Showing Posts From

Brasil

Manycore estreia em Hong Kong com +187% — e a categoria 'spatial intelligence' acaba de entrar no mapa do VC

Manycore estreia em Hong Kong com +187% — e a categoria 'spatial intelligence' acaba de entrar no mapa do VC

A Manycore Tech, startup de Hangzhou fundada em 2011, estreou hoje na bolsa de Hong Kong e viu as ações subirem 187% nas primeiras horas de pregão. Captou US$ 156 milhões na IPO, precificou a ação a HK$ 7,62 e fechou o dia em HK$ 18,60. É o primeiro IPO entre as "Seis Pequenas Dragões de Hangzhou" — grupo de startups chinesas que Pequim elegeu como próxima vitrine tecnológica — e virou a primeira companhia listada na categoria que ainda pouca gente sabe nomear: spatial intelligence. O número da abertura chama atenção, mas a história interessante é outra. A Manycore não estreou como empresa de 3D design, que é o que ela foi por quinze anos. Estreou como fornecedora de dados de treinamento para robôs. Esse pivô — e o valuation que ele destravou — é o que importa. O que é spatial intelligence (e por que de repente todo mundo fala disso) Spatial intelligence é o termo guarda-chuva para sistemas de IA que entendem o mundo físico em três dimensões — objetos, trajetórias, colisões, superfícies, volumes. O conceito não é novo (Fei-Fei Li empurra essa pauta desde 2023 com a World Labs), mas o que mudou foi a economia. Em 2025, treinar um modelo de linguagem grande exigia terabytes de texto da web. Em 2026, treinar um modelo que controla um robô humanoide exige terabytes de interação 3D simulada — objetos sendo agarrados, derrubados, empilhados, abertos. Esse tipo de dado é caríssimo de gerar. E é exatamente o estoque que a Manycore acumulou operando a maior plataforma cloud de design espacial da China desde 2011. Em outras palavras: a Manycore gastou quinze anos sem saber que estava sentada em cima de um commodity raríssimo para a era dos humanoides. O pivô foi perceber isso antes do mercado. A tese do investidor O fundador, Victor Huang, é ex-Nvidia — o que ajuda a entender o pitch. A Manycore não está prometendo vender robôs. Está prometendo vender o combustível que os robôs precisam para aprender. É o equivalente a ser a empresa de GPU em vez da empresa de modelo. Vende para todo mundo que está construindo, sem competir com eles. Os compradores imediatos são os fabricantes chineses de humanoides — Unitree, Agibot, Fourier Intelligence, UBTech — que enfrentam o mesmo problema que a Figure e a Tesla: simulação 3D em escala industrial. Os contratos dessa natureza, em geral, não são recorrentes como SaaS, mas são grandes e de margem alta. O mercado comprou a tese e cravou US$ 2,6 bilhões de valuation no primeiro dia. O detalhe geopolítico: uma empresa chinesa vendendo dados de treinamento para robôs chineses, em uma IPO chinesa (Hong Kong), com capital majoritariamente asiático. A cadeia inteira descolada dos EUA. Isso é parte da tese de muitos fundos que entraram, especialmente os soberanos do Golfo e os fundos de Cingapura. Por que isso importa para o Brasil Três camadas, em ordem crescente de relevância para quem constrói no Brasil: Camada 1: o mercado global validou que physical AI é a próxima vaga de capital. O trimestre passado já havia dado pistas — a Eclipse levantou US$ 1,3 bi em round focado em physical AI, a Figure renegociou valuation para US$ 39 bi, a Hark levantou US$ 100 mi de seed. A Manycore abrindo bem na IPO cimenta a tese. Para founders brasileiros que estão em IA generativa pura, vale olhar: a próxima onda tem cheiro de simulação, robótica, sensoriamento. Camada 2: o modelo de negócio "picks and shovels" funciona. A Manycore provou que você não precisa construir o humanoide para capturar valor — basta ser fornecedor crítico de quem constrói. No Brasil, isso é relevante porque construir hardware humanoide por aqui é batalha perdida em 2026 (custo, fornecedor, talento). Construir o dado ou a simulação que alimenta esses sistemas? É possível. Startups brasileiras com dados agrícolas 3D, dados urbanos em LiDAR, dados industriais — todas têm estoque potencial valioso para esse mercado. Ninguém está monetizando ainda. Camada 3: o BNDES e o novo fundo bilionário de IA (anunciado em janeiro) ainda não têm tese de physical AI. A maior parte do capital público brasileiro de IA em 2026 está indo para generativa, modelos de linguagem, agentes. Isso faz sentido pelo hype ocidental, mas ignora o fato de que o valuation por dólar investido em robótica está superando o de LLM nos últimos seis meses. Se eu fosse conselheiro de fundo público hoje, estaria pedindo uma carve-out explícita para physical AI. O contraste com o ecossistema brasileiro No Brasil, as startups de IA em 2026 estão quase todas no verticalzinho seguro: agentes para atendimento, copilotos jurídicos, cópias nacionais do Cursor, RAG para contabilidade. São negócios válidos. Mas quando a Manycore dispara 187% e abre uma categoria inteira de physical AI, o contraste fica constrangedor. Há três fatores que explicam o atraso: Primeiro, custo de simulação. Gerar dado 3D em escala exige GPU em larga escala, e o custo de GPU em real ainda é inibitório para startup early-stage brasileira. A saída razoável é parceria com universidades (USP, Unicamp e UFMG têm clusters subutilizados) — mas isso raramente acontece porque a burocracia mata o tempo de desenvolvimento. Segundo, mercado local de robôs é incipiente. A Manycore vende para fabricantes de humanoides chineses — há dezenas deles. O Brasil não tem equivalente nacional, então quem construir dados aqui precisa vender lá fora. Para founders early-stage, isso adiciona uma camada de dificuldade (comercial internacional, contratos em moeda forte) que muitos não têm estrutura para operar. Terceiro, o capital brasileiro de IA está alocado em teses de 2023. Fundo que levantou em 2024 prometeu investir em generativa, e está cumprindo. Physical AI ainda não tem cheque na praça em peso. O sinal para quem está construindo Se você é founder de IA no Brasil em 2026, a Manycore é um sinal duplo: há capital global grande para categorias novas, e a categoria nova deste ciclo é spatial/physical. Generativa continua relevante, mas o múltiplo está normalizando. Robótica, simulação, sensoriamento — é onde os preços estão abrindo. Se você é investidor, vale a pergunta: seu portfólio tem exposição a physical AI? Se a resposta é "não" ou "indireta via NVIDIA", você está em 2024 enquanto o mercado já está em 2027. E se você é board de empresa grande olhando adoção de IA, adicione "humanoides/robótica colaborativa" na sua agenda de 18 meses. Não porque você vai comprar um amanhã. Porque quando o fornecedor chinês bater na sua porta em 2027 com uma solução custando 30% do equivalente americano, você precisa ter pensado sobre isso antes do CFO descobrir pelo noticiário. A IPO da Manycore hoje não é sobre design 3D. É sobre uma categoria inteira entrando em modo visível. Vale estar atento.

