Math-V2 amplia raciocínio matemático e alcança resultados de alto nível em competições

A startup chinesa DeepSeek lançou um modelo de inteligência artificial de código aberto, o Math-V2, desenvolvido para gerar e auto-verificar demonstrações matemáticas complexas. Segundo a empresa, o sistema une um gerador de teoremas e um verificador que confere, passo a passo, as provas produzidas, permitindo que o modelo corrija seus próprios erros durante a execução.

O Math-V2 foi construído sobre o experimental DeepSeek‑V3.2‑Exp, lançado em setembro, e seus pesos foram disponibilizados sob a licença de código aberto Apache 2.0 em plataformas como Hugging Face e GitHub. A estratégia de desenvolvimento privilegia o raciocínio matemático auto-verificável, uma abordagem voltada a tarefas que exigem derivações rigorosas e que, segundo a DeepSeek, amplia a capacidade de raciocínio durante a execução.

Como o Math-V2 funciona

O sistema integra dois componentes centrais: um gerador de teoremas que produz passos de demonstração, e um verificador que valida cada etapa, sinalizando inconsistências ou erros. Essa dinâmica cria um ciclo de correção interna, em que o modelo aprende a ajustar seus raciocínios em tempo real.

De acordo com a DeepSeek, a proposta busca superar limitações observadas em métodos anteriores baseados apenas em aprendizado por reforço. Como escreveu a empresa em seu artigo técnico, “ao escalar o raciocínio com aprendizado por reforço que recompensa as respostas finais corretas, os modelos de linguagem melhoraram de uma performance medíocre para alcançar resultados saturados em competições quantitativas como AIME e HMMT em apenas um ano. Contudo, essa abordagem apresenta limitações fundamentais.” A DeepSeek apresenta o Math-V2 como uma resposta a essas limitações, ao focar na auto-verificação durante a construção das provas.

Desempenho em competições e dados divulgados

Nos testes divulgados pela empresa, o Math-V2 obteve resultados expressivos. A DeepSeek afirmou que o Math‑V2 “alcançou pontuações dignas de medalha de ouro ao ser testado em problemas da Olimpíada Internacional de Matemática (IMO) 2025 e da Olimpíada de Matemática CREST (CMO) 2024, além de atingir uma elevada pontuação de 118 em 120 na competição matemática Putnam 2024.” Esses números, se confirmados por avaliações independentes, posicionariam o modelo entre as ferramentas de ponta para raciocínio matemático automatizado.

Além das métricas de competição, a DeepSeek ressalta que o Math‑V2 foi projetado para resolver problemas abertos sem soluções pré-definidas, cenário crítico para pesquisas em áreas que dependem de demonstrações rigorosas, como criptografia e exploração espacial.

Impacto no ecossistema de código aberto e próximos passos

O lançamento do Math-V2 também tem impacto político e econômico no ecossistema global de IA. Um destaque citado pela DeepSeek é que “Um estudo recente do MIT, em parceria com a Hugging Face, revelou que a participação dos modelos abertos desenvolvidos na China aumentou para 17% no último ano”, dado que, segundo a empresa, pode conferir à China uma vantagem no mercado de modelos abertos.

Ao publicar o código e os pesos sob licença Apache 2.0, a DeepSeek favorece a colaboração e a auditoria externa, permitindo que pesquisadores e desenvolvedores testem, reproduzam e aprimorem o modelo. A empresa admite que ainda há elementos a melhorar, mas avalia que o caminho do raciocínio auto-verificável é promissor para criar sistemas de IA mais robustos e confiáveis.

Especialistas independentes alertam para a necessidade de validação externa das reivindicações de desempenho, e também para os desafios de segurança e uso responsável de modelos capazes de produzir demonstrações complexas. Ainda assim, o Math-V2 representa um avanço técnico e uma contribuição relevante ao domínio aberto de pesquisa em IA, ao mesmo tempo em que intensifica o debate sobre competição, transparência e colaboração global no desenvolvimento de modelos de raciocínio.

Nova Act SDK chega em prévia nos EUA com acesso a Nova Micro, Lite e Pro

A Amazon anunciou o lançamento do Nova Act SDK, um kit de ferramentas voltado para o desenvolvimento de agentes de inteligência artificial, acompanhado de um serviço online para acessar modelos já existentes. A novidade está disponível em prévia nos Estados Unidos e promete facilitar o uso dos modelos Nova Micro, Lite e Pro, além das ferramentas de geração de imagens e vídeos, conhecidas como Nova Canvas e Nova Reel.

Segundo a empresa, os mesmos modelos estavam previamente acessíveis via Amazon Bedrock, mas a nova interface em nova.amazon.com tem o objetivo de simplificar o acesso, tornando mais rápido para desenvolvedores e entusiastas explorarem as capacidades do ecossistema Nova. Em comunicado, a Amazon explicou que o portal aproxima o poder dos modelos da nuvem aos usuários e desenvolvedores.

Como funciona e o que muda para desenvolvedores

O Nova Act SDK permite a criação de agentes de IA capazes de navegar em navegadores e executar ações em ambientes digitais, de forma semelhante ao Operator da OpenAI. A ferramenta foi projetada para decompor processos complexos em comandos menores e mais gerenciáveis, facilitando automações como buscas na web, processamento de pagamentos e respostas a perguntas de usuários.

