Quem é Ilya Sutskever e o que é a SSI

Sutskever foi cofundador e cientista-chefe da OpenAI, figura central no desenvolvimento dos modelos GPT que redefiniram o mercado de IA nos últimos anos. Sua saída da OpenAI foi amplamente coberta pelo ecossistema. A fundação da SSI veio logo depois, com uma proposta explicitamente diferente da arquitetura dominante hoje.

A Safe Superintelligence não está construindo mais um modelo de linguagem grande (LLM). O foco declarado da empresa é em pesquisa de base voltada ao desenvolvimento de inteligência artificial segura e alinhada, com o objetivo de longo prazo de alcançar o que o setor chama de superinteligência artificial. Sem produto comercial planejado no curto prazo, sem roadmap público, sem benchmark divulgado.

O que a Nvidia está comprando

O aporte de US$5 bilhões não é o único elemento relevante do anúncio. A parceria de longo prazo inclui acesso da SSI à plataforma de GPUs Vera Rubin da Nvidia, a geração mais recente de chips da empresa e o recurso mais disputado por laboratórios de IA no mundo hoje.

A Nvidia não está apenas injetando capital em uma startup de fronteira, está garantindo que a SSI terá a infraestrutura computacional necessária para conduzir pesquisa de base em escala. Ao fazer isso, posiciona a própria Nvidia como parceira de quem, na hipótese de Sutskever se provar certo, estará construindo o próximo salto relevante da IA.

A Nvidia é descrita por analistas como a empresa mais valiosa do mundo e a fabricante dos chips que sustentam a infraestrutura de IA globalmente. Quando ela escolhe uma parceira de longo prazo nessa categoria, o sinal enviado ao mercado tem peso diferente de um aporte de fundo de venture capital.

O paradoxo do valuation

A pergunta que o anúncio coloca de forma direta é o que exatamente vale US$32 bilhões aqui. A resposta mais honesta é que o mercado está precificando três coisas simultaneamente. Primeiro, a credencial de Sutskever e o histórico de ter co-criado os modelos que definiram o estado da arte em IA dá à sua próxima aposta um prêmio de confiança que poucos nomes no setor conseguiriam sustentar. Segundo, a tese de que os LLMs têm um teto (de capacidade, de custo, de retorno marginal) e que quem chegar primeiro a uma abordagem alternativa viável captura um mercado enorme. Terceiro, a escassez de oportunidade: não há muitas apostas disponíveis na fronteira da pesquisa de superinteligência com esse nível de credencial associado.

Esses três elementos juntos criam o que investidores de venture chamam de prêmio de opção. Você não está pagando pelo que a empresa entregou, está pagando pelo direito de estar posicionado caso a hipótese se prove verdadeira. O risco de não estar lá, se a SSI acertar, é maior do que o risco de ter apostado e errado.

Esse raciocínio não é irracional, mas ele exige aceitar que o valuation está completamente descolado de qualquer fundamento mensurável no presente.

Enquanto OpenAI, Anthropic e Google destinam bilhões ao desenvolvimento de modelos de linguagem cada vez maiores e mais caros, a SSI posiciona sua pesquisa em outra direção. A empresa não detalhou publicamente qual abordagem está explorando, mas o posicionamento como alternativa à arquitetura dominante é explícito.

Para o ecossistema de IA, isso cria uma dinâmica interessante. O mercado está financiando simultaneamente a corrida dentro do paradigma atual (LLMs maiores, mais rápidos, mais baratos) e a aposta de que esse paradigma tem vida útil limitada. A SSI é, por enquanto, a versão mais cara e mais opaca dessa segunda aposta.

O acesso à plataforma Vera Rubin da Nvidia resolve uma das principais restrições para qualquer lab que queira trabalhar fora do mainstream. Sem poder computacional suficiente, pesquisa de base em IA de fronteira simplesmente não acontece. Com esse acesso garantido, a SSI remove o gargalo de infraestrutura da equação, e o que resta é entregar os resultados que justificam o valuation.

The post Sem produto, sem pesquisa publicada e avaliada em US$ 32 bi: a Nvidia aposta na Safe Superintelligence appeared first on The beatstrap.

O produto opera de forma completamente passiva: o usuário não precisa abrir nenhum aplicativo, fazer exame ou alterar qualquer hábito. O diagnóstico é entregue automaticamente após cada uso do banheiro. Zero fricção, coleta contínua, dados biométricos gerados em um dos únicos momentos do dia que qualquer pessoa (independentemente de rotina, disciplina ou contexto) inevitavelmente passa.

