TL;DR: Uma nova tendência está emergindo no campo da IA, onde pesquisadores renomados estão abandonando o paradigma de “modelos maiores = melhor IA” para fundar startups focadas em novas arquiteturas para a Inteligência Artificial Geral (AGI). Ex-líderes da OpenAI e Google argumentam que apenas aumentar a escala dos modelos atuais não levará à AGI verdadeira, apesar dos bilhões investidos nessa abordagem.

Takeaways:

• 76% dos pesquisadores de IA acreditam que simplesmente aumentar a escala das abordagens atuais não será suficiente para alcançar a AGI.
• Novas startups como Safe Superintelligence (SSI), Thinking Machines Lab e Ndea foram fundadas por ex-líderes de grandes empresas de IA, atraindo investimentos bilionários.
• Estas startups priorizam aspectos como segurança, colaboração científica e desenvolvimento de “inteligência genuína” em vez de apenas capacidades específicas.
• O paradigma atual foca em criar sistemas que conhecem respostas, mas a verdadeira inovação exige sistemas capazes de formular questões originais e raciocinar sobre novas soluções.
• A concentração de poder e recursos computacionais nas grandes empresas de tecnologia está sendo questionada como um obstáculo ao avanço científico da IA.

---

A Nova Corrida pela AGI: Por Que Pesquisadores Renomados Estão Abandonando o Paradigma de Escala

Enquanto gigantes da tecnologia investem bilhões em data centers maiores, uma nova geração de startups lideradas por cientistas renomados questiona o caminho atual para a Inteligência Artificial Geral. Descubra por que o futuro da IA pode não estar apenas em modelos maiores, mas em arquiteturas completamente novas.

O ceticismo crescente sobre a viabilidade dos LLMs para alcançar a AGI

A corrida pela Inteligência Artificial Geral (AGI) se tornou uma das maiores tendências do Vale do Silício nos últimos anos. Empresas de todos os tamanhos adotaram o rótulo “startup de AGI” como estratégia de marketing, mas existe uma questão fundamental: a AGI é realmente alcançável com as arquiteturas atuais?

Uma pesquisa recente da Associação para o Avanço da Inteligência Artificial (AAAI) revelou um dado surpreendente: 76% dos pesquisadores de IA acreditam que é improvável que o simples “aumento de escala das abordagens atuais de IA” seja suficiente para alcançar a AGI. Este ceticismo generalizado questiona diretamente a abordagem dominante no setor.

Yann LeCun, um dos pioneiros do deep learning, foi enfático ao declarar: “Não estou mais interessado em LLMs. Eles são apenas geradores de tokens limitados pelo espaço discreto. Estou mais interessado em arquiteturas de modelos de próxima geração.” Segundo LeCun, os futuros modelos precisarão entender o mundo físico, ter memória persistente e capacidades de planejamento e raciocínio.

Thomas Wolf, cofundador da Hugging Face, também criticou a visão atual, descrevendo aspectos da busca pela AGI como “pensamento ilusório na melhor das hipóteses”. Wolf questiona a ideia de que podemos criar um “Einstein em um data center” simplesmente aumentando a escala dos modelos existentes.

O problema de “criar um Einstein em um data center”

Um dos principais equívocos na busca pela AGI é a ideia de que a verdadeira inteligência se resume a um sistema que conhece todas as respostas. Thomas Wolf argumenta que o verdadeiro avanço científico não vem apenas de responder perguntas, mas de formular questões originais e inovadoras.

Einstein não se tornou Einstein por conhecer todas as respostas – sua genialidade estava em fazer perguntas que ninguém mais tinha pensado ou ousado fazer. A verdadeira inovação em IA exigirá sistemas capazes não apenas de recuperar conhecimento existente, mas de raciocinar e descobrir novas soluções.

Apesar dessas críticas fundamentais, o investimento em IA generativa continua a crescer exponencialmente, atingindo mais de $56 bilhões em financiamento de capital de risco apenas em 2024. O Vale do Silício, que prospera com o hype, impulsionou gastos massivos em infraestrutura de IA, com empresas competindo para construir modelos cada vez maiores.

