Uma leitura em um artigo sobre oito das principais empresas de IA dos EUA e da China — e os fundadores por trás dos modelos

综编：PANews 大钳子

创业 em IA não existe uma resposta única e correta. Pesquisadores “focados em artigos”, equipes de academias com foco em industrialização, a vertente de engenharia quantitativa, empreendedores de segmentos cruzados e organizadores orientados à operação — todos podem encontrar seu espaço nessa competição.

Nos últimos dez anos, a inteligência artificial saiu da pesquisa de ponta em laboratórios e se tornou uma força central que determina o panorama da indústria de tecnologia. Hoje, as empresas de IA mais acompanhadas do mundo incluem OpenAI, Google DeepMind, Anthropic, xAI, além de DeepSeek, 面之暗面, ZhiPu AI e MiniMax.

Embora todas estejam, na superfície, desenvolvendo grandes modelos, elas representam caminhos de startup completamente diferentes nos bastidores: alguns vêm de artigos científicos e pesquisa acadêmica de ponta; outros transformam conquistas da pesquisa universitária em indústria; há quem acumule capacidade computacional e capital primeiro em finanças quantitativas; e há também quem seja especialista em captação de recursos, produto, operação e organização, reunindo equipes técnicas para formar uma empresa de nível mundial.

🇨🇳China: de artigos acadêmicos e laboratórios ao caminho da engenharia quantitativa

月之暗面: transformar um artigo que mudou a indústria em um produto que todos conseguem usar

A 月之暗面 foi fundada em 2023. Seu produto Kimi está entre as aplicações de grandes modelos mais reconhecíveis na China, representando o modelo Kimi K3 com foco em multimodalidade, longos contextos, programação e raciocínio profundo.

O fundador Yang Zhilin, nascido em 1992 em Shantou, província de Guangdong, se formou em graduação na Universidade Tsinghua e depois obteve o doutorado em ciência da computação na Carnegie Mellon University. Foi orientado por pesquisadores da área de processamento de linguagem natural. Durante o doutorado, participou de trabalhos como Transformer-XL e XLNet, que mais tarde foram amplamente citados. Depois disso, também trabalhou em pesquisa de IA no Google Brain e na Meta.

Entre esses empreendedores na China, o caminho de Yang Zhilin é o mais típico: primeiro comprova sua capacidade de julgamento no meio acadêmico e, depois, converte essa capacidade em um produto que pessoas comuns conseguem abrir e usar diretamente. Em comparação com rotas como a da ZhiPu mais voltadas a serviços para empresas, a 月之暗面 mirou o segmento C desde o início.

ZhiPu AI: um caso de industrialização que saiu do laboratório da Tsinghua

A ZhiPu AI foi fundada em 2019, originada do sistema do Laboratório de Engenharia de Conhecimento da Universidade Tsinghua. Sua rota tecnológica é representada pela série GLM, com planejamento de longo prazo em modelos base, serviços para empresas e plataformas de modelos.

O cofundador e CEO Zhang Peng fez graduação e pós-graduação na Universidade Tsinghua. Entre 2005 e 2020, se dedicou continuamente ao Laboratório de Engenharia de Conhecimento e à construção da plataforma acadêmica AMiner, sem histórico de grandes empresas tradicionais de internet.

O diferencial da ZhiPu AI está no ponto de partida: ela não começou do zero com um produto “best-seller”. Em vez disso, transformou diretamente, para fora, uma base de modelo de plataforma a partir do conhecimento em forma de grafo e da rede acadêmica acumulados por mais de dez anos em um laboratório universitário. Essa é também a maior diferença entre ela e a 月之暗面: uma primeiro faz plataforma, a outra primeiro faz produto.

DeepSeek: colocar o dinheiro ganho com trading quantitativo dentro de grandes modelos

A DeepSeek foi fundada em 2023, com foco em modelos base, eficiência de treinamento e pesos abertos. Os modelos representativos incluem DeepSeek-V3, R1 e a série V4 subsequente.

O fundador Liang Wenfeng, nascido em 1985 em Wuchuan, Zhanjiang, Guangdong, cursou engenharia eletrônica e de informações na Zhejiang University. Depois, obteve mestrado em engenharia de informação e comunicação. Sua linha de pesquisa envolve visão computacional. Ele não tem histórico em grandes empresas como Huawei, Tencent ou Baidu; em vez disso, no período de pós-graduação, mergulhou de cabeça no trading quantitativo com aprendizado de máquina e, em seguida, cofundou a Huanfang Quant (幻方量化).

O caminho de Liang Wenfeng é o mais especial entre essas empresas: ele não fez primeiro papel de pesquisador e depois buscou dinheiro. Ele acumulou capital e base computacional primeiro com investimentos quantitativos e, depois, voltou para investir esses recursos no desenvolvimento de grandes modelos. Em certo sentido, a DeepSeek é um produto de “capacidade computacional vinda do setor financeiro, alimentando a IA”.

