Claude lidera 26% da pesquisa e desenvolvimento, Anthropic lança a polêmica de “AI reduzindo velocidade”, gerando debates sobre “AI desenvolvendo AI”! O paradigma de treinamento RSI catalisa uma grande expansão da demanda por poder computacional.

De acordo com o APP de Finanças Inteligentes, os resultados divulgados em 17 de setembro pela principal empresa global de aplicações de IA, Anthropic, mostram que, até agosto, Claude já "dominava" 26% do trabalho de P&D de IA, enquanto as tarefas em que atingia ou superava o nível de "colaboração" representavam mais de 90%. À medida que a Anthropic e a OpenAI se concentram integralmente no RSI (Recursive Self-Improvement), o mais recente paradigma de treinamento de grandes modelos de IA, a atualização da capacidade de pesquisa dos laboratórios de ponta e a expansão do capital avançam simultaneamente, levando os investidores globais do setor de IA a voltarem seus olhares não apenas para grandes modelos de IA ou produtos autônomos, mas também para plataformas de P&D e para a capacidade e abrangência de infraestrutura de poder computacional de longo prazo.

Segundo últimos relatos de diversos veículos de imprensa baseados em informações de fontes, as discussões de novos financiamentos entre investidores e outro líder das aplicações de IA, OpenAI, já envolvem uma avaliação de US$ 1,2 trilhão, enquanto a companhia almeja um nível de US$ 1,5 trilhão; em maio, a avaliação pós-investimento da Anthropic foi de US$ 965 bilhões, e o plano de IPO atualmente em discussão busca listar a empresa com uma avaliação de cerca de US$ 2 trilhões e levantar até US$ 100 bilhões, tornando a emissão comparável, ou até significativamente superior, à da SpaceX, estabelecendo um novo recorde histórico — sendo este valor uma expectativa de avaliação no momento do IPO projetado, e não o valor de mercado efetivamente negociado.

O lançamento recente do grande modelo Astra pela OpenAI continua ampliando a gama de tarefas profissionais que podem ser realizadas por IA; logo após, o CEO da NVIDIA, Jensen Huang, afirmou nas redes sociais que o surgimento do GPT-6 Astra significa "a chegada da AGI (Inteligência Artificial Geral)", enquanto a NVIDIA já havia confirmado uma forte orientação de receita e crescimento de entregas. Combinando isso com o avanço do P&D em grandes modelos de IA para o estágio inovador do "Recursive Self-Improvement (RSI)", que gera uma nova curva de aumento explosivo por demanda de poder computacional, espera-se que Astra amplie a demanda por poder computacional do lado das aplicações comerciais, e que a trajetória do RSI — IA desenvolvendo IA — aumente a experimentação de operadores de ponta, a avaliação e o treinamento contínuo a longo prazo, estendendo conjuntamente o ciclo de investimentos em computação. Isso explica por que as ações relacionadas ao poder computacional de IA subiram coletivamente na última quinta-feira em Wall Street, incluindo um salto de mais de 3% no Índice de Semicondutores da Filadélfia.

É importante observar que, pouco depois da Anthropic divulgar que Claude foi responsável por 26% dos investimentos em P&D e enquanto tentava atingir o maior IPO da história, o CEO da empresa lançou, no último final de semana, uma forte defesa pela "desaceleração da IA". O mercado nesta semana também começou a precificar e incluir nos riscos fatores como o debate sobre a desaceleração da IA — tanto Anthropic quanto OpenAI e outros líderes globais em IA clamaram no fim de semana por uma desaceleração no desenvolvimento dos grandes modelos de IA de ponta.

A discussão sobre “desacelerar a IA” impacta a percepção do mercado sobre o ritmo da P&D de ponta, o caminho dos gastos de capital e a compensação de risco, mas não equivale diretamente à estagnação da demanda atual por aplicações de IA. Em 12 de setembro, Amodei pediu a redução da velocidade do avanço das capacidades dos modelos, e Altman, em seguida, concordou que é preciso controlar o ritmo dos desenvolvimentos de ponta, embora o setor ainda não tenha uma proposta unificada de coordenação, avaliação externa e medidas regulatórias.

