Os pesquisadores mais brilhantes da inteligência artificial estão deixando as maiores empresas do mundo para abrir as próprias startups.
E não estamos falando de pequenos projetos experimentais.
Estamos falando de bilhões de dólares em investimentos fluindo para empresas que, em muitos casos, têm apenas alguns meses de vida.
Nomes que ajudaram a construir alguns dos sistemas de IA mais poderosos do planeta, dentro de gigantes como Meta, Google e DeepMind, estão saindo em busca de algo que as grandes corporações parecem não conseguir mais oferecer: liberdade para pesquisar de verdade.
A corrida pela dominância em IA criou um efeito colateral curioso. Quanto mais as Big Techs focam em performance, benchmarks e ciclos rápidos de lançamento, mais deixam lacunas abertas em áreas inteiras de pesquisa. E é exatamente nessas lacunas que uma nova geração de laboratórios independentes está se instalando 🚀
O movimento já tem números impressionantes para mostrar, nomes conhecidos no comando e uma narrativa que pode sinalizar uma virada importante nos rumos da inteligência artificial.
Rodadas bilionárias em empresas com poucos meses de vida
O que mais impressiona nessa onda de debandada é a velocidade com que o dinheiro aparece. Ex-pesquisadores de laboratórios como Google DeepMind, OpenAI, Anthropic e xAI estão levantando centenas de milhões — e até mais de um bilhão de dólares — em rodadas de investimento para startups que mal completaram um ano de existência.
David Silver, ex-pesquisador do Google DeepMind e um dos nomes mais conhecidos no campo do aprendizado por reforço, anunciou que captou uma rodada seed recorde de 1,1 bilhão de dólares para sua startup Ineffable Intelligence, fundada há apenas alguns meses. O foco da empresa está em aprendizado por reforço, uma abordagem onde modelos de IA aprendem a partir da própria experiência, em vez de depender exclusivamente de dados gerados por humanos — uma diferença fundamental em relação aos grandes modelos de linguagem treinados com textos da internet.
Tim Rocktäschel, outro ex-funcionário do DeepMind, também está no mesmo caminho. Segundo reportagens, ele busca levantar até 1 bilhão de dólares para a Recursive Superintelligence, sua nova empresa.
E tem mais. A AMI Labs anunciou uma captação de 1 bilhão de dólares em março, poucos meses depois que seu fundador, Yann LeCun, confirmou que estava deixando seu papel como chefe de IA da Meta. A empresa está desenvolvendo sistemas de inteligência artificial capazes de aprender a partir de dados contínuos do mundo real, uma abordagem que busca superar limitações conhecidas dos modelos atuais em áreas como causalidade, fundamentação e comportamento confiável em ambientes físicos.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Segundo dados da plataforma Dealroom, em 2026 já foram direcionados 18,8 bilhões de dólares para startups de IA fundadas desde o início de 2025. Esse ritmo coloca o setor no caminho de ultrapassar os 27,9 bilhões captados no ano anterior por empresas lançadas desde o começo de 2024. São números que mostram que o apetite dos investidores por esse tipo de aposta está longe de diminuir.
Quando o talento resolve voar sozinho
Nos últimos dois anos, o setor de inteligência artificial viu uma onda sem precedentes de pesquisadores saindo de posições estáveis e bem remuneradas em empresas como Google, Meta e DeepMind para fundar seus próprios laboratórios. Não é exagero dizer que alguns desses profissionais estavam entre os mais valorizados do mercado, com salários que facilmente ultrapassavam sete dígitos em dólar e acesso a infraestruturas computacionais que a maioria das universidades do mundo jamais conseguiria montar. Mesmo assim, a decisão de sair veio com uma frequência que começou a chamar atenção de toda a indústria.
O que motiva essa movimentação vai além de uma simples busca por independência. Dentro das Big Techs, a pesquisa em IA passou a ser cada vez mais orientada por métricas de produto, prazos de lançamento e pressões comerciais que, segundo relatos de ex-funcionários, tornaram difícil desenvolver trabalhos de longo prazo ou explorar linhas de pesquisa que não tivessem aplicação imediata e mensurável.
