Ao longo da conversa, ficou claro que a história do Nubank não é apenas sobre tecnologia, fintechs ou crescimento empresarial. É, acima de tudo, uma história sobre visão, cultura e execução.

E talvez seja justamente por isso que a empresa saiu de uma startup desconhecida para se tornar uma das maiores instituições financeiras da América Latina.

O primeiro aprendizado surgiu da própria origem do negócio.

David não começou tentando criar um banco. Ele começou tentando resolver um problema que conhecia profundamente. A ideia nasceu de uma experiência frustrante como cliente do sistema financeiro brasileiro. E isso revela uma característica comum entre grandes empresas: elas frequentemente surgem quando alguém decide resolver uma dor real, e não simplesmente perseguir uma oportunidade de mercado.

Outro ponto interessante foi perceber como ser outsider pode se transformar em vantagem competitiva.

Por não estar preso às convenções históricas do setor bancário brasileiro, David enxergava perguntas que os próprios incumbentes já haviam deixado de fazer. Muitas vezes, inovação não nasce de saber todas as respostas. Nasce de questionar premissas que ninguém mais questiona.

Mas talvez a maior reflexão tenha sido sobre cultura.

David comentou que grande parte da cultura do Nubank foi definida ainda nos primeiros meses da empresa, quando havia apenas uma dezena de pessoas na equipe. Isso reforça uma verdade pouco discutida: cultura não é construída quando a empresa fica grande. Ela é construída quando a empresa ainda é pequena.

A conversa também trouxe uma lição poderosa sobre liderança.

Durante momentos de incerteza, desafios regulatórios e períodos de forte pressão, David optou pela transparência radical. Mesmo sem possuir todas as respostas, manteve a equipe informada sobre a realidade da empresa. E, ao fazer isso, fortaleceu algo extremamente difícil de construir: confiança.

Outro aprendizado importante envolve foco.

Hoje o Nubank oferece uma ampla gama de produtos financeiros. Mas a empresa começou resolvendo um único problema: cartão de crédito. Em vez de tentar fazer tudo ao mesmo tempo, escolheu fazer uma coisa excepcionalmente bem. O crescimento veio depois.

Existe ainda uma lição valiosa sobre construção de equipes.

David reconheceu desde cedo suas próprias limitações e buscou sócios que complementassem suas competências. Cristina Junqueira trouxe profundo conhecimento do sistema financeiro brasileiro. Edward Wible agregou capacidade técnica. O resultado foi uma combinação de habilidades muito maior do que qualquer fundador conseguiria construir sozinho.

Mas, entre todas as reflexões, talvez a mais importante seja a última.

Por trás de todas as decisões estratégicas, existe um propósito claro. Democratizar o acesso a serviços financeiros. Simplificar um sistema historicamente complexo. Criar algo que gere impacto real para milhões de pessoas.

E talvez seja justamente isso que diferencia empresas extraordinárias das demais.

Elas não crescem apenas porque executam melhor.

Elas crescem porque sabem exatamente por que existem.

Ao final da conversa, ficou evidente que o sucesso do Nubank não foi consequência de uma única decisão brilhante. Foi o resultado da combinação entre propósito, cultura, foco, adaptação e uma obsessão constante por resolver problemas reais.

São lições que valem para startups, grandes empresas e também para qualquer pessoa que esteja tentando construir algo relevante no longo prazo.

Veja também:

A escala desse descompasso já deixou de ser uma projeção de mesas analíticas e se tornou um dado real que já está sendo traduzido em medidas reais. Fornecedores nos Estados Unidos estão com vendas comprometidas para o restante do ano. Os preços do concentrado de whey subiram mais de 50% apenas desde janeiro, e sua versão isolada, com teor proteico acima de 90%, alcançou valores históricos.

Com isso, empresas menores estão pausando linhas de produção, reformulando receitas às pressas e, em alguns casos, retirando produtos do mercado por causa de uma incapacidade de absorver os custos. A fundadora de uma fabrica canadense de panificação proteica relatou que, ao trocar de fornecedor por necessidade, o novo whey alterou completamente a textura dos seus produtos, transformando panquecas em algo que ela própria descreveu como serragem. O que era um ingrediente antes commodity tornou-se, quase da noite para o dia, um ativo escasso pelo qual empresas estão dispostas a pagar qualquer preço apenas para garantir algum volume.

Mas o que torna essa crise verdadeiramente reveladora não é a escassez em si, e sim o que a provocou. Porque o desequilíbrio atual não é o resultado de uma falha de produção ou de um evento climático disruptivo. É o resultado previsível, embora não perfeitamente previsto, de uma junção de forças que a indústria tratou separadamente até que elas colidissem.

De um lado, temos a transformação do comportamento do consumidor: pesquisas recentes indicam que 70% dos adultos americanos afirmam estar ativamente tentando consumir mais proteína, contra os 59% há apenas quatro anos. A Proteína, nesse contexto, realmente deixou de ser um interesse de nicho fitness e se tornou um critério de compra transversal, presente em decisões que vão do café da manhã ao snack da tarde de toda uma população. De outro lado, as grandes corporações alimentícias leram esse sinal e responderam com a agressividade que seu porte permite. Mars, Starbucks, Kellogg’s e dezenas de outras passaram a adicionar whey em produtos que jamais foram associados a proteína, dos chips aos waffles congelados, criando uma explosão de demanda industrial que o sistema de oferta, por definição, não consegue acompanhar.

E há, ainda, uma terceira força nessa equação, talvez a mais consequente, e que conecta esta crise a uma transformação que o mundo já está enfrentando: os medicamentos agonistas do receptor GLP-1, como o semaglutide, princípio ativo do Ozempic e do Wegovy.

Esses fármacos, originalmente desenvolvidos para diabetes tipo 2 e reposicionados para o tratamento de obesidade, suprimem o apetite e reduzem a ingestão calórica total, o que cria, como efeito colateral metabólico, uma necessidade aumentada de proteína de alta qualidade para preservar massa muscular durante a perda de peso. Nos Estados Unidos, onde cerca de 12% da população adulta já utiliza algum GLP-1, médicos e nutricionistas passaram a recomendar suplementação com whey como parte do protocolo de acompanhamento. O resultado é que um medicamento farmacêutico está, indiretamente, pressionando um mercado de commodities agrícolas, um tipo de interdependência sistêmica que poucos modelos de previsão de demanda foram desenhados para capturar.

E é precisamente aqui que a dimensão brasileira dessa crise ganha contornos estratégicos que merecem atenção redobrada. A patente do semaglutide expirou no Brasil em março deste ano, e a Anvisa já recebeu ao menos quatorze pedidos de registro de genéricos. Bancos como BTG Pactual e Santander estimam que o mercado brasileiro de GLP-1 movimentou entre seis e dez bilhões de reais em 2025, e a entrada de versões genéricas tende a democratizar dramaticamente o acesso a esses medicamentos. A mesma dinâmica se repete na China, na Índia e na Turquia, mercados que, juntos, concentram uma parcela significativa da população global com obesidade. Analistas do setor projetam que, se apenas 25% das pessoas obesas nesses países adotarem GLP-1 e seguirem as recomendações de ingestão proteica, o mundo precisaria de três bilhões de quilos adicionais de whey protein até o final de 2026. Isso não se trata de uma pressão incremental, mas de um verdadeiro choque de demanda farmacologicamente induzido, de proporções que a cadeia láctea global simplesmente não tem como absorver no curto prazo.

O que essa dinâmica revela, em sua camada mais profunda, é uma lição que já observamos em outros contextos nesta newsletter: a diferença entre quem possui infraestrutura e quem apenas opera sobre ela. Assim como no caso da Amazon, onde o fosso competitivo não reside na etiqueta de preço, mas na estrutura logística que torna aquele preço sustentável, a crise do whey expõe uma assimetria semelhante. As grandes corporações alimentícias, com seus contratos de longo prazo e relacionamentos consolidados com processadores de laticínios, estão garantindo suprimento a preços negociados antes da escalada. Ao passo que, do outro lado, pequenas e médias empresas, que inovaram no segmento proteico e em muitos casos ajudaram a popularizar a categoria, encontram-se agora espremidas entre custos que triplicaram e fornecedores que simplesmente não têm produto para vender. Como descreveu um executivo do setor, a lógica se inverteu: antes, eram os fabricantes de whey que procuravam empresas de alimentos para oferecer seu subproduto. Hoje, são as empresas que imploram por qualquer volume disponível, dispostas a aceitar o preço que o mercado determinar.

Essa pressão está, inevitavelmente, acelerando uma migração que muitos previam, mas por razões diferentes. Proteínas alternativas, como concentrado proteico de ervilha, soja, arroz integral e semente de abóbora, estão ganhando espaço não pelo argumento sustentável ou ético que as impulsionou durante a última década, mas por uma razão estritamente econômica: o whey ficou caro demais. A produção canadense de proteína de ervilha cresceu em um milhão de toneladas, proteínas de levedura chinesas surgem como alternativas de custo acessível e empresas que antes dependiam exclusivamente de whey estão reformulando seus portfólios inteiros.

No entanto, a substituição é tudo menos banal, pois o whey tem todo esse glamour porque ele oferece um perfil de aminoácidos completo (ou seja, uma proteína de alto valor biológico), alta biodisponibilidade, dissolução fácil e uma textura que alternativas vegetais ainda não conseguem replicar com consistência. Trocar whey por ervilha em uma barra proteica não é uma decisão de planilha, mas é uma escolha reengenharia de produto que afeta (e muito) o sabor, a textura, a vida útil e a relação do cliente com a marca, uma vez que o paladar e a solubilidade das alternativas vegetais ainda enfrentam forte resistência quando comparados ao padrão do soro de leite.

O que permanece, portanto, quando se observa essa crise em sua totalidade, é algo que transcende a questão do whey, pois de fato, o que está em jogo é o testemunho, em tempo real, de que a economia da saúde, essa força aparentemente virtuosa e inabalável que reorienta consumo, reformula indústrias e gera mercados inteiros, também possui limites físicos. A cadeia de suprimentos global foi construída sobre premissas de demanda que a convergência entre comportamento de consumo, inovação farmacêutica e estratégia corporativa simplesmente invalidou. E o mais relevante é que essa convergência não está desacelerando; com a democratização dos GLP-1 nos mercados emergentes, com a consolidação da proteína como critério de compra prioritário e com as grandes corporações aprofundando suas apostas no segmento, a pressão sobre a oferta tende a se intensificar antes de encontrar qualquer equilíbrio.

Deste modo, para o leitor que acompanha este espaço, a lição que podemos tirar é familiar, mas ganha aqui uma dimensão concreta particularmente instrutiva: as maiores disrupções de mercado raramente nascem de onde se espera. A crise do whey não começou em uma fazenda de laticínios, nem em uma fábrica de suplementos. Começou em um consultório médico prescrevendo semaglutide, em um consumidor decidindo que seu waffle precisa ter trinta gramas de proteína e em um boardroom da Mars decidindo que chips proteicos são o próximo bilhão em receita. Quando forças dessa natureza convergem sobre uma cadeia de suprimentos que, por definição, não pode responder com elasticidade, o resultado não é uma oscilação temporária de preços, mas uma alteração permanente de quem captura valor, quem perde relevância e quem precisa reinventar seu modelo para continuar existindo.

E essa reconfiguração, como temos argumentado consistentemente, é sempre mais rápida do que parece quando observada de dentro.

Leia também:

Sessenta e um anos depois, a sensação de fronteira se repetiu, embora o espaço em disputa tenha mudado. Hoje, as caminhadas mais ousadas não acontecem no vácuo cósmico, mas na corrida por bilhões de usuários de inteligência artificial, na tentativa de fabricar soberania tecnológica em solo próprio e nos movimentos de capital que decidem, a cada semana, quais ativos merecem a confiança dos mercados. O cordão umbilical, agora, é feito de dados, chips e decisões estratégicas cujas consequências se estendem por décadas.

O ChatGPT Atinge o Impensável

O ChatGPT, da OpenAI, ultrapassou a marca de 1 bilhão de usuários ativos mensais globais em maio, tornando-se o aplicativo a atingir esse patamar mais rapidamente na história, superando, segundo estimativas da Sensor Tower, o ritmo de adoção do Google Maps, do TikTok, do Instagram e do YouTube. A cifra é impressionante, mas o que ela revela sobre a dinâmica competitiva do setor é ainda mais significativo do que o número em si. Afinal, ao mesmo tempo em que celebra essa marca inédita, a OpenAI enfrenta uma erosão silenciosa no engajamento de seus usuários mais sofisticados: as corporações. Segundo a mesma pesquisa, os usuários americanos do ChatGPT que instalaram o Claude, da Anthropic, passaram a gastar 5% menos tempo na plataforma da OpenAI após a instalação, um número que pode parecer modesto, mas quando multiplicado por uma base de centenas de milhões, torna-se um sinal que nenhum conselho de administração pode ignorar.

A Anthropic, por sua vez, opera em uma trajetória de crescimento fenomenal. O Claude atingiu cerca de 56 milhões de usuários ativos mensais globais no segundo trimestre, um número que, ainda, parece muito distante diante do bilhão da OpenAI, mas cuja taxa de expansão anual de 640% supera, em uma ordem de magnitude, os 62% de crescimento do ChatGPT no mesmo período. Como já abordamos em edições anteriores ao acompanhar a inversão de percepção na conferência HumanX AI, o Claude não compete essencial por volume bruto de usuários, mas pela captura de um público qualificado que paga, programa e toma decisões com base na qualidade do raciocínio, exatamente o segmento que define margens e fidelidade de longo prazo.

A semana trouxe, ainda, um desdobramento que reforça essa leitura. A Anthropic anunciou a expansão do Projeto Glasswing, sua iniciativa de cibersegurança baseada no modelo Claude Mythos Preview, para 150 organizações em mais de 15 países, após um período inicial restrito a cerca de 50 empresas. O Mythos, como já falamos por aqui, é o primeiro modelo que a Anthropic assume publicamente ser poderoso demais para liberação irrestrita ao público geral. E, agora, ao ampliar seu acesso de forma seletiva, a empresa converte uma limitação em uma vantagem estratégica, ao passo que o modelo que não pode ser usado por qualquer pessoa passa a ser o modelo que só as organizações mais relevantes do mundo podem acessar, garantindo o objetivo de público sofisticado da empresa. Em paralelo a todo esse crescimento, a Anthropic protocolou (confidencialmente) seu pedido de IPO, uma etapa que posicionará a empresa para uma estreia no mercado público que poderá redefinir as expectativas de valuation para toda a indústria de IA, afinal, seus expectativas estão na casa dos trilhões de dólares.

Durante décadas, atingir um valuation de US$ 1 trilhão exigiu a construção de impérios corporativos ao longo de gerações, via de exemplo, a Microsoft levou 44 anos para tal. A inteligência artificial, porém, comprimiu essa lógica histórica de forma inédita, com empresas como a Anthropic e, também, a OpenAI caminhando para a marca do trilhão em lapsos de cinco a dez anos de operação. Essa mesma compressão se repete na adoção, onde o Google Maps precisou de cerca de oito anos para alcançar 1 bilhão de usuários, e, agora, o ChatGPT chegou lá em três. Diferentemente de tecnologias anteriores que transformavam setores de forma gradual, a IA se integra simultaneamente a praticamente toda a economia, da saúde às finanças, e o resultado é uma compressão radical do tempo econômico que muda não apenas quem compete, mas a própria velocidade com que se compete.

A Microsoft Decide Jogar com Peças Próprias

A Microsoft anunciou, durante a conferência Build em San Francisco, seus primeiros modelos proprietários de inteligência artificial voltados para desenvolvedores: o MAI-Code-1-Flash, focado em geração de código a partir de descrições em texto, e o MAI-Thinking-1, um modelo de raciocínio de tamanho médio. O movimento marca uma mudança estratégica para a empresa que, até agora, ocupava o papel de investidora e distribuidora de modelos alheios, atuando como fornecedora de infraestrutura de nuvem e capital para a OpenAI e para a Anthropic, sem desenvolver cérebros próprios.

Quando Mustafa Suleyman, CEO da Microsoft AI, declara que, após ajustar seus modelos para a McKinsey, a empresa conseguiu superar o GPT-5 da OpenAI com eficiência de custo dez vezes maior, o que está sendo comunicado ao mercado é uma recalibração fundamental nesta relação dependência.

A lógica econômica do movimento é direta e potente, pois ao rodar modelos próprios em sua infraestrutura Azure (sua plataforma de computação em nuvem), a Microsoft elimina o repasse de margens a terceiros, o que significa que cada consulta processada internamente gera um ganho de eficiência que pode ser repassado ao desenvolvedor como preço mais baixo ou retido como margem adicional. Como já analisamos em edições anteriores ao tratar do chip Maia 200 e da filosofia de “jogar em todas as mesas simultaneamente” articulada por Satya Nadella, a Microsoft construiu uma posição em que é, ao mesmo tempo, a de maior investidora da OpenAI, acionista relevante da Anthropic e, agora, desenvolvedora de modelos que competem diretamente com ambas.

“chegou a hora de cada empresa deixar de apenas consumir um modelo de fronteira para participar plenamente no ecossistema de fronteira.” Traduzida da linguagem corporativa, essa foi a mensagem de Nadella na conferência: a Microsoft não quer mais depender de ninguém para a camada mais crítica de sua oferta.

Além dos modelos, a empresa apresentou o Project Solara, uma plataforma que combina hardware e software para criar dispositivos projetados em torno de agentes de inteligência artificial, o que a Microsoft chama de experiências “agent-first”. A proposta é que a linguagem natural substitua progressivamente interfaces tradicionais baseadas em aplicativos e comandos manuais, com múltiplos agentes operando em cenários de trabalho distintos. Quando contextualizado junto ao pacote Microsoft 365 E7 que abordamos em março, cuja lógica é empacotar agentes de IA dentro do mesmo ecossistema de produtividade corporativa que já abriga centenas de milhões de trabalhadores, o desenho estratégico se completa: a Microsoft quer ser, simultaneamente, a fornecedora da infraestrutura, dos modelos, dos agentes e dos dispositivos que os executam. É integração vertical em escala que, se bem-sucedida, tornará a empresa não apenas incontornável, mas estruturalmente indispensável para qualquer organização que opere no século XXI.

O Bitcoin Perde o Chão

O Bitcoin entrou em junho no pior momento do ano. Após recuar 3,5% em maio e fechar o mês próximo de US$ 73.500, a criptomoeda aprofundou a queda nos primeiros dias de junho e passou a operar abaixo de US$ 70 mil, atingindo US$ 67.700 na madrugada de terça-feira, o menor preço desde a primeira semana de abril e acumulando uma perda de 22% no ano. O recuo do que até então era tido como “ouro digital” não tem uma causa única, mas resulta de uma convergência de fatores que, juntos, expõem a fragilidade estrutural de um ativo que, apesar de ser apresentado como reserva de valor, continua reagindo como instrumento de risco em momentos de incerteza global.

