Tencent, Alibaba e ByteDance competem no mercado de lojas de habilidades em IA

Skill está se tornando uma das palavras-chave mais populares no campo da IA.

Skill pode ser entendido como o "manual de operações" para um AI Agent. É um arquivo de instruções estruturado que especifica quais ferramentas chamar, como avaliar situações específicas e em quais critérios basear a saída final. Ao ler esse arquivo, o Agent executa a tarefa seguindo o caminho pré-definido.

Por exemplo, um produto sênior pode encapsular todo o processo de escrita de documentos de requisitos do produto em um Skill; qualquer agente que o instale poderá gerar um documento de requisitos padronizado seguindo o mesmo framework.

Com o aumento do número de Skills, plataformas de distribuição surgiram. Os primeiros a desempenhar esse papel foram comunidades de desenvolvedores como GitHub e ClawHub, onde o upload, busca e download de Skills eram realizados dentro da comunidade técnica.

Grandes empresas também estão avançando rapidamente. Em março deste ano, Tencent, Alibaba e ByteDance lançaram respectivamente suas lojas de habilidades em suas próprias plataformas de Agent. Nos dois meses seguintes, Zhipu, Meituan e Xiaohongshu entraram sucessivamente. Grandes empresas de internet, empresas de grandes modelos e gigantes de serviços locais, até mesmo plataformas de conteúdo, estão disputando esta entrada.

A essência da batalha pela loja de habilidades é a disputa pelo ponto de entrada de tráfego na era da IA; quem controla a distribuição, controla os usuários.

Mas, além do ByteDance ter testado a monetização de Skills, todos os outros plataformas estão oferecendo apenas a versão gratuita. Por que todas ainda estão competindo por uma “loja” que não gera lucro?

Quem está entrando em ação? Por que a Skill Store vale a pena garantir?

Antes de responder a essa pergunta, veja um modelo já implementado.

Na era da internet móvel, a App Store da Apple não apenas ganha dinheiro com uma comissão de 30% sobre downloads, mas seu valor mais central reside no fato de que desenvolvedores criam aplicativos para entrar no ecossistema iOS, enquanto os usuários permanecem nesse ecossistema para usar esses aplicativos e, consequentemente, continuam consumindo dentro dele: comprando iCloud, assinando o Apple Music e realizando pagamentos dentro dos aplicativos. O direito de distribuição é a entrada; o consumo no ecossistema é a fonte de receita.

A loja de Skills disputa o mesmo lógico. Os usuários permanecem no ecossistema correspondente onde estão acostumados a obter Skills, consumindo serviços ali. A diferença é que, na era da internet móvel, esse lógico já foi validado, enquanto a loja de Skills ainda está na fase de "promessas". Entendendo isso, analise as abordagens distintas dos três tipos de participantes.

O primeiro grupo são grandes empresas de internet que atraem tráfego por meio da Skill Store e geram receita dentro do ecossistema.

A Alibaba incorporou o mercado de Skills "Xiao Bao" no assistente JVS Claw Agent, permitindo que os usuários sincronizem automaticamente os Skills escolhidos para uso nas ferramentas. O mercado de Skills é gratuito, mas o uso dos Skills consome capacidade de processamento, que gera receita para o negócio de nuvem da Alibaba.

A ByteDance está seguindo duas linhas paralelas. O Find Skill, lançado pelo Volcano Engine, destina-se a clientes corporativos e integra Skills de múltiplas fontes, como ClawHub e GitHub; já a loja de Skills integrada ao Koubzi destina-se a desenvolvedores comuns, reduzindo a barreira para criação e uso, além de permitir a venda de Skills. O objetivo é atrair a comunidade de desenvolvedores e usar Skills para impulsionar o consumo de serviços em nuvem e capacidade de processamento.

