ByteDance crea una división clave de datos de IA para impulsar su modelo de 10 billones de parámetros

ByteDance ha creado un nuevo departamento de primer nivel llamado "Datos y Seguridad de IA" (AI Data & Security), elevando el enfoque de la compañía hacia la gobernanza de datos en un momento en que se dispone a entrenar el que sería uno de los modelos de IA más grandes del mundo.

La nueva unidad, de la que ha informado el medio tecnológico chino 36Kr, opera al mismo nivel organizativo que la división de investigación Seed AI de ByteDance, Flow y Douyin, según PANews. Está liderada por Adam Wang, quien anteriormente supervisaba la responsabilidad de la plataforma y las operaciones de transmisión en vivo de TikTok.kucoin

Consolidación del flujo de datos

La misión principal del departamento es proporcionar servicios de datos multimodales para todos los modelos grandes de ByteDance. Integra el equipo de Datos Globales fundado en 2023 por Fu Yue, miembro fundador de TikTok, junto con el middleware de datos DMC de la compañía y la Plataforma de Datos de IA bajo el paraguas de Flow. La unidad cubre todo el ciclo de vida de los datos, desde la estandarización y obtención de fuentes hasta la síntesis, limpieza, evaluación de calidad y cumplimiento de seguridad.kucoin

El contexto de la antidestilación

La reestructuración se produce días después de que el fundador de ByteDance, Zhang Yiming, instara al equipo de investigación Seed AI de la compañía a evitar la mejora de sus modelos mediante la destilación de sistemas rivales. "El desarrollo de la IA requiere una visión a largo plazo y una gratificación diferida, en lugar de utilizar los resultados de otros para lograr clasificaciones a corto plazo en las tablas de líderes", afirmó Zhang en una reunión interna reciente, según un informe de Reuters que cita al medio chino The Paper.mix929

Zhang transmitió al personal que ByteDance debería estar dispuesta a "sacrificar algunos beneficios a corto plazo en favor de objetivos a largo plazo", y añadió que la destilación interfiere con los verdaderos avances tecnológicos a largo plazo.mix929

La directiva adquiere un peso adicional dado el contexto geopolítico actual. El Financial Times informó el 7 de agosto que ByteDance está preentrenando un modelo de hasta 10 billones de parámetros utilizando una arquitectura de mezcla de expertos (mixture-of-experts), lo que requiere aproximadamente 30.000 GPU y de tres a seis meses de preentrenamiento continuo. La nueva unidad de datos parece diseñada para garantizar que el proceso de entrenamiento de este proyecto, y de los futuros, se base en datos debidamente gobernados y de origen interno, en lugar de resultados extraídos o destilados de sistemas occidentales.wionews

Una señal estructural

Al situar la gobernanza de datos de IA al mismo nivel que sus divisiones principales de investigación y productos de IA, ByteDance envía una clara señal organizativa de que el origen de los datos y el cumplimiento normativo no son aspectos secundarios, sino requisitos indispensables para sus ambiciones de vanguardia. Este movimiento también posiciona a la empresa para defenderse de futuras acusaciones de uso indebido de propiedad intelectual, en un momento en que las autoridades estadounidenses han advertido que "las sanciones y las designaciones en la Lista de Entidades estarán sobre la mesa" para las firmas chinas sospechosas de destilar sistemas de IA estadounidenses.wionews