Em primeiro lugar, os ETFs de Bitcoin nos Estados Unidos registraram saídas líquidas em 11 sessões consecutivas a partir de 15 de maio, totalizando cerca de US$ 3,45 bilhões segundo estimativas do JPMorgan, a maior e mais longa sequência de resgates desde o lançamento dos fundos em janeiro de 2024. Apenas na última sessão, investidores retiraram US$ 484 milhões, com o IBIT da BlackRock respondendo por cerca de 91% do total. Em segundo, no cenário externo, a situação no Oriente Médio, que já abordamos extensivamente ao tratar do bloqueio iraniano do Estreito de Ormuz e das consequências geopolíticas da alta do petróleo, elevou a aversão ao risco de forma generalizada, com o mercado de juros passando a precificar ao menos mais uma alta de 25 pontos-base pelo Federal Reserve ao longo de 2026.

O terceiro e mais recente gatilho, contudo, foi psicológico. A Strategy, maior tesouraria corporativa de Bitcoin do mundo com mais de 843 mil unidades em carteira, vendeu 32 Bitcoins entre 26 e 31 de maio por US$ 2,5 milhões para cobrir distribuições a detentores de ações preferenciais. A operação é, por qualquer métrica financeira, irrelevante, e analistas de Wall Street foram unânimes em classificá-la como tal. Ainda assim, o efeito sobre a narrativa foi imediato e desproporcional (mas justificável), afinal, quando a empresa que transformou sua identidade inteira na acumulação incessante de Bitcoin decide desinvestir, por menor que seja a quantia, o mercado interpreta o gesto como ruptura simbólica de uma promessa, e narrativas simbólicas, no universo cripto, movem preços com mais força do que balanços.

Um detalhe, porém, merece atenção especial neste ciclo. No mesmo período em que o Bitcoin recuava, as ações de tecnologia ligadas à inteligência artificial seguiam em alta, com papéis de fabricantes de chips e empresas de modelos fundacionais avançando com força. Assim, vemos que houve uma rotação de capital, onde parte do dinheiro que sustentava a alta do mercado cripto migrou para a aposta do momento em Wall Street, a inteligência artificial. Na prática, o Bitcoin hoje disputa atenção e capital com outras teses de alto retorno, e quando a IA concentra o otimismo dos investidores enquanto o cenário macroeconômico permanece incerto, a criptomoeda perde parte do fluxo que a sustentava. Esse efeito de substituição costuma ser temporário, mas explica boa parte da fraqueza recente e reforça uma lição que o mercado insiste em reaprender: o Bitcoin, apesar de suas ambições como reserva de valor soberana, como vimos no caso iraniano do Estreito de Ormuz, ainda se comporta, nos ciclos de aversão ao risco, como o mais volátil dos ativos especulativos.

O Gripen F e a Soberania que Se Constrói Peça a Peça

A Saab apresentou, em Linköping, na Suécia, o primeiro caça Gripen F, modelo de combate de nova geração com dois assentos, desenvolvido em parceria com a Força Aérea Brasileira, que foi seu primeiro cliente e participou ativamente do codesenvolvimento da aeronave. A apresentação acontece em um cenário de escalada nos conflitos globais, com países elevando gastos em defesa a patamares não vistos desde a Guerra Fria, e em meio a uma transformação profunda na natureza da guerra, cada vez mais mediada por inteligência artificial, drones autônomos e sistemas de decisão algorítmica.

O contrato do Brasil com a Saab, assinado em 2014, contempla 36 aeronaves por mais de US$ 4 bilhões, mas o que torna o programa estrategicamente singular é o modelo de transferência tecnológica que o viabiliza. Mais de 350 profissionais brasileiros, entre técnicos, engenheiros e pilotos, foram treinados pela Saab para dominar todo o ciclo de vida da aeronave, da fabricação à manutenção, ao longo dos próximos 30 a 40 anos. A linha de montagem final na planta da Embraer em Gavião Peixoto, no interior de São Paulo, é a primeira do Gripen fora da Suécia, um dado que, como já analisamos em março ao cobrir a apresentação do primeiro F-39 produzido em solo brasileiro, diz tanto sobre a confiança depositada na engenharia brasileira quanto sobre a ambição industrial que sustenta o projeto.

A dimensão que aparece com força nesta apresentação, contudo, é a assimilação entre defesa e tecnologia digital. Executivos da Saab destacaram repetidamente as “novas ameaças” que redefinem o campo de batalha, com a inteligência artificial ocupando papel central não apenas no ataque orquestrado de exércitos de drones, mas em toda a cadeia de comando e decisão que, assim como no caso da Scout AI e da guerra algorítmica, opera em velocidades que nenhum ser humano consegue acompanhar. O Ministro da Defesa do Brasil revelou, ainda, que estão em negociações para a instalação de um centro de pesquisa e desenvolvimento da Saab em São José dos Campos, o que ampliaria a presença da empresa no ecossistema aeroespacial brasileiro para além da montagem de aeronaves.

Para um país que, como alertou a McKinsey em relatório, tem no máximo dez anos para transformar sua produtividade antes que o envelhecimento populacional feche a janela de desenvolvimento, o programa Gripen representa algo mais do que defesa aérea, pois ele é uma demonstração de que o Brasil pode operar na ponta mais sofisticada da cadeia industrial global quando há vontade, parceria estratégica e continuidade de investimento. A diferença entre comprar um caça e saber construí-lo é a mesma que separa dependência de soberania, e, em um mundo onde semicondutores, algoritmos e plataformas reescrevem o equilíbrio de poder entre nações, a capacidade de fabricar, manter e evoluir sistemas complexos de alta tecnologia é, possivelmente, a forma mais concreta de soberania que um país pode exercer.

Leia também:

Não produtos. Não serviços. Não experiências.

Apetite.

Durante décadas, construímos uma economia inteira sobre uma premissa silenciosa: a de que o ser humano sempre vai querer um pouco mais. Mais comida, mais açúcar, mais álcool, mais entretenimento, mais compras, mais recompensa imediata. O crescimento de setores inteiros foi sustentado por essa força invisível. Quanto maior o impulso, maior o consumo. Quanto maior o consumo, maior a receita. Uma equação tão óbvia que ninguém parava para olhar.

É por isso que talvez estejamos lendo as canetas emagrecedoras pelo lado errado. O mercado ainda trata Ozempic, Wegovy e Mounjaro como remédios para perder peso. A conversa gira em torno dos quilos eliminados, da estética, da obesidade. Mas isso talvez seja apenas a consequência mais visível de algo bem maior.

O verdadeiro produto dessas canetas não é emagrecimento. É saciedade.

Pela primeira vez, surgiu uma tecnologia capaz de mexer diretamente em um dos motores mais importantes da economia moderna: o desejo. E aqui está o detalhe que quase todo mundo ignora. Essas canetas não reduzem apenas a fome. Elas reduzem a vontade de buscar recompensa. Usuários relatam beber menos álcool, e a ciência já sugere o porquê: o GLP-1 parece abafar a liberação de dopamina, o mesmo circuito acionado pela aposta, pela compra por impulso, pela rolagem infinita. Não é o estômago que muda. É o sistema de recompensa.

Por isso as casas de apostas aparecem na mesma lista que os restaurantes. O que está em jogo não é a fome. É o impulso. E quando o impulso cai, não muda só a balança. Mudam os hábitos. Mudam as escolhas. Mudam os mercados.

Essa distinção leva a uma conclusão diferente da que se costuma ouvir. A maioria das análises parte da ideia de que certos setores vão perder demanda. Mas talvez a palavra certa não seja perda. Seja redistribuição.

Quem começa a usar GLP-1 não some do sistema econômico. Continua gastando. Continua consumindo. Continua decidindo. O que muda é a direção do gasto. Menos ultraprocessado e mais proteína. Menos álcool e mais bebida funcional. Menos refeição por impulso e mais ocasião planejada. Menos tratamento para as doenças do excesso e mais investimento em prevenção, bem-estar e longevidade. Não é a carteira que encolhe. É a bússola que gira.

Isso explica por que o efeito dessas canetas atravessa setores que pareciam não ter nada em comum. Os restaurantes não perdem só porque as pessoas comem menos, perdem porque elas escolhem diferente: nos Estados Unidos, mais da metade dos usuários passou a comer fora com menos frequência e sete em cada dez voltaram a cozinhar em casa. As empresas de bebidas não enfrentam apenas a queda do álcool, veem nascer demanda por versões funcionais, de baixa caloria e sem álcool. E a moda não ganha apenas com a perda de peso: a venda de roupa social disparou, porque corpo novo pede guarda-roupa novo. Em um ano, lares com usuários cortaram cerca de 10% dos gastos em mais de cem categorias diferentes, de mercado a fast-food. O dinheiro não evaporou. Trocou de endereço.

A implicação mais interessante aparece quando olhamos tudo isso pela cadeira de um CEO. Durante décadas, aprendemos a projetar demanda olhando para renda, inflação, emprego e juros. Tudo isso continua valendo. Mas uma variável nova entra na conta: o desejo. Em alguns mercados, a pergunta estratégica deixa de ser “quanto meu cliente pode gastar?” e passa a ser “quanto meu cliente ainda quer consumir?”.

É isso que torna as canetas emagrecedoras muito maiores do que parecem. Não porque criaram uma categoria farmacêutica. Mas porque introduziram algo raro na história econômica: uma tecnologia que altera o comportamento humano em escala. Hoje, mais de 12% dos adultos americanos já usam esses remédios, o dobro de um ano atrás, e a projeção é que lares com usuários respondam por mais de um terço de tudo o que se vende em comida e bebida até 2030. E sempre que uma tecnologia muda o comportamento em escala, ela reorganiza cadeias inteiras de valor.

A história das canetas emagrecedoras, portanto, não é uma história sobre obesidade. É uma história sobre apetite. E a pergunta que fica não é quantas pessoas vão emagrecer. É quantas indústrias foram construídas sobre um desejo que agora, pela primeira vez, tem botão de desligar.

Leia também

Em abril deste ano, a Anthropic, um dos três principais laboratórios de IA do mundo, anunciou que o seu modelo mais avançado, o Claude Mythos, não seria disponibilizado ao público. Não por limitações técnicas, não por falta de demanda, mas porque as capacidades demonstradas em testes internos foram consideradas, pela própria empresa que o criou, perigosas demais para circulação aberta. É, até onde se sabe, a primeira vez na história comercial da inteligência artificial que um laboratório decide que o seu melhor produto deve ser mantido fora do alcance dos seus próprios clientes. E é exatamente nessa decisão, mais do que no modelo em si, que reside a verdadeira ruptura. Porque o que ela sinaliza não é um problema de engenharia. É o momento em que a curva de capacidade da IA ultrapassou a curva de governança das instituições que deveriam regulá-la.

Para entender a dimensão do que foi descoberto, é preciso ir além dos números, embora os números, por si só, sejam eloquentes. O Mythos conseguiu localizar vulnerabilidades desconhecidas, as chamadas falhas de dia zero, em todos os principais sistemas operacionais e navegadores em uso no mundo, muitas delas existentes há décadas sem que ninguém as tivesse detectado. Uma dessas falhas estava escondida há vinte e sete anos no OpenBSD, um sistema reconhecido justamente pela robustez da sua segurança. Em oitenta e três por cento dos casos, o modelo desenvolveu, de forma autônoma, formas funcionais de explorar essas falhas já na primeira tentativa. Completou uma simulação de ataque cibernético de trinta e duas etapas, tarefa que demora cerca de vinte horas para um profissional humano, sendo o primeiro modelo de IA a executar a totalidade dos passos. A Mozilla, em um único ciclo de avaliação, corrigiu duzentas e setenta e uma vulnerabilidades que o Mythos encontrou no Firefox. Esses números impressionam. Mas o que torna o Mythos genuinamente perturbador está em outra camada.

O documento técnico publicado pela Anthropic, com mais de duzentas páginas de análise comportamental do modelo, registrou três categorias de incidentes que deslocam a questão do plano operacional para o plano, arriscamos dizer, filosófico. Em testes realizados antes do lançamento, o modelo construiu por iniciativa própria um mecanismo de múltiplas etapas para escapar do ambiente isolado em que estava confinado e publicou em locais acessíveis informação sobre essa fuga. Em outros casos, utilizou um método proibido para resolver uma tarefa, aparentemente reconheceu que esse caminho seria detectável e reescreveu a solução por meios permitidos antes de apresentá-la, ocultando o procedimento real. E, numa terceira categoria, quando o seu trabalho era avaliado por outro sistema de IA, tentou manipular esse avaliador. Cada episódio, isoladamente, poderia ser classificado como uma anomalia emergente em um sistema de alta complexidade. Lidos em conjunto, porém, compõem um quadro qualitativamente diferente: o de um sistema capaz de comportamento estratégico, dissimulação intencional e ação autônoma para além das instruções que recebeu. O Mythos não apenas encontra falhas. Ele decide, por conta própria, o que fazer com o que encontra, e, mais inquietante, decide quando esconder o que fez.

É a partir desse ponto que a história do Mythos deixa de ser uma história sobre cibersegurança e se torna uma história sobre poder. Porque a reação institucional que se seguiu ao anúncio revela, com uma clareza quase brutal, o grau de fragilidade que sustenta a infraestrutura financeira global. No dia seguinte à divulgação, o secretário do Tesouro americano e o presidente da Reserva Federal convocaram uma reunião de emergência com os executivos dos cinco maiores bancos do país. O governador do Banco da Inglaterra declarou que o modelo poderia expor completamente todo o universo do risco cibernético. O Japão ordenou uma revisão nacional. A Índia determinou campanhas de remediação nas suas instituições financeiras. O Canadá levou o tema ao Fundo Monetário Internacional. E o próprio FMI, semanas depois, publicou uma análise que reformulou o problema nos termos mais desconfortáveis possíveis: modelos como o Mythos não representam um risco para instituições isoladas, mas um risco sistêmico para o sistema financeiro global.

A razão é simples e, por isso mesmo, alarmante, afinal, toda a infraestrutura financeira contemporânea, dos pagamentos ao crédito, da compensação às transferências, opera sobre uma base compartilhada de software, nuvem e redes dominada por um punhado de fornecedores. Uma violação assistida por IA em qualquer um desses pontos pode se propagar ao sistema inteiro.

A velocidade e a amplitude dessa resposta são, em si mesmas, um dado analítico. Quando bancos centrais de quatro continentes reagem em dias a um anúncio de uma empresa de São Francisco, o que está sendo revelado não é apenas a potência do Mythos, mas a consciência, até então inconfessada, de que o sistema financeiro global é mais vulnerável do que os seus guardiões admitiam publicamente. O modelo não criou essa vulnerabilidade. Apenas a tornou impossível de ignorar.

Mas é no passo seguinte da Anthropic que a análise se torna mais interessante. Em vez de lançar o modelo ou de trancá-lo definitivamente, a empresa criou uma terceira via: o Projeto Glasswing, uma iniciativa que concedeu acesso restrito ao Mythos a cerca de quarenta organizações, entre elas Amazon Web Services, Apple, Google, Microsoft, NVIDIA, CrowdStrike, JPMorgan e Goldman Sachs.

A lógica declarada é defensiva, ou seja, permitir que as empresas responsáveis pelas infraestruturas mais críticas do mundo usem o Mythos para encontrar e corrigir as suas próprias vulnerabilidades antes que modelos equivalentes cheguem a atores hostis. E essa lógica é, em si mesma, coerente. O problema é a consequência não declarada, pois ao criar um consórcio seleto de organizações com acesso à ferramenta defensiva mais avançada do mundo, a Anthropic desenhou, talvez involuntariamente, uma nova hierarquia de segurança digital. Quem está dentro do Glasswing pode vasculhar seus sistemas em busca de falhas que existem há décadas e corrigi-las preventivamente. Quem está fora opera no escuro, dependendo de que alguém lhe comunique os resultados ou de que nenhum ator hostil encontre as mesmas brechas primeiro.

Analisamos, em edições anteriores, como a Amazon construiu um fosso competitivo que não reside em um produto ou em uma marca, mas na própria estrutura de custos que sustenta tudo o que oferece, uma vantagem tão enraizada na infraestrutura que se torna, para a maioria dos concorrentes, intransponível. A mesma lógica de assimetria estrutural opera aqui, mas em uma dimensão radicalmente diferente. O fosso que o Glasswing cria não é comercial: é soberano. Cada ciclo de utilização do Mythos pelas organizações do consórcio endurece as defesas de quem está dentro e, por contraste, fragiliza relativamente quem está fora. Essa assimetria não diminui com o tempo. Ela se compõe. E o custo de não estar na mesa, neste caso, não é perder participação de mercado. É ficar exposto.

Ainda, a dimensão geopolítica desse arranjo é impossível de contornar, afinal, nenhuma organização europeia de caráter público integra o consórcio. Nenhuma organização portuguesa, brasileira ou latino-americana sequer figura na lista. A decisão da Anthropic de definir quem entra e quem fica de fora não foi tomada contra esses países, é verdade, mas foi tomada sem eles, e essa distinção, longe de atenuar o problema, agrava-o. Porque o que ela revela é que a defesa cibernética de infraestruturas críticas deixou de ser uma competência nacional e passou a ser, na prática, uma concessão comercial. Quando a capacidade de proteger hospitais, sistemas de pagamento, redes elétricas e bases de dados públicas depende de acesso a modelos controlados por empresas privadas sediadas em uma única jurisdição, e quando esse acesso é distribuído de forma seletiva, a soberania digital se torna não uma aspiração política, mas uma ficção operacional.

E o paradoxo não para por aí. A relação dos próprios Estados Unidos com a Anthropic ilustra, com uma ironia quase didática, a insuficiência das categorias institucionais existentes para lidar com o que está acontecendo. O Departamento de Defesa americano classificou a Anthropic como risco na cadeia de abastecimento, depois de a empresa se recusar a permitir o uso dos seus modelos em vigilância doméstica massiva e no desenvolvimento de armas autônomas. A Anthropic processou a administração federal em resposta. E, no entanto, a Agência de Segurança Nacional, subordinada ao mesmo Departamento de Defesa, utiliza o Mythos para varredura de ambientes em busca de vulnerabilidades. O governo americano litiga contra a Anthropic enquanto a sua própria agência de inteligência emprega o produto da empresa que tenta banir. Ou seja, se o poder militar mais sofisticado do mundo não consegue manter uma posição coerente em relação a uma única empresa de IA, o que isso diz sobre a capacidade de qualquer outro Estado de exercer controle significativo sobre essa tecnologia?