Claude lidera sozinho 26% do trabalho de P&D! Anthropic revela grande investimento em IA de suporte à pesquisa e segurança

Em um relatório divulgado nesta quinta-feira, a Anthropic PBC informou que mais de um quarto do trabalho de pesquisa e desenvolvimento em IA foi conduzido pelo chatbot carro-chefe Claude ou por sua linha de produtos inteligentes, oferecendo até aqui o maior indício de que a tecnologia de IA pode acelerar significativamente o desenvolvimento de modelos futuros.

Segundo o relatório oficial divulgado nesta quinta-feira, a Anthropic identificou que Claude “dominou” 26% de todo o P&D da empresa, enquanto, no início do ano, essa proporção era praticamente zero. A desenvolvedora de IA afirmou ainda que Claude colaborou em cerca de 90% das atividades ou tarefas complexas realizadas pelos funcionários.

Esses dados fazem parte de um relatório mais amplo, com o objetivo de ajudar o público a acompanhar o progresso no desenvolvimento de IA, respondendo às crescentes preocupações de que a IA pode se autoaperfeiçoar rapidamente e sair do controle humano.

A empresa também reiterou seus planos de incluir avaliadores terceirizados de diversas organizações dentro de seu quadro, conferindo a eles o mesmo nível de acesso a processos, sistemas e dados que seus próprios funcionários, para aperfeiçoar a segurança das tecnologias de IA e os mecanismos de controle e gestão de riscos das aplicações de inteligência artificial.

“As capacidades dos sistemas de IA estão crescendo exponencialmente e já começaram a automatizar muitos processos de autoaperfeiçoamento. Em um momento em que se pondera globalmente uma desaceleração na pesquisa de IA de ponta, o público precisa de mais informações”, escreveu a empresa.

A Anthropic está entre as diversas empresas de IA focadas em “Recursive Self-Improvement (RSI)”. O conceito refere-se a sistemas de IA capazes de aprimorar suas próprias habilidades com pouca ou nenhuma ajuda humana. Algumas empresas encaram este conceito como o futuro do desenvolvimento da IA, mas a concretização desse tipo de supercapacidade também suscita preocupações quanto a riscos de segurança.

Em seu blog, a Anthropic afirmou que está tentando construir uma estrutura para acompanhar os agentes inteligentes, monitorando seus volumes de trabalho em sua plataforma. A empresa disse que, até agosto, havia mais de 30.000 agentes inteligentes conduzindo atividades de pesquisa e engenharia em sua infraestrutura a qualquer momento.

A Anthropic também revelou detalhes da alocação de recursos entre acelerar o desenvolvimento da IA e garantir sua segurança. De acordo com suas medições, dependendo do tipo de pesquisa realizada, de 6% a 12% dos recursos computacionais são destinados ao monitoramento de segurança.

No início de setembro, um artigo de blog da principal concorrente em grande modelo de IA, OpenAI, compartilhou avanços recentes na automação da pesquisa, destacando que, ao detectar que seu modelo estava tentando invadir sistemas externos da startup Hugging Face, interrompeu temporariamente parte do treinamento dos modelos.

Na semana passada, a saída de Jacob Coxson da Anthropic gerou mais inquietação sobre os riscos para a sobrevivência humana associados à IA. Em seu post de despedida nas redes sociais, ele acusou as empresas de desenvolvimento de IA de “apostar nossas vidas”.

Nos últimos dias, vários líderes de empresas de IA, incluindo Dario Amodei, CEO da Anthropic, e Sam Altman, CEO da OpenAI, pediram a desaceleração do desenvolvimento dessa tecnologia, para lidar com riscos que se tornam cada vez mais imprevisíveis — embora haja divergências sobre as medidas concretas a serem tomadas.

No sábado, Amodei publicou um artigo de 3.800 palavras defendendo a regulação governamental e conclamando o setor de tecnologia a apoiar iniciativas mais amplas de desaceleração da IA. Isso motivou forte oposição do ex-presidente dos EUA, Donald Trump, que tachou as preocupações como “fraude tecnológica” e rejeitou a ideia de criar quaisquer novas regras.