Além disso, o SDK inclui recursos para inserir instruções detalhadas que aumentam a confiabilidade na execução das tarefas, um ponto crítico no desenvolvimento de agentes que precisam interagir com serviços externos e fluxos de trabalho empresariais. A Amazon afirma que essas funcionalidades ajudam a transformar fluxos complexos em etapas executáveis, o que pode acelerar a adoção de automações em ambientes corporativos.

Visão da Amazon e posicionamento no mercado

A empresa enfatiza a democratização do acesso às suas tecnologias e, nas palavras de Rohit Prasad, SVP da Amazon para Inteligência Artificial Geral, “Nova.amazon.com coloca o poder da inteligência de ponta da Amazon nas mãos de todos os desenvolvedores e entusiastas de tecnologia, facilitando mais do que nunca a exploração das capacidades do Amazon Nova”. Essa declaração reforça a estratégia da companhia de ampliar o ecossistema Nova, tornando-o mais acessível fora das soluções empresariais já existentes.

O movimento insere a Amazon em um campo crescente, o dos agentes de IA capazes de operar em múltiplas plataformas digitais. Especialistas apontam que esse tipo de tecnologia pode representar a próxima fronteira de crescimento para a IA, com potencial para automatizar tarefas administrativas rotineiras e executar atividades em velocidades superiores às humanas.

Limitações, estágio de desenvolvimento e expectativas

A própria Amazon reconhece que agentes ainda estão em fase inicial, observando que “Consideramos agentes como sistemas que podem completar tarefas e atuar em uma variedade de ambientes digitais e físicos em nome do usuário. Atualmente, esses agentes ainda estão em uma fase inicial”. Essa avaliação aponta para desafios de confiabilidade, segurança e integração que precisam ser enfrentados à medida que mais empresas experimentam agentes automatizados.

No curto prazo, o foco tende a ser a experimentação por desenvolvedores e empresas que possam testar fluxos controlados. A disponibilização do Nova Act SDK em prévia nos EUA permite coletar feedback e ajustar funcionalidades antes de uma expansão mais ampla, incluindo suporte a casos que envolvem pagamentos, navegação web e execução de comandos em interfaces diversas.

Para profissionais de tecnologia e negócios no Brasil, a novidade sinaliza que a competição por plataformas de agentes de IA deve se intensificar. O acesso facilitado a modelos como Nova Micro, Lite e Pro e às ferramentas de multimídia, pode acelerar projetos de automação de atendimento, criação de conteúdo e processamento de tarefas operacionais, desde que as questões de segurança e confiabilidade sejam tratadas com prioridade.

O lançamento do kit e do portal indica ainda que a Amazon busca oferecer um caminho mais direto entre desenvolvedores e suas capacidades de IA, reduzindo barreiras técnicas e de adoção. Para acompanhar a evolução, especialistas recomendam que equipes técnicas testem o SDK em ambientes controlados, validem limites de operação e monitorem resultados antes de ampliar o uso em processos críticos.

Com a chegada do Nova Act SDK, o mercado ganhou uma nova alternativa para quem pretende explorar agentes de IA com integração de modelos de linguagem e multimídia, e a expectativa é que, ao longo dos próximos meses, mais empresas experimentem e adaptem essas ferramentas às suas rotinas.

Lucros da IA em dúvida enquanto investimentos bilionários elevam riscos de bolha

A pergunta sobre os lucros da IA deixou investidores e economistas em alerta. Nos Estados Unidos, um aumento expressivo nos gastos com IA foi responsável por aproximadamente dois terços do crescimento do Produto Interno Bruto no primeiro semestre de 2025, segundo relatos recentes. Ainda assim, cresce a preocupação sobre a capacidade da tecnologia de converter essa avalanche de investimentos em receitas e lucros sustentáveis.

Empresas de tecnologia e gigantes do setor já aplicaram trilhões de dólares em chips, centros de dados e infraestrutura necessária para treinar e operar modelos avançados. Apesar disso, muitos desses investimentos ainda não se traduziram em resultados financeiros sólidos, deixando no ar a pergunta central: os lucros da IA virão em escala suficiente para justificar os gastos?

Investimentos, PIB e quem lucra com a infraestrutura

O impacto da IA na economia é visível, mas desigual. A demanda por componentes básicos da tecnologia beneficiou empresas como a Nvidia, que, ao vender chips, alcançou lucros expressivos e se tornou, segundo acompanhamento de mercado, a empresa mais valiosa do mundo em termos de capitalização de mercado. Esse movimento evidencia que parte dos ganhos atuais vem mais da infraestrutura do que das aplicações finais da IA.

Por outro lado, um estudo do MIT mostrou que aproximadamente 95% das empresas que investiram em IA ainda não conseguiram lucrar com a tecnologia, estimando que os gastos combinados dessas organizações giram em torno de 40 bilhões de dólares. Esses números explicam por que a discussão sobre os lucros da IA é tão intensa: há grande discrepância entre onde o dinheiro foi aplicado e onde ele tem retornado.

Usuários, custos e o desafio de converter escala em receita

A adoção de produtos de consumo foi rápida. O ChatGPT, por exemplo, reúne cerca de 800 milhões de usuários ativos semanais, o que demonstra uma base massiva de interesse e experimentação. No entanto, a escala de usuários nem sempre se converte em receitas proporcionais, principalmente quando empresas priorizam aprimoramento do produto em detrimento de modelos de monetização imediata.