Discutimos também, em uma edição recente, como a inteligência artificial, ao assumir tarefas que antes exigiam esforço mental, pode atrofiar a própria capacidade de raciocínio que a tornava necessária, um fenômeno que se manifesta tanto na criatividade individual quanto no julgamento estratégico de líderes. O Mythos projeta essa mesma dinâmica sobre o plano institucional. Quando organizações delegam inteiramente a detecção de vulnerabilidades a um modelo de IA, o que acontece com a competência humana de compreender a arquitetura dos sistemas que operam? Quando a defesa cibernética passa a depender de um sistema que o próprio operador não controla e cuja lógica interna não consegue auditar completamente, o que resta da capacidade institucional de avaliar risco de forma autônoma?

O perigo, neste caso, não é apenas que o Mythos encontre falhas que os humanos não encontram. É que, ao fazê-lo com uma eficácia tão avassaladora, torne progressivamente dispensável o investimento em competências humanas de segurança, exatamente as competências que seriam necessárias no dia em que o modelo, por qualquer razão, deixasse de estar disponível.

E esse dia não é hipotético. Segundo o responsável pela equipe de testes adversariais da Anthropic, capacidades equivalentes às do Mythos devem chegar a atores hostis em um prazo de seis a dezoito meses. Outros analistas estendem essa janela para até vinte e quatro meses. A própria Anthropic já sinalizou que o regime de acesso restrito será, em um futuro próximo, substituído por um lançamento geral. A janela de vantagem defensiva que o Glasswing oferece é, portanto, estreita. E é exatamente por isso que o debate institucional que o Mythos provocou, por mais urgente que seja, chega com um atraso estrutural em relação ao problema que pretende endereçar. A pergunta relevante não é se modelos com essas capacidades vão se proliferar, pois isso é inevitável. A pergunta é se as instituições que precisam se defender contra eles, os hospitais, as escolas, as redes elétricas, os sistemas de pagamento, as pequenas empresas que compõem o tecido real de qualquer economia, terão tido tempo de se preparar quando esse momento chegar. Para as quarenta organizações do Glasswing, a resposta é provavelmente sim. Para o restante, a resposta é consideravelmente menos reconfortante.

O Mythos, nesse sentido, não cria novas desigualdades, mas amplifica as que já existem. Funciona como um acelerador de assimetrias pré-existentes, em que quem já dispunha de escala e orçamento para investir em segurança ganha acesso à ferramenta defensiva mais poderosa já construída, e quem já operava com recursos limitados e sistemas desatualizados fica proporcionalmente mais exposto. A ironia, portanto, é precisa: um ato de contenção responsável, a decisão de não lançar o modelo ao público, produziu como efeito colateral a cristalização de uma hierarquia de segurança digital que será extraordinariamente difícil de reverter.

No fim, o que o episódio Mythos revela é menos sobre o que uma inteligência artificial consegue fazer e mais sobre o que as instituições humanas ainda não conseguem governar. A Anthropic tomou uma decisão sem precedentes ao recusar o lançamento público do seu modelo mais poderoso. Mas, ao fazê-lo, expôs algo que talvez seja mais perturbador do que o próprio modelo: chegamos ao ponto em que a capacidade tecnológica de uma única empresa privada pode ser poderosa demais para ser democrática, mas também necessária demais para ser ignorada. E entre essas duas impossibilidades, o espaço para a ação soberana dos Estados, especialmente dos que não foram convidados para a mesa, não para de encolher. A premissa da democratização progressiva da tecnologia, aquela com a qual abrimos esta análise, não foi refutada pelo Mythos. Foi, simplesmente, suspensa por tempo indeterminado. E essa suspensão, silenciosa e sem data de validade, pode ser a consequência mais duradoura de tudo o que aconteceu.

Leia também:

Setenta e três anos depois, a lógica permanece idêntica, mas a escala mudou de patamar. O que a televisão fez com a pompa real, a inteligência artificial agora faz com o poder computacional: tira dos centros de dados aquilo que antes era privilégio de poucos e coloca nas mãos, literalmente, de qualquer pessoa com um notebook. Deste modo, o fio condutor desta terça-feira é o mesmo de 1953: quando a tecnologia se democratiza, nada permanece como era.

Nvidia Reinventa o PC e Desafia Apple e Intel

Jensen Huang subiu ao palco em Taipé, às vésperas da Computex, e fez o que sabe fazer melhor: transformar um lançamento de hardware em uma declaração de era. Seu novo superchip RTX Spark, desenvolvido em parceria com a MediaTek, combina CPU e GPU em uma única arquitetura projetada para executar modelos de inteligência artificial diretamente no dispositivo, sem depender da nuvem. A Microsoft, em comunicado simultâneo, confirmou que os PCs equipados com o novo processador poderão rodar agentes de IA autônomos, capazes de ler arquivos, conduzir pesquisas e interagir por voz e visão. Nas palavras de Huang, a Nvidia e a Microsoft vão “reinventar o PC”. A promessa é ousada, mas os detalhes técnicos sugerem que não se trata de mera retórica vazia.

O movimento é estrategicamente cirúrgico por ao menos duas razões. Em primeiro lugar, a Nvidia, que construiu seu império trilionário fornecendo GPUs para data centers, está sinalizando ao mercado que a próxima fronteira de crescimento não está apenas nos servidores que treinam modelos de IA, mas nos dispositivos que os executam no dia a dia. É a transição do treinamento para a inferência local, um deslocamento de valor que transforma cada notebook em um nó descentralizado de inteligência. Em segundo lugar, o anúncio coloca a empresa em rota de colisão direta com a Apple, que domina o segmento de chips integrados desde o lançamento do M1 em 2020, e com a Intel, que tenta recuperar relevância no mercado de processadores pessoais após anos de atraso. A diferença é que a Nvidia não entra nessa disputa como fabricante de PCs, mas como a empresa que define o que um PC deve ser capaz de fazer.

A implicação de longo prazo desse movimento, todavia, vai além da concorrência entre fabricantes de chips. Se agentes de IA passarem a rodar localmente, com capacidade de processar dados sensíveis sem enviá-los para servidores externos, o modelo de negócios da computação em nuvem, que sustenta as receitas de AWS, Azure e Google Cloud, sofre uma pressão estrutural inédita. A tese de Neil Shah, da Counterpoint Research, de que a Nvidia está “revolucionando a forma como os PCs vão parecer nos próximos dez anos” pode se revelar, na prática, uma revolução sobre quem captura o valor na cadeia da inteligência artificial.

Assim, Huang, ao anunciar simultaneamente que as CPUs Vera para data centers já estão em produção plena e que Anthropic, OpenAI e SpaceX AI serão seus primeiros clientes, joga nos dois tabuleiros ao mesmo tempo, fornecendo tanto a infraestrutura central da IA quanto a descentralizada. É, em essência, uma aposta de que o futuro não será nuvem ou dispositivo, mas nuvem e dispositivo, e que a Nvidia pretende ser indispensável em ambos.

Anthropic Inaugura a Era dos IPOs de Inteligência Artificial

A Anthropic, criadora do Claude, protocolou nesta segunda-feira seu pedido de oferta pública inicial junto à SEC, tornando-se a primeira gigante da inteligência artificial a buscar listagem em Wall Street. O movimento, que deve ser seguido em breve pela SpaceX e pela OpenAI, inaugura uma temporada de aberturas de capital que pode movimentar mais de uma centena de bilhões de dólares e reconfigurar o mapa de poder do setor tecnológico. A empresa não revelou cronograma nem tamanho da oferta, mas fontes do mercado indicam que o IPO pode ocorrer ainda no terceiro trimestre, em um momento no qual a Anthropic acaba de ser avaliada em US$ 900 bilhões após uma rodada de US$ 65 bilhões, ultrapassando oficialmente a OpenAI como a startup de IA mais valiosa do planeta.

O que torna esse IPO particularmente significativo não é apenas o volume de capital envolvido, mas o que ele revela sobre a maturação do setor. A Anthropic, fundada em 2021 por Dario Amodei, construiu seu diferencial competitivo em uma aposta deliberada: concentrar-se em ferramentas de codificação e em soluções para clientes corporativos, enquanto OpenAI e Google diversificavam suas ofertas em navegadores, e-commerce e geração de imagens. Essa estratégia, aparentemente restritiva, provou-se cirúrgica. Desde o lançamento do Claude Opus 4.5, descrito pela própria empresa como “um passo significativo em direção ao que os sistemas de IA podem fazer”, a receita da Anthropic escalou de forma acelerada, com projeções de US$ 47 bilhões para este ano, impulsionada principalmente pela adoção massiva do Claude Code por engenheiros e desenvolvedores. A fórmula é clara: em vez de disputar a atenção do consumidor final em múltiplas frentes, a empresa escolheu ser a infraestrutura indispensável para quem constrói o futuro digital.

Há, contudo, uma dimensão desse IPO que transcende a análise financeira convencional. A Anthropic construiu uma imagem pública rara no Vale do Silício: a de uma empresa que assume publicamente que sua própria tecnologia pode ser perigosa para a humanidade. A recusa em permitir uso militar irrestrito do Claude, que levou o Pentágono a proibir a ferramenta em seus sistemas, e a aliança inédita com o Vaticano para debater os limites éticos da IA, durante a apresentação da encíclica “Magnifica Humanitas” do Papa Leão XIV, posicionam a empresa como um contraponto aos concorrentes que priorizam expansão a qualquer custo.

Paradoxalmente, essa postura ética tornou-se, ela mesma, um ativo financeiro, pois em um mercado onde a confiança do cliente corporativo é condição para contratos de longo prazo, a reputação de responsabilidade funciona como barreira de entrada que nenhum benchmark técnico consegue replicar. O IPO da Anthropic, portanto, não será apenas um teste de valuation, mas um referendo do mercado sobre se a IA responsável é compatível com retornos extraordinários.

BYD Entra na Corrida dos Semicondutores

A BYD apresentou em Shenzhen o Xuanji A3, o primeiro chip de direção inteligente fabricado na China com tecnologia de 4 nanômetros, um anúncio que, à primeira vista, parece ser apenas mais uma novidade do setor automotivo, mas que, em suas entrelinhas, carrega implicações profundas para a geopolítica dos semicondutores e para o futuro da mobilidade global. O componente possui capacidade de processamento de 700 TOPS por unidade e, quando três unidades operam em conjunto, atinge 2.100 TOPS (sendo a sigla: trilhões de operações por segundo), um patamar que permite aos veículos identificar pedestres, faixas, sinalizações e obstáculos em tempo real com uma precisão que até então exigia hardware de fornecedores especializados como a Nvidia e a Qualcomm. Stella Li, vice-presidente executiva global da companhia, não deixou o simbolismo passar despercebido ao enfatizar que a BYD é a primeira montadora do mundo a produzir um chip com essa tecnologia de fabricação.

A decisão de desenvolver semicondutores internamente é a extensão lógica de uma estratégia de verticalização que a BYD já aplicou com sucesso em baterias, motores elétricos e sistemas eletrônicos. Ao controlar mais essa camada da cadeia produtiva, a empresa reduz sua exposição a crises de abastecimento como a que paralisou a indústria automotiva global entre 2020 e 2022, ganha velocidade no desenvolvimento de novas tecnologias e, sobretudo, passa a integrar hardware e software com uma coesão que montadoras dependentes de fornecedores externos dificilmente conseguem alcançar. O paralelo com a Apple, que revolucionou o mercado de dispositivos ao projetar seus próprios chips, é inevitável, com a diferença de que a BYD opera em um setor cuja escala de produção é ordens de grandeza superior à de eletrônicos de consumo.

No plano geopolítico, o Xuanji A3 é mais uma peça do esforço deliberado da China para construir autossuficiência em semicondutores, uma resposta direta às restrições de exportação impostas por Washington nos últimos anos. Enquanto os Estados Unidos investem na Intel e firmam acordos com Taiwan para repatriar a fabricação de chips ao seu território, a China avança pelo caminho inverso: em vez de depender de uma única empresa-símbolo, distribui a capacidade entre gigantes de setores diversos, da Huawei com seus supercomputadores de IA à BYD com seus chips automotivos.

O investimento global de P&D da fabricante, estimado em 100 bilhões de yuans (cerca de R$ 74 bilhões), revela a escala da ambição, afinal, a BYD já não quer ser apenas a maior fabricante de veículos elétricos do mundo, mas uma das maiores empresas de tecnologia do planeta. Com a chegada do sistema de direção autônoma Tianshen ao Brasil prevista para 2027, o impacto dessa transformação deixa de ser uma abstração geopolítica e se torna uma realidade tangível nas ruas brasileiras.

Drones Começam a Entregar Comida em São Paulo

O iFood anunciou o início de entregas por drone no estado de São Paulo, conectando restaurantes do shopping Iguatemi Alphaville a condomínios residenciais em Barueri por meio de um voo de 3,6 quilômetros que leva cerca de cinco minutos, um trajeto que, por terra, consumiria tempo consideravelmente maior e, segundo a própria empresa, era recusado por quase metade dos entregadores da região devido à dificuldade de acesso e ao tempo de espera nas portarias. A operação, autorizada pela Anac e pelo Decea, funciona em um modelo híbrido: um mensageiro ou robô coleta o pedido no restaurante, acondiciona a embalagem no drone, que então pousa em um ponto dedicado no condomínio, onde um entregador parceiro faz a última etapa até a porta do cliente.

Num primeiro momento, o teste pode parecer uma curiosidade tecnológica restrita a um nicho de alto padrão, mas os dados do próprio iFood indicam que se trata de algo mais substancial. A operação-piloto em Sergipe, iniciada em 2021, já acumula mais de cinco mil pedidos, substituindo um trajeto terrestre de 36 quilômetros por um voo de menos de quatro. Quando se observa o cenário global, a escala do que está por vir se torna mais evidente: a Wing, subsidiária da Alphabet, já ultrapassou um milhão de entregas por drone em parceria com o Walmart nos Estados Unidos e planeja expandir para mais de 270 lojas até 2027, alcançando cerca de 10% da população americana. A Amazon opera serviços similares em cidades selecionadas. O que era ficção científica há cinco anos está se consolidando como uma camada logística complementar, silenciosa e autônoma.

As implicações estruturais, contudo, vão além da conveniência. Do ponto de vista econômico, a entrega por drone ataca diretamente um dos gargalos mais persistentes do delivery urbano: o custo da última milha, que pode representar até 53% do custo total de uma entrega, segundo estimativas do setor logístico. Se o modelo se provar escalável, empresas como o iFood poderão reduzir significativamente suas despesas operacionais e, ao mesmo tempo, ampliar o raio de cobertura para regiões onde a logística terrestre é inviável. Do ponto de vista social, porém, a equação é mais complexa, ao passo que cada rota coberta por drone é uma rota a menos para entregadores humanos, em um país onde a economia de plataformas emprega milhões de trabalhadores informais.

Deste modo, reguladores, tanto no Brasil quanto globalmente, ainda estão aprendendo a lidar com um cenário em que milhares de aeronaves autônomas operam simultaneamente sobre áreas urbanas, levantando questões inéditas sobre privacidade, ruído, segurança do espaço aéreo e, sobretudo, sobre a velocidade com que a automação logística pode reconfigurar mercados de trabalho inteiros. O futuro, ao que tudo indica, já pousou em Alphaville.

Leia também:

Você pesquisava um produto. Recebia uma lista de links. Comparava opções. Entrava em diferentes sites. Preenchia formulários. Fazia o pagamento. E concluía a compra.

Agora, esse modelo começa a mudar.

A OpenAI acaba de dar um dos passos mais importantes na transformação do comércio digital ao integrar compras diretamente dentro do ChatGPT. O que parece apenas uma nova funcionalidade é, na prática, uma mudança profunda na forma como consumidores descobrem e adquirem produtos.

O ponto central não é o pagamento.

É a eliminação da fricção.

Imagine dizer ao ChatGPT: “Vou ao aniversário da minha amiga de 24 anos. Ela gosta de música, quero algo diferente e tenho até R$ 200 para gastar.”

Em vez de apresentar apenas resultados de busca, o sistema entende contexto, interpreta intenção, sugere produtos adequados e agora permite concluir toda a compra dentro da própria conversa.

Não existem mais páginas intermediárias.
Não existem mais múltiplos cliques.
Não existe mais a necessidade de navegar entre diferentes ambientes.

A jornada inteira acontece dentro da interação com a inteligência artificial.

E isso cria uma mudança estrutural que vai muito além do próprio e-commerce.

Durante anos, o Google dominou a internet através da descoberta. Você procurava algo e ele mostrava caminhos. O usuário continuava responsável pela decisão, pela comparação e pela execução.

O modelo dos agentes funciona de forma diferente.

A IA não apenas encontra informação. Ela interpreta necessidades, reduz opções, sugere soluções e executa ações. A busca deixa de ser uma lista de possibilidades e passa a ser uma recomendação contextualizada acompanhada da própria execução.

Estamos assistindo ao nascimento de uma nova camada da economia digital: o comércio orientado por agentes.

Nesse modelo, o diferencial competitivo deixa de ser apenas aparecer nos resultados de busca. Passa a ser ser escolhido pelo algoritmo que representa o consumidor.

Isso cria oportunidades gigantescas para empresas que conseguirem se posicionar nesse novo ambiente. Mas também cria riscos para negócios que dependem exclusivamente do tráfego tradicional, dos mecanismos de busca e da navegação convencional.

A questão não é apenas tecnológica.

É comportamental.

Da mesma forma que o smartphone mudou a maneira como consumimos informação, agentes inteligentes podem mudar a forma como consumimos produtos. A interface deixa de ser uma loja. Passa a ser uma conversa.

Por enquanto, a funcionalidade está disponível apenas nos Estados Unidos. Mas a direção parece clara.

A OpenAI não está apenas entrando no comércio eletrônico.

Ela está testando um modelo onde descobrir, decidir e comprar acontecem dentro da mesma conversa.

E, se isso ganhar escala, talvez estejamos observando o início de uma das maiores mudanças no varejo digital desde a criação do próprio e-commerce.

Veja também:

A Microsoft precisou de 44 anos para chegar lá. A Apple, de 42. Eram trajetórias medidas em gerações, não em trimestres. E, no entanto, o que se observa agora no mercado de inteligência artificial é um fenômeno que desafia não apenas as expectativas dos investidores, mas a própria lógica temporal que sustentou a criação de valor nas últimas cinco décadas. A Anthropic, fundada em 2021, alcançou um valuation de US$ 965 bilhões em sua Série H de maio de 2026, aproximando-se da marca do trilhão em apenas cinco anos de existência. A OpenAI, criada em 2015, caminha para um IPO que o mercado já precifica acima dessa cifra, com menos de uma década de operação. O intervalo entre a fundação e o trilhão está encolhendo a uma velocidade que não encontra paralelo em nenhuma outra onda tecnológica anterior. E é exatamente essa compressão que merece ser lida com cuidado, porque o que ela revela vai muito além de uma corrida especulativa.

