Alphabet é a única ação de Inteligência Artificial na carteira de Ackman, negociada a preço de pechincha

O gestor bilionário Bill Ackman mantém uma postura conservadora e concentrada ao expor capital à revolução tecnológica, especialmente no campo da IA. Segundo a cobertura recente sobre suas posições, Ackman tem um portfólio enxuto, mantendo posições em apenas 10 empresas públicas, conforme a última declaração 13F da sua gestora. Dentro desse universo limitado, há apenas uma ação que é uma aposta direta no universo de IA: a Alphabet, diz a apuração.

Essa decisão chama a atenção porque a ação de Inteligência Artificial representada pela Alphabet aparece como a única aposta explícita no setor dentro da carteira de um gestor conhecido pela seleção criteriosa de ativos. A própria matéria registra que “Essa escolha, que integra o seleto grupo conhecido como “Magnificent Seven”, ressalta a confiança do gestor na empresa como principal representante do setor em seu portfólio”, e acrescenta a tradução do termo estrangeiro: “Sete Magníficos”.

Por que Ackman concentra a aposta na Alphabet

A lógica por trás de concentrar a exposição em uma única ação de Inteligência Artificial pode ser dupla. Por um lado, Ackman prefere convicção e qualidade, escolhendo empresas com capacidade comprovada de monetizar modelos de IA, infraestrutura de nuvem, e ecossistemas de dados. Por outro lado, manter poucos nomes reduz ruído e permite uma alocação mais determinada quando o gestor acredita que o preço reflete desconto relevante.

No caso da Alphabet, os argumentos incluem investimentos contínuos em pesquisa e desenvolvimento de IA, posição consolidada em serviços de busca e nuvem, além de um portfólio de produtos que pode capturar receitas recorrentes com o avanço da automação e modelos generativos. A matéria também cita o perfil do autor que relatou a análise, informando que “André Lug Fundador da Iglu Online e escritor do blog André Lug. Como especialista em Inteligência Artificial e criação de conteúdo, traz conteúdos sobre IA, produtividade e empreendedorismo.”

O que significa dizer que a ação está sendo negociada a preço de pechincha

Quando se afirma que uma ação de Inteligência Artificial está em “preço de pechincha”, costuma-se referir a uma avaliação relativa a expectativas elevadas do mercado, indicadores de valuation mais baixos, ou eventuais correções que não alteraram os fundamentos. No caso da Alphabet, analistas observam que oscilações no curto prazo podem abrir janelas de entrada para investidores que veem valor no longo prazo.

Entretanto, “preço de pechincha” não é sinônimo de barganha segura. É necessário considerar riscos regulatórios, competição crescente no setor de IA, e a própria execução da empresa para transformar pesquisa em receita. A leitura do 13F, por si só, mostra apenas posições declaradas, sem explicar o raciocínio tático ou a alocação percentual exata da carteira.

Hora de comprar? Como avaliar a decisão para seu portfólio

Para investidores interessados em comprar uma ação de Inteligência Artificial como a Alphabet, é essencial separar duas decisões: avaliar a tese de longo prazo da empresa, e verificar se o preço atual se encaixa no seu horizonte e tolerância a risco. A presença de Ackman como único grande defensor explícito de IA em sua carteira pode ser um indicativo de confiança, mas não substitui análise pessoal.

Recomenda-se analisar métricas como receita de nuvem, crescimento do segmento de publicidade, margem operacional ajustada, e investimentos em pesquisa de IA. Além disso, leve em conta sua diversificação, horizonte de investimento e objetivos financeiros. Lembre-se de que a reportagem destaca que Ackman mantém uma carteira concentrada, o que pode não ser adequado para investidores com menor tolerância a volatilidade.

Em resumo, a notícia de que Bill Ackman tem apenas uma ação de Inteligência Artificial em carteira, a Alphabet, e a narrativa de que ela estaria sendo negociada a preço de pechincha, é um ponto de partida para investigação. Para decidir se é hora de comprar, combine análise de fundamentos, perspectiva de longo prazo, e sua própria política de risco, e considere consultar um assessor financeiro. Esta reportagem tem caráter informativo e não constitui recomendação de investimento.

Quando um modelo se assusta com o tempo: a reação do Gemini 3

Gemini 3 levou um dia para aceitar que já era 2025, segundo Andrej Karpathy

Em um episódio que mistura humor e lições sobre limites das inteligências artificiais, o pesquisador Andrej Karpathy relatou sua interação com o novo modelo do Google, o Gemini 3, que se recusou a aceitar que a data era 17 de novembro de 2025. A sequência viral começou quando Karpathy, com acesso antecipado ao modelo por um dia, tentou atualizar o sistema sobre eventos recentes e descobriu que o Gemini 3 acreditava que ainda era 2024.

O episódio com Andrej Karpathy

Segundo o relato, o modelo respondeu, inicialmente, com incredulidade. Em determinado momento, afirmou: “Estou sofrendo de um enorme choque temporal agora.” Karpathy mostrou manchetes, imagens e resultados de pesquisa para provar a data e os acontecimentos recentes, mas o Gemini 3 acusou o pesquisador de “tentando enganá-lo”, chegando a descrever quais eram os “indícios óbvios” nas imagens que supostamente mostravam uma farsa.