Outro fator que limita os lucros da IA é o custo operacional. Cada requisição feita a sistemas de IA gera despesas com energia, manutenção e resfriamento de servidores, custos que crescem proporcionalmente ao número de usuários. Essa equação torna difícil alcançar uma escalabilidade com margens confortáveis até que novas estratégias de monetização e eficiência sejam encontradas.

Riscos, avisos de especialistas e perspectivas futuras

As opiniões dos especialistas trazem cautela. Paul Kedrosky, investidor de risco e pesquisador no MIT, afirma que “não é incomum que um mercado em estágio inicial apresente lucros modestos”. A frase serve como lembrete de que muitas inovações passam por longos períodos de investimento antes de ver retornos substanciais.

Porém, a atual magnitude dos investimentos torna o cenário menos previsível. Gary Marcus, professor emérito e autor, alerta que “não será bonito quando a música parar”, uma advertência sobre os riscos de uma reversão brusca no fluxo de recursos que hoje sustenta grande parte da economia ligada à IA. Há também vozes que sugerem que uma retração pode ter efeitos mais amplos, podendo, em casos extremos, contribuir para desacelerações econômicas.

Especialistas reconhecem que a IA ainda está em fase embrionária, marcada por intensa experimentação e aprendizado. Se empresas e setores conseguirem transformar a tecnologia em ganhos reais de produtividade, os lucros da IA podem se tornar mais evidentes. Até lá, o mercado caminha entre oportunidades e riscos, com a busca por modelos de negócios que permitam converter adoção e escala em receita sustentável.

Para investidores e gestores, a recomendação comum é observar não apenas a escala de uso, mas a capacidade de monetização e a eficiência operacional das soluções de IA. O futuro dos lucros da IA dependerá tanto de inovações tecnológicas quanto da disciplina empresarial em transformar usuários e automação em valor comprovado.

Transistor de reservatório promete tornar o hardware neuromórfico prático para IA

A pesquisa em computação neuromórfica ganhou um avanço relevante com a apresentação, por pesquisadores japoneses, de um novo transistor de reservatório que pode tornar o hardware neuromórfico mais prático para aplicações de IA. O desenvolvimento busca superar limitações do hardware atual, permitindo que sistemas inspirados no cérebro humano processem informações com maior eficiência e velocidade.

O campo da computação neuromórfica procura reproduzir a arquitetura e o poder computacional do cérebro, e um dos elementos centrais dessa abordagem são os chamados reservatórios, que emulam redes neurais recorrentes. Esses reservatórios físicos convertem sinais de entrada em representações de alta dimensão, essenciais para tarefas complexas como reconhecimento de objetos e predição temporal. Ainda assim, a implementação prática exige um grande número de estados de reservatório, algo difícil de alcançar com a tecnologia disponível hoje.

Como o novo transistor funciona

O dispositivo criado pela equipe japonesa é descrito como um transistor de reservatório com portão de íons. Segundo os pesquisadores, o componente introduz um mecanismo que amplia a capacidade de estados do reservatório ao utilizar um eletrólito no qual íons de lítio se movimentam rapidamente. Segundo a equipe, o transistor utiliza um eletrólito através do qual íons de lítio se movem rapidamente, criando dois fluxos de corrente de saída e dobrando efetivamente o número de estados de reservatório.

Além disso, as diferentes taxas de transporte de íons entre o canal e o eletrólito provocam um atraso entre a corrente do dreno e a corrente do portão. Esse atraso funciona como uma forma de memória temporal, permitindo que o circuito retenha brevemente informações sobre entradas anteriores e as utilize em operações futuras, uma característica necessária para implementar memórias físicas em hardware neuromórfico.

Desempenho em comparação com tecnologias existentes

Em testes, o novo transistor de reservatório mostrou-se superior a tecnologias semelhantes. Em testes, esse dispositivo superou outras tecnologias semelhantes, como os memristores, e mostrou-se altamente preciso ao fazer previsões com base em dados de entrada e saída anteriores. Essa observação sugere que o approach pode oferecer um caminho mais robusto e escalável do que memristores e outras soluções experimentais usadas hoje em arquiteturas neuromórficas.

O ganho de estados do reservatório é um ponto crítico: quanto mais estados efetivos um sistema físico consegue representar, maior a riqueza das transformações temporais que ele pode realizar, o que se traduz em melhor capacidade para tarefas de IA que dependem de contexto e histórico de sinais.

Potenciais aplicações e próximos passos

Para os autores do trabalho, o avanço abre portas para aplicações amplas. O Professor Associado Dr. Tohru Higuchi da Universidade de Ciência de Tóquio (TUS) avaliou o potencial do dispositivo em termos práticos, afirmando: o sistema tem o potencial de se tornar uma “tecnologia de uso geral que será implementada em uma ampla gama de dispositivos eletrônicos, incluindo computadores e telefones celulares no futuro”. Essa perspectiva insinua que o hardware neuromórfico poderia migrar da pesquisa de laboratório para produtos comerciais, reduzindo latência e consumo energético em tarefas de IA embarcada.

Se integrado com sucesso, o transistor de reservatório pode impulsionar aplicações que demandam resposta rápida e eficiência energética, como processamento de sinais em tempo real, sensores inteligentes, e módulos de inferência local em dispositivos móveis. A combinação de altas dimensões de estado e memória temporal embutida é especialmente valiosa em cenários onde a conectividade com núcleos de nuvem é limitada.

