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.

Os chips Jetson são a linha da Nvidia voltada para computação de borda, projetada para ambientes com restrição de energia e espaço físico. No contexto lunar, isso deixa de ser uma especificação técnica e vira um requisito operacional: na Lua, não existe latência tolerável para processar dados em servidores remotos. A inteligência precisa estar no robô.

A Lunar Outpost participa do programa Inception da Nvidia, iniciativa da empresa voltada a startups de IA. É por esse canal que a parceria foi estruturada e isso diz algo importante sobre como a Nvidia está expandindo presença em mercados de alto risco e alto potencial sem precisar desenvolver internamente as aplicações finais.

A robótica como frente de expansão ativa

Um dia antes do anúncio, em 22 de julho de 2026, a Nvidia havia lançado o Halos for Robotics, sistema voltado a tornar robôs humanoides mais seguros em ambientes operacionais. Em dois dias consecutivos, a empresa anunciou infraestrutura para robótica terrestre e agora para robótica espacial.

A Nvidia já opera com valor de mercado de US$ 4 trilhões e lidera o mercado global de chips para IA. A diversificação para robótica mostra que a empresa vem construindo um portfólio de soluções para esse segmento que abrange ambientes industriais, veículos autônomos e, agora, a superfície lunar. A lógica é a mesma em todos os casos: onde há processamento de IA com restrição de conectividade, há espaço para os chips da Nvidia.

A diferença do contexto espacial é que o ambiente é mais hostil, os requisitos de confiabilidade são mais críticos e a margem para falha é zero. Isso torna a validação técnica ainda mais relevante do ponto de vista estratégico: se os chips Jetson funcionam na Lua, funcionam em qualquer outro ambiente de borda.

O programa Inception como canal de penetração em deep tech

O programa Inception existe para apoiar empresas de IA em estágios iniciais com acesso a tecnologia, infraestrutura e visibilidade. Mas o benefício é mútuo, já que a Nvidia usa as startups participantes para penetrar em mercados que ainda não têm escala suficiente para justificar uma divisão interna dedicada. Space tech é o exemplo mais recente. Carros autônomos e saúde digital foram outros antes.

Esse modelo tem uma vantagem clara: a Nvidia não precisa dominar o conhecimento de domínio de cada vertical. Ela fornece a infraestrutura de IA e deixa as startups construírem as aplicações. Quando o mercado escala, a Nvidia já está dentro.

Concorrência crescente, expansão como resposta

A Nvidia enfrenta pressão competitiva crescente no mercado de chips para IA. Empresas como AMD, Intel e startups de chips dedicados a modelos específicos vêm disputando fatias do mercado. A resposta da Nvidia tem sido diversificar verticais antes que a concorrência defina os termos da disputa em cada um deles.

Space tech ainda é um mercado pequeno em termos absolutos. Mas é um mercado onde os requisitos técnicos são extremos e a capacidade de fornecer hardware validado para ambientes críticos tem peso desproporcional na decisão de compra. Dominar esse espaço agora, com uma startup parceira, custa muito menos do que entrar depois como segundo ou terceiro player.

A expectativa, segundo dados de início de 2026, é que a Nvidia atinja receitas de US$1 bilhão com robótica até o final de 2027. A parceria lunar não vai mover esse número de forma significativa no curto prazo, mas contribui para a narrativa de que a Nvidia, além de uma empresa de chips para data centers, pode ser uma infraestrutura de IA para qualquer ambiente onde a computação precise acontecer localmente.

No Rio de Janeiro, a Nvidia já está envolvida em iniciativas mais próximas, como o projeto que posiciona a cidade como possível primeira AI City da América Latina, em parceria com Oracle e Elea. Da infraestrutura urbana ao solo lunar, a trajetória da empresa segue o mesmo padrão: chegar antes que o mercado esteja formado.

Os robôs da Lunar Outpost ainda não têm data confirmada para a missão lunar. Mas a parceria já está formalizada, e a Nvidia já contabiliza mais uma vertical no portfólio.

The post A Nvidia quer chegar até na lua appeared first on The beatstrap.

O que os registros revelaram

O NVentures adquiriu as ações como parte de uma rodada secundária que avaliou a Revolut em US$75 bilhões, um salto de 66% em relação à valuation de US$45 bilhões estabelecida em 2024. Para ter dimensão: essa nova avaliação supera o valor de mercado de bancos britânicos listados em bolsa como Barclays, Lloyds e NatWest.

A Revolut tem 10 anos de existência, sede em Londres e operações em escala global. Em 2024, a empresa obteve sua licença bancária no Reino Unido após um longo processo regulatório (movimento que fortalece a estratégia de expansão internacional). No Brasil, compete no segmento de neobanks e, com o novo valuation, se aproxima da capitalização de mercado do Nubank.

Por que a Nvidia entra numa fintech

O NVentures não é um fundo generalista. O veículo de venture capital da Nvidia foca em investimentos estratégicos em empresas que utilizam (ou que podem ampliar o uso) da infraestrutura de IA da companhia. Participações em fintechs são relativamente incomuns para o braço, o que reforça o caráter deliberado do movimento.