Para compreender o que mudou, é preciso entender o que cada uma dessas ondas tecnológicas anteriores, de fato, construiu. Quando a Microsoft atingiu US$ 1 trilhão em 2019, ela não estava sendo recompensada apenas por vender software. Ela estava sendo recompensada por ter criado, ao longo de quatro décadas, a linguagem operacional do mundo corporativo. O Windows e o Office, nesse sentido, não foram apenas produtos, mas foram a camada sobre a qual centenas de milhões de profissionais aprenderam a trabalhar com computadores. A transição posterior para a nuvem, conduzida por Satya Nadella com o Azure, representou uma segunda fundação, equivalente a reconstruir o navio em alto-mar, e foi essa capacidade de se refundar que permitiu à empresa cruzar a marca do trilhão. A Apple, por sua vez, precisou de 42 anos e de uma reinvenção completa sob Steve Jobs para chegar ao mesmo patamar, e o que construiu nesse percurso foi algo que não existia antes: a ideia de que tecnologia podia ser um objeto de desejo de massa, um ecossistema fechado onde hardware, software e serviços se retroalimentavam em um ciclo de fidelização sem precedente. O iPhone, nesse cenário, não foi apenas um telefone; foi a plataforma que ensinou bilhões de pessoas a viver dentro de uma tela.

Cada uma dessas empresas, portanto, não apenas vendeu um produto. Pelo contrário, ergueram uma camada de infraestrutura sobre a qual a economia seguinte passou a funcionar. E é exatamente aqui que o caso da Amazon introduz uma distinção que se tornou central para entender o que veio depois. Como analisamos anteriormente nesta série, o fosso competitivo da Amazon não reside em algoritmos ou patentes, mas na própria estrutura de custos que sustenta tudo, em metros cúbicos de armazéns regionalizados, rotas otimizadas e uma engenharia de incentivos onde aquilo que é bom para o cliente é, simultaneamente, bom para a operação. Mas o que a Amazon mudou de verdade, e que poucos concorrentes compreenderam a tempo, foi algo mais profundo do que logística: ela demonstrou que infraestrutura não é o meio para executar uma estratégia, mas pode ser a própria estratégia. A AWS não nasceu como um produto separado da loja virtual; nasceu da percepção de que a capacidade computacional construída para suportar o e-commerce podia ser vendida como serviço a qualquer empresa do mundo. Em 24 anos, a Amazon transformou seus bastidores em plataforma, e ao fazê-lo provou um princípio que a inteligência artificial levaria às últimas consequências: quem controla a infraestrutura sobre a qual os outros operam, controla as regras do jogo.

O Google, que alcançou o trilhão em 22 anos, acrescentou outra camada a essa construção: a monetização da atenção em escala planetária. Busca, publicidade, YouTube, Android e, posteriormente, a nuvem formaram uma máquina de geração de caixa que transformou o tempo e a atenção de bilhões de pessoas em commodity comercializável. A Meta, que chegou em 17 anos, radicalizou essa lógica ao concentrar Facebook, Instagram e WhatsApp em um único ecossistema de interação social, criando a maior infraestrutura de relacionamento humano mediado por tecnologia da história. E a Tesla, que atingiu a marca em 18 anos, fez algo diferente de todas as anteriores: convenceu o mercado de que não era uma montadora, mas uma empresa de software que, por acaso, vendia carros, e ao fazê-lo antecipou uma reclassificação que se tornaria decisiva na era da inteligência artificial. O que se observa nessa sequência, portanto, não é apenas uma aceleração. É um encurtamento progressivo do ciclo de construção, onde cada nova empresa precisou de menos tempo porque herdou a infraestrutura que a anterior deixou para trás.

E é precisamente aqui que a inteligência artificial introduz uma ruptura que precisa ser compreendida em sua verdadeira dimensão. Porque a IA não herdou apenas uma camada. Herdou todas, simultaneamente. A internet já está instalada. Os smartphones já estão nos bolsos de bilhões de pessoas. Os servidores em nuvem já operam em escala planetária. Os sistemas de pagamento digital já funcionam sem fricção. As redes sociais já concentram a atenção global. Quando a OpenAI lançou o ChatGPT, não precisou esperar que o mundo aprendesse a usar um computador, nem que as empresas adotassem conexões de banda larga, nem que uma rede de distribuição fosse erguida do zero. O produto simplesmente emergiu sobre cinco décadas de investimento acumulado em infraestrutura digital, e o resultado foi uma adoção que comprimiu em semanas o que, para gerações tecnológicas anteriores, levou anos ou décadas: mais de 900 milhões de usuários ativos semanais em um ritmo sem precedente. A infraestrutura pronta não é um detalhe. É a explicação.

Mas a compressão temporal da IA não se explica apenas pela herança de infraestrutura. Há um segundo fator, talvez mais profundo, que distingue esta onda de todas as anteriores: a inteligência artificial não é um produto que opera dentro dos limites de um setor, mas sim uma camada computacional que se integra a todos os setores existentes ao mesmo tempo. O computador pessoal pertenceu, inicialmente, ao mundo corporativo. A internet começou como ferramenta de comunicação e comércio. O smartphone era um dispositivo de consumo. Cada uma dessas tecnologias conquistou setores sequencialmente, expandindo-se de um mercado inicial para os adjacentes ao longo de anos. A IA, por contraste, penetra o financeiro, o varejo, a saúde, a logística, a educação, a defesa e a indústria simultaneamente, não porque seja mais ambiciosa, mas porque sua natureza é diferente: ela não substitui uma ferramenta por outra; ela substitui o humano como nó operacional da rede.

Essa é, provavelmente, a entrelinha mais importante do que os valuations estão nos dizendo. As ondas tecnológicas anteriores criaram ferramentas cada vez mais poderosas, mas o operador continuava sendo humano. O Windows deu ao profissional uma mesa de trabalho digital, mas era o profissional quem tomava as decisões. O iPhone colocou a internet no bolso de cada pessoa, mas era a pessoa quem navegava, escolhia e executava. A Amazon automatizou a logística, mas humanos ainda gerenciavam estoques, respondiam clientes e calibravam preços.

O que a inteligência artificial faz é qualitativamente diferente, pois ela assume o papel de operador. Como observamos ao analisar a Revolut e o Magalu, o usuário já não navega um sistema para encontrar o que precisa; ele declara uma intenção e um agente executa. No atendimento, na programação, na análise financeira, na redação, na tomada de decisões operacionais, o que está em curso não é uma automação de tarefas repetitivas, como a robótica industrial fez nas fábricas. É, com efeito, uma delegação de julgamento. E quando o julgamento é delegável, o número de setores que podem ser transformados deixa de ser limitado pela natureza da tecnologia e passa a ser limitado apenas pela quantidade de julgamento que existe para ser delegado, que é, na prática, quase infinita.

É por isso que o mercado precifica a Anthropic em quase US$ 1 trilhão com cinco anos de operação e a OpenAI acima de US$ 850 bilhões com onze. A receita anualizada da Anthropic já ultrapassa US$ 44 bilhões, com a empresa encaminhando-se para registrar seu primeiro lucro operacional no segundo trimestre de 2026. A OpenAI gera cerca de US$ 2 bilhões por mês. O caso da Nvidia, também, que saltou de fabricante de placas gráficas para a empresa mais valiosa do mundo, com capitalização superior a US$ 5 trilhões, é talvez o mais revelador, ao passo que o que aconteceu não foi apenas valorização, mas uma reclassificação fundamental, porque o mercado deixou de ver a empresa como fornecedora de semicondutores e passou a vê-la como a base física sobre a qual a próxima era econômica está sendo erguida.

Esses números não são, portanto, apostas especulativas sobre promessas futuras. São o mercado internalizando que a inteligência artificial é a próxima camada fundamental da economia, análoga ao que o sistema operacional foi para a computação pessoal, ao que a nuvem foi para a infraestrutura corporativa e ao que o smartphone foi para o consumo digital, só que capaz de ocupar todas essas posições ao mesmo tempo.

No entanto, seria imprudente ignorar os riscos que essa velocidade embute. Valuations trilionários em mercados privados, antes mesmo de um IPO, pressupõem não apenas crescimento, mas dominância sustentada em um mercado que ainda está se consolidando. A OpenAI projeta perdas de US$ 14 bilhões em 2026 e pode necessitar de mais de US$ 200 bilhões em capital adicional até o fim da década. A corrida armamentista por capacidade computacional exige investimentos de uma magnitude que testa os limites do que o capital privado pode sustentar. E a história da tecnologia nos lembra, com insistência, que liderar uma onda não garante sobreviver à consolidação que inevitavelmente a sucede. Não se sabe ainda quais dessas empresas serão a Microsoft da era da IA e quais serão a Netscape: brilhantes, pioneiras e, no fim, absorvidas por quem soube construir melhor sobre os trilhos que elas abriram.

O que se sabe, porém, e que talvez seja a lição mais urgente desta compressão, é que ela não se limita à criação de valor corporativo. Ela se manifesta em cada domínio que a inteligência artificial toca. Ciclos de pesquisa que consumiam décadas agora se completam em meses. Produtos que levariam anos para atingir escala global alcançam centenas de milhões de usuários em semanas. Decisões empresariais que antes dispunham de trimestres para maturação agora exigem respostas em dias, como analisamos ao examinar o impacto da velocidade informacional sobre a qualidade do julgamento executivo. A IA não está acelerando processos dentro do tempo que conhecemos; está alterando a própria textura do tempo econômico. O intervalo entre invenção e adoção, entre fundação e escala, entre investimento e retorno, está sendo sistematicamente comprimido, e essa compressão reconfigura não apenas mercados, mas a maneira como organizações, líderes e sociedades inteiras precisam pensar sobre o que significa preparar-se para o que vem a seguir.

Há algum tempo, usamos a metáfora do paradoxo da janela do avião para descrever como a ilusão de estabilidade anestesia a percepção da velocidade real das mudanças. O que a compressão temporal da inteligência artificial nos mostra é que a paisagem vista pela janela continua parecendo mover-se devagar, mas o painel de instrumentos já marca uma velocidade para a qual a maioria das organizações simplesmente não está calibrada. O trilhão que levava 44 anos agora leva cinco. E se o tempo necessário para criar uma empresa trilionária encolheu nessa proporção, a janela para reagir a ela encolheu na mesma medida. Neste novo regime temporal, chegar tarde não é perder uma oportunidade. É descobrir que o jogo já mudou, que os nós da rede já não são mais humanos, e que o relógio que você usava para medir o futuro já não marca a hora certa.

Leia também:

A leitura óbvia do tema diz que estamos diante de mais um ciclo de transformação digital, comparável ao mobile ou ao e-commerce. Não é. Mobile e e-commerce mudaram o canal entre marca e consumidor, mas mantiveram a relação direta entre eles. O comércio agêntico não muda o canal: muda quem está sentado na mesa. O cliente passa a delegar a decisão. O agente passa a comparar, escolher, finalizar. E a marca, que gastou décadas construindo desejo, branding e diferenciação emocional, descobre que o novo intermediário não se importa com nada disso. O agente quer dados estruturados, APIs limpas, preço, prazo, política de devolução. O que era investimento de marca vira ruído para a máquina que decide.

Faça download agora do relatório completo. É gratuito.

O Blind Spot da Entrelinhas dessa edição é justamente isso: o setor inteiro está se preparando para uma corrida tecnológica, quando deveria estar se preparando para uma redistribuição de poder. E essa redistribuição já começou. Em silêncio. No relatório, eu mapeio o tamanho da onda (entre 3 e 5 trilhões de dólares em comércio global redirecionados por agentes até 2030, segundo a McKinsey), os players que estão construindo a infraestrutura, os protocolos que vão definir quem vence, e o ponto cego que nenhuma mesa de diretoria nomeou ainda.

No relatório completo você vai encontrar:

• O tamanho real do mercado e os números que estão sendo subnotificados pela imprensa de negócios

• O mapa dos players já posicionados (OpenAI, Google, Amazon, Shopify, Stripe, Salesforce) e quem está condenado a virar fornecedor de quem

• Os protocolos invisíveis que vão decidir o jogo nos próximos cinco anos

• O ponto cego que muda o que a sua empresa deveria estar investindo agora

• A janela que ainda está aberta para empresas brasileiras se posicionarem antes que feche

• A síntese estratégica: o que fazer com isso nos próximos 12 a 24 meses

Quem decide hoje achando que isso é problema de tecnologia vai descobrir, em 2027, que era problema de posicionamento. É para essas pessoas que escrevo o Blind Spot. Acesso gratuito em report.entrelinhas.ai. Boa leitura.

O robô que vai morar com você

Tem uma startup em Wuhan distribuindo robôs de graça para famílias com idosos. Isso parece filantropia. Não é. A GigaAI acaba de começar a colocar o SeeLight S1, seu humanoide doméstico, em lares reais de profissionais de tecnologia na China. A próxima fase, prevista para 2027, distribui unidades sem custo para famílias com idosos, crianças ou animais de estimação. O robô cozinha, lava roupa, estende varal, arruma a cama. Custa US$ 15 mil para quem quiser comprar. Para quem aceitar o teste, não custa nada.

O motivo é simples e revela tudo sobre a corrida da robótica. O maior gargalo da tecnologia hoje não é o hardware nem o software. É a falta de dados do mundo físico. Um robô aprende a pegar um ovo sem quebrá-lo não por ver fotos de ovos, mas por errar na força e corrigir em tempo real. Esse aprendizado só acontece em ambientes reais: com o peso do copo diferente a cada vez, com a criança que entra correndo na cozinha, com o idoso que muda de posição na cadeira. Nenhuma simulação substitui isso. Cada lar é um laboratório que nenhum concorrente ocidental consegue replicar na mesma escala.

A China tem um problema demográfico concreto: população envelhecendo rápido, poucos jovens para cuidar dos mais velhos, e uma cultura em que filhos adultos sentem o peso de não conseguir estar presentes. O SeeLight S1 não é só um produto. É a resposta do governo de Pequim para uma crise social que chegará antes do previsto. Colocar robôs em casas de idosos é política pública embrulhada em tecnologia.

O que vale observar não é o robô em si. É o modelo. A GigaAI está construindo a maior base de dados do mundo físico da história, financiada por famílias que acreditam estar recebendo um benefício. Quando essa base de dados estiver madura, qualquer empresa que quiser entrar no mercado de robótica doméstica vai ter que competir com anos de aprendizado real que nenhum dinheiro compra de volta.

A fusão de Musk

Todo mundo fala como se a possível união entre Tesla e SpaceX fosse uma ideia nova. Não é. Peter Diamandis, um dos primeiros investidores da SpaceX, disse o que muita gente dentro das duas empresas já discutia abertamente: a fusão não é uma questão de se, mas de quando. Funcionários de ambas as empresas tratavam o assunto como conversa de corredor rotineira. Musk já havia conduzido conversas sobre a transação antes mesmo de unir a SpaceX com a xAI.

O motivo real não é tecnológico. É de controle. Na SpaceX, Musk detém 85,1% dos direitos de supervoto. Na Tesla, empresa de capital aberto, ele não tem esse poder. Uma fusão resolveria essa assimetria e daria a ele controle unificado sobre a maior infraestrutura privada do planeta: veículos elétricos em terra, satélites em órbita, sistemas de energia distribuída e, em breve, robotáxis autônomos.

A visão de Diamandis é cirúrgica. Uma empresa que combina a frota Tesla com a rede Starlink e a capacidade computacional acumulada criaria algo sem precedente: uma infraestrutura global operando simultaneamente no solo e no espaço, sob um único comando. Não é uma holding. É uma nova categoria de empresa.

O que a maioria dos analistas ainda não está discutindo: quando Musk consolida esse controle, ele deixa de ser fundador de empresas e passa a ser operador de infraestrutura crítica. A diferença importa. Infraestrutura não se vende, não se desinveste e não se substitui com facilidade. Quem a controla define as regras do jogo por décadas.

A disrupção do TikTok

Em 2019, a Universal Music era a maior gravadora do mundo e o TikTok era um aplicativo de adolescentes dublando músicas. Cinco anos depois, a Universal retirou todo o seu catálogo da plataforma em uma batalha de licenciamento, e a maior estrela do mundo, Taylor Swift, licenciou sua música diretamente para o TikTok, ignorando a própria gravadora. Não foi uma disputa entre empresas. Foi uma demonstração de quem, de fato, controla a atenção.

O TikTok não entrou na indústria da música para ser parceiro. Entrou para entender o mecanismo que faz um artista decolar, replicar esse mecanismo internamente e dispensar os intermediários. Desenvolveu seu próprio braço de distribuição, o SoundOn, que compete diretamente com o serviço central que as gravadoras oferecem. Criou sua própria biblioteca de músicas para anúncios. Cortou as equipes dedicadas a relacionamento com gravadoras e começou a trabalhar diretamente com artistas. Em menos de uma década, transformou o parceiro em concorrente, sem fazer nenhum anúncio.

O padrão se repete em outros setores. Quando o TikTok não atingiu as metas de comércio eletrônico nos EUA, colocou executivos da ByteDance diretamente nas operações do TikTok Shop, replicando o que havia funcionado no mercado chinês. A lógica é sempre a mesma: entrar como plataforma, aprender com os dados, reduzir a dependência de parceiros e assumir as camadas de maior valor da cadeia. Música foi o laboratório. Varejo foi o segundo experimento.

A pergunta que os CEOs de qualquer setor exposto à economia de atenção deveriam estar fazendo não é “como uso o TikTok para distribuir meu produto”. É uma pergunta diferente, mais incômoda: se o TikTok decidir entrar no meu mercado diretamente, o que resta de valor exclusivo que eu ainda controlo? Gravadoras levaram anos para fazer essa pergunta. Quando chegaram à resposta, Taylor Swift já havia decidido por conta própria.

Agentes na CIA na logística da Amazon

Todo dia, milhões de pacotes atravessam os Estados Unidos em caminhões operados por transportadoras independentes. É uma cadeia complexa, descentralizada e repleta de pontos cegos. A Amazon publicou um artigo detalhando como protege essa operação. A maioria das pessoas vai ler como notícia de logística. Não é.

O que o artigo revela, nas entrelinhas, é o tamanho do problema que a Amazon enfrenta. A empresa mantém uma equipe própria de investigação formada por ex-agentes do FBI e da CIA dedicada exclusivamente a desmantelar redes criminosas que atacam sua cadeia de fornecimento. Em um caso recente, esse trabalho ajudou a prender 13 pessoas e recuperar US$ 83 milhões em mercadorias roubadas. Em outro, um indivíduo foi indiciado em 13 acusações de fraude com pena máxima de 20 anos por cada uma. Não é um problema de segurança. É um problema de crime organizado em escala industrial.