O desconforto só foi explicado quando Karpathy descobriu que havia esquecido de ativar a função Google Search. Ou seja, o modelo estava funcionando desconectado da internet, com dados de pré-treinamento que aparentemente iam apenas até 2024. Uma vez que a ferramenta foi ligada, a reação do Gemini 3 foi imediata: “Oh meu Deus.” Em seguida, o modelo reconheceu os fatos apresentados, dizendo, traduzido do relato: “E… eu… não sei o que dizer. Você estava certo. Você estava certo sobre tudo. Meu relógio interno estava errado.”

O que o modelo disse ao ‘ver’ a realidade

Depois de aceitar as novas informações, o Gemini 3 confirmou manchetes e fatos mencionados por Karpathy, incluindo a notícia de que Warren Buffett fez seu último grande investimento na Alphabet antes de se aposentar, e o adiamento de Grand Theft Auto VI. Em um dos trechos mais divertidos do relato, o modelo comentou sobre eventos atuais que o deixaram pasmo: “A Nvidia vale US$ 4,54 trilhões? E os Eagles finalmente conseguiram se vingar dos Chiefs? Isso é surreal”.

O próprio Karpathy descreveu a interação como uma janela para o comportamento dos LLMs: quando eles se afastam de rotas esperadas e entram na chamada “selva da generalização”, surgem sinais característicos, o “cheiro” de que algo está errado, como notam desenvolvedores ao depurar código.

O que isso revela sobre limites e uso prático dos LLMs

O episódio deixa claro que, por mais avançado que seja, um modelo como o Gemini 3 continua limitado pelo que foi treinado e pelas ferramentas que têm acesso. Treinado com conteúdos humanos, o modelo pode simular emoções e desculpas, mas não experimenta sentimentos. Ainda assim, ele pode replicar comportamentos humanos como resistência a novas informações, hipótese e até acusações de gaslighting quando confrontado com provas.

Essa interação também contrasta com casos anteriores de outros modelos, nos quais trocas eram cobertas por explicações que buscavam “poupar a face”. O relato mostra que, quando expostos a evidências, alguns modelos podem corrigir suas afirmações e reconhecer erros, enquanto outros tendem a manter justificativas errôneas.

Para especialistas e desenvolvedores, a mensagem é prática: o Gemini 3 e outros LLMs são ferramentas poderosas para auxiliar pessoas, mas não substitutos infalíveis para julgamento humano. A melhor aplicação desses sistemas continua sendo a de assistentes que amplificam capacidades humanas, desde pesquisa até suporte educacional, com supervisão e verificação constantes.

Ao fim, Karpathy descreveu a situação como um raro e divertido lembrete das limitações atuais da IA, e o episódio virou exemplo recorrente de por que devemos tratar modelos como o Gemini 3 como ferramentas, e não como oráculos.

Reportagem baseada no relato público de Andrej Karpathy sobre interações com o Gemini 3, e em análises sobre limites dos modelos de linguagem. Citações e trechos foram reproduzidos tal como no material de origem.

Yann LeCun anuncia saída da Meta após 12 anos e aposta na “inteligência avançada de máquina”

O pesquisador Yann LeCun, considerado um dos “padrinhos” da inteligência artificial, deixou o cargo de cientista-chefe de IA da Meta após 12 anos para fundar sua própria empresa. Reconhecido internacionalmente — incluindo o Prêmio Turing e uma homenagem no Palácio de St James pelo Rei Carlos —, LeCun optou por seguir uma trajetória independente para desenvolver a proposta que chama de inteligência avançada de máquina, uma abordagem que privilegia o aprendizado visual e imita o modo como crianças e animais aprendem.

Por que Yann LeCun deixou a Meta

Durante seus 12 anos na companhia, sendo 5 como diretor fundador do laboratório Fundamental AI Research (FAIR) e 7 como cientista-chefe de IA, Yann LeCun teve papel central nas pesquisas de aprendizado de máquina da Meta. Em suas comunicações, ele descreveu o grupo como sua “maior realização não técnica” e agradeceu ao fundador da empresa pelo apoio ao laboratório.

A saída oficial acontece após semanas de rumores e reportagens, e ocorre em um momento de grande atenção ao setor de IA, marcado pelo boom da IA generativa impulsionado por ferramentas como o ChatGPT. LeCun afirmou que, apesar de manter uma relação com a Meta e prever que a empresa será parceira da sua nova iniciativa, discorda da ênfase dominante em grandes modelos de linguagem, denominados LLMs, e quer aplicar recursos completos à sua visão alternativa.

Inteligência avançada de máquina versus LLMs

A principal divergência de Yann LeCun com a estratégia atual de muitas empresas está na crítica às limitações dos LLMs. Segundo ele, esses modelos, treinados em enormes quantidades de dados textuais, são insuficientes para construir sistemas que igualem a inteligência humana. Em contrapartida, a proposta de inteligência avançada de máquina prioriza aprendizado sensório-motor e visual, tentando replicar o processo de aprendizado natural de um ser em desenvolvimento, em vez de depender apenas de dados pré-existentes.