State of AI Agents 2026: 57% das empresas já rodam workflows multi-step — e o gargalo não é o modelo

State of AI Agents 2026: 57% das empresas já rodam workflows multi-step — e o gargalo não é o modelo

O State of AI Agents 2026, publicado pela Arcade.dev em parceria com o Google Cloud, traz um retrato que confirma o que o mercado já intuía e adiciona números que ninguém tinha: 57% das empresas já operam workflows de agentes multi-step em produção. Não pilotos. Não demos. Produção real, com dados reais, impactando receita e operação. O dado impressiona menos pelo tamanho e mais pelo que revela sobre maturidade. Há seis meses, a conversa sobre agentes de IA era dominada por provas de conceito e decks de PowerPoint. Agora, mais da metade das organizações pesquisadas cruzou a linha entre experimentação e execução. A pergunta mudou de "agentes funcionam?" para "como escalo sem quebrar o que já existe?". O que o relatório realmente diz Os números do State of AI Agents 2026 merecem contexto, porque sem ele viram manchete de press release. 57% operam workflows multi-step. Isso significa agentes que executam sequências de ações — pesquisar, processar, decidir, agir — sem intervenção humana a cada passo. Não é um chatbot respondendo perguntas. É um sistema que recebe um objetivo e percorre múltiplas etapas para atingi-lo. 16% já têm agentes cross-functional. Esses são os casos mais avançados: agentes que cruzam departamentos, acessam múltiplos sistemas e coordenam ações entre equipes. De 57% para 16% é uma queda expressiva, e ela conta uma história importante: a maioria das empresas conseguiu automatizar dentro de um domínio, mas pouquíssimas conectaram agentes entre domínios. 90% usam agentes em desenvolvimento de software. Este é provavelmente o número mais previsível do relatório. Code assistants, agentes de debugging, pipelines de CI/CD com automação inteligente — o desenvolvimento de software foi o primeiro campo de batalha dos agentes porque os engenheiros que constroem agentes são também seus primeiros usuários. 81% planejam expandir nos próximos 12 meses. Quatro em cada cinco empresas vão ampliar o uso de agentes. É um sinal forte de que quem implementou viu valor suficiente para dobrar a aposta. O gargalo que ninguém resolveu E aqui está o dado que importa mais do que todos os outros: 46% apontam integração com sistemas existentes como o principal desafio. Quase metade. Esse número é persistente. No nosso post sobre o vale da morte dos agentes, a integração com sistemas legados já aparecia como bloqueador número um. Na pesquisa da KPMG com 2.110 líderes, a complexidade de integração liderava o ranking de barreiras há dois trimestres consecutivos. Agora o State of AI Agents 2026 confirma pela terceira vez: o problema não é construir o agente. É conectá-lo ao mundo real da empresa. Um ERP de 15 anos, um CRM com APIs proprietárias, bancos de dados sem documentação, processos que vivem na cabeça de três pessoas do financeiro — esse é o terreno onde os agentes precisam operar. E nenhum modelo foundation, por mais capaz que seja, resolve isso sozinho. É por isso que a camada de integração virou a oportunidade mais clara do mercado de agentes. Empresas como Arcade.dev (que publicou o relatório, não por acaso), MuleSoft, Workato e dezenas de startups menores estão disputando esse espaço. Quem resolver a integração de forma confiável e escalável vai capturar uma fatia desproporcional do valor gerado por agentes. O contexto de mercado: dinheiro, produto e escala Os dados do relatório não existem no vácuo. O primeiro trimestre de 2026 consolidou agentes de IA como categoria de produto enterprise: O Salesforce Agentforce atingiu US$800 milhões em ARR — provando que empresas pagam por agentes quando eles se encaixam em workflows existentes. A Microsoft lançou o Agent 365, integrando agentes diretamente no ecossistema Office. A Okta criou um produto de identidade especificamente para AI Agents, reconhecendo que agentes precisam de autenticação e autorização próprias. Esses movimentos das big techs validam a categoria, mas também comprimem o espaço para startups que não encontraram seu nicho. Se Salesforce e Microsoft oferecem agentes como feature, a startup precisa ser infraestrutura, ou ser vertical o suficiente para justificar existência independente. E o Brasil? A conexão entre esses dados globais e o ecossistema brasileiro é mais direta do que parece. O número de 46% com problemas de integração é, se alguma coisa, conservador para o Brasil. Empresas brasileiras carregam mais débito técnico na média, operam com orçamentos de TI proporcionalmente menores e dependem de sistemas locais (TOTVS, Linx, sistemas legados do governo) que não têm o mesmo ecossistema de conectores e APIs das plataformas americanas. Isso cria um paradoxo interessante: a dor de integração é maior aqui, logo a oportunidade para quem resolve essa dor também é maior. Startups brasileiras que construírem conectores nativos para ERPs locais, integrações com sistemas tributários (SPED, NFe, eSocial) e camadas de orquestração que entendem a complexidade regulatória brasileira têm uma vantagem que nenhuma startup do Vale do Silício pode replicar facilmente. Já vemos sinais disso. Startups como a Nuveo e a Oncase estão explorando automação de processos com componentes de agentes. Os hubs de Recife, Florianópolis e Campinas têm times técnicos com experiência em sistemas complexos de empresas brasileiras — exatamente o tipo de conhecimento que falta em San Francisco. O dado de 90% de adoção em desenvolvimento de software também reflete no Brasil. Ferramentas como Cursor, GitHub Copilot e agentes de código já são padrão em equipes de engenharia brasileiras. A barreira de entrada caiu. O próximo passo — levar agentes para operações, financeiro, jurídico — é onde a partida real começa. O que os números não dizem O State of AI Agents 2026 é otimista por construção. É publicado por empresas que vendem infraestrutura para agentes. Isso não invalida os dados, mas exige leitura com calibração. Os 57% que "rodam workflows multi-step" incluem desde automações sofisticadas de múltiplas etapas até scripts com um LLM no meio que mal se qualificam como agentes. A definição de "multi-step" varia enormemente. Os 81% que planejam expandir podem estar planejando mover um piloto para dois pilotos — não necessariamente escalar para produção enterprise. Cruzando com os dados da KPMG (11% escalam de verdade) e o vale da morte (78% pilotam, 14% escalam), o quadro realista é: a adoção é ampla, a intenção é forte, mas a distância entre rodar um workflow e ter agentes operando como parte central do negócio ainda é enorme. A leitura que importa Três conclusões para quem acompanha este mercado: A categoria se consolidou. Agentes de IA não são mais hype de conferência. São produto, com receita, com métricas de adoção e com problemas reais de escala. O debate agora é operacional, não filosófico. Integração é o novo model training. Assim como treinar modelos era o gargalo de 2023-2024, integrar agentes com sistemas reais é o gargalo de 2026. Quem resolve isso — com plataformas, conectores, middleware — captura o valor. Brasil tem janela. A complexidade local é barreira de entrada para competidores globais e vantagem para quem entende o terreno. Startups brasileiras que posicionarem agentes como solução para dores específicas do mercado local — tributário, compliance, operações em real — têm uma tese clara de produto. Os próximos 12 meses vão separar quem realmente escalou agentes de quem apenas expandiu pilotos. Os 81% que planejam crescer vão descobrir, como 46% já sabem, que o desafio não é o modelo. É o encanamento.