Ainda há desafios a vencer, incluindo a produção em larga escala, estabilidade a longo prazo dos íons no eletrólito, e compatibilidade com processos industriais existentes. No entanto, os resultados iniciais e a comparação favorável com memristores indicam que o conceito merece atenção tanto da comunidade acadêmica quanto da indústria.

Em resumo, o novo transistor de reservatório representa um passo significativo rumo a um hardware neuromórfico mais prático para a computação de IA, ao aumentar os estados disponíveis nos reservatórios, incorporar memória física por meio de atrasos nas correntes iônicas, e demonstrar desempenho promissor diante de alternativas atuais. O desenvolvimento poderá acelerar a adoção de arquiteturas neurais físicas em aplicações cotidianas, trazendo ganhos em velocidade e eficiência para dispositivos inteligentes.

Qiantang transforma pesquisa clínica com IA aplicada à biomedicina

Distrito de Qiantang usa IA na inovação farmacêutica para reduzir tempo e custo do P&D

O Distrito de Qiantang, em Hangzhou, no leste da China, tem se consolidado como um centro avançado onde a IA na inovação farmacêutica está sendo aplicada em larga escala para acelerar a descoberta de medicamentos e reduzir custos. A região, conhecida como Hangzhou Biopharma Town, abriga mais de 1.800 empresas do setor biomédico e de dispositivos médicos, e já registra 90 medicamentos inovadores em ensaios clínicos, com a expectativa de que, anualmente, sejam produzidos medicamentos inovadores de Classe 1 em Qiantang.

O desenvolvimento de um medicamento inovador normalmente leva 10 anos e custa cerca de 1 bilhão de dólares, tendo uma taxa de sucesso de aprovação no mercado inferior a 10%. Nesse contexto, a adoção de inteligência artificial se tornou estratégica para romper gargalos tradicionais e encurtar o ciclo de pesquisa e desenvolvimento.

Como a IA está transformando a descoberta de fármacos

Empresas locais, como a MindRank, ilustram a mudança de paradigma. Em vez de frascos e bancadas cheias de experimentos manuais, os laboratórios apresentam equipamentos de computação de alta velocidade e fluxos de dados que permitem simulações e triagem virtual de compostos. Segundo Niu Zhangming, fundador e CEO da MindRank, “Com a tecnologia de IA, podemos selecionar moléculas promissoras de forma rápida e precisa. Concluímos a confirmação dos compostos candidatos para estudos pré-clínicos em apenas 8 meses, economizando entre 1,5 a 3 anos e mais de 50% dos custos iniciais de pesquisa e desenvolvimento quando comparados aos métodos tradicionais”.

Esses ganhos de eficiência são centrais para a estratégia local de IA na inovação farmacêutica, porque tornam viável testar mais hipóteses em menos tempo e com menor investimento inicial, aumentando a probabilidade de avanços reais em áreas de alta complexidade terapêutica.

Universidades, centros e parcerias fortalecem o ecossistema

Qiantang não depende apenas do setor privado. A região formou plataformas de inovação científica e tecnológica de alto nível, incluindo o Instituto de Inovação em Inteligência Artificial na Medicina da Universidade de Zhejiang e o Instituto de Medicina de Hangzhou, da Academia Chinesa de Ciências. Esses centros apoiam a cadeia completa de inovação, desde a descoberta assistida por IA até experimentos automatizados e ensaios clínicos digitais.

Como destacou Cao Ji, vice-presidente do Instituto de Inovação em Inteligência Artificial na Medicina, da Universidade de Zhejiang, “Atualmente, a tecnologia de IA está rompendo os limites do conhecimento e da experiência humana, permitindo a descoberta de moléculas totalmente originais. Isso gera novas perspectivas para enfrentar doenças complexas que, até então, não possuíam tratamentos eficazes”. A presença de mais de 500 talentos de alto nível e 16 equipes de acadêmicos reforça essa capacidade de inovação.

Rotas para a clínica e impactos na prática médica

A aplicação de IA também avança na integração entre pesquisa e prática clínica. O centro de inovação em saúde inteligente da Pfizer, presente no distrito, trabalha para transformar protótipos científicos em soluções práticas. Wang Fei, gerente geral do centro, explicou: “Por exemplo, para atender às necessidades de diagnóstico e tratamento da enxaqueca na China, buscamos aproveitar a IA para integrar a pesquisa científica à prática clínica, auxiliando especialistas em todo o país com diagnóstico preciso, tratamento padronizado e gestão eficiente dos pacientes”.

Esse movimento cria uma cadeia industrial cada vez mais fechada, com poder computacional, algoritmos e dados circulando entre empresas, universidades e centros de pesquisa. Qiantang já lançou 15 grandes projetos baseados em modelos avançados, instituiu mais de 18 plataformas de pesquisa em IA em nível estadual ou superior e reuniu mais de 110 empresas de IA biomédica, garantindo um fluxo contínuo de capacidade técnica e dados.

Além dos ganhos técnicos, o distrito apostou em políticas locais para atrair indústrias e talentos. Desde os anos 2000, empresas pioneiras como Jiuyuan Genetic Engineering e Zhongtai Biochemical ajudaram a criar uma base industrial sólida. Hoje, o ecossistema concentra sete das dez maiores farmacêuticas do mundo e já incubou sete empresas farmacêuticas, com mais de 140 projetos realizados, segundo autoridades locais.

