Empresas de IA de pesos abertos são os alvos de aquisição mais quentes do Vale

Todo mundo está esperando a Nvidia confirmar o acordo de tecnologia mais interessante desta semana: uma suposta aquisição de US$ 13 bilhões da Hugging Face, uma plataforma para compartilhamento de benchmarks e modelos de IA de peso aberto.

Agora mais conhecida como o alvo de uma equipe de agentes da OpenAI focados em recompensa (*reward-hacking*), a Hugging Face está no centro do ecossistema de desenvolvedores que criam e implantam LLMs que não pertencem a laboratórios de fronteira. Pense nela como uma espécie de GitHub para a era da IA.

Os rumores sobre esse acordo surgem após a Nvidia fechar um acordo de US$ 6 bilhões com a Poolside, uma desenvolvedora de modelos de peso aberto, que fará com que a maior parte de seus funcionários se mude para a gigante fabricante de chips. E, duas semanas atrás, a Stripe adquiriu a OpenRouter, a principal fornecedora de modelos de peso aberto para empresas, por mais de US$ 7 bilhões.

É muito capital sendo injetado em um setor baseado em distribuir coisas de graça, e isso reflete as últimas tendências no setor de IA.

Para a Nvidia, há a necessidade de evitar maior dependência de seus acordos com os principais *hyperscalers* e laboratórios de fronteira. Esse é especialmente o caso quando grandes construtoras de modelos de IA, como OpenAI e Google, também estão fabricando seus próprios chips de inferência, como o Jalapeño da OpenAI, cujas capacidades foram anunciadas esta semana. Se os desenvolvedores de modelos estão fabricando chips, a Nvidia quer uma fatia do negócio de criação de modelos.

A Nvidia já cria sua própria família Nemotron de modelos de peso aberto, mas a adoção deles não tem sido enorme. Ao assumir o controle do maior espaço de desenvolvedores dos EUA para modelos abertos, a empresa terá acesso a uma massa de usuários que pode direcionar para seus chips e padrões.

Também crescem as dúvidas sobre o custo da inferência de IA, o que tem feito com que empresas explorem modelos mais baratos criados por empresas chinesas como Moonshot, DeepSeek e Alibaba. No momento, a adoção é relativamente pequena, mas está crescendo — apenas 6% das empresas usam modelos de peso aberto, de acordo com uma pesquisa de dados de gastos da Ramp, ou apenas 2% dos engenheiros de software medidos pela Jellyfish, que cria ferramentas para desenvolvedores.

Nik Albarran, líder de produtos de IA da Jellyfish, disse ao TechCrunch que os modelos de peso aberto são usados principalmente por empresas cujos produtos dependem de cargas de trabalho de inferência repetidas, como aquelas que fornecem chats de atendimento ao cliente. Como essas são tarefas de alto volume com muita repetição, um modelo de peso aberto pode ser ajustado para responder às perguntas de forma barata.

É certamente assim que a Stripe enquadrou sua aquisição da OpenRouter. “Os tokens são a moeda central para empresas que constroem com IA, e é claro que o potencial econômico do mundo real dependerá do bom uso de recursos computacionais escassos”, disse Patrick Collison, cofundador e CEO da Stripe, em um comunicado.

Para tarefas de programação e de agentes, no entanto, solicitações variadas e mais raciocínio significam que os modelos de fronteira geralmente vencem, em parte porque os laboratórios proprietários fornecem acesso mais fácil e, em alguns casos, um subsídio de tokens. Albarran diz que, à medida que as empresas ajustam seus fluxos de trabalho de IA, será mais fácil recorrer a modelos abertos. Ainda assim, o principal motivo pelo qual as empresas buscam esses modelos agora é o controle e a configurabilidade, e não preocupações com gastos.

“Não há muitas empresas onde esse seja o caso ainda … [mas] se os preços continuarem a subir nos laboratórios de fronteira, mais e mais empresas serão forçadas a pelo menos considerar isso”, disse Albarran ao TechCrunch. “Quando seus fluxos de trabalho impulsionados por IA estiverem muito mais maduros, é aí que faz sentido investir em modelos auto-hospedados.”

Lin Qiao é CEO da Fireworks, uma importante roteirista e host de modelos de peso aberto para usuários corporativos que é frequentemente apontada como uma potencial aquisição para uma gigante da tecnologia. Qiao diz que sua empresa processa 40 trilhões de tokens por dia, mais do que as APIs do Gemini ou da OpenAI.

A aposta da Fireworks é na diversidade de modelos: à medida que as LLMs proliferam e melhoram, será mais fácil para as empresas treiná-las especificamente para suas necessidades. “Toda e qualquer empresa de aplicativo deveria considerar contratar um pesquisador interno”, disse ela ao TechCrunch na semana passada. “Elas podem usar seu produto e dados de produtos para construir seu próprio modelo. O futuro é, na verdade, a inteligência especializada. Literalmente, toda e qualquer empresa deveria ter seu próprio modelo por caso de uso, e isso acontecerá automaticamente.”

É fácil esquecer o quão no início estamos do desenvolvimento da IA como ferramenta e negócio. A dominação da OpenAI e da Anthropic, no entanto, não é inevitável. Conforme as gigantes da tecnologia buscam mitigar riscos apostando nos maiores laboratórios, o fascínio da tecnologia aberta está se mostrando difícil de resistir.