Elise Stern, diretora-geral da VC francesa Eurazeo, que investiu na AMI Labs, resumiu bem essa dinâmica: quando se está em uma corrida, o foco se estreita. E esse estreitamento cria um vácuo. Áreas inteiras de pesquisa, como novas arquiteturas, agentes, interpretabilidade e modelos verticais, acabam sendo despriorizadas — não porque não sejam importantes, mas porque não ajudam a vencer a corrida imediata.
Alexander Joël-Carbonell, sócio da HV Capital, que também investiu na AMI Labs, reforçou essa visão. Segundo ele, dentro dos grandes laboratórios fundacionais, a pressão para entregar performance em benchmarks e manter ciclos rápidos de lançamento deixa pouco espaço para pesquisa genuinamente exploratória, especialmente fora do paradigma dominante dos LLMs (grandes modelos de linguagem).
Para quem passou anos contribuindo com avanços reais na área, esse cenário começou a parecer sufocante. O resultado prático é que esses pesquisadores chegam ao mercado com uma combinação rara: reputação consolidada, rede de contatos de altíssimo nível e uma proposta técnica que o capital de risco enxerga como uma aposta segura num setor em expansão acelerada.
Encontrando as lacunas que as Big Techs deixaram para trás
As novas startups não estão simplesmente refazendo o que as grandes empresas já fazem. Elas estão mirando justamente nos espaços que ficaram descobertos pela corrida comercial da IA.
A Ricursive Intelligence, por exemplo, captou 335 milhões de dólares em duas rodadas entre dezembro e janeiro, poucos meses após ser fundada em setembro. A empresa está construindo ferramentas de IA voltadas para o design de chips. Suas fundadoras, Anna Goldie e Azalia Mirhoseini, trabalharam anteriormente na Anthropic e no Google DeepMind, onde contribuíram com o projeto AlphaChip, focado em automatizar o design de semicondutores.
Goldie explicou um ponto interessante sobre por que esse tipo de trabalho funciona melhor fora de uma Big Tech: para que fabricantes de chips confiem seus dados e propriedade intelectual mais valiosa, a empresa precisa ser vista como uma parceira neutra, e não como uma potencial concorrente. Nas palavras dela, a empresa precisa ser a Suíça — algo impossível de ser dentro do Google.
A Ricursive Intelligence também trouxe de volta ex-colegas das fundadoras. O time central do AlphaChip foi reunido novamente, com contratações de antigos colaboradores. Outros membros da equipe vieram do Google, da Anthropic, da Nvidia, da Apple e da xAI.
Já a Periodic Labs, fundada por ex-funcionários da OpenAI e do DeepMind, levantou 300 milhões de dólares em setembro, poucos meses após seu lançamento. O foco da empresa é o desenvolvimento de laboratórios autônomos.
A Humans&, sediada em San Francisco, foi lançada em outubro por ex-funcionários da Anthropic e da xAI. A empresa captou 480 milhões de dólares em janeiro e também aposta em aprendizado por reforço, a mesma abordagem que a Ineffable Intelligence de David Silver está perseguindo.
Esse padrão mostra que os novos laboratórios não competem diretamente entre si por um único nicho. Cada um está explorando um vetor diferente de inovação, desde design de hardware até aprendizado autônomo e sistemas capazes de operar no mundo físico 🧩
A questão do paradigma: LLMs são suficientes?
Um tema que conecta muitas dessas novas iniciativas é a dúvida crescente sobre os limites da abordagem atual baseada em grandes modelos de linguagem. Segundo Joël-Carbonell, da HV Capital, um número crescente de pesquisadores de IA está questionando se simplesmente escalar os LLMs atuais será o bastante para alcançar o próximo patamar de capacidade da inteligência artificial.
Essa é uma pergunta que tem ganhado força nos últimos meses, à medida que os ganhos incrementais de performance nos modelos de linguagem começam a parecer menores e mais caros de obter. Os modelos atuais, por mais impressionantes que sejam em geração de texto, código e até imagens, ainda enfrentam dificuldades sérias em tarefas que exigem raciocínio causal, compreensão do mundo físico e comportamento realmente confiável em cenários do mundo real.