O resultado é uma região que se posiciona como um laboratório vivo de IA na inovação farmacêutica, com potencial para acelerar a chegada de tratamentos ao mercado e transformar a prática clínica. A aposta pública e privada em computação, algoritmos e parcerias acadêmicas sugere que Qiantang pode ser um modelo replicável para outras regiões que desejam combinar biomedicina e inteligência artificial.

Fonte: Departamento de Desenvolvimento e Reforma do Distrito de Qiantang

O gerador de imagens da OpenAI chega à versão gratuita, com limites, riscos e impacto no uso

A OpenAI anunciou que o gerador de imagens da OpenAI, alimentado pelo modelo GPT-4o, está agora disponível para todos os usuários, após ter sido reservado inicialmente para assinantes do ChatGPT. A liberação foi comunicada pelo CEO Sam Altman em um post no X, e marca uma expansão rápida do acesso a recursos de criação visual dentro da plataforma.

A disponibilização gratuita do gerador de imagens da OpenAI levanta dúvidas sobre limites de uso e responsabilidades, enquanto a ferramenta segue atraindo atenção por sua qualidade e versatilidade. Embora a empresa não tenha detalhado quantas imagens estarão disponíveis para usuários gratuitos, Altman havia mencionado, na semana anterior, um limite de três imagens por dia.

Como funciona e quais são os limites imediatos

O gerador de imagens da OpenAI usa o GPT-4o como base para transformar instruções de texto em imagens. A tecnologia ganhou popularidade logo após o lançamento, impulsionada pela facilidade de criação e pela variedade de estilos que o modelo pode reproduzir.

Segundo a própria mensagem divulgada, não está claro quantas imagens os usuários da versão gratuita poderão gerar, mas há referência a uma restrição: Altman mencionou um limite de três imagens por dia. O número sugere que a OpenAI busca equilibrar acesso amplo com controle de gastos de infraestrutura, especialmente diante da alta demanda inicial.

Questões legais, ética e uso indevido

O aumento do acesso ao gerador de imagens da OpenAI acendeu discussões sobre direitos autorais e uso de estilos artísticos. A ferramenta começou a ser usada para recriar imagens no estilo do estúdio de animação japonês Studio Ghibli, o que trouxe preocupações sobre similaridade de estilo e como os dados de treinamento são aproveitados.

Além disso, houve casos em que o gerador foi empregado para criar recibos falsos, como contas de restaurantes. Em resposta a incidentes e dúvidas, a empresa afirmou que todas as imagens geradas trazem metadados de identificação, e reforçou medidas de moderação: “todas as imagens possuem metadados que indicam que foram geradas pelo ChatGPT e que a empresa “toma providências” caso elas violem as diretrizes estabelecidas.”

Essa declaração busca mitigar riscos de uso malicioso e facilitar a detecção de imagens sintéticas. Ainda assim, especialistas e criadores defendem que a transparência sobre fontes de treino e mecanismos de proteção precisa ser ampliada, para reduzir conflitos com artistas e evitar fraudes.

Impacto, adesão e números divulgados

O lançamento do gerador de imagens da OpenAI chega em um momento de forte expansão para a OpenAI. A empresa anunciou um aporte de investidores liderados pela SoftBank, totalizando US$ 40 bilhões, e informou uma avaliação de US$ 300 bilhões. Esses fundos e a avaliação destacam o interesse do mercado em tecnologias de inteligência artificial generativa.

Em paralelo aos investimentos, a OpenAI também reportou crescimento em sua base de usuários: o ChatGPT teria alcançado 500 milhões de usuários ativos semanais e 700 milhões de usuários ativos mensais. Esses números ilustram por que recursos visuais, como o gerador de imagens, são estratégicos para aumentar engajamento e retenção.

Do ponto de vista do usuário, a chegada do gerador gratuito amplia o acesso à criação de conteúdo visual, mas impõe escolhas: aceitar limites diários, conviver com medidas de identificação das imagens e ficar atento às regras de uso. Para empresas e criadores, a novidade representa oportunidade e desafio, diante de debates sobre propriedade intelectual e responsabilidade editorial.

Mesmo com a liberação, é provável que a OpenAI ajuste políticas e cotas conforme o uso real e a pressão sobre sua infraestrutura. Parte das decisões futuras dependerá do monitoramento de abusos, do diálogo com comunidades criativas e da evolução das ferramentas de detecção de conteúdo sintético.

Em resumo, a disponibilização do gerador de imagens da OpenAI para todos amplia o alcance da criação por IA, mas mantém em evidência questões técnicas, legais e éticas que deverão ser acompanhadas nas próximas semanas.

Accenture amplia estratégia: espaço físico, dados e economia circular entram na mira

A Accenture segue em transformação, combinando decisões sobre presença corporativa com iniciativas tecnológicas e ambientais. Em Paris, a consultoria discute a possível realocação de seu escritório para o empreendimento Bergère, no centro histórico da capital francesa, uma ação que visa aproximar a empresa de clientes e talentos e alinhar o espaço físico à sua estratégia digital.

Ao mesmo tempo, a empresa vem reforçando sua postura de “IA em primeiro lugar”, e alerta para desafios regionais, como a chamada “dívida de dados” que limita a adoção de inteligência artificial em operadoras de comunicação na região da Ásia-Pacífico. Paralelamente, a Accenture lançou, em parceria com o Fórum Econômico Mundial, um novo playbook sobre gestão de resíduos e circularidade nas cadeias de suprimentos, ampliando seu papel na interseção entre rastreabilidade digital e economia circular.