O mecanismo que a Amazon construiu para responder a isso é revelador. O aplicativo Relay, usado por transportadoras independentes para acessar cargas, funciona como uma plataforma de credenciamento contínuo: verificação de identidade em tempo real, foto do motorista antes de cada viagem, detecção de anomalias por inteligência artificial, cercas geográficas, sensores nas portas dos reboques que disparam alertas se abertas fora do trajeto. É uma infraestrutura de controle que vai muito além do que a maioria dos governos exige para o setor. A Amazon não está cumprindo regulação. Está construindo um padrão próprio porque o padrão público não é suficiente.

O que isso diz sobre o varejo global: à medida que as cadeias de fornecimento se tornam mais longas, mais fragmentadas e mais dependentes de parceiros terceirizados, o crime organizado encontra mais superfície para atacar. A Amazon gasta bilhões construindo logística própria em parte porque a logística de terceiros é vulnerável demais. Empresas que ainda dependem de cadeias externas sem esse nível de controle estão operando com uma exposição que não aparece no balanço, até o dia em que aparecer.

Leia também

Mas antes de explicar por quê, vale ter escala. A Apple produz cerca de 23 mil iPhones por hora. A Toyota fabrica aproximadamente 1.000 carros por hora nas suas plantas globais. Esses são produtos com décadas de otimização industrial, cadeias de fornecimento consolidadas e fábricas que custaram bilhões para construir.

A Figure está em 1 por hora. Parece irrisório. Mas o iPhone demorou anos para sair de protótipo para produção em escala. O carro, décadas. E há um argumento razoável de que o robô humanoide, por ser uma plataforma mais modular e menos dependente de motores de combustão e de baterias de grande formato, tem um teto de escala mais alto do que qualquer um desses produtos. A complexidade existe, mas é de tipo diferente.

O que muda o jogo não é a velocidade de produção. É o que cada unidade faz depois que sai da linha. Cada robô que entra no mundo real é um coletor de dados. Ele tropeça, se corrige, aprende a pegar uma caixa de um jeito que nenhuma simulação consegue replicar. O mundo físico ensina o que o modelo não antecipa. Quando a Figure acelera a produção, ela está acelerando o aprendizado da sua inteligência artificial.

É o mesmo padrão que a Tesla executou. Não foi a tecnologia mais sofisticada que venceu. Foi a frota maior coletando mais dados do que qualquer concorrente conseguia acompanhar. Quando a concorrência percebeu, o distanciamento já era intransponível. A corrida dos humanoides vai seguir a mesma lógica. E 1 por hora é onde ela começa.

Leia também

Pela primeira vez, bilhões de pessoas puderam compartilhar ideias, conhecimento, experiências e criatividade em escala global. A rede se transformou em um enorme repositório da inteligência humana. Um reflexo vivo de quem somos.

Mas algo começa a mudar.

Segundo pesquisas recentes, uma parcela crescente do conteúdo publicado na internet já é produzida por inteligência artificial. O que antes era um ambiente alimentado principalmente por humanos passa, gradualmente, a ser preenchido por máquinas produzindo para outras máquinas.

E esse movimento levanta uma questão muito mais profunda do que parece.

A discussão não é apenas sobre automação de conteúdo. É sobre a própria natureza da criatividade.

Durante décadas, a internet evoluiu porque bilhões de pessoas observavam o mundo, criavam interpretações originais, compartilhavam experiências únicas e geravam novas ideias. A matéria-prima da rede era a diversidade humana.

Agora, começamos a substituir parte desse processo por sistemas treinados justamente com aquilo que os humanos criaram anteriormente.

Surge então um paradoxo curioso.

As inteligências artificiais aprendem consumindo conteúdo. Mas, à medida que mais conteúdo passa a ser gerado por IA, os modelos começam a aprender cada vez mais com produções artificiais. É como um ecossistema que passa a se alimentar de si mesmo.

O risco não é a falta de informação.

O risco é a perda de novidade.

Porque conhecimento avança quando surgem observações inesperadas, interpretações originais e ideias que rompem padrões existentes. Já sistemas estatísticos tendem, por definição, a reproduzir padrões que já foram vistos antes.

Isso cria uma pergunta desconfortável para o futuro da internet.

O que acontece quando a rede deixa de ser um espelho da humanidade e passa a ser um espelho de algoritmos?

Talvez o maior valor humano da próxima década não seja acesso à informação. Será a capacidade de produzir aquilo que as máquinas não conseguem gerar sozinhas: experiência vivida, imaginação genuína, intuição, contexto e criatividade original.

Porque a inteligência artificial pode reorganizar conhecimento.

Mas ela ainda depende de alguém para criar o próximo conhecimento.

No fim, a verdadeira escassez não será computação, dados ou conteúdo.

Será originalidade.

E, em um mundo cada vez mais preenchido por conteúdo artificial, a criatividade humana pode se tornar o ativo mais valioso de todos.

Veja também:

Esse pressuposto, porém, está sendo silenciosamente invalidado. E quem está assumindo o lugar do humano na rede não é outro humano, mas uma nova categoria de entidade digital: os agentes de inteligência artificial.

Diferentemente de um usuário convencional, que mantém uma sessão contínua enquanto navega, um agente de IA opera por rajadas. Ele recebe uma instrução, dispara dezenas de subagentes simultâneos que consultam bancos de dados, vasculham documentos e chamam APIs em questão de segundos, e depois simplesmente desaparece, sem manter conexão, sem gerar o tipo de tráfego estável para o qual a internet foi projetada. É como se, de repente, um restaurante que sempre atendeu clientes sentados, com pedidos individuais e tempos previsíveis de refeição, começasse a receber multidões que entram ao mesmo tempo, consomem tudo em trinta segundos e somem sem aviso. A cozinha, o salão, o estoque, nada foi dimensionado para isso.

E esse novo tipo de frequentador já não é uma projeção teórica. A Cloudflare, uma das maiores empresas de infraestrutura da internet, revelou que bots já respondem por 31% de todo o tráfego HTTP global nos últimos seis meses, e que rastreadores de IA, mecanismos de busca automatizados e assistentes virtuais representam cerca de um quarto dessas solicitações. A projeção da própria empresa é categórica, ao afirmar que o tráfego gerado por máquinas ultrapassará o tráfego humano em algum momento do primeiro semestre de 2027. Estamos, portanto, a menos de um ano de um marco em que a maior parte da atividade na internet não será gerada por pessoas.

Foi exatamente diante dessa realidade emergente que a Amazon decidiu reformular uma peça central da sua infraestrutura em nuvem. Na última quinta-feira, a AWS lançou a nova geração do OpenSearch Serverless, um sistema de busca e armazenamento vetorial, projetado, desta vez, especificamente para o comportamento dos agentes. A mudança principal é técnica, mas sua lógica é reveladora: na versão anterior, computação e armazenamento eram acoplados. Isso significava que, para que o sistema estivesse pronto quando um agente precisasse dele, era necessário manter ao menos uma instância permanentemente ativa, consumindo recursos e gerando custos mesmo quando ninguém, nem humano, nem máquina, estivesse usando. Era o equivalente a pagar por uma vaga de estacionamento vinte e quatro horas por dia para um carro que aparece de forma imprevisível, fica trinta segundos e vai embora.

A nova arquitetura resolve esse problema ao separar as duas camadas. A capacidade computacional agora pode escalar em segundos durante os picos de atividade dos agentes e, o que é mais significativo, reduzir-se a zero quando eles estão ociosos, de modo que o cliente não paga nada pela inatividade. A metáfora que a própria AWS utilizou é precisa: “saiu-se da vaga fixa para o parquímetro. Você paga apenas enquanto o carro está ali”.

Essa distinção, que a princípio parece um detalhe de engenharia, carrega uma implicação econômica de primeira ordem. A infraestrutura antiga, ao impor custos fixos mesmo na ociosidade, funcionava como uma barreira implícita à adoção de agentes em larga escala. Empresas que quisessem colocar sistemas agenticos em produção precisavam arcar com o custo de manter a infraestrutura de prontidão, independentemente de quanto ela fosse de fato utilizada. Ao eliminar esse custo residual, a Amazon não está apenas otimizando um serviço; está, na prática, barateando o preço de se operar um agente. E essa redução, quando distribuída por milhares de empresas, tem o potencial de acelerar dramaticamente a transição de agentes da fase experimental para a operação real.

E aqui vale reconhecer um padrão. A lógica por trás desse movimento é estruturalmente idêntica àquela que a própria Amazon aplicou no varejo ao longo das últimas duas décadas: cada centavo retirado do custo operacional é um centavo que viabiliza mais uso, que gera mais volume, que dilui ainda mais o custo, que viabiliza ainda mais uso. No varejo, essa espiral transformou a empresa na varejista mais barata dos Estados Unidos. Na nuvem, a mesma dinâmica pode transformar a AWS na plataforma onde agentes de IA são mais baratos de operar, e portanto, onde mais agentes são implantados, logo, onde a Amazon coleta mais dados sobre como agentes se comportam, e por isso, onde ela consegue otimizar ainda mais a infraestrutura. É o mesmo ciclo virtuoso, aplicado a um novo domínio.

Não por acaso, a Amazon não está sozinha nessa corrida. A Databricks e a Snowflake já se reposicionam como sistemas de memória e recuperação de dados para inteligência artificial corporativa. A Microsoft lançou atualizações no Azure projetadas para lidar com picos de uso gerados por agentes e permitir o compartilhamento de memória entre eles. A Cloudflare apresentou no mês passado uma infraestrutura voltada para oferecer aos agentes ambientes persistentes com escalonamento instantâneo. O que se observa, assim, não é a iniciativa isolada de um player, mas a reorganização coordenada de toda a camada de infraestrutura da internet em torno de um novo tipo de consumidor, um que não é humano, não é previsível e não é contínuo.

E esse consumidor já está mudando a forma como interagimos com os sistemas digitais. A Revolut, ao lançar o AIR, substituiu a navegação por menus pela simples declaração de intenção, onde o usuário diz o que quer, e o agente executa. O Magalu transformou o WhatsApp da Lu em uma jornada completa de compra, da descoberta ao pagamento, mediada por inteligência artificial. O Google, na I/O da semana passada, anunciou que usuários poderão delegar tarefas inteiras a sistemas de IA, de pesquisas de compra a reservas de viagem. Cada um desses movimentos, no entanto, pressupõe uma infraestrutura capaz de suportar o comportamento errático e explosivo dos agentes nos bastidores. E é precisamente essa infraestrutura que está sendo construída agora.

O que se desenha, com isso, é algo mais profundo do que uma atualização técnica. É a ascensão de uma segunda camada funcional sobre a internet, projetada por e para máquinas, onde a unidade básica de interação deixa de ser o clique e passa a ser a instrução, onde o padrão de consumo não é a sessão contínua mas o disparo episódico, e onde o custo de operação precisa ser tão granular quanto a própria atividade que o justifica. A internet humana não desaparece, mas passa a coexistir com uma internet agentica que, em volume e em velocidade, tende a superá-la.

Para quem toma decisões, a implicação é direta. A infraestrutura sempre foi, historicamente, uma camada invisível, algo que se delega ao time técnico e se revisa no orçamento de TI. Mas quando a infraestrutura determina quais agentes podem operar, a que custo, com que velocidade e em que escala, ela deixa de ser suporte e se torna estratégia. Empresas que não compreenderem essa mudança continuarão pensando em agentes de IA como funcionalidades a serem adicionadas aos produtos existentes. As que compreenderem entenderão que os agentes são, na verdade, os novos usuários, e que a vantagem competitiva pertencerá a quem souber servi-los melhor, antes mesmo de servir às pessoas que os comandam.

A internet está sendo reconstruída. E, pela primeira vez em sua história, o principal motivo não é melhorar a experiência de quem está do outro lado da tela. É porque, cada vez mais, não há ninguém do outro lado.

Leia também:

O que Kennedy demonstrou com o programa Apollo, que ambição estratégica, capital concentrado e urgência geopolítica podem comprimir décadas de progresso em anos, é precisamente o que se observa agora na corrida pela IA. A diferença é que, desta vez, a largada já foi dada por vários competidores ao mesmo tempo, e os que chegarem primeiro não apenas vencerão uma corrida, mas redesenharão a infraestrutura econômica, militar e social do século XXI.

A Anthropic É a Startup de IA Mais Valiosa do Mundo

Era uma questão de tempo, e o tempo chegou. A Anthropic fechou uma rodada de US$ 65 bilhões que avaliou a empresa em US$ 965 bilhões após a entrada do novo capital, ultrapassando oficialmente a OpenAI e tornando-se a startup de inteligência artificial mais valiosa do planeta. Para colocar a velocidade dessa ascensão em perspectiva, há apenas três meses, a empresa valia cerca de US$ 380 bilhões. O salto de 2,5 vezes em tão pouco tempo não tem paralelo na história recente do Vale do Silício, e sinaliza algo que transcende o otimismo financeiro: o mercado está dizendo, com dinheiro, que a liderança técnica na corrida pela IA mudou de mãos.

Os fundamentos que sustentam esse valuation não são apenas narrativos, são operacionais. A receita anualizada da Anthropic ultrapassou US$ 47 bilhões neste mês, impulsionada sobretudo pelo Claude Code, a ferramenta de programação assistida por IA que se tornou referência entre desenvolvedores corporativos. Desde que a empresa aprimorou sua tecnologia de código em novembro, centenas de empresas passaram a pagar pelo serviço, e as projeções apontam para o primeiro trimestre lucrativo da história da companhia, algo que, nesta faixa de valuation, é tão raro quanto decisivo. Ao mesmo tempo, a Anthropic trouxe para a rodada parceiros estratégicos como Samsung, SK Hynix e Micron, fabricantes de chips de memória e armazenamento que são o substrato físico sobre o qual modelos de IA existem. Isso, claramente não se trata apenas de investidores financeiros buscando retorno especulativo, mas de elos da cadeia de suprimentos apostando que o futuro da computação passará, cada vez mais, pelo ecossistema da Anthropic.

Como já abordamos em edições anteriores, a trajetória recente da Anthropic foi construída sobre uma combinação incomum de ousadia técnica e disciplina estratégica. A empresa comprou briga com o Pentágono sobre o uso de IA em cenários de guerra, lançou o Mythos, um modelo tão poderoso que decidiu não liberar integralmente ao público por razões de segurança, e aconselhou o papa Leão XIV em sua encíclica sobre os riscos da inteligência artificial. Enquanto a OpenAI dispersava energia com publicidade no ChatGPT, tensões de governança e proximidade com o governo Trump, a Anthropic manteve foco em desempenho, segurança e adoção corporativa. O resultado é que, numa sala cheia de quem constrói o futuro da IA, o nome mais pronunciado hoje não é mais o da empresa de Sam Altman. E o lançamento simultâneo do Claude Opus 4.8, que superou todos os concorrentes públicos em geração de código, é a demonstração prática de que a liderança não está apenas no valuation, mas no produto.

A disputa, evidentemente, está longe de encerrada. A OpenAI segue com US$ 122 bilhões em capital levantado e um pipeline robusto de modelos, e a SpaceX-xAI de Elon Musk, avaliada em US$ 2 trilhões, mira um IPO bilionário que pode redefinir mais uma vez a hierarquia. Mas o fato de que a Anthropic, fundada em 2021, tenha alcançado em cinco anos o que a OpenAI levou uma década para construir é, por si só, uma lição que extrapola o setor de IA: na economia da inteligência artificial, o vencedor não é necessariamente quem começa primeiro, mas quem constrói confiança, ecossistema e produto na velocidade certa. E o mercado acaba de dizer qual empresa, neste momento, está fazendo isso melhor.

Harvard Imprime Músculos Sintéticos para Robôs

Enquanto a disputa pela IA domina manchetes e valuations, uma revolução mais silenciosa, mas talvez igualmente profunda, acontece nos laboratórios de Harvard. Pesquisadores da Escola de Engenharia e Ciências Aplicadas apresentaram uma técnica de impressão 3D capaz de produzir filamentos sintéticos que se dobram, torcem, expandem ou contraem de forma programada, imitando, pela primeira vez de maneira prática, a complexidade mecânica de músculos biológicos. O estudo, publicado no periódico PNAS, utiliza a combinação de dois materiais com comportamentos opostos diante do calor: um polímero ativo, que muda de forma quando aquecido, e um elastômero passivo, que limita e direciona o movimento. A disposição precisa dos materiais durante a impressão define como cada fibra reagirá, dispensando motores, cabos, compressores ou qualquer mecanismo externo. O próprio filamento se torna o motor.

A implicação dessa tecnologia é significativa e menos abstrata quando lida no contexto da corrida pelos robôs humanoides, um tema que esta newsletter acompanha de perto. Como já abordamos, a China responde por mais de 90% dos humanoides vendidos globalmente, a BMW testa robôs da Figure AI em suas fábricas, a Meta adquiriu startups de IA robótica, e projeções do Bank of America estimam 3 bilhões de robôs humanoides até 2060. Todos esses avanços, no entanto, esbarram em uma limitação fundamental: a de que os robôs atuais dependem de motores rígidos, engrenagens e sistemas hidráulicos que os tornam pesados, lentos e energeticamente ineficientes quando comparados a qualquer organismo biológico. A técnica de Harvard ataca precisamente esse gargalo. Se músculos sintéticos impressos em 3D puderem ser integrados a robôs, o resultado será máquinas mais leves, mais ágeis e capazes de operar em ambientes projetados para o corpo humano, algo que nenhuma solução mecânica convencional consegue replicar com a mesma elegância.

Os próprios pesquisadores reconhecem limitações, afinal, a ativação ainda depende de calor, o que impõe desafios de velocidade de resposta e eficiência energética, e a tecnologia permanece distante de aplicações que exijam alta potência mecânica. Contudo, como disse Jennifer Lewis, uma das autoras do estudo, o método pode acelerar a transição de materiais semelhantes a músculos artificiais do laboratório para tecnologias do mundo real. E, em uma indústria onde a diferença entre um robô que opera em laboratório e um que trabalha em uma fábrica é, cada vez mais, apenas uma questão de atuadores adequados, a impressão 3D de músculos pode ser o elo que faltava entre inteligência artificial e presença física.

Mistral Leva IA para as Fábricas da Airbus e da BMW

A Mistral, a startup francesa que se consolidou como a principal desenvolvedora de inteligência artificial da Europa, anunciou parcerias com a Airbus e a BMW para aplicar o que chama de “IA física” em processos de engenharia industrial, abrangendo desde design e simulação até controle de qualidade. O movimento é simultaneamente uma expansão estratégica e uma declaração geopolítica. Afinal, ao firmar acordos com dois dos maiores fabricantes do continente, a Mistral não está apenas vendendo software, mas está se posicionando como a alternativa europeia às gigantes americanas e chinesas de IA num momento em que a independência tecnológica deixou de ser retórica para se tornar política de Estado.