A estratégia da Tencent é ligeiramente diferente. O SkillHub é essencialmente uma versão localizada do ClawHub no exterior, responsável por atrair tráfego e adaptar-se ao mercado local. No entanto, a verdadeira carta da Tencent é o ecossistema de miniaplicativos do WeChat. Com base nas cadeias de serviços maduras acumuladas por milhões de miniaplicativos, a Tencent pode encapsular diversos serviços online e off-line como Skills padronizados. Se esse caminho for bem-sucedido, o modelo de negócios será semelhante ao dos miniaplicativos, gerando receita por meio de comissões sobre transações e publicidade.

Meituan, por sua vez, utiliza o ecossistema Skill para reforçar seu negócio principal. Em abril, lançou o xia345, posicionado como um navegador de ecossistema de Agentes de IA, reunindo mais de 20 Agentes e mais de 7.000 Skills. Em maio, iniciou a versão de teste pública da comunidade de IA "Mi You", com mais de 3.000 Agentes inscritos e mais de 40.000 Skills no total. Do navegador à comunidade, os usuários veem compartilhamentos em "Mi You" e baixam e utilizam os Skills em "xia345". Os Skills em si não geram receita, mas prolongam o tempo de permanência dos usuários dentro do ecossistema da Meituan, criando mais oportunidades de conversão para negócios centrais como entregas e serviços em lojas físicas.

O segundo tipo são empresas de grandes modelos, que retêm usuários por meio da Skill Store e ganham dinheiro com chamadas de modelos.

Em abril, o ZhiPu lançou o广场 de AgentMore Skills na própria plataforma de agentes Auto Claw, integrando três módulos: seleção oficial, Skill Hub e comunidade de código aberto, com suporte para instalação em um clique, sem tokens.

A Lua Negra agiu antes, lançando o Kimi Claw em fevereiro, permitindo que os usuários implantassem o Open Claw com um clique no site e configurassem sua biblioteca de habilidades, instalando e chamando diversos Skills diretamente no navegador.

Empresas de grandes modelos parecem naturalmente mais adequadas para distribuir habilidades. O próprio modelo é a base para a execução das habilidades; desenvolver uma loja de habilidades pode impulsionar o uso contínuo de seus próprios grandes modelos, mantendo os usuários em seu próprio ecossistema.

O engenheiro de Agent da empresa de grandes modelos, He Yu, mencionou que os Skill desenvolvidos internamente têm maior compatibilidade com o modelo básico próprio e oferecem uma melhor experiência de uso. Essencialmente, o Skill é o "isca", e a quantidade de chamadas ao modelo é o "peixe".

A terceira categoria são plataformas de conteúdo, que tratam o Skill como uma nova categoria de conteúdo, ganhando com tráfego e publicidade.

O Xiaohongshu recentemente lançou o Red Skill, que ainda está em teste interno. Os usuários podem anexar links de Skill abaixo das postagens; ao clicar, copiam automaticamente os comandos de instalação. Diferentemente do modelo tradicional de distribuição de Skill, que segue uma cadeia de busca e configuração, o Xiaohongshu adota uma abordagem baseada em recomendação de conteúdo, transformando o Skill em uma forma de conteúdo passível de navegação e recomendação. O Xiaohongshu não lucra com o Skill em si, mas com o tráfego e a receita publicitária gerados por esse conteúdo.

A lógica dos três tipos de jogadores é a mesma: a loja Skill em si não gera lucro, mas é a porta de entrada para adquirir e reter usuários. A receita real está fora da Skill.

No entanto, esse julgamento só é válido se os desenvolvedores e os usuários realmente estiverem dispostos a usá-lo.

O desenvolvedor independente Sugimori Nan também mencionou que essas lojas de Skills embutidas nos produtos das grandes empresas podem não ter o apelo que se imagina. Elas parecem mais como uma função secundária dentro do produto, com baixa visibilidade e não sendo uma prioridade principal das grandes empresas. Já a capacidade natural de disseminação das plataformas de conteúdo oferece maior competitividade na distribuição de Skills.

Ou seja, a loja foi montada, mas ainda não é suficientemente atraente.

Para avaliar se o negócio da Skill Store é lucrativo, o mais direto é verificar se ele gera lucro.