AMI Labs (US$1B seed) e Nscale (US$2B Series C): a Europa finalmente joga no mesmo time que o Vale

AMI Labs (US$1B seed) e Nscale (US$2B Series C): a Europa finalmente joga no mesmo time que o Vale

US$1,03 bilhão em um seed round. Não Series B, não growth equity — seed. A AMI Labs, startup europeia de IA, acaba de levantar a maior rodada seed da história da Europa. Na mesma semana de março de 2026, a Nscale fechou US$2 bilhões em Series C — a maior rodada de venture capital já registrada no continente. Dois recordes absolutos em sete dias. A Europa, que passava os últimos anos assistindo o Vale do Silício concentrar o capital de IA, decidiu que o jogo agora é outro. O que aconteceu em uma semana de março Os números, isolados, já impressionam. Mas o contexto é o que transforma dados em tendência. A AMI Labs levantou US$1,03 bilhão em seed. Para quem acompanha rodadas, um seed de US$1 bilhão soa quase absurdo — e é. No ecossistema americano, seeds dessa magnitude não existem. O maior seed da história global, até pouco tempo, estava na casa dos US$300-400 milhões. A AMI Labs multiplicou isso por três. O sinal é claro: investidores europeus (e globais alocando na Europa) estão dispostos a queimar a largada com cheques que antes só apareciam em Series C ou D. A Nscale, por sua vez, opera na camada de infraestrutura — GPU cloud para IA, competindo diretamente com AWS, Azure e GCP no segmento de compute otimizado para treinamento e inferência de modelos. Os US$2 bilhões em Series C refletem uma tese que já vimos validada nos EUA: quem controla o compute, controla o jogo. CoreWeave levantou capital massivo com essa mesma premissa. Agora a Europa tem a sua aposta própria. E não parou aí. Na mesma semana, a Nebius — plataforma de cloud e IA com raízes na Yandex — recebeu US$2 bilhões da Nvidia. Mais de US$1,2 bilhão foi para startups de robótica europeias. Somando tudo, estamos falando de mais de US$6 bilhões fluindo para IA na Europa em uma única semana de março. Isso não é ruído. É reposicionamento. A Europa que regulava agora financia Por anos, a narrativa sobre a Europa no espaço de IA era previsível: regulação demais, inovação de menos. Enquanto o Vale produzia OpenAI, Anthropic e xAI, e a China escalava DeepSeek e Baidu, a Europa era lembrada pelo EU AI Act, pelo GDPR e por uma postura que muitos founders classificavam como hostil à inovação. Essa leitura sempre foi parcial — a Europa tem centros de pesquisa fortes, a DeepMind nasceu em Londres, a Mistral saiu de Paris com tração real — mas o capital nunca acompanhou. As rodadas europeias eram uma fração do que acontecia nos EUA. O gap não era de talento. Era de cheque. Março de 2026 fecha esse gap de uma vez. O que AMI Labs e Nscale demonstram é que a infraestrutura de capital europeia para IA finalmente existe em escala comparável. Não é mais um ecossistema que financia seed de US$5 milhões e torce para que o founder vá para o Vale captar a Series A. É um ecossistema que escreve cheques de US$1-2 bilhões sem precisar de coinvestidor americano como âncora. A pergunta que importa: isso é sustentável ou é um pico pontual alimentado por FOMO? Minha leitura é que é sustentável, mas com uma nuance importante. O capital europeu para IA não está vindo no vácuo — está vindo junto com o EU AI Act, que entra em vigor pleno em agosto de 2026. Isso significa que as startups financiadas na Europa já nascem dentro de um framework regulatório definido. Compliance não é afterthought. É pré-requisito. O que muda para startups brasileiras Aqui é onde a coisa fica interessante para quem está construindo no Brasil. Nos últimos dez anos, o playbook de expansão de uma startup brasileira de IA era quase sempre o mesmo: crescer no mercado doméstico, captar com fundos locais (Kaszek, Canary, Valor), e quando chegasse a hora de escalar internacionalmente, mirar o Vale. YC, Sand Hill Road, Delaware C-Corp. O caminho era único porque o capital estava concentrado lá. Com a Europa jogando nesse nível, a equação muda. Startups brasileiras que constroem para o mercado enterprise — governança de IA, compliance, agentes verticais — agora têm um segundo polo de capital e mercado. A Europa não é apenas fonte de cheque. É mercado consumidor com demanda real por soluções de IA que já nasçam compliant. E startups brasileiras, que lidam com LGPD e com a complexidade regulatória local, podem ter uma vantagem inesperada: a familiaridade com operar sob regulação desde o dia um. Não estou dizendo que o Vale perdeu relevância — longe disso. OpenAI e Anthropic continuam captando dezenas de bilhões. Mas a existência de uma alternativa real muda a dinâmica de negociação. Founder brasileiro que antes tinha uma única opção de Series A internacional agora pode comparar termos, valuations e condições entre EUA e Europa. Concorrência de capital beneficia quem capta. A conexão mais direta: o EU AI Act cria demanda por ferramentas de compliance, auditoria de modelos, documentação de sistemas de IA. Startups brasileiras que já trabalham com governança de dados e LGPD estão mais perto desse mercado do que parece. O salto de "compliance de dados" para "compliance de IA" é menor do que o salto de "zero regulação" para "EU AI Act compliant". O ceticismo necessário Dito tudo isso, vale manter o pé no chão. Capital recorde não garante resultado recorde. A Europa tem um histórico de financiar grandes rodadas que não se convertem em empresas dominantes globalmente. O que falta, historicamente, não é dinheiro — é a cultura de escalar agressivamente e a tolerância a risco que define o Vale. AMI Labs levantou US$1 bilhão em seed. Ótimo. Agora precisa provar que consegue transformar isso em produto, receita e mercado antes que o capital acabe. O burn rate de uma startup que levanta US$1 bilhão em seed é, por definição, brutal. E a pressão por resultado vai chegar rápido. A Nscale compete com AWS, Azure e GCP. São adversários que têm distribuição global, base instalada e décadas de relacionamento enterprise. Ter US$2 bilhões é necessário. Não é suficiente. Mas o ponto central permanece: a Europa entrou no jogo de IA com capital sério, em múltiplas camadas (modelos, infraestrutura, robótica), em uma escala que não existia seis meses atrás. Para quem constrói startups de IA no Brasil, isso significa mais opções, mais mercado e mais capital acessível. O mapa mudou. Quem ajustar a rota primeiro, captura a vantagem.