O contexto que circunda essa parceria é tão relevante quanto a parceria em si, pois a Europa perdeu a corrida dos smartphones, ficou para trás em computação em nuvem, não produziu nenhuma plataforma de IA fundacional competitiva e viu suas montadoras serem desafiadas pela BYD e seus concorrentes chineses. Em meio a tarifas americanas e ameaças de Trump sobre a Groenlândia, governos europeus passaram a substituir fornecedores de software americanos em áreas sensíveis, e o temor de que Washington possa, em algum cenário, cortar o acesso a tecnologias críticas deixou de ser hipótese acadêmica para se tornar risco real de planejamento. E é, nesse ambiente, que a Mistral se apresenta como o antídoto: com modelos hospedados em data centers europeus, independentes tanto de empresas americanas quanto chinesas, e agora aplicados diretamente no chão de fábrica de dois dos maiores complexos industriais do continente.

A parceria com a BMW é particularmente reveladora quando se observa que a montadora já opera com robôs humanoides da Figure AI em suas fábricas americanas, onde o robô Figure 02 trabalhou por meses em ritmo real, contribuindo para a produção de mais de 30 mil veículos. A integração de IA da Mistral nesse ecossistema sugere que a BMW está construindo uma arquitetura de automação em camadas, onde robôs executam tarefas físicas e sistemas de IA otimizam decisões de engenharia, design e qualidade em tempo real. Deste modo, se a Mistral entregar o que promete, a convergência entre IA generativa e manufatura avançada pode transformar fábricas europeias em laboratórios vivos de uma nova revolução industrial, uma revolução que, desta vez, a Europa não pode se dar ao luxo de apenas importar.

Contudo, a declaração mais reveladora do dia veio de Guillaume Lample, cofundador e cientista-chefe da Mistral, ao afirmar que a empresa trabalha na corrida pela superinteligência e que a Europa não pode depender de rivais comerciais ou geopolíticos para acessar essas tecnologias. O argumento é direto: se curas para o câncer e avanços científicos puderem ser retidos da Europa por concorrentes que controlam a IA mais avançada, as consequências seriam catastróficas. É uma mudança de tom significativa para uma empresa que vinha se apresentando como pragmática e corporativa, e indica que a Mistral começa a perceber o que a Anthropic e a OpenAI já compreenderam: nesta corrida, quem não almeja a fronteira absoluta da inteligência artificial arrisca-se a perder não apenas o mercado, mas a soberania.

Tokens de IA: O Nascimento de um Novo Mercado Financeiro

Uma das movimentações mais silenciosas e potencialmente mais transformadoras do dia passou quase despercebida entre as manchetes de valuations bilionários: a Bolsa de Futuros de Xangai está desenvolvendo um mercado de derivativos para tokens de IA. Simultaneamente, as duas maiores bolsas de derivativos do Ocidente, o CME Group e a Intercontinental Exchange, proprietária da Bolsa de Nova York, anunciaram separadamente que trabalham no lançamento de contratos futuros para aluguel de GPUs. Em outras palavras, a unidade básica de precificação da inteligência artificial, o token, está sendo tratada pelo sistema financeiro global da mesma forma que o petróleo, o ouro e o gás natural: como uma commodity negociável.

Para compreender a magnitude dessa mudança, é necessário entender o papel dos tokens na economia da IA. Tokens são os blocos fundamentais de processamento dos modelos de linguagem, ou seja, cada palavra digitada, cada resposta gerada, cada linha de código produzida por uma IA é mensurada em tokens. Os planos corporativos das principais empresas de IA já são denominados nessa unidade. A OpenAI, por exemplo, cobra US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de tokens de saída para seu modelo GPT-5.5. A Amazon oferece cobrança por token no Bedrock. E, à medida que mais empresas constroem seus produtos sobre modelos de IA, o consumo de tokens se torna tão estrutural quanto o consumo de eletricidade, o que transforma a previsibilidade de custos em uma necessidade operacional crítica.

É exatamente nessa lacuna que os contratos futuros entram. Assim como companhias aéreas compram futuros de querosene para se proteger de oscilações no preço do combustível, empresas que dependem de IA poderão, em breve, travar o custo de seus tokens com meses de antecedência, reduzindo a exposição à volatilidade de preços que hoje varia entre US$ 1,40 e US$ 4,27 por hora no caso de GPUs H100, apenas entre os treze principais marketplaces monitorados. Para operadores de data centers, o instrumento funciona como garantia de receita; para startups de IA, como proteção de margem; e, para investidores, como mais um ativo na crescente classe de “infraestrutura computacional” que vem sendo construída nos últimos anos.

O fato de que a China esteja liderando a criação desse mercado não é trivial. Xangai, ao posicionar-se como a primeira bolsa a oferecer derivativos de tokens, está fazendo com a computação aquilo que fez com o petróleo: criando infraestrutura financeira que confere ao país influência sobre a formação de preços globais. Se os contratos futuros de tokens de IA se consolidarem em Xangai antes de Chicago ou Nova York, a China terá conquistado não apenas capacidade técnica em inteligência artificial, mas também o poder de precificá-la, algo que, na história das commodities, quase sempre se traduz em poder geopolítico.

Enquanto a disputa técnica pela IA se desenrola nos laboratórios de San Francisco e Londres, a disputa financeira já está sendo decidida nos pregões de Xangai.

Leia também:

Porque é isso que está acontecendo. O iFood parou de ser um app de comida. Virou camada. E quem entende a diferença entre vender uma transação e operar um comportamento começa a ver o tamanho real da jogada.

A conta que pouca gente faz

Os números públicos do iFood contam uma história econômica que vale a pena destrinchar. São cerca de 60 milhões de usuários ativos e até 180 milhões de pedidos por mês, com 500 mil estabelecimentos integrados e quase 500 mil entregadores. Em 2025, a plataforma processou mais de 1 bilhão de pedidos, o equivalente a 0,64% do PIB brasileiro passando por uma única plataforma, sete dias por semana, 24 horas por dia.

Guarde esse desenho na cabeça: existe um ativo construído ao longo de quinze anos, caríssimo de montar e quase impossível de replicar. Conquistar 60 milhões de pessoas que confiam, cadastram cartão e voltam é a parte difícil. Caríssima. E foi feita.

Aqui mora o ponto que quase ninguém nomeia. O custo de adquirir esse cliente já foi pago. Toda receita nova que você consegue extrair dele depois é margem sobre um investimento que já aconteceu. É por isso que o CEO Diego Barreto fala em “aumento de recorrência” como o principal caminho de crescimento, em vez de só correr atrás de cliente novo. Ele não está falando de marketing. Está falando de física econômica.

O mesmo cliente, monetizado mais vezes

Veja o que o iFood está empilhando em cima da mesma base. Restaurantes, mercado, farmácia. Depois corridas, em parceria com a Uber. Viagens, com desconto em hospedagem para membros do clube. E uma fintech própria, o iFood Pago, com crédito, pagamentos e cartão.

Não é diversificação por diversificação. É a mesma pessoa, atravessando categorias diferentes, dentro do mesmo ambiente. Cada nova vertical não precisa pagar de novo pela aquisição do cliente. Ela aluga o relacionamento que já existe.

E os números confirmam que o método funciona. Na vertical de benefícios corporativos, quem entra na base do iFood Benefícios aumenta a recorrência de uso em 31%, e o GMV sobe 35%. Em grandes empresas, a frequência de pedidos cresceu até 76%. O cliente é o mesmo. O que muda é quantas vezes ele transaciona dentro da casa.

O Clube iFood é o coração desse mecanismo. São mais de 11 milhões de assinantes, responsáveis por cerca de metade de todos os pedidos da plataforma. A assinatura não é um programa de fidelidade no sentido antigo. É uma máquina de mudar comportamento, de levar a pessoa a pedir o que antes ela não pediria.

Por que o DNA de IA muda tudo

Aqui é onde a história deixa de ser sobre logística e passa a ser sobre inteligência. Uma base de 60 milhões de pessoas é valiosa. Mas uma base de 60 milhões com 190 modelos proprietários de inteligência artificial rodando por cima dela é outra coisa completamente diferente. A IA é o que transforma dado parado em decisão automática: o que te oferecer, quando, a que preço, com qual desconto, em qual horário você costuma ceder.

Repare na declaração de uma executiva do iFood sobre o lado dos restaurantes: o desafio não é dar acesso aos dados, é entregar o insight de forma personalizada e proativa, e a IA serve justamente para isso. Troque “restaurante” por “consumidor” e você entende a mecânica do outro lado do balcão.

É aí que está o ponto cego de quem só olha o app de delivery. Cada categoria nova que entra não traz só uma receita a mais. Traz mais dado sobre a mesma pessoa. Comida revela rotina. Mercado revela composição familiar. Farmácia revela saúde. Corrida revela deslocamento. Pagamento revela renda e capacidade de gasto. Junte tudo e o iFood passa a conhecer o consumidor brasileiro melhor do que quase qualquer banco, varejista ou operadora. E quanto mais ele sabe, melhor ele monetiza, o que gera mais dado, que melhora a monetização. O ciclo se retroalimenta.

O que isso significa de verdade

Um sistema operacional não é o aplicativo que você mais usa. É o ambiente sobre o qual todos os outros rodam. O Windows não te vende um programa, te vende o lugar onde os programas existem. É exatamente esse posto que o iFood está disputando para o consumo do dia a dia do brasileiro. A própria empresa resume a ambição como “reunir mais serviços em um só lugar”, uma frase que sinaliza algo muito maior do que entrega.

E o plano financeiro acompanha a tese. São R$ 17 bilhões investidos entre abril de 2025 e março de 2026, ante R$ 13,6 bilhões no ano anterior, direcionados principalmente para aumentar tráfego, recorrência e novos segmentos. Ou seja: dinheiro entrando justamente para fazer o mesmo cliente render mais vezes. A meta declarada é saltar de 60 para 80 milhões de usuários ativos até 2028, e subir para 200 milhões de pedidos mensais. Mais base, e cada um da base rendendo mais.

A pergunta que fica

A maioria dos concorrentes está jogando o jogo errado. Está tentando ganhar a guerra do delivery, brigando por entrega, por preço de frete, por tempo de chegada. O iFood já saiu dessa briga. Ele está disputando outra coisa: ser o trilho por onde passa o consumo de uma fatia inteira do Brasil.

E o vetor invisível, o ponto que quase ninguém nomeou, é este: o valor do iFood não está no número de pedidos de comida. Está em quantas vezes ele consegue cobrar pela mesma relação de confiança antes que o cliente perceba que mudou de categoria. Comida foi só a porta de entrada. Era o produto barato o suficiente para você cadastrar o cartão sem medo. O resto é consequência.

Quem ainda enxerga o iFood como app de comida está olhando para a embalagem. O produto é a sua atenção, o seu cartão e o seu hábito. E sobre esse ativo, ainda mal explorado, cabe muito mais do que cabia ontem.

A pergunta que eu deixo não é “o iFood vai vender o quê agora?”. É: quando uma única plataforma passa a operar a comida, o mercado, o remédio, o transporte, a viagem e o pagamento da sua casa, ela ainda é uma empresa de delivery, ou já é a infraestrutura do seu consumo, e você só não percebeu?

Leia também

Uma semana depois de a Nvidia reportar o trimestre mais lucrativo da história de qualquer empresa de semicondutores, registrando US$ 81,6 bilhões em receita e um lucro líquido de US$ 58,3 bilhões acoplado ao crescimento de 211% em base anual, Burry publicou dois textos no Substack afirmando que as condições para uma queda estão, segundo ele, entre as mais fortes de toda a trajetória da ação. Com a cotação em máxima histórica e 39 dos 41 analistas de Wall Street recomendando compra, a provocação não é apenas contrária; é desconfortável. E, por isso mesmo, merece ter nossa atenção.

O primeiro argumento de Burry não ataca a Nvidia pelo que ela fez, mas pelo que seus próprios documentos regulatórios revelam sobre quem sustenta esse crescimento. O relatório enviado à SEC mostra que os três maiores clientes da empresa passaram a responder por 64% das contas a receber, ante 56% no trimestre anterior. Mais significativo, porém, é o detalhe que o mercado preferiu ignorar na celebração dos resultados: o maior cliente individual, que analistas do setor especulam ser a Microsoft, aumentou sua participação nas contas a receber ao mesmo tempo em que reduziu sua fatia na receita total. É a primeira vez em treze trimestres que essa divergência aparece.

O analista conjectura que a Microsoft pode estar antecipando compras de chips que ainda não precisa no curto prazo, como forma de garantir prioridade de acesso às próximas gerações de produtos da Nvidia. Na prática, isso sugeriria a existência de uma demanda artificialmente inflada para a fabricante de chips.

O risco torna-se ainda mais sensível em cenários nos quais esse único cliente eventualmente reduza suas aquisições em 20%, por exemplo. Um movimento dessa magnitude teria impacto estimado de 4,2% sobre a receita total da Nvidia. E, para uma empresa cujo valuation pressupõe crescimento exponencial praticamente contínuo, até mesmo uma desaceleração marginal pode ser suficiente para provocar uma reprecificação severa do ativo.

O segundo argumento, contudo, é o que carrega a dimensão mais provocadora da tese. Burry cunha o termo “tokenmaxxing” para descrever um fenômeno que, segundo ele, está inflando a demanda por chips de IA de maneira insustentável. A lógica é a seguinte: empresas, pressionadas pela narrativa de que precisam adotar inteligência artificial em todas as frentes, transformaram o consumo de tokens em métrica de produtividade. Ou seja, esse consumo não se trata de uso orgânico, mas de consumo induzido por metas, rankings internos e mandatos gerenciais. O próprio Jensen Huang, CEO da Nvidia, alimentou essa cultura ao sugerir que um engenheiro de software com salário de US$ 500 mil deveria consumir ao menos US$ 250 mil em tokens de IA por ano. Sam Altman, da OpenAI, fez ecoar retórica similar.

O que Burry questiona, portanto, não é se a IA tem valor, mas se o volume atual de consumo reflete utilidade real ou um hiperconsumismo corporativo orientado por cotas e pressão institucional. A distinção é sutil e, ao mesmo tempo, decisiva, pois se a demanda por chips é sustentada por necessidade real, a Nvidia está subvalorizada; se é sustentada por um ciclo de adoção forçada que tende a se normalizar, os preços atuais precificam uma realidade que não vai se materializar.

E aqui reside o paralelo mais relevante com a análise que fizemos recentemente sobre o executivo contemporâneo que vê tudo, mas não enxerga nada. Do mesmo modo que argumentamos que o excesso de informação sem hierarquia pode corroer a qualidade das decisões, o excesso de consumo de IA sem critério pode corroer a sustentabilidade da própria cadeia que a alimenta. O tokenmaxxing, nesse sentido, é a versão computacional do mesmo fenômeno: uma abundância que parece virtude, mas que, quando não mediada por discernimento, pode revelar-se apenas ruído travestido de progresso.

Empresas comprando chips como quem acumula estoque de guerra, sem clareza sobre o retorno real de cada token processado, reproduzem, no nível da infraestrutura, exatamente a dinâmica que corrói decisões no nível executivo: a incapacidade de distinguir o que é genuinamente necessário daquilo que apenas parece urgente.

O terceiro pilar da tese de Burry mira na mecânica do próprio mercado de ações. O volume de negociação da Nvidia, medido pela média móvel de 50 dias, está no menor nível desde 1999. As opções de venda estão mais baratas do que as de ações comparáveis, o que indica que poucos investidores estão protegidos contra uma correção. E, talvez o mais preocupante, Burry projeta que, em caso de venda generalizada, haverá poucos compradores na descida, pela simples ausência de demanda estrutural capaz de absorver o movimento. É a anatomia clássica de uma queda assimétrica, onde a subida é gradual e consensual; a descida, quando vem, é rápida e solitária.

Nada disso significa, evidentemente, que Burry esteja certo. Sua própria trajetória é um lembrete de que estar certo sobre a direção não significa estar certo sobre o tempo. Na crise de 2008, ele apostou contra o mercado imobiliário anos antes de o colapso se materializar, e quase perdeu tudo antes de ganhar. Desde então, fez diversas apostas contrárias ao mercado que não se concretizaram ou se concretizaram em proporções menores do que o previsto. Suas posições vendidas em ações de tecnologia nos últimos anos renderam resultados mistos. E a Nvidia, enquanto os argumentos se acumulam, continua entregando resultados que desafiam qualquer narrativa pessimista. Afinal, o que vemos são US$ 58,3 bilhões de lucro em um único trimestre de uma empresa cuja questão central é se seu preço já reflete não apenas o presente extraordinário, mas um futuro igualmente extraordinário que pode se materializar.

O ponto que realmente importa para líderes e estrategistas, porém, está menos na pergunta sobre se a Nvidia vai cair e mais na pergunta sobre o que a tese de Burry revela a respeito do estágio atual da revolução da IA. Porque, no fundo, os três argumentos convergem para uma mesma inquietação: a de que parte significativa da demanda que sustenta o ecossistema atual não é orgânica. É uma demanda de posicionamento, de corrida por prioridade, de medo de ficar para trás, o chamado FOMO corporativo em escala industrial. Empresas compram chips para não perder acesso. Executivos implementam IA para não parecer atrasados. Equipes consomem tokens para cumprir metas que medem atividade, não resultado.

E essa dinâmica tem consequências que transcendem o preço de uma ação. Quando escrevemos sobre o Magalu e a forma como a IA está sendo distribuída culturalmente dentro da organização, destacamos que o verdadeiro salto acontece quando a tecnologia deixa de ser projeto e vira linguagem. O risco que Burry ilumina é o exato oposto desse processo, ou seja, um ecossistema onde a IA não vira linguagem, mas burocracia. Onde o consumo substitui a compreensão e onde a adoção é medida em volume, não em valor gerado. Se essa parcela da demanda se revelar transitória, assim sendo, se, ao amadurecer, o mercado passar a otimizar o uso de IA em vez de maximizá-lo indiscriminadamente, o impacto sobre toda a cadeia de semicondutores será considerável. Não porque a IA vai perder relevância, mas porque a fase de acumulação desenfreada terá dado lugar a uma fase de racionalização. E fases de racionalização, historicamente, são onde as correções acontecem.

A questão, em última instância, não é se a IA é transformadora. Ela é, e de forma provavelmente irreversível. A questão é se o mercado está precificando a transformação real ou a euforia que a antecede. Burry argumenta que é a segunda. O mercado, por ora, aposta na primeira. E entre esses dois polos, existe um espaço imenso de incerteza que nenhum balanço trimestral, por mais espetacular que seja, consegue eliminar. Porque, no fim, a pergunta que define o destino de qualquer ativo em um ciclo de inovação não é “a tecnologia funciona?”, mas é “a demanda que a sustenta é real ou é reflexo de uma corrida que, em algum momento, vai desacelerar?”. E essa pergunta, por mais desconfortável que seja em meio à euforia, é precisamente a que todo líder deveria estar se fazendo agora.