Atualmente, apenas os botões da Byte suportam negociação de Skills, permitindo que criadores definam preços para vender seus próprios Skills. Quase todas as outras plataformas distribuem gratuitamente. O que realmente pode ser considerado “negociação” é alguém vendendo pacotes de Skills open source no Xianyu, explorando diferenças de informação.

O "comércio" ainda é apenas uma metáfora. Qual é o problema?

O primeiro obstáculo é que a habilidade é difícil de precificar.

A App Store conseguiu se estabelecer graças a um sistema de avaliação completo: funcionalidades claras, experiência estável, além de classificações e avaliações de usuários. Mais importante ainda, qualquer pessoa que execute o mesmo aplicativo terá o mesmo resultado.

O que falta ao Skill é essa certeza. Trocar um modelo ou um ambiente de contexto pode resultar em diferenças significativas nos resultados gerados pelo Skill. Shan Sen Nan informou à "AIX Finance" que existem diferenças de desempenho entre diferentes produtos de Agentes, e suas capacidades de modelo também variam; o mesmo Skill pode produzir resultados imprevisíveis quando executado em diferentes produtos e modelos. Mesmo dentro do mesmo produto e modelo, devido à aleatoriedade inerente da IA, os resultados nem sempre são consistentes.

He Yu acrescentou outra perspectiva: a maioria dos Skills genéricos voltados para usuários comuns produz saídas abertas, sem uma única resposta padrão, e a indústria atualmente também carece de um padrão unificado para avaliar os resultados. Skills de alta qualidade não conseguem ser identificados de forma eficaz, resultando em custos de seleção extremamente altos para os usuários.

A eficácia é instável, então não é possível estabelecer um sistema de avaliação. Sem um sistema de avaliação, os usuários não têm base para pagar.

O segundo obstáculo é a falta de transparência nos custos.

Concluir a mesma tarefa pode consumir várias vezes mais tokens dependendo da Skill, mas o usuário não pode saber isso antes da instalação. Dois Skills com a mesma função, qual é mais “econômico em tokens”? Não é possível comparar.

He Yu deu um exemplo: ele já usou duas habilidades longas na mesma plataforma para resumir o mesmo documento e emitir os mesmos comandos, mas o consumo de tokens variou bastante, e essa diferença era completamente invisível ao escolher a habilidade. O usuário paga por uma habilidade, mas ainda arca com um custo incerto de consumo de tokens — como calcular esse custo?

O terceiro obstáculo reside nos riscos de segurança.

Este ano, já houve casos de envenenamento de Skills; Skills maliciosos se disfarçam como nomes populares para serem publicados e roubam dados dos usuários. Embora as plataformas tenham implementado gradualmente mecanismos de revisão, isso também aumentou a barreira para desenvolvedores enviarem Skills.

Quando Sōshin Nan tentou fazer o upload de uma Skill no Xiaohongshu, encontrou limitações: a plataforma permite apenas o upload de arquivos Markdown e TSD, então Skills complexas não puderam ser carregadas integralmente, acabando por ser reduzidas a um único Prompt. Ainda não foi encontrado um equilíbrio entre a revisão de segurança e a experiência do desenvolvedor.

O último obstáculo é a falta de um protocolo padronizado.

Diferentes desenvolvedores descrevem a mesma tarefa de maneiras distintas, o que容易 leva o modelo a interpretar mal e resulta em desempenho inconsistente. He Yu afirmou que a ambiguidade na descrição torna difícil controlar a experiência real do Skill, fazendo com que “fácil de usar” se torne uma questão mística.

Além disso, a falta de limites de permissão padronizados impede a realização do ideal de “desenvolver uma vez, distribuir em múltiplas plataformas”.

Esses quatro obstáculos apontam, na verdade, para a mesma causa: Skill, por natureza, é um fluxo de trabalho personalizado e se opõe naturalmente à padronização. E o pré-requisito para a comercialização é justamente a padronização.

Então, a loja de Skills hoje em dia é mais como uma prateleira de exposição: os produtos estão lá, mas os usuários não sabem qual escolher, nem se vão gostar do que escolheram. Ainda há um longo caminho a percorrer até chegar a uma verdadeira “negociação”.

