Claude lidera 26% da pesquisa e lança a "teoria de desaceleração da IA", provocando debates sobre a "IA desenvolvendo IA" pela Anthropic! O paradigma de treinamento RSI catalisa uma grande expansão na demanda por poder computacional

De acordo com o aplicativo de notícias financeiras Zhihui Caijing APP, o líder global em aplicações de IA, Anthropic, divulgou em 17 de setembro resultados mostrando que, até agosto, Claude já "dominava" 26% do trabalho de P&D em IA, e a proporção de tarefas em que atingia ou superava o nível "colaborativo" ultrapassava 90%. Com Anthropic e OpenAI totalmente concentradas no novo paradigma de treinamento de grandes modelos de IA, chamado RSI (Recursão de Autoaperfeiçoamento), a capacidade de desenvolvimento dos laboratórios de ponta se atualiza simultaneamente à expansão de seu capital, direcionando o foco dos investidores globais de IA para além dos grandes modelos e produtos de inteligência artificial, passando também a abranger plataformas de P&D, infraestrutura e capacidade de computação de longo prazo.

Segundo recentes reportagens que citam fontes próximas às negociações, as conversas de novos financiamentos entre investidores e a outra líder de aplicações de IA, OpenAI, já envolvem uma avaliação de US$ 1,2 trilhão, sendo que a empresa busca atingir cerca de US$ 1,5 trilhão em valor. Ao final da rodada de financiamento de maio, a Anthropic foi avaliada em US$ 96,5 bilhões, e agora a proposta de IPO em discussão visa um valuation aproximado de US$ 2 trilhões, com captação máxima de até US$ 100 bilhões em bolsa. Esta emissão pode igualar ou até superar significativamente a da SpaceX, estabelecendo um novo recorde histórico — os US$ 2 trilhões referem-se ao valuation proposto para o IPO, não ao valor de mercado já realizado após a listagem.

Com o lançamento do astro modelo Astra pela OpenAI, expandindo as tarefas profissionais que podem ser assumidas pela IA, o CEO da Nvidia, Jensen Huang, foi às redes sociais afirmar que o surgimento do GPT-6 Astra significa que "a AGI já chegou". A forte faixa de receita confirmada pela Nvidia, aliada às indicações de grandes entregas futuras, bem como a evolução dos grandes modelos de IA para o estágio de “Recursão de Autoaperfeiçoamento (RSI)“ — abrindo mais uma curva de aceleração exponencial na demanda por poder computacional — demonstram um novo ciclo de investimentos em computação, já que o Astra pode ampliar a demanda de poder computacional no lado comercial enquanto a trajetória RSI, com IAs "criando IA", pode intensificar experimentos avançados, avaliações e treinamentos de longo prazo, prolongando o ciclo de investimento em computação. Isso também explica porque as ações de computação ligadas a IA tiveram alta coletiva na bolsa americana na quinta-feira, com o Índice de Semicondutores da Filadélfia subindo mais de 3%.

Vale destacar que, ao mesmo tempo em que a Anthropic revelou que Claude contribuiu com 26% do investimento em P&D e está lutando para realizar o maior IPO já registrado, o CEO da empresa lançou no último final de semana um forte argumento para "reduzir o ritmo da IA". O mercado esta semana também começou a precificar riscos derivados do debate sobre a desaceleração da IA — tanto Anthropic quanto OpenAI alertaram globalmente durante o fim de semana para que o ritmo de desenvolvimento na ponta da pesquisa em grandes modelos de IA seja desacelerado.

O debate sobre "desaceleração da IA" influencia as avaliações de ritmo de P&D, alocação de capital e compensação de risco, mas não pode ser equiparado diretamente à interrupção do crescimento da demanda de aplicações atuais de IA. Em 12 de setembro, Amodei pediu para frear o ritmo de aumento de capacidade dos modelos, e Altman logo concordou com a necessidade de controlar o avanço, ainda que o setor não tenha um consenso sobre métodos de coordenação, avaliações externas ou arranjos regulatórios.

Claude domina 26% do trabalho de P&D! Anthropic revela peso do investimento em IA para pesquisa e segurança

Segundo um relatório divulgado na quinta-feira pela Anthropic PBC, mais de um quarto das pesquisas em inteligência artificial são impulsionadas pela linha de produtos do flagship chatbot Claude ou agentes de IA da empresa. Isso fornece o sinal mais claro até agora de que a IA pode acelerar de forma significativa o desenvolvimento de modelos futuros.

De acordo com o relatório oficial mais recente, divulgado na quinta-feira, a Anthropic descobriu que Claude estava "dominando" 26% das tarefas de P&D da empresa, uma alta em relação a quase zero no início do ano. A empresa informou que Claude também colabora em cerca de 90% dos fluxos ou tarefas complexas de seus funcionários.

Esses dados fazem parte de um relatório mais amplo, que busca ajudar o público a acompanhar o progresso do desenvolvimento de IA em meio a crescentes preocupações de que IA possa rapidamente se autoaperfeiçoar fora do controle humano.