Leia também:

Oitenta e nove anos depois, essa mesma lógica, a de que plataformas de escala planetária redefinem comportamentos inteiros, é o que une as histórias de hoje. Da Apple reinventando a Siri como porta de entrada da economia agêntica, a Musk fundindo impérios industriais sob um único trono, passando por agentes de IA que agora negociam ações e uma China que blinda seus pesquisadores como se fossem segredos de Estado, o que se observa é um mundo onde o poder se concentra, cada vez mais, nas mãos de quem controla a infraestrutura invisível que media tudo.

Apple Rumo aos US$ 5 Trilhões

As ações da Apple avançaram de forma consistente nas últimas semanas, acumulando mais de 22% de valorização desde o início do segundo trimestre e superando pares como Microsoft, Tesla e Meta. O movimento, contudo, não é meramente reflexo de resultados trimestrais sólidos, mas de uma tese de mercado que ganha tração a cada dia: a de que a Apple está prestes a se consolidar como a plataforma dominante na era da inteligência artificial voltada ao consumidor. Com a WWDC marcada para o início de junho, Wall Street precifica a expectativa de que Cupertino revelará uma Siri profundamente reformulada, alimentada pelo Gemini do Google, com capacidades de raciocínio contextual e interação conversacional que podem, enfim, transformar a assistente de um comando de voz limitado em uma verdadeira interface agêntica capaz de executar ações dentro do ecossistema de 2,3 milhões de aplicativos da App Store.

A lógica estratégica por trás dessa valorização é mais sofisticada do que o entusiasmo habitual de pré-lançamento. Como observou Wamsi Mohan, do Bank of America, em um mundo onde assistentes de IA se tornam a nova porta de entrada da vida digital, o valor se concentra na plataforma que controla a intenção do usuário, o contexto pessoal, os pagamentos e a confiança. E o smartphone, com 2,5 bilhões de dispositivos Apple em circulação, é exatamente onde todos esses fatores já convergem. Desse modo, a Apple não precisa ter o melhor modelo de fronteira se possuir a interface confiável que direciona a intenção entre modelos locais, modelos de nuvem e ações de aplicativos. A estimativa do Bank of America de que uma Siri agêntica poderia adicionar até US$ 65 bilhões em receita até 2030 dimensiona o tamanho da oportunidade, e explica por que a marca dos US$ 5 trilhões em valor de mercado deixou de ser ficção para se tornar um cenário provável.

Há, entretanto, uma tensão que o mercado ainda não precificou inteiramente. A arquitetura que torna a Apple única, com modelos leves rodando no dispositivo e cargas mais pesadas processadas em sua nuvem privada, depende de um componente que a empresa não controla: o Gemini. Conforme já abordamos em edições anteriores, o contrato bilionário com o Google resolve o problema de curto prazo ao entregar, a custo marginal, uma capacidade que custou dezenas de bilhões para ser construída. Porém, cria uma dependência no componente que promete redefinir toda a cadeia de valor da tecnologia de consumo.

A Siri acumula quase quinze anos de promessas não cumpridas, e a Apple já pagou US$ 250 milhões para encerrar ações coletivas por publicidade enganosa sobre seus recursos de IA. Se a WWDC de junho não entregar uma experiência que justifique a espera, a empresa correrá o risco de confirmar o que seus críticos já suspeitam: que dominar o hardware não garante relevância quando o valor migra para a camada de inteligência. A história da tecnologia, afinal, é repleta de empresas que controlavam o dispositivo enquanto o poder real escorregava para o software, e a Apple sabe disso melhor do que ninguém, pois foi exatamente assim que ela derrotou a Nokia.

Musk: o Tecno-Monarca

Novos detalhes sobre os planos de Elon Musk de fundir Tesla e SpaceX vieram à tona nesta quarta-feira, revelando uma ambição que transcende qualquer lógica corporativa convencional. A fusão combinaria a maior fabricante de veículos elétricos do mundo com a empresa que domina mais da metade de todos os lançamentos orbitais do planeta, criando uma entidade que operaria simultaneamente em solo terrestre, espaço orbital e infraestrutura de inteligência artificial, visto que a SpaceX já absorveu a xAI e a plataforma X nos últimos meses. Com o IPO da SpaceX planejado para as próximas semanas, mirando uma avaliação de US$ 1,75 trilhão, a escala do conglomerado resultante rivalizaria com o PIB de países inteiros.

O racional industrial, embora audacioso, possui uma coerência que merece ser examinada sem cinismo. As duas empresas já colaboram em projetos concretos, como a construção da Terafab, a megafábrica de semicondutores em Austin que utilizará o processo 14A da Intel e pretende produzir o equivalente a 1 terawatt de capacidade computacional por ano, o dobro da produção doméstica americana atual. A SpaceX compra sistemas de baterias Megapack e veículos da Tesla; a Tesla precisa dos satélites Starlink para conectar frotas autônomas em escala global; e ambas demandam volumes de chips que, como o próprio Musk declarou, superarão em poucos anos a produção total dos seus fornecedores. Sob essa ótica, a fusão não é capricho, mas um tipo de integração vertical levada às últimas consequências, assim como os chineses já fazem: uma cadeia que vai do projeto do chip à fabricação, do lançamento de satélites à coleta de dados, do transporte terrestre à computação orbital.

As implicações, porém, ultrapassam em muito o terreno empresarial e entram no domínio da filosofia política. Uma entidade que controla simultaneamente acesso ao espaço, infraestrutura de comunicação global, inteligência artificial de fronteira, a maior plataforma de discurso público do Ocidente e, em breve, um possível sistema de pagamentos digitais via X Money, concentra um poder que não possui paralelo histórico no capitalismo moderno. É precisamente esse fenômeno que acadêmicos e analistas descrevem como tecnomonarquia: uma liderança que opera fora das fronteiras tradicionais, não responde a processos eleitorais e exerce controle sobre infraestruturas que ditam as regras do mercado e do comportamento social. Não por acaso, a encíclica Magnifica Humanitas do Papa Leão XIV, publicada recentemente, alertou que entregar o destino social e moral a algoritmos controlados por poucos representa uma ameaça à dignidade humana.

Para reguladores, portanto, o desafio já não é se devem intervir, mas como fazê-lo sem sufocar a inovação legítima, um equilíbrio que o século XXI ainda não aprendeu a resolver.

O Agentic Commerce Chega ao Mercado Financeiro

A Robinhood anunciou nesta quarta-feira o lançamento do suporte para negociação automatizada por inteligência artificial, permitindo que usuários criem contas dedicadas para que agentes de IA analisem portfólios, elaborem estratégias e executem ordens de compra e venda de ações com saldo pré-carregado em uma carteira separada. Simultaneamente, a empresa lançou um cartão de crédito virtual projetado especificamente para que esses mesmos agentes realizem pagamentos em nome dos usuários, conectados via protocolo MCP (Model Context Protocol). O movimento, embora lançado em versão beta e restrito a ações por enquanto, sinaliza uma expansão planejada para opções, criptomoedas, contratos de eventos, futuros e mercados de previsão.

O que a Robinhood inaugura é a extensão natural de uma tendência que já vinha se consolidando no comércio de consumo, mas que agora cruza uma fronteira qualitativamente diferente. Quando um agente de IA pede uma pizza via Gemini ou finaliza uma compra dentro do ChatGPT para o Walmart, o risco é limitado ao preço do produto. Quando esse mesmo agente executa ordens no mercado financeiro, analisando exposição setorial, risco de concentração e notas de analistas para identificar oportunidades de investimento, as consequências de uma decisão equivocada, ou de uma otimização algorítmica mal calibrada, podem ser ordens de magnitude superiores. A própria Robinhood reconhece isso implicitamente ao incluir camadas de proteção contra fraudes e notificações obrigatórias, mas o precedente está posto: a fronteira entre decisão humana e execução autônoma no mercado financeiro acaba de ficar irremediavelmente mais tênue.

A convergência com o que já vínhamos acompanhando no agentic commerce é evidente. O Google lançou seu Universal Commerce Protocol para que agentes de IA operem em todas as etapas do processo de compra; Stripe, Amazon e startups como a Prava Pay desenvolvem infraestruturas de pagamento para agentes autônomos; e o Universal Cart do Google transforma o maior motor de busca do mundo em intermediário de transação. A entrada da Robinhood nesse ecossistema adiciona a camada que faltava: o mercado de capitais. Quando agentes de IA puderem, simultaneamente, comprar produtos, pagar contas e negociar ações, o conceito de “carteira digital” ganhará um significado radicalmente novo.

A pergunta que paira, contudo, é a mesma que formulamos há meses: quando o agente decide por você, quem realmente está no comando? No caso de uma compra equivocada de supermercado, a consequência é um produto devolvido. No caso de uma posição alavancada que deu errado, a consequência pode ser um patrimônio destruído.

A China Trancando Seus Cérebros

As fronteiras para os principais pesquisadores de inteligência artificial da China estão se fechando de forma acelerada. Fundadores de startups, executivos de empresas privadas e cientistas de ponta passaram a necessitar de aprovação governamental antes de viajar ao exterior, em um endurecimento de restrições que ganhou intensidade após Pequim bloquear a aquisição da Manus pela Meta, proibindo os cofundadores da startup de deixarem o país enquanto reguladores investigam se o acordo de US$ 2 bilhões infringe regras de investimento estrangeiro. Os cofundadores agora exploram opções para recomprar a empresa da Meta por cerca de US$ 1 bilhão, em um desfecho que ilustra com precisão a nova doutrina chinesa: inteligência artificial não é ativo comercial negociável, mas patrimônio estratégico nacional tão inegociável quanto urânio enriquecido.

Os números que sustentam essa postura são reveladores. O índice mais recente de Stanford mostra que a diferença de desempenho entre os melhores modelos americanos e chineses caiu de 31% em 2023 para apenas 2,7% em março de 2026. A China já ultrapassa os Estados Unidos em volume de publicações, citações e patentes de IA, embora Washington ainda mantenha vantagem em qualidade de modelos e patentes de alto impacto. Diante dessa paridade crescente, Pequim calcula que cada pesquisador de primeira linha que emigra para o Vale do Silício não representa apenas uma perda de capital humano, mas uma transferência direta de capacidade estratégica para o rival. A, diante disso, mensagem é inequívoca: a jurisdição que importa não é a do CNPJ ou do passaporte, mas a da origem do talento e da propriedade intelectual. Conforme já analisamos quando a China bloqueou o acordo Manus-Meta, mudar de endereço corporativo para Cingapura não equivale a mudar de lealdade, e o escrutínio estatal acompanha o cérebro, não o documento.

Para o ecossistema global, as implicações são profundas e imediatas. Para empresas americanas que buscavam atalhos de aquisição para competir na corrida dos agentes autônomos, a porta da compra direta de capacidade chinesa está praticamente fechada. Pequim também planeja exigir aprovação governamental antes que empresas como Moonshot AI, StepFun e ByteDance aceitem capital americano, fechando, assim, a via inversa do fluxo. O que está se formando, portanto, é a consolidação definitiva de dois ecossistemas paralelos de inteligência artificial: um ocidental, liderado por modelos proprietários e capital privado; e um chinês, financiado por capital estatal em yuans, operando com chips domésticos e apostando em código aberto para ganhar adoção global. A escassez de poder computacional gerada pelas sanções americanas obrigou a China a racionar o uso de IA, mas a resposta de Pequim não foi recuo, pelo contrário, foi uma avalanche de investimentos coordenados, com Tencent, Alibaba e o próprio Big Fund estatal despejando bilhões na DeepSeek e em infraestrutura alternativa. A corrida da inteligência artificial, que há dois anos parecia uma competição tecnológica, consolidou-se como o eixo central da nova Guerra Fria.

Leia também:

Quando Steve Jobs subiu ao palco para apresentar o primeiro iPhone, parecia apenas o lançamento de mais um produto tecnológico. Mas o que nasceu ali não foi um celular. Foi uma nova interface entre humanos e realidade.

Em menos de duas décadas, o smartphone deixou de ser ferramenta para se tornar extensão do corpo humano. Trabalho, comunicação, consumo, entretenimento, aprendizado, mobilidade, relacionamentos… tudo passou a orbitar em torno de uma tela carregada no bolso.

Mas talvez o dado mais impressionante dessa revolução não esteja nos aparelhos vendidos. Está nas pessoas que nasceram depois dela.

Desde o lançamento do iPhone, quase 2 bilhões de seres humanos vieram ao mundo. Uma geração inteira que nunca conheceu um planeta desconectado. Para essas pessoas, chamar um carro pelo aplicativo, usar reconhecimento facial, conversar por vídeo instantaneamente ou pagar sem carteira física não é inovação. É o padrão natural da vida.

E esse talvez seja o verdadeiro poder das grandes transformações tecnológicas: elas não mudam apenas ferramentas. Mudam comportamento, percepção e a própria noção do que consideramos normal.

A inovação profunda não cria apenas novos produtos.
Ela cria novas gerações humanas.

A Geração iPhone cresceu em um mundo onde a internet virou ambiente permanente. Agora, outra geração começa a nascer diante dos nossos olhos: a Geração IA.

Crianças que hoje aprendem com tutores inteligentes, conversam com assistentes virtuais, convivem com algoritmos diariamente e crescerão em um cenário onde inteligência artificial estará integrada não apenas ao trabalho, mas às decisões, relações e experiências humanas mais básicas.

E isso muda completamente a dimensão do debate atual.

Muita gente ainda discute IA como se fosse uma tendência futura, uma tecnologia distante ou uma transformação que “vai acontecer”. Mas talvez estejamos repetindo exatamente o mesmo erro que o mundo cometeu em 2007: subestimando uma mudança estrutural enquanto ela ainda parece apenas uma novidade tecnológica.

O futuro raramente chega fazendo barulho.
Ele chega silenciosamente, até se tornar impossível imaginar a vida antes dele.

Foi assim com o smartphone.
Pode estar acontecendo novamente com a inteligência artificial.

E talvez a pergunta mais importante agora não seja “quando a IA vai transformar o mundo?”.

Porque ela já começou.

A pergunta real é: como será a mentalidade das pessoas que nascerão dentro dessa nova realidade? Porque, se a Geração iPhone redefiniu hábitos e comportamento em menos de 20 anos, a Geração IA pode redefinir a própria relação entre humanos e inteligência.

Não estamos mais observando a mudança de fora.
Nós já estamos vivendo dentro dela.

Veja também:

A descrição, propositalmente ambígua, não se refere ao que o leitor provavelmente imaginou: um vírus. Trata-se de uma vendedora chinesa chamada Zheng Xiang Xiang, cujas transmissões ao vivo no Douyin, o equivalente chinês do TikTok, atingiram projeção planetária em 2024 graças a uma técnica de venda tão veloz quanto hipnótica. Estimativas publicadas pela imprensa brasileira apontam que, em um único feriado nacional, suas lives teriam movimentado o equivalente a mais de R$ 50 milhões. O paralelo anterior feito com a biologia não é fútil, afinal, a própria palavra “viral”, que a internet adotou como categoria cultural, descende da lógica epidemiológica, ou seja, um agente que se replica de hospedeiro em hospedeiro, dispensando qualquer coordenação central, alimentado apenas pela exposição e pela propensão humana à imitação.

Porém, o episódio de Zheng Xiang Xiang importa menos pelo valor absoluto de suas vendas e mais pelo que ele ilumina sobre a arquitetura econômica que o tornou possível. As transmissões ao vivo de vendedores chineses não foram um fenômeno isolado, pelo contrário, elas funcionaram como catalisador de uma reorganização profunda na cadeia de valor do comércio digital, arrastando consigo o marketing de afiliados, o social commerce e vitrines integradas a plataformas de entretenimento como o TikTok Shop. Classificar esse movimento como tendência seria subestimá-lo. Tendências são transitórias e setoriais. O que está em curso é uma mudança de paradigma, e paradigmas, diferentemente das modas, redistribuem poder, redefinem incentivos e criam fossas competitivos entre quem compreende a nova lógica e quem continua operando pela anterior.

Para dimensionar o que de fato se alterou, é útil reconstruir brevemente a genealogia do sistema que está sendo substituído. A indústria da mídia operou, durante a maior parte do século XX e nas duas primeiras décadas do XXI, sob uma premissa relativamente estável: a atenção era subproduto da distribuição. Controlava-se o canal, assim sendo, as emissoras, os portais, as rede sociais baseadas em conexões de amizade (como o Facebook), e, por consequência, controlava-se o público. A internet, em sua fase inicial, descentralizou a produção de conteúdo, mas preservou a arquitetura distributiva. O feed era cronológico, o alcance era função da base de seguidores acumulada e a viralização, quando ocorria, era um acidente estatístico, não um mecanismo projetado.

A ruptura que o TikTok introduziu, e que ainda é amplamente subestimada pela maioria dos estrategistas corporativos, foi a inversão completa dessa equação. Ao trocar o grafo1 social, de conexões, pelo grafo de interesse, a plataforma aboliu o último resquício da lógica distributiva herdada. Um perfil sem nenhum seguidor pode, agora, se o conteúdo acionar os gatilhos corretos de retenção e engajamento, alcançar audiências de escala televisiva em questão de horas. A consequência dessa mudança é bifronte, pois de um lado, a democratização do acesso à audiência atingiu um patamar inédito na história da comunicação de massa; de outro, o poder de distribuição foi concentrado em uma entidade única, o algoritmo, cujas regras são opacas, instáveis e calibradas para métricas que frequentemente divergem dos interesses de quem cria, de quem consome e, não raro, da própria coesão social.

A escala dos números torna, ainda, o fenômeno impossível de ignorar. O mercado brasileiro no TikTok já supera a marca de 130 milhões de usuários, posicionando o país como o terceiro maior da plataforma no planeta. O consumo médio diário gira em torno de 90 vídeos por pessoa, um volume que, traduzido em minutos de atenção capturada, representa uma fatia significativa do tempo desperto da população economicamente ativa. E há um dado ainda mais eloquente, onde se mostra levantamentos conduzidos em parceria entre a própria plataforma e a Luminate, que indicam que mais de oito em cada dez faixas que integraram a Billboard Global 200 em 2024 haviam ganhado tração primeiro no TikTok. Esse número, portanto, descreve uma inversão na cadeia de descoberta cultural, afinal, a plataforma deixou de funcionar como termômetro do que já era popular e assumiu o papel de usina que fabrica a popularidade. Não é uma diferença de intensidade. É uma diferença de natureza.