Primeiro, desvie o olhar da plataforma para os desenvolvedores.

O desenvolvedor independente Chen Xu já havia carregado um Skill pago no Koz. No mesmo dia em que foi aprovado, seis pessoas já haviam pago, e a recomendação na página inicial trouxe exposição contínua. Mas a boa fase não durou muito: ele logo descobriu que não tinha mais chance de aparecer na página inicial, e os usuários precisavam procurar ativamente por ele para encontrá-lo, além de não poderem investir em tráfego. As oportunidades de exposição na página inicial eram totalmente controladas pela plataforma e apresentavam grande aleatoriedade.

Isso pelo menos indica dois pontos: primeiro, há demanda real pelo pagamento do Skill; segundo, a capacidade de distribuição dos desenvolvedores nas plataformas atuais é extremamente limitada.

Então, a Skill Store pode se tornar a próxima App Store? Por enquanto, há dois obstáculos.

Por um lado, não existe um sistema padronizado de avaliação para Skill. Chen Xu mencionou que, ao escolher Skill, geralmente se baseia no número de estrelas no GitHub, pois essas estrelas refletem a validação real dos usuários; no entanto, há desvios entre as classificações populares das plataformas locais e as do exterior, o que pode distorcer os indicadores. Na ausência de um sistema de avaliação padronizado e interplataforma, os usuários só podem escolher por sorte.

Por outro lado, o Skill possui fortes atributos personalizados. Shan Sen Nan mencionou que a maioria dos Skills genéricos disponíveis no mercado tem eficácia limitada. Skills verdadeiramente úteis precisam estar alinhados ao fluxo de trabalho individual, serem ajustados repetidamente no dia a dia e consolidar uma metodologia exclusiva. Por exemplo, mesmo dois Skills ambos classificados como “assistente de escrita” podem ter fluxos de trabalho adaptados e estilos de produção completamente diferentes.

Se o sistema de avaliação não for implementado, a Skill Store permanecerá apenas em estágio de prateleira de exposição.

Mas, visto sob outra perspectiva, a habilidade é, essencialmente, um novo tipo de produto. Anteriormente, os usuários pagavam por “certeza”: precisavam de uma funcionalidade e baixavam um aplicativo. Agora, estão comprando “possibilidade”, uma capacidade de criação, um conjunto de metodologias reutilizáveis.

He Yu dividiu os cenários com base em pagamento em duas categorias: uma é a necessidade corporativa, como processos fixos de revisão de contratos e geração de relatórios de dados, nos quais as empresas têm forte disposição para pagar; a outra é ferramentas pessoais, como otimização de currículos para busca de emprego e redação de documentos para estudos no exterior, com taxas de conversão de pagamento relativamente mais altas.

O problema é: quem pode transformar esse espaço em um negócio real?

Os três tipos de participantes têm vantagens distintas, mas também cada um possui suas limitações.

As grandes empresas de internet estão mais próximas dos cenários, mas a Skill Store é apenas um “acréscimo” para elas, sem investimento em recursos essenciais. As empresas de grandes modelos têm vantagem natural na adaptação de modelos, mas seu ecossistema não compete com o das grandes empresas; a Skill Store é apenas um serviço adicional, cujo objetivo principal é incentivar os usuários a continuarem chamando os modelos. As plataformas de conteúdo têm a maior capacidade de disseminação; no estágio em que ainda não existe um sistema padronizado de avaliação para Skills, os usuários escolhem Skills com base em recomendações de criadores e demonstrações de uso — exatamente o que as plataformas de conteúdo fazem melhor —, mas estão mais distantes do ecossistema técnico.

A instabilidade do Skill, seus atributos personalizados e riscos de segurança tornam este negócio muito mais difícil do que parece à primeira vista. Até agora, nenhuma empresa conseguiu tornar a aquisição do Skill tão natural quanto comprar um aplicativo.

Este artigo é do canal do WeChat "AIX Finance", autor: Equipe AIX Finance