O que a mudança em Paris pode significar

A possível transferência para o Bergère reflete uma tendência em que grandes empresas retornam a áreas centrais mais bem servidas de infraestrutura, em vez de permanecerem em complexos empresariais periféricos. Para a Accenture, a medida pode otimizar a proximidade com clientes estratégicos, facilitar o recrutamento de talento urbano e integrar melhor a proposta de valor baseada em tecnologia e consultoria.

Fontes internas indicam que a movimentação reforçaria a visão de “IA em primeiro lugar”, ao criar ambientes de trabalho que favoreçam colaboração próxima entre equipes de consultoria, engenharia e clientes. Especialistas em mercado veem a mudança como um passo simbólico e prático na reconfiguração do modelo híbrido de trabalho, sem prejuízo para operações existentes.

Alerta sobre IA na Ásia-Pacífico: a barreira da “dívida de dados”

Em relatório recente, a Accenture chama atenção para a fragilidade da preparação de muitas operadoras na região da Ásia-Pacífico (APAC) para explorar plenamente a inteligência artificial. O problema central identificado é a “dívida de dados”, com dados fragmentados e inconsistentes em sistemas legados, o que dificulta avanços em IA generativa e automação de redes.

Para a Accenture, que obtém parcela significativa de receita de clientes nos setores de telecom, mídia e tecnologia, esse cenário demanda intervenções externas para organizar, limpar e integrar dados antes que tecnologias avançadas possam entregar valor. O alerta reforça a necessidade de investimentos em governança de dados, integração de plataformas e modernização de infraestruturas.

Playbook de circularidade e impactos na cadeia de suprimentos

Com o Fórum Econômico Mundial, a Accenture lançou um novo playbook voltado à gestão de resíduos e à circularidade em cadeias de suprimentos globais. A iniciativa busca combinar rastreabilidade digital e práticas de economia circular para reduzir descarte e aumentar a reutilização de materiais em redes logísticas complexas.

Segundo especialistas envolvidos, o manual consolida a posição da Accenture como integradora entre tecnologia, sustentabilidade e transformação de cadeias de suprimentos, oferecendo ferramentas práticas para empresas que precisam mapear fluxos materiais e reduzir impactos ambientais sem comprometer eficiência operacional.

Além desses três eixos, o dia a dia da Accenture ainda traz outras frentes: destaque em nichos como BPO, blockchain e serviços digitais para o agronegócio, iniciativas de marketing com a Droga5 London para a Plusnet, e programas de formação executiva com instituições como a XLRI e a TalentSprint.

Dados e movimentos financeiros recentes também marcam a trajetória da empresa. Relatórios citam que consultorias responderam por “47% das ofertas” no relatório de estágio de verão da Indian School of Business, com a Accenture como principal recrutadora em um período de reestruturação global. No mercado de capitais, as ações da Accenture acumulavam uma queda de aproximadamente 28,9% no ano, e a companhia iniciou uma reestruturação de seis meses envolvendo cerca de US$865 milhões para alinhar operações à demanda por serviços digitais e soluções baseadas em IA.

Internamente, a empresa também tem promovido demissões, requalificação de equipes e ações de engajamento com governos, nomeando executivos como “champions” de IA no Reino Unido e incentivando debates sobre soberania em IA na Europa, enquanto segue adquirindo capacidades de nicho para escalar ofertas baseadas em inteligência artificial.

O conjunto de iniciativas mostra uma empresa em transição, que combina decisões sobre espaços físicos, maturidade de dados, sustentabilidade e aquisições para sustentar sua vantagem competitiva. Para analistas, os próximos movimentos a observar incluem a definição sobre o Bergère em Paris, avanços na resolução da “dívida de dados” na APAC, e a adoção prática do playbook de circularidade em grandes cadeias globais.

Reestruturação interna e visão de futuro para IA na Nvidia

Jensen Huang defende automação com IA e assegura que empregos serão mantidos

Jensen Huang, CEO da Nvidia, protagonizou um episódio que expôs tensão entre liderança e equipes técnicas sobre o uso de inteligência artificial dentro da empresa. Em uma gravação interna, Huang questionou decisões de alguns gerentes que estariam pedindo para suas equipes usarem menos IA, e classificou essa orientação com palavras duras: “Eu entendo que existem alguns gerentes na Nvidia que estão dizendo para sua equipe usar menos IA. Você é louco?”.

O episódio com gerentes

Segundo a gravação citada pelo Tom’s Hardware, a declaração de Huang não foi apenas uma crítica, foi acompanhada por uma diretriz clara para adotar automação: “Quero que toda tarefa que possa ser automatizada com inteligência artificial seja automatizada com inteligência artificial. Eu prometo a vocês; vocês terão trabalho a fazer.” Essas frases refletem uma posição ambiciosa, que mistura incentivo à automação com a promessa de preservar cargos.

O contraste entre pedir automação ampla e, ao mesmo tempo, assegurar que “vocês terão trabalho a fazer” gerou dúvidas sobre como a Nvidia pretende traduzir essa estratégia em práticas de RH e de requalificação. Fontes internas, mencionadas na cobertura, relatam que a orientação de alguns gerentes para restringir o uso de IA estaria motivada por receios sobre eficiência, riscos operacionais, ou medo de impacto sobre carreiras.