Quem está por trás da Throne

A Throne foi cofundada por John Capodilupo, ex-cofundador da WHOOP, empresa que redefiniu o monitoramento contínuo de saúde para atletas de alto rendimento com um wearable que coleta dados 24 horas por dia sem depender de interação ativa do usuário. O histórico de Capodilupo é o argumento mais direto contra a reação inicial de descaso que uma câmera no banheiro tende a provocar.

A WHOOP resolveu um problema parecido com o que a Throne está atacando agora. Antes do wearable, monitorar variáveis como variabilidade da frequência cardíaca, qualidade do sono e recuperação muscular exigia visitas a laboratórios ou equipamentos hospitalares. A empresa transformou esse processo em algo passivo, contínuo e integrado à rotina. A Throne está aplicando a mesma lógica a um conjunto diferente de dados biométricos, os que o corpo descarta naturalmente, todos os dias, sem que ninguém precise fazer nada de diferente.

A lógica do monitoramento passivo

O que torna a proposta da Throne tecnicamente interessante vai além da câmera. O conceito de zero esforço do usuário é um dos vetores mais consistentes de adoção em saúde digital. Wearables como o WHOOP e o Oura Ring cresceram justamente porque removeram a fricção de medir: você usa, o dispositivo coleta, você recebe a análise. O problema com a maioria dos protocolos de saúde (exames de sangue periódicos, consultas de rotina e diários alimentares) é que dependem de ação deliberada do usuário. E isso geralmente tem uma alta taxa de abandono.

A análise de resíduos no vaso sanitário elimina esse atrito completamente. Não há nada a lembrar, nada a fazer, nenhuma barreira entre o evento biológico e a coleta de dados. Se a tecnologia de visão computacional conseguir entregar consistência diagnóstica, o modelo tem uma vantagem de adesão estrutural que poucos outros formatos de healthtech possuem.

O mercado global de healthtechs teve um crescimento de dois dígitos consecutivos nos últimos oito anos, segundo a Global Market Insights. O segmento de monitoramento biométrico contínuo voltado ao consumidor final tem sido um dos de maior expansão dentro desse universo e a Throne está se posicionando exatamente nessa fronteira.

A tecnologia pode funcionar. O diagnóstico pode ser preciso. O produto pode ter uma UX impecável. E ainda assim a câmera no banheiro pode não escalar.

Essa é a tensão mais honesta que a rodada da Throne coloca na mesa: privacidade e aceitação do usuário são barreiras que IA nenhuma resolve sozinha. O banheiro é um dos poucos espaços que a cultura ocidental ainda preserva como zona de privacidade absoluta. Instalar uma câmera nesse ambiente, mesmo que os dados sejam criptografados, mesmo que o processamento seja local e mesmo que a empresa apresente todas as certificações de segurança imagináveis, ativa resistências que vão além da racionalidade.

O healthtech tem histórico de soluções tecnicamente sólidas que travaram na adoção por subestimar o componente comportamental. Aplicativos de rastreio alimentar com evidência científica robusta têm taxa de abandono alta. Dispositivos de monitoramento de glicose contínuo levaram anos para sair do nicho médico e chegar ao consumidor final. A Throne vai precisar construir confiança em torno de um gesto que a maioria das pessoas ainda considera radicalmente íntimo.

O que está acontecendo no healthtech global é uma migração sistemática do diagnóstico reativo para a captura passiva e contínua de dados biométricos. A geração anterior de healthtechs perguntava “como você está se sentindo?”. A geração atual captura o dado antes mesmo de você ter consciência do sintoma.

A pergunta que o ecossistema vai ter que responder não é se essa tecnologia funciona. É até onde o usuário aceita que ela avance.

The post Throne Science capta US$4 milhões para instalar câmera no vaso sanitário e gerar diagnósticos de saúde por IA appeared first on The beatstrap.

O movimento é mais estratégico do que técnico. A Perplexity não compete com OpenAI ou Anthropic no nível do modelo de linguagem. Compete na camada de interface e automação, e o Personal Computer para Windows é a materialização mais clara dessa aposta.

O que o produto faz

O Personal Computer roda localmente no dispositivo, com acesso a arquivos em pastas aprovadas pelo usuário e conexão com os aplicativos do ecossistema Microsoft. Na prática, isso significa que o agente pode pesquisar, analisar dados, gerar relatórios e automatizar workflows dentro das ferramentas que as empresas já usam, sem exigir que o usuário copie informações manualmente entre sistemas.

O produto também está disponível como aplicativo no Microsoft Teams, com foco em pesquisa com IA, análise e geração de relatórios diretamente dentro do ambiente de colaboração. A Perplexity obteve a certificação Microsoft 365 App Certification, o que indica conformidade com os requisitos de segurança e privacidade da Microsoft, incluindo capacidades de exclusão de dados pessoais e restrição de processamento.

