Como a Ricursive Intelligence angariou $335M numa avaliação de $4B em 4 meses

Julie Bort

Tue, 17 de fevereiro de 2026 às 2:00 AM GMT+9 5 min de leitura

Neste artigo:

GOOG

-1.08%

ANTH.PVT

Os fundadores da Ricursive Intelligence CTO Azalia Mirhoseini (à esquerda), Anna Goldie CEO (à direita) | Créditos da imagem:Ricursive Intelligence

Os cofundadores da startup Ricursive Intelligence pareciam estar destinados a ser cofundadores.

Anna Goldie, CEO, e Azalia Mirhoseini, CTO, são tão conhecidas na comunidade de IA que estiveram entre aquelas engenheiras de IA que “receberam aqueles emails estranhos do Zuckerberg a fazer-nos propostas malucas”, disse Goldie à TechCrunch, rindo. (Não aceitaram as propostas.) O par trabalhou junto na Google Brain e foram funcionárias precoces na Anthropic.

Obtiveram reconhecimento na Google ao criarem o Alpha Chip — uma ferramenta de IA que conseguia gerar layouts de chips sólidos em horas — um processo que normalmente leva um ano ou mais a designers humanos. A ferramenta ajudou a conceber três gerações das Unidades de Processamento Tensor da Google.

Esse percurso explica por que razão, apenas quatro meses após lançarem a Ricursive, no mês passado anunciaram uma ronda Série A de $300 milhões numa avaliação de $4 mil milhões, liderada pela Lightspeed, apenas alguns meses depois de terem levantado uma ronda seed de $35 milhões liderada pela Sequoia.

Ricursive está a construir ferramentas de IA que desenham chips, não os próprios chips. Isso torna-as fundamentalmente diferentes de quase todas as outras startups de chips de IA: elas não são uma concorrente “wannabe” da Nvidia. Na verdade, a Nvidia é um investidor. O gigante das GPUs, juntamente com a AMD, a Intel e todos os outros fabricantes de chips, são os clientes-alvo da startup.

“Queremos permitir que qualquer chip, como um chip personalizado ou um chip mais tradicional, qualquer tipo de chip, seja construído de forma automatizada e muito acelerada. Estamos a usar IA para fazer isso”, disse Mirhoseini à TechCrunch.

Os seus caminhos cruzaram-se primeiro em Stanford, onde Goldie obteve o seu PhD enquanto Mirhoseini dava aulas de ciências da computação. Desde então, as suas carreiras têm estado perfeitamente sincronizadas. “Começámos na Google Brain no mesmo dia. Saímos da Google Brain no mesmo dia. Entrámos na Anthropic no mesmo dia. Saímos da Anthropic no mesmo dia. Voltámos à Google no mesmo dia, e depois saímos novamente da Google no mesmo dia. E depois começámos esta empresa juntos no mesmo dia”, recordou Goldie.

Durante o tempo delas na Google, eram tão próximas que até trabalhavam juntas, ambas a desfrutar de treino de circuitos. O jogo de palavras não passou despercebido a Jeff Dean, o célebre engenheiro da Google que era o seu colaborador. Ele deu o nome de “chip circuit training” ao projeto Alpha Chip delas — um trocadilho com a rotina de treino partilhada. Internamente, o par também recebeu um alcunha: A&A.

O Alpha Chip valeu-lhes a atenção da indústria, mas também atraiu polémica. Em 2022, um dos seus colegas na Google foi despedido, segundo a Wired, depois de ter passado anos a tentar desacreditar a A&A e o trabalho delas com chips, apesar de esse trabalho ter sido usado para ajudar a produzir alguns dos chips de IA mais importantes da Google, aqueles que eram apostas para o negócio.

A história continua  

O projeto Alpha Chip delas na Google Brain provou o conceito que se tornaria a Ricursive — usando IA para acelerar dramaticamente o design de chips.

Desenhar chips é difícil

O problema é que, em chips de computador, há milhões a biliões de componentes de portas lógicas integrados na sua pastilha de silício. Designers humanos podem passar um ano ou mais a posicionar esses componentes no chip para garantir desempenho, boa utilização de energia e quaisquer outras necessidades de design. Determinar digitalmente o posicionamento de componentes tão pequenos, com precisão, é, como seria de esperar, difícil.

O Alpha Chip “podia gerar um layout de muito alta qualidade em, tipo, seis horas. E a parte interessante desta abordagem era que ela aprende com a experiência”, disse Goldie.

A premissa do trabalho de design de chips de IA delas é usar “um sinal de recompensa” que classifica o quão bom é o design. O agente leva então essa classificação para “atualizar os parâmetros da sua rede neural profunda para ficar melhor”, disse Goldie. Depois de completar milhares de designs, o agente ficou mesmo muito bom. E ficou mais rápido à medida que aprendeu, dizem os fundadores.

A plataforma da Ricursive vai levar o conceito mais além. O designer de chips de IA que estão a construir vai “aprender em chips diferentes”, disse Goldie. Assim, cada chip que ele desenha deverá ajudá-lo a tornar-se um designer melhor para cada próximo chip.

A plataforma da Ricursive também usa LLMs e vai tratar de tudo, desde o posicionamento de componentes até à verificação do design. Qualquer empresa que fabrica eletrónica e precisa de chips é o cliente-alvo deles.

Se a plataforma deles se provar, como parece provável, a Ricursive pode desempenhar um papel no objetivo moonshot de alcançar inteligência geral artificial (AGI). De facto, a visão final deles é desenhar chips de IA, o que significa que a IA irá essencialmente desenhar os próprios “cérebros” do computador.

“Os chips são o combustível para a IA”, disse Goldie. “Acho que, ao construir chips mais poderosos, é a melhor forma de avançar essa fronteira.”

Mirhoseini acrescenta que o longo processo de design de chips limita a rapidez com que a IA pode avançar. “Achamos que também podemos permitir esta coevolução rápida dos modelos e dos chips que basicamente os sustentam”, disse ela. Assim, a IA pode ficar mais inteligente mais depressa.

Se a ideia de uma IA a desenhar os seus próprios cérebros a velocidades cada vez maiores faz lembrar visões de Skynet e do Terminator, os fundadores apontam que há um benefício mais positivo, imediato e, segundo eles, mais provável: eficiência do hardware.

Quando os AI Labs conseguem desenhar chips muito mais eficientes (e, eventualmente, todo o hardware subjacente), o crescimento deles não terá de consumir tanta parte dos recursos do mundo.

“Podíamos desenhar uma arquitetura de computador que seja única e especialmente adequada a esse modelo, e podíamos alcançar uma melhoria de quase 10x no desempenho por custo total de propriedade”, disse Goldie.

Embora a jovem startup não nomeie os seus primeiros clientes, os fundadores dizem que ouviram de todos os grandes nomes na área de chips que se possa imaginar. Sem surpresa, também têm a escolha dos seus primeiros parceiros de desenvolvimento.

Termos e Política de Privacidade

Painel de Privacidade

Mais informações