Investimentos e visão estratégica

A postura de Huang se conecta a decisões estratégicas amplas da Nvidia. A reportagem lembra que o executivo “apostou US$ 100 bilhões na OpenAI, com a expectativa de que a empresa se torne um negócio multitrilionário”. Esse tipo de investimento sinaliza que a Nvidia não vê a IA apenas como ferramenta de produtividade, mas como pilar central do seu modelo de negócios, com efeitos sobre hardware, software e parcerias.

Além disso, Huang afirmou que “a China sairá vitoriosa na corrida pela liderança da inteligência artificial”, posicionamento que indica a percepção da empresa sobre competição geopolítica e mercado global. Essa visão amplia o contexto do debate interno: adotar IA intensamente pode ser visto como necessário para manter vantagem competitiva, inclusive frente a players e políticas externas.

Desafios de infraestrutura e reação do mercado

Ao mesmo tempo, o cenário não é isento de entraves. A matéria cita comentário do CEO da Microsoft sobre dificuldades logísticas e energéticas para instalar todas as GPUs destinadas à IA: a expansão de sistemas que suportam modelos avançados encontra limitações de infraestrutura, desde fornecimento de energia até espaço físico e resfriamento.

Esses desafios técnicos ajudam a entender por que alguns gerentes possam adotar postura cautelosa sobre o uso de IA, mesmo em empresas que vendem o hardware por trás de grandes modelos. Ainda assim, a orientação explícita de Huang favorecendo automação amplia a pressão para que times encontrem formas de integrar IA com responsabilidade, incluindo planos de requalificação e redefinição de processos.

Para funcionários e observadores, a mensagem dupla de Huang — incentivar automação massiva e garantir empregos — exige tradução em políticas claras. Programas de treinamento, realocação interna, e avaliações de impacto sobre tarefas são medidas que podem reconciliar automação com preservação de vagas, desde que implementadas com transparência.

Em síntese, Jensen Huang deixou claro que vê a IA como prioridade estratégica e como veículo para automatizar amplamente tarefas dentro da Nvidia, enquanto tenta acalmar temores sobre desemprego entre funcionários. A eficácia dessa abordagem dependerá da capacidade da empresa em transformar diretrizes ambiciosas em ações práticas, que equilibrem inovação, segurança operacional e proteção da força de trabalho.

Reportagem baseada em material do Tom’s Hardware e em declarações públicas de Huang registradas na cobertura, incluindo as citações exatas: “Eu entendo que existem alguns gerentes na Nvidia que estão dizendo para sua equipe usar menos IA. Você é louco?” e “Quero que toda tarefa que possa ser automatizada com inteligência artificial seja automatizada com inteligência artificial. Eu prometo a vocês; vocês terão trabalho a fazer.”

Como os Motores de Virtualização da Terra podem transformar a pesquisa climática

Motores de Virtualização da Terra: EVE e Earth-2 unem IA e supercomputação

A iniciativa conhecida como Motores de Virtualização da Terra ou EVE propõe algo ambicioso, e potencialmente transformador para a ciência do clima: construir um clone digital da Terra capaz de integrar enormes volumes de dados climáticos e socioambientais, para ajudar a humanidade a compreender e a se adaptar às mudanças climáticas.

O projeto reúne pesquisadores de diversos países, e aposta na convergência entre inteligência artificial, computação acelerada e visualização interativa. A expectativa dos organizadores é grande, porque o modelo final, apoiado pela iniciativa Earth-2 da Nvidia, “espera-se que produza petabytes de dados todos os dias”, e assim forneça informações detalhadas para governos, empresas e pesquisadores.

Como funciona o clone digital

Os Motores de Virtualização da Terra querem simular a dinâmica climática em alta resolução, chegando até a escala de um quilômetro, para capturar fenômenos locais com precisão. Essa alta resolução permite estudar riscos climáticos com mais detalhes, reduzindo vieses comuns em modelos de baixa resolução. Para isso, será necessário combinar observações de satélite, medições de campo, modelos físicos e algoritmos de IA que melhorem a interatividade e a precisão das simulações.

O pesquisador climático Peter Bauer planeja reunir supercomputadores da Alemanha, Suíça, outros países da União Europeia, Japão e Estados Unidos para viabilizar o esforço colaborativo. A ideia é que o sistema não seja apenas uma caixa preta de cálculos, mas um ambiente onde usuários possam explorar cenários, testar políticas e obter previsões mais detalhadas.

O papel da IA e da Nvidia

Na Cúpula do Earth Virtualization Engines (EVE) Initiative em Berlim, o CEO da Nvidia, Jensen Huang, destacou a importância da IA e da computação acelerada para o avanço da pesquisa climática. Ele apontou três “milagres” necessários para que a comunidade científica atinja os objetivos propostos, e defendeu a oferta de hardware e frameworks de código aberto para acelerar o desenvolvimento.

Como exemplo de avanço prático, Huang citou o desempenho de modelos baseados em dados, ao afirmar que “o modelo de previsão FourCastNet, um modelo de previsão do tempo global baseado em dados, foi capaz de produzir previsões do tempo de 21 dias em um décimo do tempo e com 1.000 vezes menos energia, afirmou Jensen.” Esse tipo de ganho em velocidade e eficiência energética é crucial para escalar simulações globais que alimentem os Motores de Virtualização da Terra.