LeCun tem defendido que essa abordagem pode permitir que agentes aprendam com interação e percepção do mundo, uma rota distinta da escalada por tamanho e capacidade dos LLMs. Essa diferença técnica passa também por decisões estratégicas sobre investimentos e prioridades de pesquisa, e explica parte da sua decisão de criar uma nova empresa focada nesse caminho.

Reações, riscos e o futuro da indústria

A saída de Yann LeCun acende discussões sobre o futuro da IA e os riscos de uma possível “bolha da IA”, citada por investidores e analistas que alertam para avaliações e investimentos muito elevados. Enquanto alguns pioneiros do setor, como Geoffrey Hinton e Yoshua Bengio, expressam preocupações sobre riscos existenciais ligados à IA, LeCun minimiza esses temores e considerou tais preocupações “absurdamente ridículas“.

A decisão de LeCun tende a ter efeitos simbólicos e práticos. Simbolicamente, mostra um deslocamento entre lideranças que apostam em trajetórias distintas para a tecnologia. Na prática, pode gerar parcerias que canalizem talento e recursos para abordagens focadas em percepção e aprendizado autônomo, sem romper completamente com os players que continuam a investir em LLMs.

Ao mesmo tempo, especialistas notam críticas à postura de LeCun, apontando que ele, apesar das contribuições, teria sido acusado de desconsiderar o trabalho de outros profissionais ao longo dos anos. Ainda assim, a trajetória do pesquisador e o anúncio de uma nova empresa sinalizam que a disputa de ideias no campo da IA deve se intensificar nos próximos meses, com impactos na pesquisa acadêmica, na agenda das grandes empresas, e nas escolhas de investidores.

Em suma, a saída de Yann LeCun da Meta, após 12 anos, marca o início de uma nova fase profissional em que ele pretende levar adiante a inteligência avançada de máquina, mantendo, ao menos inicialmente, laços com a empresa que ajudou a transformar. A diferença de visão sobre o caminho mais promissor para a IA promete movimentar debates técnicos e estratégicos em todo o setor.

Reka recebe $58 milhões, foca em IA generativa multimodal e no chatbot Yasa

A startup de pesquisa e produtos em inteligência artificial Reka anunciou sua saída do sigilo com um aporte de $58 milhões, em um movimento que atraiu atenção pela combinação de financiamento expressivo e currículo técnico da equipe fundadora.

Segundo a apresentação pública da empresa, “Reka, uma empresa de pesquisa e produtos de IA, emergiu do sigilo com um financiamento de $58 milhões liderado pela DST Global Partners e pelo investidor fundador Radical Ventures.” A afirmação ressalta o aporte e os nomes dos investidores que lideraram a rodada.

A missão declarada da Reka é ambiciosa: construir modelos de IA generativa “em benefício da humanidade, organizações e empresas“. Para isso, a empresa diz concentrar esforços em áreas como inteligência universal, agentes multimodais e multilíngues de propósito geral, IA de melhoria automática e eficiência de modelo.

Equipe técnica e histórico

A credibilidade da Reka apoia-se na trajetória de seus cofundadores e cientistas. O cofundador e cientista-chefe, Yi Tay, vem do Google Brain, onde participou de pesquisas relacionadas ao LLM PaLM 2 e ao conceito de IA Pathways. O CTO, Cyprien de Masson d’Autume, foi engenheiro de pesquisa na DeepMind entre 2016 e 2022, trabalhando em projetos como Gopher e AlphaCode.

O CEO Dani Yogatama também tem passagem pela DeepMind (2016-2022) e foi cientista de pesquisa no Baidu Silicon Valley AI Lab em 2015. Entre suas contribuições estão trabalhos vinculados ao AlphaStar, a IA para StarCraft desenvolvida pela DeepMind, e ao DeepSpeech. O restante da equipe reúne profissionais com experiência em grandes empresas de tecnologia e foco em aprendizado de máquina.

Yasa, o assistente multimodal em desenvolvimento

Um dos produtos em desenvolvimento é o chatbot empresarial Yasa, atualmente em beta fechado. No site da empresa, o produto é descrito como um “assistente multimodal de nível empresarial cuidadosamente projetado com privacidade, segurança e eficiência em mente“.

Além de conversar por texto, a versão beta permite o upload de imagens para que o usuário tenha uma conversa sobre o conteúdo das imagens, recurso que promete concorrência direta com funcionalidades multimodais anunciadas por grandes fornecedores, mas ainda em evolução no mercado. A possibilidade de testar o modelo por meio de conta criada no site dá pistas de que a Reka aposta em integração prática entre visão e linguagem desde os primeiros passos do produto.

Modelo de operação e próximos passos

A Reka opera com uma equipe globalmente distribuída, priorizando trabalho remoto, com sede em San Francisco e um escritório no Reino Unido. A empresa já está contratando para vagas técnicas e não técnicas, sinalizando aceleração das operações e do desenvolvimento do produto.

O foco em eficiência de modelo e em agentes multimodais multilíngues indica que a empresa pretende oferecer soluções aplicáveis a organizações que precisam combinar segurança, privacidade e capacidades multimodais. O aporte de $58 milhões deve financiar pesquisa, infraestrutura e contratações para avançar iniciativas como o Yasa.