O diferencial operacional do produto está no fato de rodar localmente, “always-on”, sem depender de transferência de arquivos para a nuvem de terceiros. Para empresas com dados sensíveis, isso resolve uma objeção concreta de adoção.

A trajetória do produto em quatro meses

Em março de 2026, a Perplexity anunciou o produto para Mac, voltado para um dispositivo dedicado como um Mac mini, com orquestração local 24/7 e acesso a arquivos e apps via 2FA. Em abril, o rollout começou para assinantes Perplexity Max e lista de espera. Em julho, a empresa anunciou simultaneamente a expansão para Windows, o Perplexity Computer for Enterprise, novas APIs para desenvolvedores e capacidades ampliadas para pesquisa financeira.

A progressão tem um estratégia de produto bem definida, de validar no Mac, construir a base de usuários com assinantes premium, expandir para o Windows, e simultâneamente lançar uma camada Enterprise com infraestrutura de API. Quatro meses de execução, do anúncio inicial à chegada ao maior ecossistema corporativo do mundo.

Por que o Windows muda a escala do movimento

O Mac foi o primeiro passo, mas é no Windows que está a maior parte do trabalho corporativo, especialmente em empresas médias e grandes fora do segmento de tecnologia. A presença dentro de Teams, Excel e Outlook não é sobre design de produto, é sobre ponto de contato com o fluxo real de trabalho de milhões de usuários corporativos.

Para a Perplexity o cenário é bom, já que o usuário não precisa mudar sua rotina para usar o produto. O agente vai até onde o trabalho já acontece. Essa lógica de distribuição é exatamente o que diferencia produtos de IA que viram hábito daqueles que ficam como experimentos.

O campo de colisão com o Copilot

A Microsoft investiu pesadamente no Copilot como camada de IA integrada ao Microsoft 365. A proposta é parecida com a da Perplexity: assistência dentro dos apps que as empresas já usam, sem necessidade de trocar de ferramenta. A diferença é que o Copilot está atrelado ao ecossistema Microsoft e aos modelos da OpenAI, enquanto o Personal Computer da Perplexity trabalha com orquestração multi-modelo, usando diferentes modelos dependendo da tarefa.

Essa distinção tem implicações práticas. Uma empresa que usa o Copilot está dentro do ecossistema Microsoft, com as vantagens e limitações de uma solução integrada verticalmente. Uma empresa que adota o Personal Computer da Perplexity mantém flexibilidade de modelo e escolha de provedor de IA, com a Perplexity operando como intermediária na camada de orquestração.

A questão relevante para executivos e founders avaliando essas ferramentas não é qual produto tem o modelo mais capaz num benchmark isolado. É qual produto se integra melhor ao fluxo real de trabalho da equipe e quais trade-offs de controle, privacidade e flexibilidade fazem sentido para a operação.

A questão de fundo: o que justifica a mensalidade

Em março de 2026, a Axios levantou uma pergunta direta: sem modelos próprios de fronteira, por que uma empresa pagaria mensalidade à Perplexity em vez de ir diretamente para OpenAI, Anthropic ou o próprio Copilot da Microsoft?

O Personal Computer para Windows é a resposta operacional mais clara que a Perplexity entregou até agora. O valor proposto não está no modelo de linguagem, está na orquestração local, no acesso a arquivos privados, na integração com apps corporativos e na automação de workflows dentro do ambiente onde o trabalho já acontece. É uma proposta de valor distinta da que os provedores de modelo vendem, e é exatamente nessa distinção que a empresa está construindo seu posicionamento.

Se essa proposta sustenta um negócio escalável depende de quanto os usuários corporativos valorizam a camada de orquestração em relação aos modelos subjacentes. E o lançamento para Windows, com a simultânea entrada no Enterprise e abertura de APIs para desenvolvedores, indica que a Perplexity está apostando que sim.

A disputa por IA no ambiente corporativo não será decidida apenas por qual modelo acerta mais no benchmark. Será decidida por quem controla a interface entre o usuário e suas ferramentas de trabalho. Esse campo acaba de ficar mais competitivo.

The post Perplexity lança Personal Computer e compete diretamente com a Microsoft appeared first on The beatstrap.

Os anúncios foram contextualizados pela empresa dentro da visão de “repensar a segurança para a era da IA” e representam a camada de produto mais concreta de uma aposta estratégica que a Microsoft vem construindo desde 2023.