A nova geração de startups de AGI reimagina o desenvolvimento de IA

Em meio a este cenário de ceticismo acadêmico e investimento massivo, está surgindo uma nova geração de startups de AGI. Estas empresas não estão competindo diretamente com os gastos de capital das grandes corporações, mas reimaginando fundamentalmente como a inteligência artificial deve ser desenvolvida.

Três startups notáveis se destacam nesta nova abordagem:

1. Safe Superintelligence (SSI)
2. Thinking Machines Lab
3. Ndea

O que torna estas startups particularmente interessantes é que cada uma foi cofundada por ex-pesquisadores de destaque de grandes laboratórios de IA dos EUA, incluindo Ilya Sutskever (ex-OpenAI), Mira Murati (ex-OpenAI) e François Chollet (ex-Google).

Estes fundadores compartilham uma visão crítica do paradigma atual de escala. Ilya Sutskever declarou à Reuters que “a era do scaling ficou para trás” e que agora é necessário “procurar a próxima grande novidade”. François Chollet foi ainda mais contundente, afirmando que a abordagem da OpenAI “atrasou o progresso em direção à AGI em alguns anos” ao estreitar o foco do campo para o scaling de modelos de linguagem.

Safe Superintelligence (SSI): Segurança como prioridade máxima

Fundada em junho de 2024 por Ilya Sutskever, Daniel Levy e Daniel Gross, a Safe Superintelligence (SSI) tem uma abordagem que contrasta fortemente com a corrida comercial pela IA. A empresa não está focada em vender produtos de IA para consumidores, mas sim em avançar rapidamente em direção à “superinteligência” com forte ênfase na segurança.

“Abordamos segurança e capacidades em paralelo, como problemas técnicos a serem resolvidos através de engenharia revolucionária e avanços científicos”, afirma a missão da SSI. A empresa planeja avançar as capacidades o mais rápido possível, garantindo que a segurança esteja sempre à frente.

O que torna a SSI ainda mais notável é seu sucesso em levantar capital: já arrecadou $1 bilhão de investidores como Sequoia, DST Global e SV Angel, e está próxima de outra rodada de financiamento visando uma avaliação de $30 bilhões. Tudo isso sem ter gerado receita ou ter planos imediatos de fazê-lo.

Sutskever, que liderou a equipe de “superalinhamento” da OpenAI focada na segurança da IA, parece determinado a criar uma organização que possa desenvolver superinteligência sem as pressões comerciais de curto prazo que podem comprometer a segurança.

Thinking Machines Lab: Colaboração científica e personalização

Em fevereiro de 2025, o Thinking Machines Lab saiu do modo stealth sob a liderança de Mira Murati, ex-CTO da OpenAI. A equipe inclui mais de uma dúzia de ex-funcionários da OpenAI, incluindo o Cientista-Chefe John Schulman, o CTO Barret Zoph e Lillian Weng.

Organizado como uma Public Benefit Corporation (PBC), o Thinking Machines Lab busca equilibrar os retornos para os acionistas com uma missão de bem público. A empresa está dedicada a “avançar o entendimento científico dos sistemas de IA de fronteira” e torná-los “mais amplamente compreendidos, personalizáveis e geralmente capazes”.

Uma característica distintiva do Thinking Machines Lab é seu forte compromisso com a colaboração. A empresa enfatiza que “o progresso científico é um esforço coletivo” – uma clara divergência da cultura de sigilo da OpenAI. Esta abordagem colaborativa pode acelerar o progresso científico ao permitir que pesquisadores de diferentes instituições contribuam para o avanço da IA.

Murati, que serviu como CEO interina da OpenAI durante a breve demissão de Sam Altman em novembro de 2023, parece estar buscando uma abordagem mais equilibrada e transparente para o desenvolvimento de IA avançada.

Ndea: Em busca da inteligência genuína

François Chollet, criador do Keras e autor do influente paper “On the Measure of Intelligence”, lançou a Ndea em janeiro de 2025 com uma visão clara: desenvolver IA que possa demonstrar inteligência genuína, não apenas habilidades específicas.

Chollet tem sido um crítico vocal dos benchmarks tradicionais de IA, argumentando que eles medem habilidades específicas, não inteligência geral. Ele afirma que “aumentar o tamanho do seu banco de dados… não está aumentando a inteligência do sistema nem um pouco. Você está aumentando a habilidade do sistema… mas não sua inteligência, porque habilidade não é inteligência.”