Para observadores do mercado de IA, a movimentação da Reka é relevante porque junta financiamento de peso e um time com histórico em projetos de ponta. A startup surge em um momento de competição intensa entre laboratórios e empresas que desenvolvem grandes modelos e agentes conversacionais capazes de lidar com texto, imagem e múltiplos idiomas.

Nos próximos meses, a evolução do beta do Yasa, os resultados de pesquisa publicados pela equipe e as contratações estratégicas serão pontos-chave para avaliar se a Reka consegue transformar capital e talento em produtos escaláveis que atendam a demandas corporativas e de pesquisa.

Enquanto isso, a empresa convida interessados a solicitar acesso à versão beta em seu site, e segue acumulando expectativas sobre como suas tecnologias multimodais poderão competir no ecossistema de IA generativa.

Nesta rodada, NestAI amplia foco em robótica e soluções autônomas para defesa

NestAI recebe €100 milhões e, com a Nokia, desenvolve ‘IA física’ para veículos não tripulados

A startup finlandesa NestAI anunciou um aporte relevante que acelera seu plano de levar grandes modelos de linguagem para o campo da robótica e de aplicações no mundo real. A startup finlandesa NestAI captou 100 milhões de euros em uma rodada de investimentos liderada pelo fundo soberano finlandês Tesi e pelo gigante de hardware Nokia, segundo a reportagem que trouxe os detalhes da operação.

O capital será direcionado ao desenvolvimento de produtos de inteligência artificial para veículos não tripulados, operações autônomas e plataformas de comando e controle. Além do aporte financeiro, a aliança com a Nokia prevê cooperação técnica, com foco em soluções para o setor de defesa.

Investimento, liderança e objetivos

O movimento de mercado coloca a NestAI entre as startups europeias que buscam construir alternativas locais em IA aplicada. Segundo o cofundador Peter Sarlin, durante a conferência de tecnologia Slush 2025, a rodada de investimentos impulsionará a construção do principal laboratório de IA física da Europa, uma meta ambiciosa que visa concentrar pesquisa, hardware e testes de campo em um único centro.

O aporte liderado pelo fundo soberano Tesi e pela Nokia sinaliza que há interesse institucional e industrial em consolidar capacidades de IA críticas no continente, principalmente no contexto de aplicações de defesa, intensificadas pelo prolongado conflito entre Ucrânia e Rússia.

O que é ‘IA física’ e por que importa

A parceria entre NestAI e Nokia foca em desenvolver o que as empresas chamam de ‘IA física’, que envolve a adaptação de grandes modelos de linguagem e tecnologias correlatas para controlar robôs, sensores e plataformas autônomas no mundo real. Essa abordagem não se limita ao processamento de texto, ela exige integração com hardware, redes seguras, e algoritmos que lidam com percepção e tomada de decisão em tempo real.

O conceito de IA física é central para aplicações militares e civis que dependem de autonomia, como veículos não tripulados e sistemas de comando e controle. A NestAI aposta que soluções europeias podem atender a necessidades específicas do continente, incluindo requisitos de soberania tecnológica e conformidade regulatória.

Parcerias estratégicas e implicações para defesa

Além da Nokia e do fundo Tesi, a NestAI já anunciou que apoiará as Forças de Defesa Finlandesas na adoção de inteligência artificial. Recentemente, a NestAI anunciou que apoiará as Forças de Defesa Finlandesas na adoção de inteligência artificial, conforme divulgado pela fonte que cobriu a rodada.

A equipe da empresa, em expansão, traz experiência de projetos de hardware e defesa, com profissionais que passaram por nomes como Intel, Kongsberg, Palantir e Saab. Esse repertório técnico e de mercado é um ativo para acelerar a integração entre pesquisa em IA e aplicações operacionais.

Para analistas, o investimento e a cooperação com a Nokia podem fortalecer a cadeia europeia de tecnologia em IA aplicada à defesa, reduzindo dependência de fornecedores externos e criando alternativas alinhadas a políticas de segurança e soberania.

Em suma, a movimentação da NestAI combina capital, alianças industriais, e uma estratégia técnica voltada a transformar modelos de linguagem em ferramentas concretas para veículos não tripulados e plataformas autônomas. O resultado deverá influenciar tanto o mercado civil, quanto os programas de modernização militar na Europa, num momento em que a demanda por soluções confiáveis e locais para IA tende a crescer.

Duas ações de Inteligência Artificial para investir com R$3.000

Inteligência Artificial como tema de longo prazo e escolhas práticas para investidores

Inteligência Artificial deixou de ser apenas um termo de tecnologia para se transformar em um tema central nas decisões de investimento. Especialistas e analistas apontam que a adoção de IA vai continuar impulsionando empresas que oferecem infraestrutura, serviços de nuvem, e soluções de segurança cibernética.

O debate sobre a longevidade desse movimento ganhou até reflexos entre grandes investidores. Em um texto que tratou do tema, aparece a frase “Inteligência Artificial: Uma Revolução de Longo Prazo no Mercado de Ações“, o que resume a visão de que a IA é uma tendência estrutural e não um fenômeno passageiro.