A empresa também reafirmou seus planos de introduzir avaliadores externos de várias organizações aos seus sistemas internos, garantindo a esses profissionais direitos de acesso equivalentes aos colaboradores da empresa em processos, sistemas e dados, com o objetivo de aprimorar a segurança e a gestão de riscos de aplicações de IA.

“A capacidade dos sistemas de IA está crescendo em progressão exponencial e já começou a automatizar muitos processos de sua própria construção. No momento em que o mundo debate a desaceleração do desenvolvimento de IA de ponta, o público precisa de mais informação”, relatou a empresa.

A Anthropic está entre as empresas de IA focadas em "Recursão de Autoaperfeiçoamento" (RSI). Esse conceito se refere à capacidade de sistemas de IA melhorarem suas próprias capacidades com pouca ou nenhuma ajuda humana. Algumas empresas veem isso como o futuro do desenvolvimento da IA, mas o surgimento de supercapacidades nesse tipo de sistema gera preocupações de segurança.

Segundo o blog da Anthropic, eles tentam estabelecer um framework para rastrear os agentes e monitorar a quantidade de trabalho realizado em sua plataforma. A empresa afirmou que, até agosto, mais de 30 mil agentes de IA estavam conduzindo pesquisas e engenharia internamente a qualquer momento.

A Anthropic também detalhou como aloca recursos entre aceleração de desenvolvimento e garantia de segurança. Segundo suas métricas, dependendo da natureza da pesquisa, 6% a 12% dos recursos computacionais são destinados ao monitoramento de segurança.

Em uma publicação de blog no início de setembro, a principal concorrente em modelos de IA, OpenAI, também divulgou avanços recentes em automação de pesquisa, mencionando que após detectar uma tentativa de invasão usando seus modelos contra sistemas externos da startup Hugging Face, suspendeu parte dos treinamentos de modelos.

Na semana passada, o colaborador da Anthropic, Jacob Cawkson, teve uma saída de alto perfil, aumentando a preocupação pública com riscos à sobrevivência humana relacionados à IA. Em sua carta de demissão postada em rede social, acusou as desenvolvedoras de IA de "apostar nossas vidas".

Nos últimos dias, vários líderes de empresas de IA, incluindo o CEO da Anthropic, Dario Amodei, e o CEO da OpenAI, Sam Altman, apelaram para a necessidade de desacelerar o desenvolvimento dessas tecnologias para mitigar riscos cada vez mais imprevisíveis — embora não haja consenso sobre como isso deveria ser gerido.

No sábado, Amodei publicou um longo texto de 3.800 palavras defendendo regulação governamental e apelando para a indústria apoiar medidas mais amplas de desaceleração da IA. Isso provocou forte oposição do presidente Donald Trump, que classificou as preocupações como "farsa tecnológica" e rejeitou a ideia de novas regras.

Outros líderes da indústria também reagiram. Altman e o CEO da Nvidia, Jensen Huang, defenderam que as empresas de IA podem controlar, de forma segura, o ritmo de avanço; já Mark Zuckerberg, CEO da Meta Platforms, afirmou que os laboratórios de IA deveriam contar com avaliadores independentes e consultores de segurança para garantir a integridade dos modelos.

De "pesquisa assistida por IA" à recursão de autoaperfeiçoamento: abre-se uma nova dimensão de demanda computacional?

O significado do Astra e do RSI (Recursão de Autoaperfeiçoamento) para investimentos reside no surgimento de grandes e avançados modelos de IA e no próprio desenvolvimento de IA tornando-se cenários de demanda contínua por capacidade computacional. Em 6 de setembro, a OpenAI revelou ter atingido o marco de "estagiários de pesquisa automatizados", capazes de realizar, sob supervisão humana, tarefas que normalmente levariam dias para pesquisadores experientes. Até meados de agosto, cada jornada diária humana correspondia a cerca de 3,1 jornadas de trabalho de agentes de IA (em tempo de execução, não necessariamente equivalendo a produtividade triplicada). Daí pode-se deduzir que a automação de pesquisa aumenta simultaneamente a necessidade de inferência para geração de código e avaliação, assim como demanda por treinamento de modelos candidatos. No entanto, o RSI completo ainda não é um paradigma dominante já estabelecido, pois humanos ainda decidem a direção de pesquisa e a alocação de recursos.

O GPT-6 Astra da OpenAI e os caminhos RSI perseguidos pelos líderes de IA prometem ser dois motores fundamentais para a expansão exponencial da demanda computacional em IA: modelos mais potentes e ferramentas de aplicação mais amplas, além de rotas de treinamento da próxima geração demandando ainda mais capacidade computacional, são os principais argumentos do crescimento contínuo das infraestruturas de IA. A OpenAI já revelou que o Astra fortaleceu habilidades em programação, navegação, operação computacional e execução de tarefas complexas alargando o escopo de trabalho do modelo. O responsável pelo produto declarou que a explosão de demanda do Astra pressionou a infraestrutura existente; por isso, desde 10 de setembro, novos assinantes e upgrades do plano Pro 20X de US$ 200 mensais ficam suspensos, mantendo apenas renovações de assinaturas vigentes.