Q1 2026 fecha com US$300B em venture capital — e IA engoliu 81% do bolo

Q1 2026 fecha com US$300B em venture capital — e IA engoliu 81% do bolo

Trezentos bilhões de dólares. Esse é o número que o Crunchbase publicou hoje para o venture capital global no primeiro trimestre de 2026. Recorde absoluto — não de um mês, mas de um trimestre inteiro. Para referência: o Q1 de 2025 somou US$91 bilhões. O crescimento é de 230% em doze meses. O número impressiona. A composição, preocupa. IA absorveu 81% do capital total — US$243 bilhões dos US$300 bilhões. E quatro empresas levaram 64% de tudo que foi investido no planeta: OpenAI, Anthropic, xAI e Waymo. Juntas, US$192 bilhões. O recorde é de concentração, não de distribuição. A anatomia de um trimestre distorcido Vamos reconstruir. Janeiro abriu com a xAI levantando US$20 bilhões em Series E e a Humans& fechando um seed de US$480 milhões. Fevereiro foi o mês que quebrou todos os registros: US$189 bilhões investidos, com a megarrodada de US$110 bilhões da OpenAI e os US$30 bilhões da Anthropic. Março completou o quadro com mais de uma dúzia de rodadas acima de US$100 milhões, agora focadas em infraestrutura, segurança e operações de agentes. Mês a mês, a narrativa mudou — de modelos foundation para trust layer e operações. Mas a concentração de capital, não. As dez maiores rodadas do trimestre representaram mais de 75% dos US$300 bilhões. É uma lei de potência que seria extrema até para o venture capital, um mercado que já opera com distribuição absurdamente desigual. Os dados da Crunchbase mostram que o número de deals globais em Q1 2026 cresceu apenas 12% em relação a Q1 2025. O volume de capital cresceu 230%. Isso significa que o ticket médio explodiu — puxado por megarrodadas que distorcem toda a curva. 81% para IA: o que sobra para o resto Dos US$300 bilhões, US$243 bilhões foram para startups classificadas como IA. Os outros US$57 bilhões se dividiram entre fintech, climate tech, biotech, SaaS e tudo mais. É dinheiro — mas num contexto onde IA engoliu oito em cada dez dólares, categorias inteiras de startups estão competindo por restos. Climate tech, que tinha momentum real em 2024, sentiu o impacto. O funding para startups de energia limpa e descarbonização caiu 18% YoY no Q1 2026, segundo o TechCrunch. Não porque a tese enfraqueceu — os problemas climáticos não desapareceram — mas porque o capital tem custo de oportunidade. Se o LP pode colocar dinheiro num fundo focado em IA e ver retornos de 5x em dois anos, o incentivo para alocar em climate tech com horizonte de dez anos diminui. O mesmo padrão aparece em biotech e fintech. Não há crise — há reorientação gravitacional. O capital não fugiu dessas categorias. Ele foi atraído para um buraco negro chamado IA generativa. Quatro empresas, 64% do capital global Esse é o dado que deveria tirar o sono de qualquer fundador. OpenAI (US$110B), Anthropic (US$30B), xAI (US$20B) e Waymo (US$16B) concentraram, sozinhas, mais da metade de todo o venture capital investido no mundo nos primeiros três meses do ano. Somando as rodadas secundárias e extensões de capital que não aparecem nos headlines, o número sobe para 64%. Não é que o ecossistema parou de receber dinheiro. É que a escala mudou de forma irreversível. Quando uma rodada única de US$110 bilhões existe no mesmo mercado que seeds de US$2 milhões, as duas coisas são venture capital apenas no nome. Na prática, são mercados completamente diferentes operando sob o mesmo rótulo. O capital que foi para OpenAI e Anthropic financia treinamento de modelos com orçamentos de bilhões de dólares. O capital que vai para uma startup early-stage em São Paulo financia seis meses de runway. Chamar os dois de "venture capital" é como comparar o orçamento da NASA com o de um clube de foguetes de universidade. O que isso significa para o early-stage Aqui está o paradoxo: o dinheiro de seed e Series A em termos absolutos cresceu. A Crunchbase reporta que deals de seed somaram US$11,2 bilhões no Q1, contra US$9,8 bilhões no Q1 de 2025 — alta de 14%. Mas como proporção do total, o early-stage caiu de 10,8% para 3,7%. O bolo cresceu tanto que a fatia ficou invisível. Para fundadores, isso cria um ambiente estranho. Levantar um seed de US$3-5 milhões não ficou mais difícil em termos absolutos. Mas a atenção dos LPs, a cobertura de mídia e a dinâmica de mercado estão dominadas por megarrodadas. Quando a Sequoia aloca US$2 bilhões numa única empresa, o incentivo para o partner dedicar tempo a um seed de US$4 milhões diminui. Não por maldade — por economia de tempo. O efeito prático é que fundos especializados em early-stage estão ganhando importância relativa. Os generalistas foram sugados pela gravidade dos megarounds. Quem ainda olha para pre-seed e seed são os fundos que nasceram para isso — e, no Brasil, são poucos. E o Brasil nesse cenário? O ecossistema brasileiro de startups de IA tem 975 empresas ativas e o BNDES planejando um fundo de até R$1 bilhão. São números reais. Mas colocados contra US$300 bilhões globais, o Brasil é um erro de arredondamento. O ticket médio de seed no Brasil gira em torno de US$1,5 a US$2 milhões. Nos EUA, o seed médio para startups de IA passou de US$6 milhões no Q1, com outliers como a Humans& distorcendo a média para cima. A competição é assimétrica por definição — não porque fundadores brasileiros são piores, mas porque operam com 10x menos capital num mercado onde capital virou barreira de entrada. Três caminhos se destacam para startups brasileiras nesse contexto. Primeiro: vertical AI. Construir agentes e automação para setores onde o conhecimento local é vantagem — agro, tributário, saúde pública, logística. Nenhum frontier lab de San Francisco vai treinar um modelo que entende a legislação trabalhista brasileira melhor do que quem vive nela. Segundo: eficiência como estratégia. Quando seu competidor tem US$100 bilhões, gastar menos para resolver o mesmo problema não é limitação — é moat. Terceiro: captar fora. O capital brasileiro é insuficiente para competir em IA. Fundadores que conseguem acessar capital americano ou europeu multiplicam suas chances por uma ordem de magnitude. Onde a concentração leva O Q1 de 2026 confirma uma tendência que não é nova, mas que atingiu um ponto de inflexão. O venture capital global se bifurcou em dois mercados que mal se comunicam. De um lado, megarrodadas para frontier labs e infraestrutura de IA — capital medido em dezenas de bilhões, investidores que incluem fundos soberanos e Big Tech. Do outro, o ecossistema de startups "normais" — seeds, Series A, fundadores com pitch deck e doze meses de runway. O risco não é que o dinheiro acabe. O risco é que a concentração se torne auto-reforçante. Modelos maiores exigem mais capital. Mais capital gera modelos maiores. O ciclo cria uma barreira de entrada que transforma a camada foundation em oligopólio. Para quem constrói na camada de aplicação, isso pode ser oportunidade — modelos melhores e mais baratos como plataforma. Para quem queria competir na camada foundation, o jogo acabou. Trezentos bilhões de dólares em um trimestre. O número é histórico. Mas a pergunta que importa não é quanto entrou — é para onde foi. E a resposta, por enquanto, é que foi para o topo.