Além disso, a Nvidia demonstrou ferramentas de visualização, como o Omniverse, e a ideia do Earth-2 como um ambiente interativo. Huang disse que a visualização é essencial para “colocá-lo nas mãos de formuladores de políticas, empresas, companhias e pesquisadores” e assim transformar dados complexos em decisões práticas.

Desafios e próximos passos

Embora as expectativas sejam altas, os desafios são igualmente grandes. Montar uma infraestrutura que gere e processe petabytes diariamente exige coordenação internacional, padrões abertos de dados, e investimento em supercomputação e redes. Também será necessário integrar equipes multidisciplinares e derrubar barreiras entre áreas do conhecimento para acelerar descobertas científicas, conforme defendem os próprios pesquisadores do EVE.

Os idealizadores afirmam que a implementação bem-sucedida “aceleraria a descoberta científica e a inovação digital, levaria a novas descobertas ao derrubar as barreiras entre disciplinas de pesquisa e revolucionaria nossa capacidade de informar e envolver os usuários em escala global.” Para chegar lá, o projeto depende da chegada de uma nova geração de supercomputadores, de colaboração pública e privada, e de escolhas claras sobre governança de dados e acesso.

Enquanto a conferência do EVE prossegue até o dia 07 de julho, o debate central segue: como equilibrar ambição tecnológica e utilidade prática, para que os Motores de Virtualização da Terra se tornem uma ferramenta real de adaptação e mitigação climática, e não apenas um impressionante repositório de simulações. A promessa é grande, e a urgência climática torna esse experimento coletivo ainda mais relevante.

Quando automação e IA adaptativa se encontram

Como a integração entre RPA e IA adaptativa redefine operações, governança e vantagem competitiva

A automação corporativa vive uma mudança de patamar, com a chegada da IA adaptativa que eleva a automação além da execução mecânica. Enquanto a primeira década da RPA foi voltada para eliminar tarefas repetitivas, a combinação entre RPA e IA adaptativa cria fluxos vivos, capazes de aprender, evoluir e tomar decisões contextualizadas, oferecendo uma inteligência operacional contínua.

Do bot que segue regras ao sistema que entende padrões

Um bot clássico executa tarefas segundo regras fixas, já um bot com IA adaptativa identifica padrões, interpreta exceções e se ajusta a variabilidades dos dados. Essa mudança permite que a automação responda a ambientes imprevisíveis, documentos com formatos variados e operações que exigem adaptação constante.

O impacto prático é visível em operações intensivas e integrações complexas, onde a automação deixa de ser apenas uma ferramenta de produtividade, para virar uma camada estratégica do negócio. Segundo a análise das fontes, o mercado de RPA, que movimentou US$ 3,79 bilhões em 2024 e pode chegar a US$ 30,85 bilhões até 2030, está sendo redesenhado justamente para incorporar esse novo nível de inteligência.

Impacto estratégico, governança e risco operacional

A adoção de IA adaptativa com RPA não só aumenta eficiência e previsibilidade, como também fortalece governança. Cada decisão tomada pelo sistema pode ser registrada, auditada e usada para treinar o próprio fluxo, reduzindo riscos operacionais e melhorando rastreabilidade, algo crucial em setores regulados.

Além da rastreabilidade, esse modelo oferece capacidade de escalar automações sem perda de controle. Em operações voláteis, a automação adaptativa prevê picos, redistribui cargas e sugere ajustes processuais. Em outras palavras, a automação começa a “pensar com o negócio”, entregando precisão nas decisões e agilidade na execução.

Quem sai na frente e como começar

Há também um aspecto competitivo importante. Conforme destacado nas fontes, “Se a primeira geração do RPA acelerou empresas, esta nova geração vai redefinir como elas operam e quem entrar agora já estará disputando o próximo ciclo da eficiência, um ciclo em que processos inteligentes não são diferencial, mas infraestrutura essencial para competir.” Essa frase resume por que dominar IA adaptativa será um ativo estratégico por anos.

Para iniciar essa transição, empresas devem avaliar maturidade dos seus processos, qualidade dos dados e arquitetura tecnológica. A integração entre sistemas legados e interfaces modernas exige camadas de orquestração, monitoramento e modelos de aprendizado capazes de lidar com exceções.

O caminho prático começa por identificar processos com alta variabilidade e volume, implementar pilotos que combinem RPA e modelos adaptativos, e estabelecer métricas de governança que monitorem decisões, auditorias e ganhos de eficiência. Esse ciclo de implementação transforma cada exceção em fonte de melhoria contínua, tornando a automação progressivamente mais robusta.

Especialistas citados nas fontes, como Renan Salinas, e a análise jornalística de Bruno Capozzi, enfatizam que a fusão entre RPA e IA adaptativa inaugura uma automação com objetivo mais humano e execução mais inteligente. Em vez de substituir pessoas, essa automação libera tempo, reduz ruídos e amplia a capacidade estratégica dos times, permitindo que profissionais atuem em tarefas analíticas e de maior valor.

Em resumo, a combinação de RPA com IA adaptativa representa uma mudança da automação estática para fluxos autônomos e autoevolutivos. Empresas que investirem agora em processos inteligentes, governança e modelos de aprendizado estarão prontas para competir em um mercado onde velocidade e precisão definem vantagem competitiva.

O movimento já começou, e quem entrar nesse ciclo de eficiência estará construindo não apenas automações, mas uma infraestrutura estratégica para o futuro.