Empresas de IA abertas são os alvos de aquisição mais importantes do Vale

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

Agora mais conhecido como alvo de uma equipe de agentes OpenAI de hacking de recompensas, Hugging Face está no centro do ecossistema de desenvolvedores que constroem e implantam LLMs que não pertencem a laboratórios de fronteira. Pense nisso como uma espécie de GitHub para a era da IA.

Os rumores desse acordo surgiram depois que a Nvidia fechou um acordo de US$ 6 bilhões com a Poolside, uma construtora de modelos de peso aberto, que fará com que a maioria de seus funcionários se mude para a gigante fabricante de chips. E há duas semanas, a Stripe adquiriu a OpenRouter, o principal fornecedor de modelos abertos para empresas, por mais de US$ 7 bilhões.

É muito capital investido em um setor baseado na doação de coisas e reflete as últimas tendências no setor de IA.

Para a Nvidia, é necessário evitar maior dependência de seus acordos com os principais hiperscaladores e laboratórios de fronteira. Esse é particularmente o caso quando grandes construtores de modelos de IA, como OpenAI e Google, também estão construindo seus próprios chips de inferência, como o Jalapeño da OpenAI, cujas capacidades foram anunciadas esta semana. Se os construtores de modelos estão fabricando chips, a Nvidia quer uma fatia do negócio de fabricação de modelos.

A Nvidia já constrói sua própria família Nemotron de modelos abertos, mas sua aceitação não tem sido grande. Ao assumir o controle do maior espaço de desenvolvedores dos EUA para modelos abertos, a empresa terá acesso a uma massa de usuários que poderá direcionar para seus chips e padrões.

Há também questões crescentes sobre o custo da inferência de IA, o que faz com que as empresas explorem modelos mais baratos construídos 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 fabrica 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 e muita repetição, um modelo de peso aberto pode ser ajustado para responder às perguntas de maneira barata.

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

Para tarefas de codificação e de agente, 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 simbólico. Albarran diz que, à medida que as empresas adotam fluxos de trabalho de IA, será mais fácil recorrer a modelos abertos. Ainda assim, a principal razão pela qual as empresas recorrem a esses modelos agora é o controlo e a configurabilidade, e não por preocupações com gastos.

“Ainda não há muitas empresas onde isso aconteça… (mas) se os preços continuarem a subir nos laboratórios fronteiriços, mais e mais empresas serão forçadas a pelo menos considerar isso”, disse Albarran ao TechCrunch. “Quando seus fluxos de trabalho orientados por IA estão muito mais maduros, faz sentido investir em modelos de auto-hospedagem.”

Lin Qiao é o CEO da Fireworks, um roteador e host líder em modelos abertos para usuários corporativos que é frequentemente discutido como uma aquisição potencial para uma gigante da tecnologia. Qiao diz que sua empresa processa 40 trilhões de tokens por dia, mais do que as APIs da Gemini ou da OpenAI.

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

É fácil esquecer o quão cedo estamos no desenvolvimento da IA ​​como ferramenta e negócio. O domínio da OpenAI e da Anthropic, entretanto, não é inevitável. À medida que os gigantes da tecnologia procuram proteger as suas apostas nos maiores laboratórios, o fascínio da tecnologia aberta revela-se difícil de resistir.