Salesforce Agentforce bate US$800M de ARR — agentes de IA já são linha de receita, não promessa

Salesforce Agentforce bate US$800M de ARR — agentes de IA já são linha de receita, não promessa

A Salesforce acabou de divulgar o resultado fiscal do Q4 2026 e enterrou, com um número, qualquer dúvida sobre a viabilidade comercial de agentes de IA. O Agentforce — a plataforma de agentes autônomos lançada em outubro de 2024 — atingiu US$800 milhões de receita recorrente anual. Crescimento de 169% year-over-year. São 29.000 deals fechados em apenas 15 meses de operação comercial. US$800 milhões. Não é pipeline. Não é projeção de analista. É ARR reportado em earnings call para investidores. Agentes de IA acabaram de se tornar uma linha de receita de quase um bilhão de dólares por ano dentro de uma única empresa. O poder da base instalada O que explica a velocidade? Distribuição. A Salesforce tem 150.000 clientes enterprise que já rodam CRM, Service Cloud, Marketing Cloud e uma constelação de produtos integrados. Quando o Agentforce chega, não precisa convencer o CIO a comprar um conceito novo. Precisa mostrar que o agente resolve um ticket, qualifica um lead ou automatiza um workflow dentro de um sistema que o cliente já usa, já paga e já depende. É a diferença brutal entre vender agentes para quem nunca usou IA e adicionar agentes ao stack de quem já está dentro do ecossistema. A Salesforce não vendeu 29.000 deals do zero — converteu 29.000 clientes existentes em compradores de uma nova camada de valor. Para startups, esse é o dado mais incômodo do earnings call. Não é que o Agentforce seja tecnicamente superior a qualquer concorrente. É que ele chega com CRM, dados do cliente, integrações e billing já resolvidos. A barreira de entrada para o cliente é mínima. Para a startup que compete pelo mesmo orçamento, a barreira é brutal. O mapa de quem está monetizando de verdade Vale colocar o número da Salesforce em contexto com os outros players que cobri aqui nos últimos meses. Salesforce Agentforce: US$800M de ARR. O incumbente. Crescimento por distribuição e base instalada. Modelo SaaS tradicional — cobra por uso dentro da plataforma existente. Não precisou inventar um mercado; adicionou uma feature monstruosa a um produto que já domina enterprise. Sierra: US$150M de ARR. A startup pura de agentes de atendimento, fundada por Bret Taylor (ex-co-CEO da própria Salesforce, aliás) e Clay Bavor. Cresceu de US$26M para US$150M em pouco mais de um ano. Cobra por resultado — por interação resolvida, não por seat. Provou que agentes verticais geram receita recorrente sem base instalada prévia. Harvey: US$11B de valuation. A referência em agentes jurídicos, com 100 mil advogados usando o produto em 1.300 organizações. Rodada de US$200M em março. Não divulga ARR, mas o valuation e a velocidade de adoção sugerem receita crescente e significativa. Rox: US$1.2B de valuation. Agentes autônomos de vendas B2B que substituem SDRs. Avaliação alcançada em março de 2026. Modelo de precificação por resultado — cobra por lead qualificado e reunião agendada. O padrão é claro: quem monetiza agentes de IA não é quem tem o demo mais impressionante. É quem tem distribuição (Salesforce), vertical defensável (Harvey, Sierra) ou modelo de negócio que alinha incentivos (Sierra, Rox). Demo sem distribuição é roadshow. Distribuição sem produto é vaporware. A interseção dos dois é receita. O que US$800M significa para o mercado de agentes Três implicações que importam. Primeiro, budget enterprise para agentes existe e é grande. Quando o CFO de uma Fortune 500 vê que a Salesforce — a empresa na qual ele já confia — gera resultados mensuráveis com agentes, a conversa de "deveríamos experimentar IA?" vira "quanto a mais vamos gastar com IA?". A Salesforce está normalizando a compra de agentes na mesma velocidade que normalizou a compra de CRM em nuvem duas décadas atrás. Isso abre mercado para todo mundo — inclusive para startups que oferecem algo que a Salesforce não cobre. Segundo, o modelo de precificação vai ser campo de batalha. A Salesforce cobra no modelo SaaS tradicional — add-on ao contrato existente. Sierra e Rox cobram por resultado. Quando os dois modelos competem pelo mesmo orçamento, o cliente vai comparar: "pago X fixo à Salesforce pelo agente dentro do meu CRM, ou pago Y variável à Sierra/Rox pelo mesmo trabalho feito?". Essa tensão vai definir margens e modelos de negócio pelos próximos três anos. Terceiro, a janela para startups de agentes horizontais está fechando. Um agente genérico de atendimento, vendas ou suporte que tenta competir head-to-head com o Agentforce dentro de empresas que já usam Salesforce tem uma probabilidade baixíssima de ganhar. A oportunidade real está nos verticais que a Salesforce não cobre — jurídico (Harvey), saúde, compliance, engenharia — e nos mercados onde a Salesforce não domina. O que startups brasileiras precisam entender Aqui é onde eu conecto com o ecossistema que acompanho de perto. O mercado enterprise brasileiro gasta com Salesforce — mas nem de longe na mesma proporção que os EUA. A penetração de CRM enterprise no Brasil ainda tem gaps significativos, especialmente em mid-market e em setores como agro, saúde e governo. Esses gaps são oportunidade. Uma startup brasileira de agentes que tenta competir com o Agentforce dentro de clientes Salesforce está morta antes de começar. Mas uma startup que constrói agentes para verticais brasileiros — atendimento em português com integração a TOTVS, agentes de cobrança que entendem o ciclo de inadimplência local, agentes de compliance que navegam LGPD e regulação setorial — essa não compete com a Salesforce. Compete por um orçamento diferente, num mercado que a Salesforce não atende bem. O dado de US$800M de ARR tem dois lados para founders brasileiros. O lado ruim: o incumbente está monetizando rápido e vai sugar uma fatia enorme do budget global de agentes enterprise. O lado bom: US$800M prova que o mercado existe. Quando a Salesforce valida a categoria, o cliente brasileiro que não é cliente Salesforce também começa a perguntar "e eu, preciso de agentes?". Quem tiver a resposta certa para o mercado local captura essa demanda. Agentes saíram do slide para o P&L Há seis meses, quando escrevi sobre o vale da morte dos agentes — 78% pilotam, 14% escalam — o cenário era de promessa e frustração. O dado da Salesforce não elimina o vale da morte. Ainda tem muita empresa emperrada em piloto. Mas mostra que quem cruza o vale encontra receita real do outro lado. US$800 milhões de ARR em 15 meses. 29.000 deals. 169% de crescimento. Agentes de IA deixaram de ser uma linha no slide de estratégia e viraram uma linha no P&L. A pergunta para quem constrói no espaço não é mais "agentes funcionam?" — é "como eu capturo minha fatia antes que os incumbentes fechem a porta?". A porta ainda está aberta. Mas está fechando rápido.

Physical AI na GTC 2026: a NVIDIA quer ser o Android da robótica — e 110 devs de 'robot brains' já embarcaram

Physical AI na GTC 2026: a NVIDIA quer ser o Android da robótica — e 110 devs de 'robot brains' já embarcaram

US$6,4 bilhões. Esse é o volume de capital que fluiu para startups de Physical AI só no primeiro trimestre de 2026. No mesmo período, a NVIDIA subiu ao palco da GTC e fez algo que nenhuma empresa de semicondutores costuma fazer: apresentou uma stack completa de software para robótica, da simulação ao cérebro do robô. Cosmos 3, Isaac GR00T N1.7, Alpamayo 1.5 — nomes que poucos fora do setor conhecem, mas que representam uma aposta de que a próxima grande plataforma de IA não vai rodar em datacenters. Vai andar, pegar objetos e operar no mundo físico. A pergunta que importa: a NVIDIA consegue fazer para robótica o que o Android fez para smartphones? O stack que a NVIDIA montou — e por que cada peça importa Physical AI é um termo que a NVIDIA vem empurrando há dois anos, mas na GTC 2026 ele ganhou substância concreta. A ideia é simples de explicar e difícil de executar: criar IA que entende e age no mundo físico — gravidade, atrito, geometria de objetos, movimentos humanos — e traduz tudo isso em ação motora. O stack tem três camadas. Cosmos 3 são world models — modelos que simulam o mundo físico com fidelidade suficiente para treinar robôs antes de colocá-los num galpão real. É o equivalente a um flight simulator, mas para braços robóticos e humanoides. A lógica econômica é direta: treinamento em simulação custa uma fração do treinamento no mundo real e elimina o risco de quebrar hardware caro durante o aprendizado. Isaac GR00T N1.7 é o cérebro do robô. Disponível em early access com licença comercial, o GR00T N1.7 oferece controle dextro avançado — a capacidade de manipular objetos com precisão usando mãos robóticas. É o tipo de competência que separa um robô de demonstração de um robô que opera numa linha de montagem. A versão N2, prevista para o fim de 2026, promete dobrar a taxa de sucesso em tarefas novas e ambientes desconhecidos, usando uma arquitetura chamada DreamZero World Action Model. Alpamayo 1.5 completa a stack no lado de percepção e planejamento. E no hardware, a NVIDIA já tem os chips Jetson para rodar tudo isso na borda, sem depender de conexão com a nuvem. É uma plataforma vertical: simulação, treinamento, cérebro e hardware. Tudo de uma empresa. "O Android da robótica" — a comparação que faz sentido e onde ela quebra O TechCrunch cunhou a frase: "NVIDIA quer ser o Android da robótica generalista". É uma comparação que funciona em vários níveis. Assim como o Android ofereceu um sistema operacional gratuito que permitiu a dezenas de fabricantes de hardware competirem com o iPhone, a NVIDIA está oferecendo um stack de software que permite a fabricantes de robôs construírem produtos sem precisar desenvolver a inteligência do zero. E o ecossistema já está se formando. São 110 desenvolvedores de "robot brains" trabalhando sobre a plataforma NVIDIA. Parceiros industriais de peso — ABB, FANUC, KUKA, Hexagon Robotics — adotaram as tecnologias. A extensão para robótica médica e cirúrgica já começou. Mas a comparação tem limites importantes. O Android prosperou porque o custo de um smartphone caiu para US$50. Robôs industriais custam dezenas ou centenas de milhares de dólares. A barreira de adoção não é só software — é capital, integração e regulação. E diferente do mercado mobile, onde um app funciona em qualquer Android, cada aplicação robótica tem restrições físicas únicas. Um robô que opera num warehouse não opera num hospital sem reengenharia significativa. A NVIDIA entendeu isso. O GR00T N1.7 foi projetado para robôs "produzidos em massa" — a ênfase é em escala, não em customização artesanal. Se o preço do hardware cair e a taxa de sucesso do N2 se confirmar, a comparação com o Android pode deixar de ser metáfora e virar descrição. O ecossistema de startups que já orbita a plataforma Quando uma plataforma atinge massa crítica, o ecossistema ao redor cresce mais rápido que a plataforma em si. É o que está começando a acontecer. O caso mais interessante é o ROSClaw, que nasceu de um hackathon da comunidade OpenClaw. O projeto cria uma ponte entre o OpenClaw e o ROS 2 — o framework padrão de robótica — permitindo que agentes de IA controlem robôs via chat. É o tipo de integração que parece trivial mas desbloqueia uma classe inteira de aplicações: operadores humanos dando instruções em linguagem natural para robôs em chão de fábrica. Fora do ecossistema direto da NVIDIA, a Skild AI levantou US$1,4 bilhão a um valuation de US$14 bilhões. A tese é construir um foundation model para controle robótico — um GPT para robôs. A OpenAI, por sua vez, fez seis aquisições em 2026, com foco crescente em Physical AI. É capital sério perseguindo a mesma tese de direções diferentes. O padrão é familiar para quem acompanha ciclos de plataforma: a NVIDIA fornece a infraestrutura, startups constroem aplicações verticais em cima, grandes empresas industriais integram. Quem controla a plataforma captura valor desproporcional — mas quem constrói as aplicações certas nos verticais certos também ganha. E o Brasil nessa história? Toda vez que uma plataforma horizontal surge, a pergunta para o ecossistema brasileiro é a mesma: vamos ser consumidores ou construtores? O Brasil tem três verticais onde Physical AI tem aplicação imediata e vantagem competitiva local. Agro robotizado. O agronegócio brasileiro é um dos mais avançados do mundo em escala, mas a automação robótica ainda é incipiente. Colheita seletiva, monitoramento de pragas com drones autônomos, operação de máquinas pesadas com controle por IA — são aplicações que se beneficiam diretamente do stack NVIDIA e onde startups brasileiras entendem o contexto operacional melhor que qualquer competidor do Vale do Silício. Manufatura. O parque industrial brasileiro precisa de modernização, e robótica colaborativa — robôs que trabalham ao lado de humanos — é a porta de entrada. Integrar GR00T com linhas de produção existentes é um problema de engenharia de aplicação, não de pesquisa fundamental. Startups que dominarem essa integração capturam um mercado que importa hoje US$800 milhões em robôs industriais por ano. Healthtech. A expansão de Physical AI para robótica cirúrgica abre espaço para startups que construam ferramentas de planejamento e simulação sobre o Cosmos. O SUS atende 150 milhões de brasileiros — escala não é problema. Falta tecnologia acessível. O BNDES sinalizou um fundo de até R$1 bilhão para IA e data centers. Se uma fração desse capital for direcionada para Physical AI aplicada, o Brasil pode sair da posição de espectador. Physical AI é onde os agentes encontram o mundo real A narrativa dominante dos últimos dois anos foi sobre agentes de software — código que escreve código, assistentes que agendam reuniões, bots que negociam contratos. Physical AI é o próximo capítulo: agentes que não só pensam, mas agem no mundo dos átomos. A NVIDIA está apostando que vai controlar a plataforma desse mundo. Com Cosmos para simulação, GR00T para o cérebro e Jetson para o hardware, ela tem a stack mais completa do mercado. Os 110 desenvolvedores de robot brains e os parceiros industriais de peso dão credibilidade à aposta. Mas plataformas não vencem por completude técnica — vencem por ecossistema. O Android não ganhou por ser melhor que o iOS. Ganhou porque era aberto o suficiente para que milhares de fabricantes e desenvolvedores construíssem em cima. A pergunta de US$6,4 bilhões é se a NVIDIA vai ser aberta o suficiente para que isso aconteça na robótica. Os primeiros sinais — licença comercial no GR00T N1.7, integração com ROS 2 via ROSClaw, early access para desenvolvedores — apontam que sim. Quem chegar primeiro à produção em escala, vence. E agora existe uma plataforma para tentar.

O vale da morte dos agentes de IA: 78% pilotam, 14% escalam — e quem lucra é quem vende a pá

O vale da morte dos agentes de IA: 78% pilotam, 14% escalam — e quem lucra é quem vende a pá

Uma pesquisa de março de 2026 com 650 líderes de tecnologia trouxe dois números que resumem o estado dos agentes de IA nas empresas: 78% têm pelo menos um piloto rodando. Apenas 14% conseguiram escalar para uso organizacional. A distância entre esses dois números é o que o mercado está chamando de "vale da morte dos agentes". E como todo vale da morte, é ao mesmo tempo um cemitério de projetos e uma oportunidade enorme para quem resolve o problema certo. Os 5 bloqueadores que travam a escalada Os dados da pesquisa detalham onde os pilotos morrem. Não é na tecnologia do agente em si — é em tudo que está ao redor dele. Integração com sistemas legados (46%). Quase metade dos líderes apontam isso como o bloqueador principal. Um agente que funciona no sandbox não sobrevive ao encontrar um ERP de 15 anos, APIs SOAP, bancos de dados sem documentação e processos que ninguém mapeou completamente. A complexidade não é construir o agente — é conectá-lo ao mundo real da empresa. Qualidade inconsistente em volume (32%). Um agente que acerta 95% das respostas em um piloto com 500 interações pode cair para 80% quando processa 50 mil. Alucinações que são anedota em piloto viram risco operacional em produção. E a maioria das empresas não tem ferramentas para detectar essa degradação em tempo real. Ausência de ferramentas de monitoramento. Quando um agente toma uma decisão errada às 3h da manhã, quem percebe? Dashboards de observabilidade para agentes autônomos praticamente não existiam até recentemente. As ferramentas de APM tradicionais — Datadog, New Relic — foram construídas para monitorar software determinístico, não sistemas que tomam decisões probabilísticas. Falta de ownership organizacional. De quem é o agente? Do time de IA? De produto? De operações? Em muitas empresas, o piloto é tocado por um squad de inovação que não tem poder para forçar integração com sistemas core. Quando o piloto precisa virar produção, esbarra na política interna. Dados de treinamento insuficientes. Agentes precisam de dados do contexto específico da empresa para funcionar bem. Muitas organizações descobrem, tarde demais, que seus dados internos são desorganizados, incompletos ou inacessíveis. O investimento em curadoria e pipeline de dados é subestimado em 40% a 60%, segundo a pesquisa. Picks and shovels: a tese de infraestrutura Na corrida do ouro da Califórnia, quem mais lucrou foram os vendedores de pás e picaretas. Na corrida dos agentes de IA, a lógica é a mesma. Se 78% das empresas estão pilotando agentes e apenas 14% escalam, existe um mercado massivo de organizações dispostas a pagar por ferramentas que resolvam o gap. Não é mais uma questão de "se" agentes vão para produção — é uma questão de "com qual infraestrutura". O batch W26 da YC confirmou essa tese de forma inequívoca: 41,5% das startups selecionadas constroem infraestrutura para agentes autônomos. Autenticação, testes, billing, monitoramento, segurança. A YC não está apostando em mais agentes — está apostando nas ferramentas que fazem agentes funcionarem em escala. Quem está resolvendo o problema O ecossistema de startups de infraestrutura para agentes está se formando rápido. Algumas categorias que estão ganhando tração: Observabilidade para agentes. Startups construindo dashboards que monitoram não só latência e uptime, mas qualidade de decisão, taxa de alucinação, drift de comportamento e custo por tarefa. É o Datadog dos agentes — e quem chegar primeiro com um produto que funciona em produção vai capturar um mercado que não existia dois anos atrás. Avaliação e testing. Frameworks que permitem testar agentes antes do deploy, medir performance em cenários adversos e detectar regressões. O equivalente a CI/CD para sistemas não-determinísticos. Se um agente vai aprovar empréstimos ou fazer triagem médica, alguém precisa garantir que ele funciona antes de ir ao ar. Integração e orquestração. Plataformas que conectam agentes a sistemas legados sem exigir que a empresa reescreva tudo. Middlewares que traduzem entre o mundo de APIs modernas e os ERPs, CRMs e bancos de dados que existem há décadas. É o problema mais chato e talvez o mais lucrativo — porque toda empresa que quer escalar agentes esbarra nele. Governança e compliance. Ferramentas que definem o que um agente pode e não pode fazer, auditam decisões e mantêm logs para reguladores. À medida que agentes tomam decisões com impacto financeiro e legal, essa camada deixa de ser nice-to-have e vira requisito. A oportunidade brasileira no meio do gap Aqui é onde eu conecto os pontos. O ecossistema brasileiro de IA tem 975 startups ativas e um gap de capital que dificulta competir em modelos foundation ou em agentes verticais que exigem escala global. Mas infraestrutura de agentes é diferente. Primeiro, a competição é mais fragmentada. Nenhuma startup domina observabilidade ou testing de agentes da mesma forma que a OpenAI domina modelos. A janela está aberta. Segundo, o mercado latino-americano tem necessidades específicas. Integrações com sistemas locais — TOTVS, SAP adaptado para Brasil, sistemas do governo — exigem conhecimento que startups americanas não têm. Uma startup brasileira que constrói a camada de integração entre agentes e sistemas corporativos da América Latina tem um moat geográfico real. Terceiro, custo de operação. Construir ferramentas de infraestrutura exige engenharia, não datasets bilionários ou clusters de GPUs. Uma equipe de engenharia forte no Brasil pode competir em qualidade a uma fração do custo de uma equipe no Vale do Silício. O BNDES planeja um fundo de até R$1 bilhão para IA. Se parte desse capital for direcionada para startups de infraestrutura de agentes — e não apenas para aplicações de IA genéricas — o ecossistema pode capturar uma fatia relevante de um mercado global que está nascendo agora. O dinheiro está na camada de baixo A narrativa dominante de IA é sobre agentes cada vez mais inteligentes. Modelos maiores, benchmarks quebrados, demos impressionantes. Mas o dado de 78% vs 14% conta outra história: inteligência não é o gargalo. Infraestrutura é. Empresas não estão falhando porque seus agentes são burros. Estão falhando porque não têm como conectá-los, monitorá-los, testá-los e governá-los em escala. Quem resolver esses problemas vai construir as empresas mais duráveis desta era — porque infraestrutura é a camada que sobrevive às mudanças de modelo, de framework e de hype. Na corrida do ouro dos agentes, a maioria está comprando ouro. Eu estou de olho em quem está vendendo a pá.