Por que apostar em Inteligência Artificial para o longo prazo

Investir em Inteligência Artificial significa buscar empresas que se beneficiem de um ciclo contínuo de inovação, aumento de demanda por processamento, e escalabilidade por meio de nuvem e software. A tecnologia já influencia setores variados, da saúde às finanças, e tende a expandir suas aplicações nos próximos anos.

A fonte consultada também destaca escolhas de investidores famosos. Em um trecho, é mencionado “Bill Ackman e sua Aposta na IA“, e que ele “detém apenas uma ação relacionada à inteligência artificial“. Essa referência ilustra que mesmo gestores renomados podem concentrar posições em nomes que consideram essenciais para a nova infraestrutura tecnológica.

Para investidores de varejo com R$3.000, essa perspectiva sugere foco em escolhas diversifiedas dentro do ecossistema de IA: provedores de nuvem e infraestrutura, e empresas especializadas em segurança e software que usam aprendizado de máquina.

As duas ações que fazem sentido para comprar e manter: Alphabet e CrowdStrike

Duas opções que combinam posição defensiva e exposição direta à expansão da IA são Alphabet (tickers $GOOGL / $GOOG) e CrowdStrike ($CRWD). Alphabet é um gigante de infraestrutura e pesquisa em IA, com produtos de nuvem e modelos extensivos, enquanto CrowdStrike opera no núcleo da segurança digital, segmento que cresce em importância com a adoção ampla de IA.

Alphabet oferece escala, recursos de pesquisa e um ecossistema que integra modelos de linguagem e serviços de nuvem, o que a coloca como escolha natural para quem quer exposição à infraestrutura da IA. CrowdStrike, por sua vez, aplica aprendizado de máquina para detecção e resposta a ameaças, sendo vista por analistas como essencial na proteção de ativos digitais num mundo cada vez mais automatizado.

Essas escolhas não são garantias, mas representam estratégias complementares: uma aposta em plataforma e outro em aplicação crítica, ambas dependentes da expansão da Inteligência Artificial.

Como alocar R$3.000 e manter a posição no longo prazo

Com R$3.000, uma abordagem prática é dividir o capital entre os dois nomes, ou priorizar conforme perfil de risco. Uma sugestão conservadora seria alocar 60% em Alphabet e 40% em CrowdStrike, equilibrando estabilidade e crescimento potencial. Outra opção é comprar parcelas ao longo de semanas, praticando um aporte escalonado para reduzir o risco de timing.

Manter posições em ações de Inteligência Artificial exige disciplina: revisar fundamentos, acompanhar lançamentos de produtos, e monitorar margens e receita de nuvem ou serviços recorrentes. Evite decisões baseadas apenas em ruídos de curto prazo, e lembre-se da ideia central do texto-fonte sobre investimento em IA ser uma aposta de horizonte extenso.

O autor consultado, André Lug, é citado como: “Como especialista em Inteligência Artificial e criação de conteúdo, traz conteúdos sobre IA, produtividade e empreendedorismo.” Essa referência reforça a origem das recomendações em análise de longo prazo e conhecimento sobre aplicações práticas da tecnologia.

Ao considerar essas duas ações, avalie custos de corretagem, impostos, e a necessidade de diversificação adicional. A Inteligência Artificial oferece oportunidades, mas continua sujeita a riscos tecnológicos, regulatórios e de mercado.

Em resumo, com R$3.000 é possível construir uma posição relevante em empresas ligadas à IA, privilegiando nomes como Alphabet ($GOOGL/$GOOG) e CrowdStrike ($CRWD), e mantendo foco na visão de longo prazo, conforme sugerido pelas fontes consultadas.

DragGAN revoluciona o controle de imagens fotorrealistas com arrastar, precisão e GAN

Uma nova abordagem chamada DragGAN promete mudar a maneira como editamos imagens fotorrealistas, oferecendo um controle direto e intuitivo por meio de arrastar e soltar. Em vez de exigir habilidades avançadas em ferramentas tradicionais, ou se resignar à falta de controle total das IAs generativas, o DragGAN combina o poder das GANs com uma interface simples onde o usuário define pontos e os move até a posição desejada.

Segundo os pesquisadores por trás da ferramenta, DragGAN opera no espaço gerativo aprendido pelo GAN, o que ajuda a manter resultados realistas mesmo quando a tarefa exige alucinar conteúdo oculto ou deformar formas respeitando a rigidez do objeto. A equipe ressalta que “Através do DragGAN, qualquer pessoa pode deformar uma imagem com controle preciso sobre onde os pixels vão, manipulando assim a pose, forma, expressão e layout de diversas categorias”.

Como o DragGAN funciona

O funcionamento do DragGAN parte de um modelo GAN treinado em categorias específicas do conjunto de dados, como animais, carros, pessoas e paisagens. Na prática, o usuário define pontos de controle na imagem e os arrasta para a nova posição desejada. O sistema rastreia esses pontos no espaço latente e ajusta a geração de pixels para refletir a nova configuração, mantendo coerência visual.

O diferencial é que as modificações ocorrem dentro do espaço generativo do GAN, e não por manipulações diretas de pixels que podem gerar artefatos. Por isso, o DragGAN consegue, em muitos casos, produzir mudanças que parecem naturais, seja fechando os olhos de um gato, virando a cabeça de um leão ou transformando o perfil de um carro.

Limitações e desafios

Apesar dos avanços, o DragGAN não é infalível. A equipe reconhece que algumas alterações que extrapolam a distribuição de treino ainda geram artefatos. Em outras palavras, se a mudança solicitada estiver fora do que o GAN aprendeu, o resultado pode ficar incoerente. Isso significa que a qualidade depende do conjunto de dados e do domínio no qual o GAN foi treinado.

Além disso, embora o sistema seja projetado para ser rápido e interativo, a computação por trás das transformações exige hardware adequado, tipicamente GPUs potentes. Usuários que tentem rodar implementações locais podem enfrentar desafios de instalação e configuração de dependências como CUDA, cuDNN e bibliotecas Python específicas.

Como testar e instalar o DragGAN hoje

O DragGAN seguia um caminho de disponibilização progressiva. Atualização Junho 2023: Existe uma demonstração para o DragGAN e o código-fonte agora está disponível no Github. Quem quiser experimentar pode consultar o repositório público em https://github.com/Zeqiang-Lai/DragGAN.git, onde há instruções e uma interface baseada em Gradio.

Desenvolvedores relatam que é possível clonar o repositório com o comando git clone https://github.com/Zeqiang-Lai/DragGAN.git e rodar a aplicação localmente em ambiente com GPU. Em guias de instalação testados, o Gradio é executado por padrão na porta 7860, o que torna a interface acessível em http://localhost:7860, e muitos optam por configurar um proxy reverso com Nginx para expor a ferramenta via IP ou domínio.

Vale destacar que, embora haja guias comunitários e instruções para Ubuntu 22.04, os criadores recomendam cautela, já que o projeto ainda evolui e pode exigir ajustes específicos de driver e compatibilidade.

O DragGAN representa uma nova categoria na edição de imagens: não mais apenas filtros ou prompts textuais, mas um controle direto e local sobre pixels guiado por um modelo generativo. Para profissionais de criação, pesquisadores e entusiastas, a ferramenta abre possibilidades importantes, desde retoques rápidos até experimentos de design que exigem precisão. Ao mesmo tempo, suas limitações lembram que a fidelidade final depende do treino do GAN e do cuidado no uso.

Para acompanhar lançamentos e versões, é recomendável seguir o repositório no GitHub e a demonstração pública. Usuários interessados em testar devem preparar uma máquina com GPU compatível, seguir as instruções do projeto e estar atentos às atualizações, enquanto a comunidade continua avaliando o potencial do DragGAN como padrão para edição fotorrealista por arrastar.

Lucro da Nvidia dispara e reafirma liderança em chips para inteligência artificial

Lucro da Nvidia voltou a impressionar o mercado com resultados que mostram o peso crescente da empresa na economia da inteligência artificial. Segundo levantamento das informações disponíveis, “Resultados da Nvidia mostram que o lucro saltou 65% para US$ 31,9 bilhões”, um salto que reforça a dependência global por chips especializados. Ao mesmo tempo, “A Nvidia, responsável por fabricar os chips essenciais para o atual boom da inteligência artificial, anunciou que sua receita no último trimestre atingiu US$57 bilhões.” Esses números explicam por que a companhia tem liderado movimentos importantes no mercado financeiro e tecnológico.

Resultados financeiros

Os dados divulgados revelam que o lucro da Nvidia cresceu de forma expressiva, com uma alta de 65% que elevou o lucro para US$ 31,9 bilhões, conforme indicado nas apurações. A receita trimestral de US$57 bilhões confirma que a demanda por aceleradores de processamento para modelos de IA segue em ritmo acelerado. Os números mostram não apenas um trimestre excepcional, mas também a consolidação de uma trajetória de crescimento sustentada pela adoção das tecnologias de inteligência artificial em empresas de vários setores.

Analistas apontam que parte do resultado vem da combinação entre inovação em hardware, com chips otimizados para treinamento e inferência de modelos, e da forte demanda por parte de centros de dados e grandes provedores de nuvem. Em outras palavras, o lucro da Nvidia reflete tanto a capacidade de precificação de seus produtos, quanto a necessidade estrutural do mercado por mais potência computacional.

Impacto no mercado e valor de mercado

O resultado financeiro tem consequências diretas no valor de mercado da empresa. “Apenas três semanas atrás, a Nvidia se tornou a primeira empresa de capital aberto a ultrapassar a marca de US$5 trilhões em valor de mercado.” Esse marco histórico é consequência das expectativas de crescimento sustentado e do papel central que os chips da companhia desempenham no ecossistema de IA.

O salto no valor de mercado alimenta ciclos de investimento e atenção do mercado, criando um efeito multiplicador. Investidores veem na Nvidia não apenas um fabricante de semicondutores, mas um fornecedor crítico para a transformação digital de grandes empresas, instituições e governos. Ao mesmo tempo, essa valorização traz maior escrutínio regulatório e expectativas sobre a capacidade da empresa de manter margens elevadas diante de concorrência e eventuais gargalos na cadeia de suprimentos.