O que cada produto faz

O MAI-Cyber-1-Flash foi desenvolvido desde o início para reconhecer padrões específicos de ameaças cibernéticas, o que o diferencia de LLMs genéricos aplicados ao contexto de defesa. Ataques cibernéticos exigem identificação de padrões altamente particulares, e modelos generalistas costumam ter desempenho inferior nesse domínio. A especificidade de treinamento é o ponto central do produto.

O Project Perception vai além do modelo. É uma plataforma que coordena equipes de agentes de IA para executar, de forma autônoma, o ciclo completo de resposta a ameaças: identificação, análise e correção de vulnerabilidades. O que antes dependia de um SOC (Security Operations Center) estruturado, com analistas especializados operando em turnos, passa a ser executado por agentes que operam em velocidade computacional.

Uma estratégia construída em camadas, não um lançamento isolado

Os dois produtos de julho de 2026 se encaixam em uma trajetória que a Microsoft vem executando há quase três anos. Em novembro de 2023, a empresa lançou a Secure Future Initiative (SFI), programa para reforçar as bases de segurança integrada em toda a sua stack de produtos. Em junho de 2025, lançou um programa de pesquisa conjunta com foco em cibersegurança com IA voltado para infraestruturas críticas na Europa. O Security Copilot, assistente de IA para equipes de segurança, já estava em operação antes dos lançamentos mais recentes. O MAI-Cyber-1-Flash e o Project Perception são, portanto, a evolução dessa trajetória.

Há um dado que contextualiza por que a Microsoft tem condições de treinar modelos especializados com essa capacidade: a empresa processa 78 trilhões de sinais de segurança por dia. Essa base de dados, coletada ao longo de anos de operação de produtos como Azure, Microsoft 365 e Defender, é o substrato que alimenta o treinamento do MAI-Cyber-1-Flash.

Modelos de segurança são tão bons quanto os dados com que foram treinados. A escala de sinais que a Microsoft tem acesso é um diferencial estrutural que poucos players conseguem replicar, o que coloca os lançamentos em um contexto competitivo difícil de ignorar.

A empresa também anunciou um investimento de R$14,7 bilhões em infraestrutura de nuvem no Brasil, sinal de que os lançamentos globais têm ancoragem local e que a Microsoft está apostando no mercado brasileiro como destino relevante para essa evolução de produto.

O que ainda precisa ser testado é a fricção de implementação, a curva de adoção e a real eficácia dos agentes em ambientes menos estruturados do que os laboratórios da Microsoft.

The post Microsoft lança modelo de IA treinado exclusivamente para cibersegurança appeared first on The beatstrap.

No início de maio de 2026, a Corgi anunciou um Series B de US$160 milhões liderado por TCV e Kindred Ventures. A rodada levou a empresa ao valuation de US$1,3 bilhão, marcando sua entrada no clube dos unicórnios. Três semanas depois, a startup voltou ao mercado com uma extensão da mesma rodada, captando mais US$106 milhões com os mesmos investidores e dobrando sua avaliação de mercado. Em 22 de julho, veio a terceira rodada, desta vez com valuation de US$4 bilhões.

Uma seguradora que também vende café e software

A Corgi não é mais apenas uma empresa de seguros. Além do produto original, a startup expandiu sua atuação para software de data room voltado a empresas e opera duas cafeterias abertas 24 horas, uma em San Francisco e outra em Atlanta, com drinks de nomes patrocinados por marcas.

Essa diversificação pode ser lida de duas formas. A primeira: uma startup que identifica oportunidades adjacentes e se move rápido para capturá-las, usando a tração com investidores para financiar experimentos. A segunda: uma empresa em fase de crescimento acelerado que ainda está testando onde, de fato, está o negócio.

O que os dados mostram é que os investidores, ao menos até aqui, estão dispostos a continuar apostando independentemente da resposta.

A trajetória da Corgi acontece em um ambiente em que startups de IA têm conseguido captar em velocidade e valuations que seriam improváveis em outro momento de mercado. A Emergent virou unicórnio em pouco mais de um ano em uma das maiores trajetórias de crescimento acelerado no setor de IA. A Mercor manteve pressão por valuation elevado mesmo após um vazamento significativo de dados, chegando a projeções na casa dos US$20 bilhões. A Corgi entra nessa lista com uma especificidade adicional: o ritmo de captação não é apenas rápido, é encadeado, com rodadas se sobrepondo antes que a anterior seja completamente absorvida pelo mercado.

Há uma leitura possível em que isso é exatamente o que deveria acontecer em um ciclo de alta: fundadores e investidores alinhados na visão, capitalizando uma janela enquanto ela está aberta. Há outra leitura, menos otimista, em que o ritmo diz menos sobre a qualidade do negócio e mais sobre o estado de ansiedade do capital disponível.