A Revolut declarou publicamente que a parceria com a Nvidia aprofundará colaboração em áreas-chave de tecnologia, com foco em inteligência artificial. Na prática, isso aponta para aplicações em crédito, compliance, detecção de fraudes e personalização de produtos financeiros, verticais onde modelos de linguagem e sistemas preditivos estão sendo adotados aceleradamente por fintechs e bancos globais.

US$196 milhões não é um cheque simbólico de relações públicas. É o maior aporte documentado do NVentures em uma fintech europeia e sinaliza que a Nvidia enxerga na Revolut um canal relevante para escalar aplicações de IA em serviços financeiros, um setor que movimenta trilhões de dólares e que ainda está na fase inicial de adoção de infraestrutura de IA em produção.

A tensão entre narrativa e transparência

O ponto mais revelador desta história não é o valor do cheque. É como ele veio a público.

A Revolut comunicou a entrada da Nvidia como investidora de forma proativa, mas controlou a narrativa ao omitir o montante. A estratégia é compreensível do ponto de vista de comunicação: o nome da Nvidia agrega credibilidade e sinaliza tese sem expor detalhes que poderiam gerar comparações inconvenientes com outros investidores da rodada.

O problema é que rodadas secundárias que envolvem empresas registradas no Reino Unido geram obrigações de disclosure junto ao Companies House. Os registros são públicos, consultáveis e indexados. Qualquer jornalista, analista ou concorrente com tempo disponível consegue extrair o número, e foi exatamente isso que aconteceu.

Para o ecossistema de fintechs que estão construindo sobre inteligência artificial, o aporte do NVentures na Revolut funciona como benchmark estratégico em duas dimensões: primeiro, confirma que fintechs com escala global estão no radar de investidores de infraestrutura de IA, não apenas de fundos financeiros tradicionais. Segundo, evidencia que a capacidade de integrar IA em produtos financeiros de forma real (não apenas como feature de marketing) começa a ser o critério que separa quem atrai capital estratégico de quem fica disputando valuation com métricas convencionais.

The post A Revolut anunciou a Nvidia como investidora, só esqueceu de dizer o quanto appeared first on The beatstrap.

Para dar escala a esse número, a base de clientes empresariais dobrou em menos de dois meses, passando de 500 para mais de 1.000 empresas que gastam mais de US$1 milhão por ano com o Claude. O volume de uso cresceu a ponto de a infraestrutura atual não ser suficiente para o que vem pela frente.

Hoje, o Claude opera sobre uma arquitetura multi-chip que combina TPUs do Google (via Broadcom), chips customizados da Amazon (Trainium, via AWS) e GPUs da Nvidia. A empresa distribui workloads entre diferentes hardwares conforme a tarefa. Funciona, mas cada dependência é também um risco: quando a alocação de Nvidia aperta ou o roadmap de TPUs do Google muda, a capacidade de atender clientes é diretamente afetada.

Dias antes da notícia sobre chips próprios, a Anthropic assinou um acordo de longo prazo com Google e Broadcom que garante acesso a cerca de 3,5 gigawatts de capacidade em TPUs a partir de 2027, o triplo do que consumia no início de 2026. A empresa também anunciou compromisso de investir US$50 bilhões em infraestrutura de computação nos EUA. São movimentos que não combinam com uma empresa satisfeita com o arranjo atual.

Quem mais está nesse caminho

A Anthropic não é a primeira nem a única a se movimentar nessa direção. O Google projeta TPUs desde 2016, já na sétima geração, enquanto a Amazon desenvolveu os chips Trainium e Inferentia para seus data centers. A Meta já opera com chips MTIA próprios, desenvolvidos em parceria com a Broadcom (embora com dificuldades reportadas no processo) e a OpenAI fechou um projeto de US$10 bilhões, também com a Broadcom, para seus primeiros processadores customizados, com produção esperada para o final de 2026. Outra gigante do setor, a Microsoft, criou o Maia 100, acelerador de IA voltado ao Azure.

Existe um padrão, onde os maiores consumidores de chips de IA estão buscando reduzir a dependência da Nvidia, que domina o mercado de GPUs para inteligência artificial. Não se trata de substituí-la completamente, mas de controlar custos, otimizar performance para workloads específicos e garantir previsibilidade na cadeia de suprimentos.

A conta começa a fechar (mas os riscos também)

Desenvolver um chip de IA de ponta custa entre US$500 milhões e US$1 bilhão e leva anos de engenharia e validação. Com receita anualizada de US$30 bilhões, a conta financeira da Anthropic começa a fechar. Mas o desafio não é só dinheiro, porque chips customizados podem ficar obsoletos rapidamente diante do ritmo de inovação no setor. O ciclo longo de design pode criar gargalos para uma empresa que precisa de escala imediata. E comprar chips de terceiros e desenvolver os próprios não são estratégias excludentes, a Anthropic provavelmente fará ambos por um bom tempo.

Ainda assim, a exploração sinaliza que, numa certa escala de operação, depender exclusivamente de fornecedores externos deixa de ser conveniente. Quando cada consulta, cada chamada de API e cada deploy enterprise roda em hardware que você aluga de parceiros que também são concorrentes, controlar o silício passa a ser uma questão de sobrevivência operacional.

The post Anthropic explora chips proprietários e se junta a Meta, OpenAI e Google no mesmo caminho appeared first on The beatstrap.