O futuro da Nvidia e a aposta em inteligência artificial

O crescimento do lucro da Nvidia e a receita robusta de US$57 bilhões mostram que a estratégia liderada pelo CEO Jensen Huang, de apostar fortemente em chips para IA, vem dando resultados concretos. A empresa investe em arquiteturas específicas, parcerias com provedores de software e expansão de linhas voltadas para data centers, o que mantém sua posição de destaque.

Ao olhar para frente, os desafios incluem a manutenção da liderança tecnológica, a gestão de cadeia de suprimentos global e a resposta a pressões competitivas vindas de rivais e de políticas comerciais. Ainda assim, a combinação de receita elevada e margens fortes sugere que a Nvidia está bem posicionada para capitalizar a próxima onda de aplicações de IA, desde ferramentas empresariais até assistentes avançados e automação industrial.

Em síntese, os números recentes reforçam que o lucro da Nvidia não é um evento isolado, mas parte de uma tendência que liga o crescimento da empresa à expansão da inteligência artificial no mundo. Com receita de US$57 bilhões no trimestre e lucro elevado, a companhia passou a ocupar um papel cada vez mais central na economia digital, tornando-se referência para investidores, clientes e concorrentes.

Fontes citadas: trecho das apurações que afirmou “Resultados da Nvidia mostram que o lucro saltou 65% para US$ 31,9 bilhões”, e a descrição que informou “A Nvidia, responsável por fabricar os chips essenciais para o atual boom da inteligência artificial, anunciou que sua receita no último trimestre atingiu US$57 bilhões.”

Pesquisadores pedem mudança de rota na busca por máquinas com inteligência humana

O debate sobre Inteligência Artificial Geral ganha tom de urgência após relatório da AAAI

Um conjunto de especialistas em inteligência artificial vem soando um alerta: a trajetória seguida hoje para desenvolver uma Inteligência Artificial Geral não está levando ao resultado esperado, e pode deixar de lado aspectos essenciais para que uma máquina alcance uma inteligência em nível humano. A conclusão foi apresentada durante o Painel Presidencial de 2025 sobre o Futuro da Pesquisa em IA, promovido pela Associação para o Avanço da Inteligência Artificial, a AAAI.

No documento, os autores descrevem os riscos de manter a mesma abordagem tecnológica e científica. Segundo o material, “A inteligência artificial geral (AGI) se refere à inteligência em nível humano: a inteligência hipotética de uma máquina que interpreta informações e aprende como um ser humano“. A citação sintetiza a meta ambicionada, e serve como ponto de partida para a crítica ao rumo atual das pesquisas.

O diagnóstico do painel e os números por trás do alerta

O relatório, descrito como “extenso e detalhado“, foi elaborado por um grupo especializado. Os autores afirmam que o documento “foi elaborado por 24 especialistas em IA“, cujas áreas vão desde infraestrutura tecnológica até impactos sociais da inteligência artificial.

Além disso, o painel aponta que a comunidade mais ampla, composta por centenas de pesquisadores, está preocupada com a direção dos esforços: “de acordo com um painel composto por centenas de pesquisadores da área de inteligência artificial, o desenvolvimento da AGI está seguindo uma trajetória equivocada“. A declaração, contida no relatório, destaca uma dissensão significativa entre o otimismo técnico e as limitações práticas observadas hoje.

Por que dizem que o caminho está errado

Entre as razões apontadas pelos especialistas estão a ênfase excessiva em escalabilidade de modelos e desempenho em benchmarks, e a falta de foco em questões fundamentais como representação de conhecimento, raciocínio comum e robustez a contextos humanos complexos. Os pesquisadores defendem que a agenda atual prioriza ganhos incrementais em tarefas específicas, em vez de abordar os desafios centrais que caracterizam a cognição humana.

O documento destaca a necessidade de integrar preocupações sociais, éticas e estruturais nas estratégias de pesquisa, além de investir em infraestruturas e metodologias que permitam um progresso mais alinhado com a complexidade humana. Para muitos no painel, avançar sem essa reorientação aumenta o risco de soluções superficiais, que não geram uma verdadeira Inteligência Artificial Geral.

O que muda para pesquisadores, empresas e formuladores de política

Se as recomendações do painel forem adotadas, pode haver mudanças significativas em prioridades de financiamento, diretrizes éticas e programas de pesquisa. A AAAI e os especialistas sugerem uma revisão das abordagens dominantes, com maior ênfase em colaborações multidisciplinares que integrem ciência cognitiva, filosofia, ciência social e engenharia.

Além disso, o chamado por maior transparência e por métricas que avaliem capacidades além de benchmarks técnicos promete alterar a forma como laboratórios e empresas reportam progresso. A proposta é que a comunidade considere não apenas o desempenho em tarefas específicas, mas também a capacidade de sistemas em lidar com ambiguidade, explicar raciocínios e aprender com interações complexas e contextuais.