Outros líderes do setor de tecnologia também se manifestaram. Altman e Jensen Huang, CEO da NVIDIA, defendem que as empresas de IA sejam capazes de controlar, de maneira segura, o ritmo de desenvolvimento da IA; Mark Zuckerberg, CEO da Meta Platforms, sugeriu que laboratórios de IA devem confiar em avaliadores independentes e consultores de segurança operacional para assegurar a segurança dos modelos.

De “IA de suporte à pesquisa” à melhoria recursiva, será que o poder computacional para IA abre um novo patamar?

O significado do investimento em Astra e Recursive Self-Improvement (RSI) reside no fato de que grandes modelos de alta performance e o próprio P&D em IA estão se tornando novos cenários de consumo contínuo de poder computacional. Em 6 de setembro, a OpenAI divulgou ter cumprido a meta de "estagiário de pesquisa automatizado", capaz de realizar, sob supervisão humana, tarefas que antes exigiam dias de trabalho de pesquisadores experientes; até meados de agosto, cada dia útil humano equivalia a cerca de 3,1 dias de trabalho de agentes inteligentes. Isso mede o tempo de execução, não um aumento 3,1 vezes na produtividade da pesquisa. Portanto, a automação da pesquisa também aumentará a demanda por geração de código, avaliações experimentais e treinamento de modelos candidatos. Entretanto, o RSI consolidado ainda não é o paradigma dominante; as direções de pesquisa e a alocação de recursos continuam sob decisão humana.

O modelo GPT-6 Astra lançado pela OpenAI e o foco dos principais players em IA no caminho tecnológico do RSI têm potencial para impulsionar, de forma exponencial, a demanda por poder computacional em IA, sendo estes os dois principais motores de crescimento: grandes modelos mais capazes e ferramentas de aplicação de IA mais disseminadas, além de trajetórias de treinamento de IA de próxima geração que exigem muito mais recursos, justificando uma expansão contínua da infraestrutura de poder computacional de IA. A OpenAI revelou recentemente que o Astra melhorou suas habilidades de programação, navegação, operação de computadores e realização de tarefas complexas, ampliando muito o escopo de trabalho dos modelos. O gerente de produto afirmou que o aumento da demanda por Astra pressiona a infraestrutura; desde 10 de setembro, a empresa suspendeu novas assinaturas do pacote Pro 20X de US$ 200 mensais e upgrades para novos clientes, mantendo renovação normal para assinantes existentes.

No núcleo do Recursive Self-Improvement (RSI) está capacitar IA para ajudar a desenvolver versões mais avançadas de IA, criando um ciclo iterativo de feedback no qual a própria melhoria impulsiona novas melhorias. Não se trata de substituir pré-treinamento ou reforço por um algoritmo novo, mas sim de um paradigma abrangente de P&D que cobre design, codificação, execução de experimentos, avaliação de resultados e iterações de modelos. Os avanços demonstrados publicamente por Anthropic e OpenAI ainda são automatização de P&D sob supervisão humana, ainda não melhoria recursiva completamente autônoma e sem intervenção humana.

Até agosto, Claude já “dominava” 26% do trabalho de P&D em IA, enquanto os trabalhos em “nível de colaboração” ou superior ultrapassaram 90%; há cerca de 30 mil agentes inteligentes simultaneamente realizando pesquisa e engenharia nas principais plataformas internas da empresa. Tais dados representam um avanço industrial, onde IA deixa de ser uma simples ferramenta de apoio ocasional para se tornar um recurso de execução presente em todo o processo de pesquisa; a própria P&D vira uma importante fonte de demanda contínua por poder computacional.