Para founders avaliando suas próprias estratégias de captação, o caso Corgi é um lembrete de que valuation não é um número fixo, especialmente quando o mercado está disposto a renegociá-lo a cada três semanas.

The post A Corgi está captando rápido demais ou os investidores é que estão ansiosos? appeared first on The beatstrap.

A Monday.com estima encargos líquidos de US$ 45 milhões a US$ 55 milhões com o processo, mas projeta manter ou melhorar sua margem operacional de 19% a 20%. A empresa prevê absorver o custo da reestruturação sem deteriorar rentabilidade.

Reposicionamento, não crise

A Monday.com não está demitindo porque está com o negócio comprometido. Está demitindo porque calculou que o próximo ciclo de crescimento será construído com menos headcount e mais automação. A projeção de manutenção de margens mesmo após absorver dezenas de milhões em encargos indica que o corte é, na prática, uma realocação de capital, onde humanos saem e investimento em agentes autônomos entra.

O achatamento da estrutura de gestão, mencionado pela empresa como parte do plano, reforça que o movimento vai além de uma redução pontual de custos. Envolve redesenhar como a organização opera, com times menores, mais dependentes de automação e com menos camadas hierárquicas entre decisão e execução. O nome “AI Work Platform”, adotado como identidade do produto principal após a reestruturação, é um reposicionamento de marca que acompanha o corte e sinaliza ao mercado para onde a empresa quer ser olhada daqui para frente.

O contexto financeiro que o comunicado oficial não explica

Antes do anúncio, as ações da Monday.com na Nasdaq acumulavam queda de aproximadamente 50%. Num mercado que passou a premiar empresas com narrativa clara de inteligência artificial, manter um modelo de crescimento intensivo em contratação tornou-se difícil de sustentar para o valuation.

O layoff resolve dois problemas ao mesmo tempo: reduz a estrutura de custos fixos e reescreve a tese para investidores. Empresas que operam em software de gestão e produtividade enfrentam pressão crescente para demonstrar que não serão substituídas pelas ferramentas que dizem oferecer e a resposta padrão do setor tem sido mostrar que estão construindo essas ferramentas, não sendo varridas por elas. A Monday.com faz isso de forma mais agressiva do que a maioria, cortando 20% do quadro, formalizando em documento regulatório e assumindo os encargos publicamente.

O padrão que se repete em SaaS

A Monday.com entra numa lista crescente de empresas de software que anunciaram reestruturações com justificativa de transição para IA. O que ainda não tem resposta clara é quanto dessa transformação é genuína e quanto é otimização financeira com embalagem de inovação tecnológica.

Melody Brue, VP e analista principal da Moor Insights & Strategy, reconhece que o redesenho organizacional é parte necessária de uma transformação real com IA. Mas pondera: “O redesenho organizacional é importante para uma transformação real com IA, mas, embora possa sinalizar confiança ao mercado, ainda pode ser devastador para as pessoas. Existem muitas vezes feridas internas ocultas que podem vir à tona.” Os resultados reais, segundo ela, ainda estão por ser vistos.

A ressalva é pertinente. Anunciar uma AI Work Platform é simples. Demonstrar que agentes autônomos substituem com eficiência as funções que 630 pessoas exerciam, sem degradar produto, atendimento ou capacidade de desenvolvimento, é outra conversa.

O modelo de crescimento em SaaS que dominou a última década foi construído sobre uma premissa simples: mais receita exige mais time. Esse ciclo criou estruturas enormes e agora está sendo questionado de forma sistemática por empresas que apostam que agentes autônomos podem absorver parte relevante dessas funções.

Se a aposta se confirmar operacionalmente, o impacto não é apenas nos números de emprego do setor. É na tese de captação, nas projeções de headcount e nos modelos de crescimento que investidores usam para avaliar startups de software. Uma empresa com 50 pessoas e margens de 40% começa a parecer mais atraente do que uma com 300 pessoas e margens de 20%, mesmo que a segunda tenha receita maior.

A Monday.com está apostando nessa lógica com 630 demissões formalizadas em documento regulatório público. O mercado vai acompanhar de perto se os resultados dos próximos trimestres sustentam a narrativa ou a contradizem.

The post Monday.com corta 630 posições e reposiciona produto como AI Work Platform appeared first on The beatstrap.

A empresa se descreve como “a camada de predição com IA para todos os projetos de construção, permitindo que o mundo físico seja construído mais rápido e financiado de forma mais inteligente”.