MiniMax: de executivos técnicos de grandes empresas a empreendedores de multimodalidade

A MiniMax foi fundada em 2022. É uma empresa de modelos base multimodais, cobrindo texto, voz, imagens e vídeo. Seus produtos incluem Hailuo AI, Xingye e outros.

O fundador Yan Junjie possui bacharelado em matemática pela Southeast University. É doutor em IA pelo Instituto de Automação da Academia Chinesa de Ciências e também concluiu pós-doutorado na Universidade Tsinghua. Antes de empreender, trabalhou na SenseTime (商汤科技) por mais de seis anos, chegando a vice-presidente e diretor do instituto de pesquisa.

O perfil do Yan Junjie combina duas experiências — sólida formação acadêmica e experiência prática de gerenciar produtos e liderar times em uma equipe de IA em escala, como a da SenseTime. A MiniMax escolheu seguir o caminho mais difícil, de multimodalidade; em certo sentido, isso também é uma escolha natural ao somar essas duas experiências.

🇺🇸Estados Unidos: de pesquisa básica e governança de segurança à integração de recursos entre setores

Anthropic: um par de irmãos e irmãs, metade físicos e metade governantes

A Anthropic foi fundada em 2021 por uma equipe de pesquisadores que saiu da OpenAI. A ideia central é “a segurança da IA deve avançar em paralelo com o desenvolvimento de capacidades”. Seus produtos representativos são a série Claude.

O cofundador e CEO Dario Amodei concluiu graduação em física na Universidade de Stanford. Durante o doutorado, mudou para a Universidade de Princeton, focando em biofísica. Esse histórico interdisciplinar depois continuou presente no seu caminho de pesquisa: ele se juntou ao Google Brain como cientista pesquisador sênior; depois foi para a OpenAI como vice-presidente de pesquisa e participou do treinamento do GPT-2 e GPT-3. Ele também foi um dos principais participantes das pesquisas iniciais de RLHF (aprendizado por reforço a partir de feedback humano). Em 2021, ele deixou a OpenAI junto com vários colegas, incluindo sua irmã Daniela, e fundou a Anthropic.

O caminho da Daniela é totalmente diferente. Ela se formou em literatura inglesa; depois de se formar, não entrou diretamente no setor técnico. Primeiro trabalhou com operações na Stripe e, em seguida, na OpenAI, também em funções relacionadas a operação. Na Anthropic, seu papel não é treinar modelos, e sim construir o conjunto de sistemas de base que permite que a empresa opere de forma segura e estável — desde contratação, governança corporativa até a execução da implementação de políticas de segurança.

Esse duo de irmãos e irmãs, de certo modo, é um retrato em miniatura da Anthropic: é preciso que alguém como Dario, que consegue avaliar a rota técnica e entender os limites das capacidades do modelo, fique no comando; e também que alguém como Daniela, que entende organização, fluxos e controle de riscos, assuma a estrutura.

OpenAI: alguém que sabe contar histórias e alguém que entende tecnologia

A OpenAI foi fundada em 2015 e lançou produtos icônicos como ChatGPT, GPT, Sora etc., sendo a empresa central que colocou a IA generativa no foco do público geral.

Sam Altman estudou ciência da computação em Stanford por dois anos e abandonou o curso. Ele fundou a empresa de socialização Loopt e, depois, assumiu como presidente da Y Combinator. Sua força nunca foi publicar os artigos científicos mais avançados. Em vez disso, é captação de recursos, avaliação de produto, mobilização de organização e conseguir contar uma narrativa técnica.

Ilya Sutskever é outro tipo. Ele tem doutorado em matemática e ciência da computação pela Universidade de Toronto, foi orientado pelo pioneiro do deep learning Geoffrey Hinton. Já participou no Google Brain de resultados importantes como AlexNet e Seq2Seq e liderou a rota de treinamento em escala no início da OpenAI.

Se Ilya determinou que tipo de modelos a OpenAI poderia criar, Sam determinou se essa empresa conseguiria sobreviver, conseguir dinheiro e vender a tecnologia. A combinação de ambos é, quase como a prática mais bem-sucedida em Silicon Valley da rota “cientista + organizador”.

xAI: a habilidade do Musk de construir carros e foguetes, aplicada à IA

A xAI foi fundada em 2023. Seu produto representativo é Grok, com ênfase em informações em tempo real, raciocínio e mídia generativa, e se liga profundamente à plataforma X.

O fundador Elon Musk nasceu em Pretória, África do Sul. Na universidade, estudou física e economia e chegou a entrar brevemente no programa de pós-graduação da Universidade de Stanford, mas desistiu. Diferente de outros fundadores de IA, ele não tem experiência em posições tradicionais de grandes empresas. Em vez disso, participou da criação de Zip2, PayPal, SpaceX, Neuralink etc., e ficou por muito tempo no comando da Tesla.