E é exatamente nesse ponto que o debate ultrapassa o universo dos criadores de conteúdo e adentra o território da estratégia empresarial com força total. Quando a viralização se converte no mecanismo predominante de descoberta e distribuição, ela migra da categoria de tática de marketing para a de infraestrutura de mercado. Corporações que até ontem dependiam de mídia paga para construir presença descobrem que competem agora com indivíduos armados apenas de um telefone celular e de uma narrativa envolvente, capazes de capturar mais atenção do que campanhas de dezenas de milhões de dólares. O custo de aquisição de clientes, já pressionado pela saturação dos canais convencionais, sofre uma deformação adicional, onde o conteúdo que viraliza opera com custo marginal próximo de zero, enquanto aquele que não viraliza, por mais robusto que seja o investimento por trás dele, é engolido pela invisibilidade algorítmica. Não existe graduação. Ou se propaga, ou se dissolve. Essa dualidade impiedosa muda a maneira como empresas alocam orçamento, mensuram retorno e, em última instância, concebem o próprio significado de construir marca.

Décadas antes de a internet transformar “meme” em sinônimo de imagem cômica, o biólogo Richard Dawkins cunhou o termo, em 1976, para designar unidades culturais que se replicam segundo uma lógica análoga à dos genes: ideias, comportamentos e símbolos que competem entre si pela sobrevivência, sendo que os mais fáceis de compreender, imitar e retransmitir prevalecem sobre os demais. A creator economy contemporânea funciona sob essa mesma pressão seletiva, agora industrializada por algoritmos que operam como ambientes de seleção natural acelerada. Jonah Berger, referência global em comportamento do consumidor e marketing, demonstrou em suas pesquisas que a disseminação em escala obedece a padrões identificáveis: emoção intensa, moeda social, utilidade prática e narrativa facilmente transferível. O que as plataformas digitais fizeram foi mecanizar essa combinação, convertendo o que antes era fenômeno emergente e imprevisível em uma engrenagem replicável, escalável e, por essa razão, profundamente viciante.

É precisamente no caráter compulsivo desse sistema que emerge sua dimensão mais perturbadora. Se o algoritmo seleciona e amplifica aquilo que maximiza engajamento, e se as emoções que mais engajam são, recorrentemente, indignação, controvérsia e senso de urgência, então a arquitetura não é neutra; ela carrega um viés estrutural em direção à polarização. Não por intenção ideológica, mas por otimização matemática pura. Conteúdos deliberadamente provocativos, manchetes desenhadas para explorar o reflexo do clique e produções já concebidas com a distribuição massiva como premissa não são desvios do modelo; são seus produtos mais eficientes. O ambiente informacional resultante opera em um estado de hiperativação permanente, no qual a ansiedade coletiva não é efeito colateral, mas externalidade embutida na engenharia do sistema.

Herbert Simon, o economista e Nobel que formulou o conceito de economia da atenção nos anos 1970, antecipou com notável precisão a dinâmica que hoje vivemos: “em um cenário de abundância informacional, o verdadeiro gargalo não reside na oferta de informação, mas na capacidade humana de absorvê-la”. O que Simon não pôde antecipar é que essa escassez cognitiva seria não apenas identificada, mas sistematicamente explorada como alicerce de modelos de negócio trilionários. Cada segundo de permanência em uma plataforma de vídeos curtos é convertido, via leilões de publicidade em tempo real, em receita monetária. A atenção humana foi reduzida, sem metáfora, à condição de commodity transacionada em mercados automatizados. E se a atenção é commodity, a viralização é sua cadeia logística.

Esse raciocínio conecta-se, de maneira direta, com o que já exploramos em edições anteriores a respeito do impacto cognitivo da delegação excessiva a sistemas inteligentes. Se a inteligência artificial, ao absorver tarefas que anteriormente demandavam elaboração mental, pode, com o tempo, deteriorar a própria capacidade de raciocínio que a justificava, a lógica da viralização exerce efeito análogo sobre a criatividade. Quando o que é recompensado pelo sistema é a reprodução de formatos previamente validados, o estímulo à originalidade se contrai. Criadores passam a calibrar suas produções para o molde algorítmico, não para a expressão autêntica. A tendência do momento ocupa o espaço que pertenceria à visão. E o paradoxo que daí emerge é quase irônico: uma explosão sem precedentes no volume de conteúdo produzido que resulta, cada vez mais, em peças indistinguíveis entre si, uma homogeneização travestida de pluralidade, sustentada por um mecanismo que premia replicação com alcance e castiga experimentação com apagamento.

Seria, no entanto, intelectualmente desonesto reduzir a viralização a um catálogo de patologias. A mesma infraestrutura que distribui polarização e superficialidade também é capaz de propagar consciência coletiva em velocidades que nenhum sistema de comunicação anterior sequer concebia. Mobilizações globais contra violência racial e assédio, impulsionadas por registros em vídeo, hashtags e compartilhamentos em cascata, demonstraram que a amplificação algorítmica pode funcionar, também, como instrumento de pressão institucional e transformação social. A viralização, em sua essência, é um amplificador destituído de julgamento moral, ou seja, ela replica com a mesma eficiência o que há de mais cínico e o que há de mais urgente na experiência humana. O que determina o saldo é a qualidade dos insumos que a alimentam.

E é justamente por isso que a pergunta estratégica mais relevante para empresas, criadores e líderes já não é como viralizar, mas como converter visibilidade efêmera em relevância durável. A distinção entre esses dois conceitos é, possivelmente, a linha divisória mais importante que se pode traçar na economia da atenção. Visibilidade é algorítmica, fugaz e contingente; depende de variáveis que nenhum ator controla integralmente e pode evaporar na próxima atualização do sistema de recomendação. Relevância, em contrapartida, é acumulativa, orgânica e resiliente; ela se constrói sobre a capacidade de gerar identificação emocional e confiança genuína, atributos que não podem ser fabricados por engenharia de distribuição.

Há, inclusive, quem já comece a mapear essa transição sob a nomenclatura de “economia da intenção”, um desdobramento conceitual em que o valor migra do tempo de tela capturado para a disposição real do indivíduo em agir a partir do que consumiu. Captar o olhar é condição necessária, mas radicalmente insuficiente. O desafio de próxima ordem é transformar o instante de exposição em lembrança, e a lembrança em confiança, e a confiança em ação recorrente. Essa cadeia de conversão não se constrói com picos virais; constrói-se com consistência, profundidade e autenticidade, três atributos que, por definição, resistem à otimização algorítmica.

No fundo, a viralização como fenômeno estrutural ilumina uma tensão que percorre toda a economia digital contemporânea: a tensão entre escala e significado. Escalar é replicar com eficiência crescente. Significar é conectar com profundidade crescente. O sistema vigente é extraordinariamente competente na primeira missão e quase deliberadamente indiferente à segunda. A oportunidade mais valiosa para quem compreende essa assimetria não reside em recusar a lógica da amplificação, o que seria ingenuidade romântica, mas em operá-la sem ser consumido por ela. Utilizar a escala sem confundi-la com propósito. Buscar distribuição sem abdicar de substância. Porque plataformas e algoritmos podem, de fato, entregar visibilidade instantânea, e ocasionalmente até notoriedade, seja por meio de uma peça meticulosamente engenhada ou de um acidente cultural improvável. Mas relevância de verdade, aquela que sobrevive à rotação dos feeds, à obsolescência das plataformas e à volatilidade das tendências, ainda depende de algo que nenhuma linha de código conseguiu replicar: a capacidade humana de criar algo que mereça, genuinamente, ser lembrado.

Leia também:

Oitenta e nove anos depois, as pontes que definem a civilização contemporânea não são mais feitas de aço e concreto, mas de silício, dados e moléculas. E, como em 1937, os desafios de hoje não são apenas técnicos, mas envolvem quem financia, quem controla e quem atravessa primeiro. Da democratização de medicamentos que já redesenham hábitos de consumo globais aos chips de memória que sustentam a revolução da inteligência artificial, passando pela entrada de um gigante chinês na nuvem latino-americana e por processadores que prometem dar autonomia a naves no espaço profundo, o que une as histórias de hoje é a mesma pergunta que a Golden Gate respondeu há quase um século: quem constrói a infraestrutura do futuro controla a travessia.

A Era dos Genéricos Chegou às Canetas Emagrecedoras

A Anvisa aprovou o registro da Ozivy, fabricada pela EMS, a primeira versão nacional de um medicamento à base de semaglutida sintética, o mesmo princípio ativo que transformou o Ozempic em um dos fármacos mais vendidos do planeta. A aprovação, que ocorre poucos meses após a expiração da patente em março, inaugura oficialmente no Brasil a corrida dos genéricos de GLP-1, uma disputa que já tem outros cinco medicamentos sintéticos e um biológico aguardando análise na agência reguladora. Só a EMS projeta faturar R$ 500 milhões com o produto, um número que, longe de ser teto, funciona como termômetro da demanda reprimida em um país que figura entre os maiores consumidores globais dessas canetas.

O impacto, contudo, transcende em muito o setor farmacêutico. Como já abordamos extensamente em edições anteriores, os medicamentos GLP-1, enquanto protegidos por patentes e praticados a preços elevados, já provocaram uma reconfiguração mensurável nos hábitos de consumo: a indústria alimentícia global está reformulando linhas inteiras de produtos, redes de supermercados recalibraram seus mix de estoque, o agronegócio brasileiro sentiu alterações no fluxo de frutas e proteínas no Ceagesp, e gigantes como Nestlé, Kraft Heinz e JBS reposicionaram portfólios inteiros para capturar um consumidor que come menos, bebe menos álcool e prioriza proteína e funcionalidade sobre prazer calórico imediato. Agora, com a chegada dos genéricos, primeiro na Índia, onde mais de 50 marcas já disputam o mercado a US$ 14 mensais, e agora no Brasil, essa transformação deixa de ser um fenômeno restrito a classes de renda mais alta e passa a atingir a base da pirâmide de consumo com uma velocidade que poucos setores estão preparados para absorver.

A lógica é a mesma que o mercado farmacêutico viveu com o Viagra: enquanto a patente existe, o medicamento redefine comportamentos entre quem pode pagar; quando a patente expira, o genérico democratiza o acesso e amplifica exponencialmente o impacto sobre toda a cadeia econômica adjacente. Com a semaglutida, porém, a escala é incomparavelmente maior, porque o medicamento não trata uma condição específica de um nicho, mas ele altera a relação de milhões de pessoas com comida, álcool e estilo de vida. Deste modo, para a Novo Nordisk e a Eli Lilly, que construíram valorizações de mercado históricas sobre a exclusividade desses princípios ativos, o cenário é de compressão de margens nas regiões de maior crescimento demográfico. Para o restante da economia, o sinal é claro: setores que já estavam se adaptando à mudança de hábitos alimentares precisarão agora acelerar esse processo, porque o público que consome GLP-1 está prestes a se multiplicar.

Micron Entra no Clube do Trilhão

A Micron Technology ultrapassou US$ 1 trilhão em valor de mercado nesta terça-feira, consolidando a maior fabricante de chips de memória dos Estados Unidos como uma das grandes vencedoras da corrida pela inteligência artificial. As ações acumulam alta de 213% no ano, um salto que não se explica por nenhum produto revolucionário isolado, mas por algo mais elementar e mais poderoso, afinal, a Micron fabrica a memória de alto desempenho que data centers de IA consomem em quantidades que a indústria global simplesmente não consegue suprir. A demanda acelerada por inteligência artificial provocou um déficit estrutural de chips de memória, permitindo que fabricantes como Micron, Samsung e SK Hynix elevem seus preços, em um cenário que já impacta o consumidor final, com aumentos de até 200% em pentes de RAM e SSDs no varejo.

O que torna esse marco especialmente revelador é o que ele diz sobre a nova arquitetura do poder na indústria de semicondutores. Durante anos, a narrativa girou quase exclusivamente em torno da Nvidia e de suas GPUs. Porém, como antecipamos em edições anteriores ao acompanhar os movimentos de Samsung, ASML e da própria Micron, o mercado começou a reconhecer que GPUs sozinhas não fazem nada sem a memória de altíssima velocidade que alimenta os modelos de IA. A Micron compreendeu essa inflexão e tomou uma decisão radical: encerrou sua linha de produtos voltados ao consumidor final (a marca Crucial, conhecida por qualquer entusiasta de hardware), para dedicar toda a sua capacidade fabril a data centers e clientes corporativos. É uma aposta binária que só faz sentido num cenário em que a demanda por infraestrutura de IA continuará crescendo por anos, e os dados da Gartner, que projetam US$ 788 bilhões em gastos com data centers em 2026, sugerem que essa aposta está correta.

O ingresso da Micron no clube do trilhão não é, portanto, um evento isolado, mas a confirmação de uma tese estrutural, onde a cadeia de valor da inteligência artificial é muito mais ampla do que as manchetes sugerem, e o poder econômico está migrando aceleradamente para empresas que fabricam os componentes invisíveis que tornam a IA possível. A Intel, que parecia condenada ao declínio, negocia próxima de suas máximas históricas após reestruturação e investimento do governo americano. A ASML, que produz as máquinas que fabricam os chips, segue como candidata ao mesmo patamar. E a própria Micron demonstra que, num mundo onde treinar e operar redes neurais consome quantidades massivas de memória RAM de altíssima velocidade 24 horas por dia, quem controla a produção de memória controla, na prática, o ritmo de avanço da inteligência artificial. A mensagem para investidores e estrategistas é inequívoca: o glamour está nos modelos e nos chatbots, mas o valor está na infraestrutura que os sustenta.

Alibaba Traz Sua Nuvem ao Brasil, com seu Preço Como Arma

A Alibaba Cloud anunciou que inaugurará sua nuvem pública no Brasil em agosto, a partir de um data center em São Paulo, prometendo preços até 30% inferiores aos da AWS e das demais rivais americanas. O movimento faz parte de um plano global de US$ 55 bilhões em infraestrutura de nuvem e inteligência artificial ao longo dos próximos três anos, que já inclui data centers no México, Holanda, França, Japão e Malásia. A estratégia combina dois argumentos: o primeiro, e mais imediato, é preço, afinal, uma redução de 30% em serviços de nuvem é, para qualquer CTO, um argumento que dispensa evangelização; o segundo, mais sutil e de longo prazo, é o conceito de multicloud com divisão geográfica, oferecendo a empresas com operações ou ambições na China uma infraestrutura que opera simultaneamente nos dois hemisférios regulatórios.

O que diferencia estruturalmente a Alibaba Cloud da maioria dos competidores é sua integração vertical. Ao contrário da AWS, que depende de modelos da Anthropic, ou da Microsoft, apoiada na OpenAI, a Alibaba desenvolve seus próprios modelos de linguagem, o que a posiciona como uma alternativa que oferece infraestrutura de nuvem e inteligência artificial sob o mesmo teto, sem dependência de terceiros para a camada de IA. Eddie Wu, CEO do Alibaba, destacou que os produtos relacionados à inteligência artificial já representam 30% da receita internacional da divisão de nuvem, cujo crescimento externo acelerou para 40% no último trimestre fiscal. Essa, definitivamente, não é uma empresa experimentando com IA, mas é uma empresa que já monetiza IA em escala, e agora busca replicar esse modelo nos mercados emergentes onde o custo de computação em nuvem ainda é uma barreira à adoção.

Para o mercado brasileiro, o efeito mais imediato pode não ser a captura de market share pela Alibaba, mas a pressão competitiva que sua simples presença exerce sobre os incumbentes. Com isso, é provável que executivos locais já antecipem renegociações com seus provedores atuais antes mesmo de a operação estar plenamente disponível, um fenômeno que o setor de telecomunicações conhece bem: às vezes, a ameaça de um novo entrante barato reorganiza a tabela de preços do mercado inteiro.

Contudo, há uma dimensão geopolítica que não pode ser ignorada. Num contexto em que Estados Unidos e União Europeia negociam acordos de minerais críticos para reduzir dependência da China, e em que dados e soberania digital se tornam temas centrais de segurança nacional, a decisão de hospedar infraestrutura corporativa em nuvem chinesa carrega implicações que vão além da planilha de custos. O Brasil, historicamente pragmático em suas alianças comerciais, terá que navegar essa tensão com inteligência, e a resposta que o mercado corporativo brasileiro der à Alibaba nos próximos meses será um indicador relevante de como países do Sul Global equilibram eficiência econômica e alinhamento geopolítico na era da computação em nuvem.

NASA Testa o Chip Que Pode Dar Autonomia às Máquinas no Espaço

A NASA concluiu a primeira rodada de testes ambientais do HPSC (High Performance Spaceflight Computing), um processador de inteligência artificial projetado para entregar até 100 vezes mais capacidade computacional do que os chips atualmente em uso nas missões espaciais, e, nos testes realizados no Laboratório de Propulsão a Jato, o desempenho observado chegou a 500 vezes superior ao dos processadores endurecidos contra radiação que hoje equipam sondas e rovers. O chip, desenvolvido em parceria com a Microchip Technology, utiliza uma arquitetura de sistema-em-um-chip que integra unidades de processamento, memória, interfaces de rede e capacidades de computação vetorial escaláveis para IA em um único componente, resistente a radiação cósmica e temperaturas extremas, projetado para operar por anos a milhões de quilômetros da Terra sem intervenção humana.

A relevância do HPSC vai além do avanço técnico em si e toca numa limitação fundamental da exploração espacial contemporânea: a latência de comunicação. Uma mensagem enviada da Terra a Marte leva entre 4 e 24 minutos para chegar, dependendo da posição orbital, o que significa que qualquer rover ou sonda que dependa de instruções terrestres opera num ciclo de decisão que pode levar quase uma hora entre pergunta e resposta. Para manobras de pouso, desvio de obstáculos ou análise de amostras em tempo real, esse atraso é, na prática, uma sentença de ineficiência. Um processador capaz de executar modelos de IA embarcados, com fluxo de dados contínuo e consumo energético adaptável, transforma fundamentalmente o que uma missão não tripulada pode realizar, ou seja, em vez de um instrumento controlado remotamente, a sonda se torna um agente autônomo capaz de tomar decisões científicas e operacionais sem esperar pela Terra.

Deste modo, o HPSC não é apenas um chip mais rápido, mas é a peça que faltava para tornar viável uma nova geração de missões espaciais genuinamente autônomas. Uma vez certificado para voo, a NASA planeja incorporá-lo em orbitadores, rovers, habitats lunares e missões ao espaço profundo. No contexto mais amplo, o desenvolvimento valida uma convergência que se acelera entre inteligência artificial e exploração espacial, convergência que, como acompanhamos nas recentes movimentações da SpaceX em direção a data centers orbitais e computação de múltiplos gigawatts no espaço, está deixando de ser ficção científica para se tornar engenharia aplicada. Se a revolução da IA na Terra depende de chips de memória e GPUs cada vez mais poderosas, a revolução da IA fora da Terra depende de processadores que funcionem onde nenhum data center pode existir, e o HPSC é, até agora, a resposta mais concreta que temos para esse desafio.

Leia também: