
O laboratório de IA sob a alçada de Jeff Bezos, o “Project Prometheus”, está prestes a concluir uma nova ronda de financiamento de 10 mil milhões de dólares, com a participação de investidores institucionais como o JPMorgan e a BlackRock. Após a conclusão desta ronda, a avaliação da empresa deverá atingir cerca de 38 mil milhões de dólares. O Project Prometheus já concluiu uma ronda de seed no valor de 6,2 mil milhões de dólares, tendo recrutado mais de 100 colaboradores de laboratórios de IA de topo como a OpenAI.
O posicionamento central do Project Prometheus é construir novos sistemas de IA capazes de compreender as leis da física e de interagir com ambientes reais, com um foco particular na indústria transformadora e nos processos industriais, sendo radicalmente diferente dos grandes modelos de linguagem (LLM) em que empresas como a OpenAI e a Anthropic se concentram.
Os casos de uso deste tipo de sistemas incluem operar maquinaria em fábricas, optimizar cadeias de abastecimento e automatizar processos de aeroespacial e de produção de semicondutores. A sua IA não se limita a gerar texto ou imagens; pode também intervir directamente no funcionamento do mundo físico.
O maior desafio da IA física é a barreira de obtenção de dados. Os LLM podem aproveitar enormes quantidades de texto e imagens recolhidos na Internet para treino, enquanto a IA física exige dados de interacção com o mundo real — leituras de sensores, processos de fabrico, feedback tácteis, dados de falhas em ambientes caóticos, etc. Este tipo de dados é, em regra, proprietário e muito dispendioso de recolher. A Tesla é um exemplo típico da sua vantagem em dados nesta área: cerca de 5 a 6 milhões de veículos eléctricos equipados com hardware de condução totalmente autónoma acumulam mais de 50 mil milhões de milhas de dados reais de condução todos os anos, permitindo-lhe manter uma liderança sustentada nas capacidades de condução autónoma.
Para resolver o problema de obtenção de dados físicos, o Project Prometheus adota uma estratégia de holding única. Bezos e Bajaj estão a angariar centenas de milhares de milhões de dólares para uma empresa de holding posicionada como uma “ferramenta de transformação industrial”, a utilizar sobretudo para adquirir empresas nos domínios da engenharia, construção e design. Através destes investimentos, obtêm-se dados do mundo real para treinar os respectivos sistemas de IA. Segundo o “The New York Times”, Bezos também está a conduzir conversações iniciais com investidores do Médio Oriente e do Sudeste Asiático, discutindo a angariação de até 100 mil milhões de dólares.
Os LLM tratam principalmente dados digitais como texto e imagens, produzindo sobretudo texto ou imagens como saída. O objectivo da IA física é compreender as leis da física e interagir com ambientes reais — operar maquinaria de fábricas, percepcionar o espaço tridimensional e tomar decisões em tempo real em ambientes industriais complexos. Os seus dados de treino incluem dados do mundo físico, como leituras de sensores e trajectórias de movimento de máquinas; a via técnica é radicalmente diferente da dos LLM.
A IA generativa já está relativamente saturada a nível de software, enquanto a taxa de penetração de IA no mundo físico ainda é muito baixa. Em áreas como a produção industrial, a aeroespacial e os semicondutores, o mercado é enorme. Além disso, a profunda experiência de Bezos acumulada na Amazon — ao nível de cadeias de abastecimento e infra-estruturas industriais — dá-lhe uma vantagem natural significativa no próximo grande campo de batalha da corrida à IA.
O maior desafio é a barreira de obtenção de dados físicos — ao contrário dos LLM, que podem obter grandes quantidades de dados de treino a partir da Internet, a IA física precisa de dados caros e proprietários. A Tesla já construiu uma vantagem considerável de “primeiro a entrar” em dados de condução autónoma, e novas empresas como a Periodic Labs também estão a entrar na mesma faixa. Ainda assim, a dimensão do capital de Bezos e a experiência com infra-estruturas industriais da Amazon são as vantagens competitivas centrais que dificilmente podem ser copiadas rapidamente.
Related Articles
Engenheiro da OpenAI Clive Chan ContestA as Recomendações de Hardware da V4, Apontando Erros e Ambiguidade Face à V3
Naver Launches AI Tab Beta as Google Gemini Enters South Korea Search Market
As Contratações de Engenharia em IA na Índia Disparam 59,5%, Expandem Além dos Centros Tecnológicos
Banco da Commonwealth reduz 120 empregos no meio da expansão da IA
Razões para a seleção do treino XAI pela Cursor: o poder de computação ficou bloqueado, a SpaceX detém mais 60 mil milhões de dólares em opções de compra
Avaliação no mercado secundário da Anthropic ultrapassa 1 bilião de dólares: Forge Global supera a OpenAI em 880 mil milhões