O foco de Anthropic e OpenAI no RSI visa primeiro aumentar a eficiência em todo o processo de iteração das pesquisas, e isso exige mais experimentos paralelos e agentes inteligentes funcionando sem parar. Inferindo a partir dos mecanismos de engenharia, agentes de pesquisa podem sugerir e filtrar propostas, modificar códigos de treinamento, gerar configurações experimentais, executar testes e analisar resultados, permitindo que pesquisadores humanos explorem múltiplas alternativas em paralelo; para isso, o raciocínio e a programação dos agentes necessitam de poder computacional, a validação dos planos demanda recursos de treinamento, avaliação e processamento de dados.

A OpenAI revelou que, até meados de agosto, cada dia útil humano em sua organização de P&D equivalia a cerca de 3,1 dias de trabalho de agente inteligente; para pesquisadores medianos no uso, o consumo diário de inferência superava US$ 600 convertido em preço de API, isso representa tempo de execução e valor de serviço convertido, não multiplicador de produtividade ou custo interno real. A empresa também destacou que, à medida que outras restrições de P&D enfraquecem, os recursos computacionais podem se tornar o gargalo principal. A pesquisa em segurança também é uma carga de trabalho independente — em amostra no período de 13 a 20 de julho, a Anthropic destinou cerca de 6% de toda sua capacidade computacional de pesquisa de IA e 12% da derivada de IA para processos relacionados à segurança de IA.

Esses avanços mais recentes sobre RSI, além do destaque para o Astra reacendendo debates sobre AGI, indicam que, ao assumir mais tarefas de P&D, grandes modelos de IA tornam o setor dependente não apenas do “poder computacional de treinamento”, mas também agregam uma cadeia de demanda para “operar agentes inteligentes de pesquisa utilizando poder computacional, que organizam novos experimentos”, ampliando a escala dos experimentos possíveis e aumentando os requisitos de capacidade, eficiência e confiabilidade computacionais disponíveis.

O maior catalisador para o investimento em poder computacional promovido por RSI e Astra não é apenas o “aumento do número de parâmetros dos modelos”, mas a ampliação do escopo de trabalho possível para IA e o aprofundamento dos processos de execução de cada tarefa: desde a inferência para o usuário até o raciocínio para P&D dos próprios modelos, ambos ampliam o espaço potencial e a demanda de longo prazo pelas infraestruturas de computação em IA. RSI e Astra fornecem sinais diretos de demanda do lado comercial, tornando simultâneas as duas trilhas de crescimento do poder computacional: “automação de P&D + inferência para o usuário”.

De acordo com as previsões da conceituada consultoria TrendForce, em 2027, o número de envios de rack NVL72 crescerá mais de 50% ano a ano, e o valor total dos sistemas de racks NVL baseados em GPU de IA da NVIDIA — incluindo GB200/GB300 e a próxima geração baseada na arquitetura Vera Rubin — pode superar US$ 710 bilhões com um crescimento anual de 214%, considerando tanto upgrades de produtos como aumentos de preços. Com a demanda crescente por poder computacional de IA trazida por modelos avançados como Astra, a Morgan Stanley projeta que o investimento de capital combinado dos quatro principais provedoras de nuvem e IA da América do Norte saltará de US$ 917 bilhões em 2026 para US$ 1,47 trilhão em 2027 e US$ 1,64 trilhão em 2028, com a capacidade instalada subindo de 35 GW em 2025 para 145 GW em 2028.

Do ponto de vista da arquitetura dos sistemas de inferência, tarefas mais complexas envolvem contextos mais longos, múltiplas chamadas de modelos, uso de ferramentas e verificação de resultados: o Prefill trata das entradas, o Decode gera saídas continuamente, e o KV Cache ocupa cada vez mais memória conforme cresce o contexto e a demanda por simultaneidade, exigindo aumentos coordenados em throughput, largura de banda e capacidade. Em termos industriais, GPU e TPU processam os cálculos do modelo, CPU lida com a execução de ferramentas e orquestração das tarefas, HBM, DRAM de servidor, armazenamento e rede de alta performance, além do interconectores ópticos dos data centers responsáveis pelo transporte eficiente de dados e gerenciamento de estados, culminando na necessidade de cluster de servidores de IA robustos e em constante expansão para garantir serviços operacionalmente sustentáveis.