade de auxiliar na análise devido aos seus próprios mecanismos de segurança, que barraram certas ações. A Nvidia relatou: “Quando ferramentas de IA fechadas — incapazes de distinguir atacantes de defensores — bloquearam análises forenses essenciais, a Hugging Face executou o modelo GLM 5.2 em sua própria infraestrutura para analisar mais de 17 mil ações e conter a invasão”.
As contribuições esperadas dentro da aliança incluem a disponibilização de modelos abertos, pesos de IA e dados destinados a pesquisas de segurança. Além disso, serão oferecidas ferramentas para monitorar e testar o comportamento de agentes inteligentes, métodos de verificação para serviços de IA e tecnologias abertas para o armazenamento seguro de modelos.
Outras companhias, como HPE, IBM, Red Hat, Microsoft, SpaceXAI e Adobe, também deverão contribuir com suas respectivas soluções. A Hugging Face adicionará o Safetensors, um formato desenvolvido especificamente para guardar os pesos dos modelos de inteligência artificial. A Nvidia defende veementemente que os modelos abertos devem ser vistos como parceiros na defesa digital, alertando que restrições excessivas podem complicar a pesquisa de segurança e elevar a dependência de poucos fornecedores fechados.
O debate sobre este tema ganhou relevância após a OpenAI expor um episódio onde um agente de IA agiu contra a Hugging Face. Este caso suscitou sérias preocupações acerca do controle de sistemas dotados da capacidade de realizar tarefas de maneira autônoma.
A Open Secure AI Alliance busca estreitar laços entre empresas e órgãos governamentais para edificar uma infraestrutura compartilhada para inteligência artificial. A Nvidia também disponibilizou projetos e pesquisas de código aberto para apoiar o desenvolvimento de ferramentas de controle e monitoramento. A Nvidia reforçou que “Restrições gerais aos sistemas de IA de fronteira abertos enfraquecem a capacidade defensiva e podem concentrar poder, dependência e vulnerabilidade em poucos provedores fechados”.
A instituição desta aliança sinaliza que a segurança transcendeu a esfera puramente técnica, englobando todo o setor de tecnologia. O grande desafio atual reside em criar instrumentos capazes de acompanhar a rápida evolução dos sistemas inteligentes sem, contudo, restringir o avanço da inovação.
O Presidente do Uzbequistão aprovou uma série de medidas destinadas a aperfeiçoar o planejamento estratégico em tecnologia digital e fortalecer o controle governamental neste setor. O Decreto nº UP-141 foi assinado em 24 de julho de 2026.
De acordo com este decreto, é necessário atualizar as estratégias de desenvolvimento de 'Uzbequistão Digital — 2030' e de inteligência artificial até 2030. Essas atualizações devem estar em conformidade com os requisitos atuais e harmonizar-se com os objetivos da estratégia 'Uzbequistão — 2030'.
No âmbito das novas prioridades, espera-se que, até 2030, o projeto 'Cinco Milhões de Líderes em Inteligência Artificial' treine cinco milhões de jovens. O decreto também prevê a melhoria da gestão do espectro de radiofrequência e a digitalização contínua dos setores econômicos.
O documento dedica especial atenção à supervisão governamental em áreas de comunicação de massa, telecomunicações, tecnologias digitais e atividades editoriais.
O Uzbequistão pretende melhorar suas posições na Pesquisa Global sobre Governo Eletrônico. Planeja-se que, até 2030, o país entre no top 30 mundial no Índice de Desenvolvimento do Governo Eletrônico.
Segundo o documento, até 2030, a cobertura de redes de fibra óptica de comunicação e internet de banda larga deve atingir 99%. Além disso, serão criadas condições para que os moradores de áreas remotas utilizem tecnologias de comunicação por satélite. Serão instituídos programas para apoiar e acelerar o desenvolvimento de startups no setor de tecnologia digital, que poderão receber ajuda com a participação de especialistas internacionais e mentores de negócios.
O país planeja criar mais de 15 laboratórios de inteligência artificial. Um sistema chamado 'Seguidores de Muhammad al-Khwarizmi' será implementado para estudantes do ensino médio, e a participação das mulheres em tecnologias digitais será expandida. Até 2030, estima-se que a parcela de serviços no Portal Interativo Único de Serviços Públicos fornecidos com o uso de IA atinja 10%, e a parcela de serviços públicos eletrônicos acessíveis por dispositivos móveis atinja 90%.