Brasil planeja fundo de R$1B para IA enquanto 975 startups lutam por escala

Brasil planeja fundo de R$1B para IA enquanto 975 startups lutam por escala

O BNDES anunciou que planeja um fundo de R$500 milhões a R$1 bilhão para projetos de inteligência artificial e data centers no Brasil. É o maior comprometimento de capital público para IA na história do país. Ao mesmo tempo, o número de startups de IA ativas chegou a 975 — um crescimento de 40% nos últimos anos. Os números são bons. Mas colocados lado a lado com o que está acontecendo lá fora, contam uma história mais complicada. O ecossistema em números O Brasil tem 975 startups de IA ativas, com 71% das operações concentradas no Sudeste — São Paulo lidera com folga. O crescimento é real: eram 352 há poucos anos. Mas a escala ainda é modesta. O dado mais revelador: apenas 23 empresas brasileiras de IA superaram a barreira de US$10 milhões em captação total. Nos Estados Unidos, US$10 milhões é uma rodada seed generosa. Aqui, é um marco que menos de 2,5% das startups de IA conseguiram atingir. Dez startups estão posicionadas para levantar até US$100 milhões em 2026. A mais avançada é a Blip — plataforma de IA conversacional com US$230 milhões captados e mais de 1.500 funcionários. Nagro (agritech com IA) e Idwall (prevenção a fraude com ML) completam o trio de destaque. O fundo do BNDES: o que muda Um fundo de até R$1 bilhão para IA é significativo para o ecossistema brasileiro. Na prática, pode financiar infraestrutura de data centers (que o Brasil precisa desesperadamente para não depender de cloud internacional) e dar fôlego para startups em estágio de crescimento. Mas há coisas que capital público não resolve. O BNDES opera com velocidade, critérios e burocracia diferentes do venture capital. Startups de IA vivem em ciclos de meses — modelos ficam obsoletos, janelas de mercado fecham rápido. Um fundo que leva seis meses para liberar recursos pode chegar tarde demais. O programa Rio.IA 2026 ilustra o descompasso de escala. A iniciativa, parceria entre ABDI, PUC-Rio e Prefeitura do Rio, vai selecionar 8 startups e dar R$80 mil para cada uma desenvolver proof of concept. São R$640 mil no total. Para referência: o Cursor levantou capital a um valuation de US$50 bilhões na mesma semana. Não é para desvalorizar a iniciativa — qualquer capital ajuda em estágio inicial. Mas é importante ter clareza sobre a ordem de grandeza do que estamos falando. O que falta para escalar O gap do ecossistema brasileiro de IA não é de talento. O Brasil forma engenheiros competentes, tem universidades de pesquisa relevantes em ML e NLP, e os custos de operação são menores que nos EUA. O problema é estrutural: Capital de risco insuficiente. O venture capital brasileiro dedicado a IA é uma fração do americano. Sem rodadas Series A e B robustas, startups que validam produto não conseguem escalar. Muitas acabam migrando para os EUA — levando o valor junto. Poucos exits. O ecossistema de IA no Brasil ainda não teve um IPO ou aquisição de referência que sinalize retorno para investidores. Sem exits, o ciclo de capital não se retroalimenta. Concentração geográfica. 71% no Sudeste significa que talentos e oportunidades em outras regiões ficam desconectados do ecossistema. O modelo de trabalho remoto ajuda, mas aceleradoras, eventos e capital ainda estão fortemente concentrados em São Paulo. Infraestrutura de compute. Treinar e rodar modelos exige GPUs. Data centers no Brasil são caros e escassos comparados com os EUA. O fundo do BNDES pode ajudar aqui, mas a defasagem é de anos. Onde está a oportunidade real O Brasil não vai competir com OpenAI ou Anthropic na construção de modelos foundation. Isso é óbvio. Mas existem oportunidades onde o ecossistema local tem vantagem: IA aplicada a problemas brasileiros. Agritech (o Brasil é potência agrícola), fintech (sistema financeiro digital avançado), healthtech (SUS é um dos maiores sistemas de saúde do mundo) e legaltech (sistema jurídico complexo e litigioso). Nesses verticais, dados locais e conhecimento regulatório são moats reais. Infraestrutura de agentes para LATAM. O batch W26 da YC mostrou que 41,5% das startups estão construindo infraestrutura para agentes autônomos. Startups brasileiras podem construir essa camada adaptada para o mercado latino-americano — com suporte a português e espanhol, integração com sistemas locais e compliance regional. Custo de operação como vantagem. Uma equipe de IA no Brasil custa uma fração do equivalente americano. Para startups que precisam de operação humana-no-loop (etiquetagem de dados, fine-tuning supervisionado, QA de outputs), o Brasil é competitivo. A realidade é dual O ecossistema brasileiro de IA está crescendo — isso é inegável. O BNDES entrando com capital, programas como Rio.IA surgindo, quase mil startups ativas. A direção é positiva. Mas a velocidade global é outra. Enquanto o Brasil planeja um fundo de R$1 bilhão, a Anthropic levantou US$30 bilhões em uma única rodada. Enquanto 23 startups brasileiras passaram de US$10 milhões, 14 startups do YC W26 já tinham US$1 milhão de ARR antes de Demo Day. O Brasil não precisa igualar esses números. Precisa encontrar os nichos onde pode competir com vantagem — e investir neles com a velocidade que o mercado exige. O capital está chegando. A questão é se chega rápido o suficiente.