A Ndea visa combinar deep learning com “program synthesis” para criar sistemas que possam explicar perfeitamente os dados observados e alcançar maior poder de generalização com extrema eficiência de dados. O objetivo é acelerar os avanços científicos com IA capaz de “invenção e descoberta independentes”.

O nome Ndea é inspirado nos conceitos gregos de “ennoia” (entendimento intuitivo) e “dianoia” (raciocínio lógico) – refletindo a ambição da empresa de criar sistemas que possam não apenas processar informações, mas realmente compreendê-las e raciocinar sobre elas.

DeepSeek: Uma abordagem híbrida com potencial comercial

DeepSeek representa um caso interessante neste novo ecossistema. Embora seu CEO, Liang Wenfeng, tenha afirmado que a empresa está focada em “alcançar a AGI” em vez de buscar estratégias de monetização, a DeepSeek já está explorando oportunidades comerciais significativas.

A empresa lançou o DeepSeek-R1, um modelo de raciocínio de código aberto que alcançou resultados notáveis em testes de benchmark. Apesar de seu orçamento de treinamento relativamente modesto, a SemiAnalysis estima que a DeepSeek gastou mais de $500 milhões em hardware de computação ao longo de sua história.

O que torna a DeepSeek particularmente interessante é que seus modelos de IA estão agora impulsionando recursos em dispositivos de gigantes chineses de smartphones, plataformas de busca e montadoras de veículos elétricos. A empresa também atualizou seu registro comercial para incluir “serviços de informação na internet”, sugerindo planos de comercializar sua tecnologia de forma mais ampla.

Esta abordagem híbrida – buscar a AGI enquanto explora oportunidades comerciais – pode proporcionar à DeepSeek os recursos necessários para continuar investindo em pesquisa avançada, enquanto também entrega valor tangível a curto prazo.

O futuro além do paradigma de escala

À medida que estas novas startups ganham impulso, elas estão desafiando fundamentalmente o paradigma “Bigger is Better” que tem dominado o desenvolvimento de IA. Sam Altman famosamente afirmou que “a inteligência de um modelo de IA é aproximadamente igual ao log dos recursos usados para treiná-lo e executá-lo” – uma filosofia conveniente para atrair investimentos massivos em infraestrutura de computação.

No entanto, um artigo de 2024 de pesquisadores do Inria Saclay Centre e da Hugging Face argumenta contra este paradigma por três razões principais:

1. É insustentável porque “as demandas de computação crescem mais rápido que o desempenho do modelo”, com benchmarks frequentemente atingindo platôs após certos limiares.
2. A obsessão com o scaling de IA de propósito geral desvia a atenção da compreensão de como os modelos realmente funcionam.
3. A abordagem amplifica a concentração de poder entre alguns players dominantes.

As novas startups de AGI estão explorando caminhos alternativos baseados na colaboração científica, segurança e pesquisa aberta. Elas compartilham a crença na necessidade de uma forma mais geral de inteligência – uma que possa se adaptar, raciocinar e colaborar de maneiras que os modelos atuais não conseguem.

Conclusão: Redefinindo o caminho para a AGI

O cenário do desenvolvimento de IA está evoluindo rapidamente. Enquanto o paradigma de escala continua a atrair investimentos massivos, uma nova geração de pesquisadores e empreendedores está questionando se este é realmente o caminho para a AGI.

Startups como Safe Superintelligence, Thinking Machines Lab e Ndea estão explorando abordagens alternativas que enfatizam a segurança, colaboração e inteligência genuína, em vez de apenas aumentar a escala dos modelos existentes. Estas empresas acreditam que a verdadeira inteligência requer mais do que apenas mais dados e poder computacional – requer novas arquiteturas, novos paradigmas e novas formas de pensar sobre o problema.

À medida que estas startups ganham impulso e atraem investimentos significativos, o futuro do desenvolvimento de IA pode parecer muito diferente do que vimos até agora. O caminho para a AGI está longe de terminar, e será fascinante observar como estes novos players moldarão o próximo capítulo desta jornada.

Fonte: Baseado em pesquisas e declarações de pesquisadores de IA, incluindo Yann LeCun, Thomas Wolf, Ilya Sutskever, Mira Murati e François Chollet, bem como dados da AAAI e análises da SemiAnalysis.