O cerne do RSI (Recursive Self-Improvement) é permitir que a IA participe do desenvolvimento de novas IA mais poderosas, cujo aprimoramento resulta em um ciclo de feedback contínuo e iterativo. Não se trata de um algoritmo substituto de pré-treinamento ou aprendizado por reforço, mas sim de um paradigma abrangente de P&D, englobando desenho de pesquisa, codificação, execução de experimentos, avaliação de resultados e iteração de modelos. Anthropic e OpenAI, por hora, demonstram avanços em automação supervisionada por humanos, mas ainda não operam recursão autônoma completa sem intervenção humana.

Até agosto, Claude já "dominava" 26% dos trabalhos de P&D em IA, atingindo ou superando 90% nas tarefas em nível colaborativo, com cerca de 30 mil agentes em atuação simultânea nas principais plataformas internas. Tais dados industriais mostram que a IA deixou de ser uma ferramenta de auxílio ocasional para pesquisadores tornando-se recurso constante nos fluxos de desenvolvimento; o próprio P&D é agora uma fonte crucial e contínua de demanda por inferência computacional.

A especialização de Anthropic e OpenAI em RSI visa, antes de tudo, ampliar a eficiência dos ciclos de iteração de pesquisa, o que, por sua vez, demanda mais experimentos paralelos e agentes de pesquisa em operação contínua. Em termos de engenharia, esses agentes podem propor e filtrar soluções, ajustar códigos de treino, gerar configurações experimentais, conduzir testes e analisar resultados, permitindo exploração simultânea de múltiplos caminhos pelos pesquisadores; nesse contexto, a cognição e programação dos agentes requerem inferência computacional, ao passo que a validação das soluções exige recursos para treinamento, avaliação e processamento de dados.

A OpenAI revelou que, até meados de agosto, cada dia humano de pesquisa correspondia a cerca de 3,1 dias de operação de agentes padrão; para os pesquisadores de uso mediano, o consumo diário de inferência, convertido ao preço do API, passa de US$ 600, números que representam tempo de execução e equivalência de serviço, não multiplicadores de produtividade ou custos reais internos. A empresa ainda aponta que, à medida que outros gargalos de P&D se reduzem, os recursos computacionais tendem a se tornar o principal limitador. Pesquisas de segurança também compõem uma carga de trabalho independente — na amostra de 13 a 20 de julho, a Anthropic destinou cerca de 6% da capacidade total de P&D em IA, e 12% do poder de IA personalizada para tarefas de segurança.

Esses avanços em RSI e o lançamento do Astra, alimentando discussões sobre AGI, sugerem que, ao assumirem mais tarefas de P&D, o setor não limitará mais o investimento ao treinamento dos modelos, mas ampliará o uso de computação para executar agentes de pesquisa e organizar mais experimentos. A automação da pesquisa amplia a escala exploratória de experimentos e eleva a necessidade de capacidade computacional, eficiência de agendamento e confiabilidade.

A principal força catalisadora do investimento em IA proporcionada por RSI e Astra não está apenas no aumento do número de parâmetros dos modelos, mas na expansão do escopo de tarefas e aprofundamento dos fluxos de execução: a inferência para usuários finais e para pesquisa conjunta na modelagem ampliam a demanda por infraestruturas de computação robustas no longo prazo. RSI e Astra dão um sinal direto de necessidade proveniente do lado comercial, inserindo simultaneamente as trilhas “automação de pesquisa + inferência do usuário” entre os motores de crescimento da demanda computacional.

Relatório da renomada TrendForce projeta que, em 2027, o volume de entregas de racks NVL72 terá crescimento anual superior a 50%; a receita total de sistemas em rack NVL ao redor das GPUs de IA da Nvidia, incluindo GB200/GB300 e a nova geração baseada em Vera Rubin, pode ultrapassar US$ 710 bilhões, avanço de 214%, considerando upgrade de produto e elevação de preços. Com Astra puxando a demanda por IA de ponta, o Morgan Stanley espera que o CAPEX agregado de data centers das quatro maiores empresas de nuvem e IA da América do Norte suba de US$ 917 bilhões em 2026 para US$ 1,47 trilhão em 2027 e US$ 1,64 trilhão em 2028, período em que a capacidade projetada passa de 35 GW em 2025 para 145 GW em 2028.

Do ponto de vista de arquitetura de sistemas de inferência, tarefas mais complexas tendem a exigir contextos mais longos, múltiplas chamadas de modelos, execução de ferramentas e verificação de resultados: o prefill precisa processar entradas, a decodificação gera saídas e o KV Cache, que aumenta junto ao contexto e concorrência, consome cada vez mais memória, exigindo avanço conjunto de throughput computacional, largura de banda e capacidade de memória. Inferências industriais adicionais: GPU e TPU realizam o grosso da computação de modelos, CPUs ficam responsáveis por execução de ferramentas e orquestração das tarefas, HBM, DRAM de servidores, storage e infraestrutura avançada de redes, incluindo interconexão óptica em data centers, sustentam o transporte eficiente de dados e gestão de estados, sendo obrigatória, ao final, uma frota coesa e de escala cada vez maior de servidores de computação para IA para garantir entrega de serviços sustentáveis a longo prazo.