A AMI Labs, de Yann LeCun, é talvez o exemplo mais emblemático dessa tese. A empresa declarou que este era o momento certo para surgir porque, apesar dos grandes avanços da IA em geração de conteúdo, os sistemas atuais ainda têm dificuldade com fundamentação, causalidade e comportamento confiável em ambientes reais. E conforme a IA se move para além das telas — entrando em indústria, robótica, saúde e outros ambientes físicos — essas limitações se tornam cada vez mais relevantes.
Para quem acompanha o setor, isso representa uma possível bifurcação no caminho da pesquisa em IA. De um lado, as Big Techs continuam investindo pesadamente na escalabilidade dos LLMs. Do outro, esses novos laboratórios apostam em caminhos alternativos que podem levar a sistemas mais robustos e versáteis no longo prazo.
O efeito dominó dentro das grandes empresas
Essa redistribuição de talento tem consequências que vão muito além do mercado de trabalho em tecnologia. Quando pesquisadores de alto nível saem das Big Techs e levam consigo não só o conhecimento técnico, mas também uma visão diferente sobre como a inteligência artificial deve ser desenvolvida, o campo como um todo tende a se diversificar. Isso significa mais abordagens sendo exploradas em paralelo, mais modelos com arquiteturas distintas sendo testados e, potencialmente, mais chances de que algum avanço significativo surja de um lugar inesperado.
Muitas dessas novas empresas têm contratado extensivamente dos antigos empregadores de seus fundadores e de outras gigantes da IA. Os investidores forneceram os recursos necessários para que essas startups consigam atrair pesquisadores de primeiro escalão das Big Techs, criando um ciclo que se retroalimenta. Quanto mais uma startup se consolida, mais fácil fica atrair o próximo grande nome.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Para as próprias Big Techs, o fenômeno representa um desafio que vai além da perda de talentos pontuais. Quando um ex-pesquisador funda uma startup que rapidamente se torna referência na área, ele cria um novo ponto de comparação para outros profissionais que ainda estão dentro dessas empresas. O efeito dominó pode ser lento, mas tende a se intensificar à medida que mais histórias de sucesso surgem no mercado.
Empresas como Google e Meta já responderam com aumentos de remuneração, mais autonomia para pesquisa interna e programas dedicados a reter talentos estratégicos. Mas a questão de fundo, que é estrutural e cultural, não se resolve apenas com ajustes salariais 💡
Governança, ética e uma nova concorrência
Há também uma dimensão importante relacionada à governança e ética no desenvolvimento de IA. Vários dos laboratórios fundados por esses ex-pesquisadores têm colocado temas como segurança, alinhamento de modelos e transparência no centro das suas propostas, algo que, segundo eles próprios, era mais difícil de priorizar dentro de estruturas corporativas com pressão constante por resultados comerciais.
Se esse discurso se traduz em práticas reais de desenvolvimento, o movimento pode ajudar a elevar o padrão do setor como um todo, criando uma espécie de concorrência saudável também em responsabilidade técnica. Quando laboratórios menores e mais ágeis demonstram que é possível fazer pesquisa de ponta com princípios de segurança integrados desde o início, isso pressiona as empresas maiores a fazerem o mesmo.
Os fundadores que trabalharam em laboratórios de fronteira possuem, nas palavras de Elise Stern da Eurazeo, uma perspectiva única. Eles sabem o que funciona em escala e sabem exatamente o que está sendo deixado de lado internamente. É aí que a oportunidade aparece.
O que isso tudo significa para o futuro da IA
O que está acontecendo agora no ecossistema de inteligência artificial pode ser visto como uma das maiores reorganizações de talento técnico da história recente da tecnologia. A concentração que as Big Techs construíram ao longo de anos está sendo desafiada não por regulação ou por concorrentes tradicionais, mas pelos próprios profissionais que ajudaram a erguê-la.
Com investimentos robustos continuando a fluir para essas novas iniciativas e com nomes de peso como David Silver, Yann LeCun, Anna Goldie e Azalia Mirhoseini à frente dessas empresas, as startups fundadas por ex-pesquisadores têm tudo para redefinir quem realmente lidera o avanço da IA nos próximos anos.
Google, Meta, Anthropic e OpenAI não responderam a pedidos de comentário sobre o assunto. Mas o silêncio dessas empresas fala por si só — enquanto elas tentam ajustar seus processos internos, o talento que as fez chegar até aqui já está construindo o próximo capítulo da inteligência artificial em outro lugar.