Na prática, a solução é direcionada a firmas do setor AEC (Architecture, Engineering and Construction). Essas empresas gastam dias, às vezes semanas, analisando manualmente portais de licitação e oportunidades (RFPs) para avaliar se um projeto faz sentido para as suas capacidades antes de montar uma proposta. A Cascade automatiza essa triagem: monitora portais de licitação, avalia o fit com o perfil da firma e entrega as oportunidades certas antes que os concorrentes as identifiquem.

É um problema pouco glamouroso, mas com possibilidade de escala real. O setor de construção civil movimenta trilhões de dólares globalmente e ainda carrega um dos maiores índices de projetos que estouram prazo e orçamento, em grande parte por falta de previsibilidade nas fases iniciais.

Quem está por trás

A Cascade foi cofundada por Hannia Zia e Joana Ferreira, que trabalharam juntas por vários anos em outra startup de IA antes de criar a empresa.

Hannia Zia tem histórico na escala do Google Pay de zero a 100 milhões de usuários e na construção de sistemas de IA para a resposta ao COVID-19 no Paquistão, trabalho que rendeu um prêmio do Primeiro-Ministro do país. Joana Ferreira tem passagem como engenheira early-stage na Freetrade e experiência com machine learning aplicado ao Google Search, à Amazon e como AI Platform Lead.

O que é o speedrun da a16z

O speedrun é o programa de aceleração da Andreessen Horowitz desenhado para startups em crescimento acelerado e estágio muito inicial. O fundo investe até US$1 milhão por startup participante, funcionando como porta de entrada para o ecossistema da a16z antes de uma eventual Série A.

Para uma startup seed, entrar no portfólio do speedrun não é apenas capital, é sinalização de mercado. A a16z tem entre seus LPs (Limited Partners) e sua rede de portfolio algumas das maiores empresas de tecnologia e founders de referência do Vale do Silício. Estar na lista pública do programa coloca a Cascade no radar de potenciais clientes, parceiros e coinvestidores em um momento em que o setor de construction tech ainda está longe de ser disputado como fintech ou healthtech.

A Cascade afirmou que usará os recursos captados para aprofundar sua tecnologia de IA e expandir a operação.

O movimento da a16z em direção a verticais como construction tech é parte de uma tese mais ampla que vem ganhando tração entre fundos de referência: a de que os maiores retornos dos próximos anos não virão de mais uma camada de software sobre workflows já digitalizados, mas de startups que consigam resolver problemas estruturais em setores que ainda não foram transformados pela tecnologia.

The post Cascade entra no portfólio do speedrun da a16z com aporte seed de US$3,5 milhões appeared first on The beatstrap.

A estratégia do Greylock 18 prevê que cada parceiro faça apenas um a dois novos investimentos por ano, com alta concentração em um número reduzido de apostas. Fundos grandes demais exigem volumes maiores de capital alocado, o que força a entrada em rounds mais avançados, comprime o upside e dilui a atenção dos partners por deal.

Na lógica da Greylock, o tamanho do fundo não é uma questão de ambição, é uma questão de geometria de retorno. Manter o fundo “pequeno” para os padrões atuais do mercado é, em si, uma declaração de posicionamento.

O Greylock 18 também chega próximo ao total que a firma levantou combinando fundo semente e fundo principal durante o período da pandemia, o que dá a dimensão de quanto a firma consolidou em um único veículo desta vez.

A tese: a corrida de IA está longe do pico

A Greylock deixou explícito que não acredita que o ciclo de IA esteja se aproximando de uma saturação. Ondas tecnológicas anteriores mostraram que os maiores retornos tendem a vir de apostas feitas nos primeiros anos do ciclo, quando a maioria dos fundos ainda está em modo de observação, ou sobrealocada em players já consolidados, com valuations elevados e espaço limitado para upside expressivo.

Com 61 anos de operação e sede em San Francisco, a Greylock tem apostas que definiram ciclos inteiros: Facebook quando ainda era restrito a estudantes universitários, Figma quando a empresa tinha apenas sete pessoas, Palo Alto Networks e Abnormal Security, entre outros. A tese de entrar cedo não é retórica, é o modelo que construiu o track record da casa.

O contexto: fundos especializados em IA começam a virar padrão

A Greylock não está sozinha nesse movimento. Em julho de 2026, a Paradigm, originalmente uma firma de crypto, anunciou um fundo de US$1,2 bilhão voltado a IA e robótica. É um contraste com o que se viu nos últimos anos em outros segmentos, com fundos de US$5 a 10 bilhões e estruturas que precisam de cheques gigantes para mover o ponteiro. No universo de IA em estágio inicial, o capital ainda encontra deals em valuations que permitem retornos de fundo, desde que a disciplina de alocação se mantenha.

A questão que o mercado vai acompanhar é se essa disciplina se sustenta. Quando o capital disponível é abundante e a competição por deals em IA early stage aumenta, a pressão por acelerar o ritmo de investimento é real. A decisão da Greylock de limitar o fundo é também uma aposta de que consegue manter a cadência de um a dois deals por partner por ano, mesmo com mais capital na praça.

O ciclo de IA ainda está longe de uma definição clara sobre quais camadas de valor serão capturadas, seja por modelos de fundação, por infraestrutura, por aplicações verticalizadas ou por novas categorias que ainda não existem. A Greylock está posicionando o Greylock 18 para fazer entre um e dois deals por partner por ano nesse ambiente, com convicção alta em cada aposta e tamanho de fundo calibrado para que cada deal realmente importe para o retorno do veículo.

Se a tese estiver certa sobre onde estamos na curva, o vintage de 2026 pode ser tão relevante para a Greylock quanto o foram os investimentos que definiram as ondas anteriores.

The post Greylock Partners fecha fundo de US$1,5 bilhão focado em startups de IA em estágio inicial appeared first on The beatstrap.

O que é a CuspAI

A CuspAI se posiciona como um mecanismo de busca para materiais raros. A premissa é modelos de inteligência artificial para identificar e descobrir compostos e materiais que ainda não existem em escala comercial, com foco especial nos insumos necessários para a fabricação de chips.

Isso coloca a empresa em uma frente da IA pouco coberta fora dos círculos científicos. Enquanto a maior parte do debate público sobre inteligência artificial gira em torno de modelos de linguagem, geração de imagem e automação de processos, a CuspAI aplica IA a um problema físico: a cadeia de materiais que torna o hardware possível. Chips mais avançados dependem de compostos específicos, muitos deles escassos ou difíceis de sintetizar. A empresa aposta que IA pode acelerar essa descoberta de forma significativa.

A escolha de Cambridge como sede não é casual. O polo acadêmico britânico concentra pesquisa de ponta em ciência dos materiais e física aplicada, e tem servido de base para várias spinoffs de deeptech nos últimos anos.

A coalizão ao redor da startup

Além da rodada de captação, a CuspAI lançou uma aliança com Nvidia, Meta e Hyundai para usar IA na descoberta de novos materiais voltados à fabricação de semicondutores. A presença dessas três empresas no mesmo grupo é, por si só, um sinal relevante.

A Nvidia tem interesse direto: é o principal fornecedor de chips para cargas de trabalho de IA e tem tudo a ganhar com materiais que ampliem a performance ou reduzam o custo de fabricação dos seus produtos. A Meta investe pesado em infraestrutura própria de hardware e reduzir dependência de fornecedores externos é uma prioridade declarada. A Hyundai, por sua vez, aposta na eletrificação e precisa de materiais para baterias e componentes eletrônicos de próxima geração.

Reunir esses três players em torno de uma startup de dois anos, junto com o governo de um país inteiro, não é movimento comum. É sinal de que a descoberta de materiais por IA passou de tema de pesquisa para infraestrutura estratégica.

Por que isso importa além do anúncio

A escassez de semicondutores que paralisou cadeias industriais entre 2020 e 2023 expôs uma fragilidade: o mundo depende de poucos países, poucas fábricas e poucos materiais para produzir os chips que movem praticamente tudo. A resposta predominante até agora foi geopolítica. Os EUA aprovaram o CHIPS Act, a Europa anunciou o European Chips Act, e o Japão subsidiou a expansão da TSMC (Taiwan Semiconductor Manufacturing Company, maior fabricante terceirizada de semicondutores do mundo) em seu território.

A CuspAI representa uma resposta diferente: se o gargalo é de materiais, talvez a IA possa descobrir alternativas antes que a geopolítica resolva o problema de suprimento. É uma aposta de longo prazo, mas com patrocinadores que têm capital, dados e infraestrutura para levar a sério.

A presença do governo britânico reforça o caráter geopolítico do investimento. Desde a saída da União Europeia, o Reino Unido tem buscado posicionar Londres e Cambridge como hubs globais de IA, e um unicórnio de deeptech com Bezos e Nvidia no cap table é exatamente o tipo de ativo que essa narrativa precisa.

O padrão de Bezos fora da Amazon

Jeff Bezos tem ampliado suas apostas em inteligência artificial por canais independentes da Amazon. O investimento na CuspAI via Bezos Expeditions segue um padrão de alocação em startups de IA com foco em hardware e ciência aplicada, distinto das apostas da própria Amazon em modelos fundacionais via AWS e Anthropic.

Em março de 2026, Bezos anunciou planos de levantar até US$100 bilhões para o Projeto Prometheus, iniciativa voltada a aplicar IA à reindustrialização. A CuspAI se encaixa diretamente nessa tese: não é IA para produtividade de escritório, é IA para redesenhar o que é fisicamente possível fabricar.

O que vale acompanhar no momento é quais outros players industriais entram no grupo, se o modelo de parceria se replica em outros países (especialmente nos EUA e no Japão, onde a pressão por soberania em semicondutores é mais intensa) e se os primeiros resultados de descoberta de materiais saem do laboratório para aplicação industrial em escala.

The post Bezos financia a IA que descobre materiais que ainda não existem appeared first on The beatstrap.

O que é o Kimi K3

O Kimi K3 é um modelo de linguagem de grande escala desenvolvido pela Moonshot AI, empresa chinesa especializada em modelos de longo contexto. As especificações publicadas pela própria Moonshot o posicionam em uma categoria técnica que até então não existia no open source: 3 trilhões de parâmetros e janela de contexto de 1 milhão de tokens.

Na prática, uma janela de contexto de 1 milhão de tokens significa que o modelo consegue processar e manter coerência sobre volumes massivos de informação em uma única sessão (documentos extensos, bases de código inteiras, transcrições longas) sem perder o fio da conversa. Isso representa uma mudança relevante no tipo de tarefa que um modelo aberto consegue executar de forma confiável.

Um dos casos que viralizou nas semanas após o lançamento foi a demonstração do Kimi K3 recriando o sistema operacional Mac inteiro a partir de um único prompt, o que rapidamente se tornou o principal ponto de referência para ilustrar a capacidade de geração de código do modelo.

A progressão da família Kimi

O K3 não chegou do nada. A Moonshot AI vinha construindo reputação internacional com versões anteriores que disputaram benchmarks com modelos da OpenAI, Google e Anthropic.

O Kimi K2 Thinking, versão anterior da família, foi avaliado por usuários da comunidade LocalLLaMA (referência técnica no ecossistema de modelos locais) como um modelo com equilíbrio relevante entre poder computacional e eficiência de execução.

Já o Kimi K2.5 foi apontado como o primeiro modelo open source a superar ChatGPT, Gemini e Claude em benchmarks como o Design Arena, com destaque para capacidade de clonar interfaces visuais a partir de imagens. A progressão de K2 para K2.5 para K3 foi uma escalada deliberada de especificações e capacidades que culminou no maior modelo aberto disponível publicamente.

O segundo ‘momento DeepSeek’ em menos de um ano

A trajetória do Kimi K3 tem uma semelhança estrutural com o que aconteceu com o DeepSeek no início de 2025: modelo open source chinês lança com especificações técnicas que rivalizam ou superam os principais modelos ocidentais, gera adoção massiva antes da infraestrutura comercial estar pronta e vira notícia global não pelo marketing, mas pela própria demanda.

A diferença entre os dois casos está na escala. O DeepSeek chamou atenção pela eficiência (fazer mais com menos recursos computacionais). O Kimi K3 aposta na direção oposta: a maior arquitetura já disponibilizada publicamente, com 3 trilhões de parâmetros que colocam o modelo em uma categoria técnica que até então pertencia exclusivamente a players com infraestrutura proprietária fechada.

Analistas e veículos especializados têm descrito os lançamentos chineses de IA como parte de uma ofensiva estruturada para ganhar participação no mercado global de infraestrutura de IA, especialmente no segmento open source, onde empresas americanas têm atuação mais limitada.

A pausa de inscrições da Moonshot AI é temporária por natureza (o gargalo é operacional, não estratégico). O que ainda não está claro é quando e como a empresa vai estruturar o acesso comercial ao Kimi K3. Se manterá o modelo totalmente aberto, se criará uma camada de API com precificação própria ou se seguirá o modelo híbrido adotado por outras empresas chinesas que combinam acesso gratuito para adoção em massa com versões enterprise pagas.

A velocidade com que desenvolvedores integrarão o K3 em projetos reais (e os resultados que vão reportar) será o próximo dado relevante para avaliar se as especificações técnicas se traduzem em performance prática comparável aos modelos fechados da OpenAI, Google e Anthropic. O ecossistema open source já estava de olho na família Kimi antes do K3. Agora, a pressão para testar e documentar o modelo em produção é ainda maior.

The post China repete o movimento DeepSeek com o Kimi K3 appeared first on The beatstrap.