A entrada do Musk no mundo da IA não partiu de artigos ou de laboratórios. Ele reuniu recursos acumulados de segmentos cruzados — como pagamentos, veículos elétricos, tecnologia aeroespacial, comunicação via satélite e plataformas sociais — e direcionou isso diretamente para a capacidade computacional e os dados necessários para o treinamento de grandes modelos.

Google DeepMind: um gênio do xadrez, indo de jogos a proteínas

A Google DeepMind foi fundada em 2010. Em 2014, foi adquirida pela Google. Hoje, é a principal instituição de P&D em IA da Google, tendo lançado AlphaGo, AlphaFold e Gemini.

O cofundador e CEO Demis Hassabis nasceu em Londres, Reino Unido. Ele tem diploma de primeiro lugar em ciência da computação pela Universidade de Cambridge e doutorado em neurociência cognitiva pela University College London. Quando era jovem, foi um excelente jogador de xadrez. Aos 17 anos, participou do desenvolvimento do jogo “Theme Park” e depois fundou sua própria empresa de jogos, Elixir Studios.

O treinamento em jogos apurou sua intuição para sistemas complexos e tomada de decisões. A neurociência lhe deu uma perspectiva biológica para entender “inteligência” em si. Já a ciência da computação forneceu a capacidade de engenharia para transformar essas ideias em realidade. O sucesso do AlphaGo e do AlphaFold é quase o resultado da soma dessas três etapas — e este último também fez com que ele recebesse o Prêmio Nobel de Química em 2024.

Quatro rotas de fundadores: não existe um único modelo para empreender em IA

Ao revisitar essas oito empresas, é possível dividir os antecedentes dos fundadores em quatro tipos.

Primeiro: fundadores puramente “cientistas de artigos”. Yang Zhilin, Yan Junjie, Dario Amodei, Ilya Sutskever e Demis Hassabis têm formação de pesquisa sistemática em comum. O ponto em comum é serem capazes de avaliar rotas técnicas, liderar times de pesquisa e criar barreiras reais em capacidades do modelo ou em métodos de treinamento. Dentro desse grupo, Yang Zhilin e Ilya se aproximam mais de “primeiro escrever artigos que mudam a indústria e depois partir para o empreendedorismo”; Hassabis é um produto da interseção entre ciência da computação, jogos e neurociência.

Segundo: industrialização de resultados de pesquisa de universidades. A ZhiPu AI é o exemplo mais típico. A capacidade central vem diretamente de anos de acumulação do Laboratório de Engenharia de Conhecimento da Tsinghua. A 月之暗面 também tem forte “genética” de pesquisa da Tsinghua e do exterior, mas sua rota é mais orientada ao mercado: ela não parou em apenas empacotar resultados acadêmicos em serviços para empresas. Em vez disso, fez diretamente um produto voltado ao grande público.

Terceiro: combinação de matemática, engenharia e capital. Liang Wenfeng e Musk fazem parte desse tipo, mas as origens de seus recursos são totalmente diferentes. Liang Wenfeng acumula capital e capacidade computacional com investimentos quantitativos; Musk mobiliza recursos de negócios transversais como pagamentos, carros, aeroespacial e plataformas sociais. O ponto em comum é que sua entrada em IA nunca dependeu apenas de algoritmos em si.

Quarto: organizadores não técnicos com parceria de fundadores técnicos. Sam Altman e Daniela Amodei representam essa rota. Eles talvez não sejam os pesquisadores mais avançados de modelos, mas decidem se a empresa consegue contratar pessoas, obter dinheiro, construir produtos e aguentar pressões regulatórias — e também se consegue expandir em alta velocidade sem se desintegrar.

A competição de IA de ponta nunca é apenas “quem tem doutorado em ciência da computação” ou apenas “quem consegue treinar modelos maiores”.

O que realmente determina se uma empresa consegue manter liderança contínua é se capacidades de pesquisa, engenharia, produto, capital e organização conseguem formar um ciclo fechado: cientistas definem o teto técnico, equipes de engenharia definem se o modelo consegue se concretizar, equipes de produto definem se os usuários querem usar, o capital define capacidade computacional e investimento em talentos, enquanto organização e governança definem se a empresa consegue operar por muito tempo.

Visto por esse ângulo, empreender em IA não tem uma resposta única correta.

Cientistas de artigos, equipes de industrialização acadêmica, a vertente de engenharia quantitativa, empreendedores de segmentos cruzados e organizadores orientados à operação — todos podem encontrar seu espaço nessa competição.

Quem consegue integrar diferentes capacidades em um sistema é quem tem mais chances de se tornar o vencedor de longo prazo na próxima onda de inteligência artificial.