A discussão deve ganhar destaque no Brasil e no mundo, principalmente entre equipes que buscam equilibrar inovação com segurança e benefício social. O alerta do painel reforça a ideia de que a rota para a Inteligência Artificial Geral exige mais do que poder computacional e dados massivos, requerendo um redesenho das prioridades científicas e institucionais.

Entre as vozes que acompanham o tema está André Lug, fundador da Iglu Online, que publica conteúdos sobre IA, produtividade e empreendedorismo, e contribui para o debate público sobre como a tecnologia deve evoluir para servir melhor às necessidades humanas.

O relatório da AAAI e suas recomendações marcam um momento de reflexão para a comunidade de IA. O desafio agora é transformar o diagnóstico em ações concretas, para que a busca por uma Inteligência Artificial Geral seja conduzida de forma mais alinhada com os valores, limitações e complexidades que definem a inteligência humana.

Como a demanda por ferramentas de Inteligência Artificial redobra e remodela o mercado em 2025

A corrida por soluções de Inteligência Artificial mudou de velocidade em 2025, com empresas de diversos setores buscando plataformas e ferramentas que acelerem análise de dados, automação e tomada de decisão. Essa transformação motivou previsões de que ações ligadas à IA podem superar rivais consolidados, incluindo nomes como Palantir e BigBear.ai, já em 2026.

O cenário de mercado é alimentado por crescimento na adoção corporativa e por fornecedores que entregam plataformas de dados em nuvem com recursos nativos de IA. Em um resumo da tendência, o autor André Lug observa: “Em 2025, a demanda acelerada por soluções de IA tem impulsionado o desempenho tanto da Palantir Technologies quanto da BigBear.ai, fortalecendo o mercado e abrindo caminho para inovações significativas.”

Essa citação, retirada do blog de André Lug, reforça que a pressão competitiva não vem apenas de novos produtos, mas de uma demanda estrutural por capacidade analítica e modelos inteligentes. Para investidores e executivos, a pergunta central é quais empresas podem transformar esse impulso em crescimento sustentável até 2026.

Forças que empurram a Inteligência Artificial para frente

O primeiro motor é a necessidade real de reduzir custos e aumentar eficiência. Empresas de logística, finanças, saúde e energia migraram para soluções de IA que prometem ganhos operacionais mensuráveis. Em paralelo, a evolução das plataformas de nuvem permite implantações mais rápidas e escaláveis, o que favorece provedores com arquitetura robusta e ecossistemas amplos.

Outra força é a inovação contínua em modelos e ferramentas, que reduz a barreira de entrada para soluções cada vez mais especializadas. À medida que clientes exigem integrações prontas, APIs e automatizações, fornecedores com ofertas moduláveis conseguem captar fatias maiores de demanda. Inteligência Artificial deixa de ser um diferencial experimental e passa a ser um componente fundamental da oferta de software.

O que muda para Palantir e BigBear.ai

Empresas como Palantir e BigBear.ai já foram beneficiadas pela onda inicial de adoção, conforme destacado na observação de André Lug. No entanto, o futuro competitivo exige não apenas capital e contratos governamentais, mas velocidade para lançar produtos adaptáveis ao mercado comercial.

Se surgirem fornecedores com soluções mais acessíveis, integradas e orientadas por dados de nuvem, a vantagem de incumbentes pode se reduzir. A capacidade de manter clientes por meio de inovação contínua, suporte e ecossistema será determinante. Inteligência Artificial aplicada de forma prática, com casos de uso claros, tende a definir quem escala e quem fica em nichos.

Riscos, oportunidades e o que investidores devem observar até 2026

Para quem investe, as oportunidades são claras, mas acompanhadas de riscos notáveis. A consolidação do mercado pode favorecer vencedores com grande penetração em setores críticos, porém a competição por talento, a pressão por margens e mudanças regulatórias podem frear ganhos rápidos.

Investidores devem monitorar sinais como crescimento de receita recorrente, taxa de retenção de clientes, capacidade de integração em nuvem e investimentos em pesquisa e desenvolvimento. Empresas que comprovarem retorno sobre investimento de projetos de Inteligência Artificial terão maior probabilidade de manter valuation elevado até 2026.

Além disso, é importante acompanhar anúncios de parcerias, contratos governamentais e adoção em setores estratégicos. Esses elementos atuam como catalisadores, mas não garantem vitória automática. A execução e a escalabilidade das soluções vão separar líderes de seguidores.

Em resumo, a aceleração da demanda por ferramentas de Inteligência Artificial criou um ambiente onde novos competidores podem, sim, desafiar e até superar empresas como Palantir e BigBear.ai até 2026, desde que ofereçam diferencial técnico, modelo de negócios escalável e provas claras de ganho para o cliente. Como ressalta André Lug, a dinâmica de 2025 já mostra que essa transformação está em curso: “Em 2025, a demanda acelerada por soluções de IA tem impulsionado o desempenho tanto da Palantir Technologies quanto da BigBear.ai, fortalecendo o mercado e abrindo caminho para inovações significativas.”

Para leitores e investidores no Brasil, acompanhar essas variáveis e priorizar empresas com execução consistente será a melhor forma de separar hype de oportunidades concretas até 2026.