O sucesso do Google tornou seus recursos computacionais tão valiosos, porém, que até os próprios pesquisadores de IA da companhia precisam entrar na fila para acessá-los.
No verão passado, Andrew Dai, então pesquisador do laboratório de IA do Google, descobriu uma limitação do Gemini, principal modelo de IA da empresa. Enquanto jogava um jogo de tabuleiro, Dai tirou fotos do tabuleiro e fez ao Gemini uma pergunta simples: quem está ganhando? Para sua surpresa, o Gemini não conseguiu responder, assim como modelos rivais. Ele passou a acreditar que era necessário desenvolver uma IA capaz de compreender melhor o que acontece em imagens.
Dai discutiu a ideia com colegas, mas rapidamente concluiu que não conseguiria obter poder computacional suficiente dentro do Google para enfrentar o problema, disse em entrevista. Se quisesse seguir adiante, teria de deixar a empresa.
Dai está entre funcionários e ex-funcionários que afirmam que a liderança do Google no desenvolvimento de IA transformou capacidade computacional em um recurso precioso, acessível principalmente para projetos considerados prioritários, como o aprimoramento do Gemini.
Pesquisadores de IA às vezes sentem que estão perdendo acesso à computação para clientes pagantes, disseram as fontes. As divisões de busca e computação em nuvem do Google também disputam o uso dos chips da companhia, conhecidos como unidades de processamento tensorial, ou TPUs. Dentro do laboratório Google DeepMind, o acesso à capacidade computacional influencia os projetos que os pesquisadores escolhem, os líderes com quem se alinham e o ritmo em que trabalham.
“Dentro do Google, cada TPU tem três pretendentes”, disse Oren Etzioni, veterano pesquisador de IA e professor emérito da Universidade de Washington. “Se você está na posição desconfortável de ter um projeto ambicioso e competir com um cliente que gera receita, é uma situação difícil.”
O Google afirmou em comunicado que possui um “processo rigoroso e contínuo para garantir que os recursos computacionais sejam destinados às prioridades mais importantes, equilibrando as necessidades atuais de clientes e usuários com investimentos de longo prazo em pesquisa e inovação”. O CEO da Alphabet, Sundar Pichai, disse que, ao decidir onde direcionar capacidade computacional, a liderança está focada em garantir que o Google DeepMind tenha os recursos necessários para construir modelos de IA de ponta, “porque isso é a base de tudo o que fazemos”.
A Alphabet informou que a carteira de pedidos do Google Cloud, medida dos contratos fechados ainda não reconhecidos como receita, quase dobrou em relação ao trimestre anterior, ultrapassando US$ 460 bilhões. “Estamos limitados por capacidade computacional no curto prazo”, disse Pichai. “Estamos atravessando esse momento e investindo.” O Google apresentará sua nova linha de produtos em sua conferência anual para desenvolvedores, em Mountain View, na terça-feira.
Pesquisadores de IA costumavam ver o Google como um lugar onde poderiam seguir paixões intelectuais, quase como na academia, mas com melhor remuneração e mais recursos. Há muito tempo os pesquisadores da empresa disputam mais poder computacional, mas, até recentemente, os modelos eram pequenos o suficiente para não exigir tantos recursos para projetos relevantes, disseram ex-funcionários.
Mas, em 2022, o lançamento do popular chatbot OpenAI, o ChatGPT, levou o Google a investir em grandes modelos de linguagem — programas de IA capazes de criar em segundos cartas de apresentação ou trabalhos acadêmicos com aparência profissional. Agora, o Google concentra esforços em modelos que escrevem código de computador, um segmento que concorrentes mostraram poder gerar receita significativa.
Segundo a estratégia adotada pelos principais laboratórios de IA, “você precisa construir o melhor modelo de programação do mundo, porque, no fim, ninguém quer ficar atrás da AGI”, disse Dai, referindo-se à ambição do Vale do Silício de criar uma IA com desempenho equivalente ao humano. Isso torna mais difícil justificar o direcionamento de recursos para outros projetos, especialmente experimentais e sem potencial claro de receita.
Dai deixou o Google para fundar a Elorian, startup de IA especializada em raciocínio visual, que, segundo ele, é essencial para levar IA a setores como arquitetura, automotivo e robótica. Ele está entre vários ex-pesquisadores de IA do Google que afirmam ter mais acesso a capacidade computacional como fundadores de startups.
Esses pesquisadores dizem que criar empresas lhes dá liberdade para buscar computação em múltiplas fontes — e usar os chips obtidos da maneira que desejarem, sem navegar pela burocracia do Google ou temer perder acesso caso as prioridades da companhia mudem.
O ex-pesquisador do Google DeepMind Ioannis Antonoglou disse que tinha amplo acesso a capacidade computacional enquanto trabalhava no AlphaGo, modelo de IA criado para jogar Go e que ganhou notoriedade ao derrotar um dos melhores jogadores do mundo. Mais tarde, participou do esforço para desenvolver o Gemini, uma das iniciativas estratégicas mais importantes do Google.
Mas ele acreditava que a empresa não destinava recursos suficientes ao chamado pós-treinamento, etapa em que os modelos são refinados com dados de áreas específicas, como documentos jurídicos ou código de computador.
“Eu e meu cofundador acreditávamos que o aprendizado por reforço seria a próxima fronteira”, disse Antonoglou, que deixou a DeepMind em 2024 ao lado do pesquisador Misha Laskin para fundar a ReflectionAI, startup voltada ao desenvolvimento aberto de modelos de IA. “Na época, não estava claro que o Google ou a DeepMind seguiriam esse caminho.”
Quando pesquisadores de IA cogitam deixar uma empresa, o acesso à capacidade computacional pode ser usado como ferramenta de retenção. A ex-pesquisadora da DeepMind Anna Goldie disse que a companhia lhe ofereceu mais poder computacional para tentar convencê-la a não sair e abrir uma startup. Ela acabou deixando a empresa de qualquer forma e fundou a Ricursive Intelligence com a pesquisadora Azalia Mirhoseini, lançada no fim de 2025.
Goldie afirmou ter ficado positivamente surpresa com a quantidade de capacidade computacional que conseguiu obter fora do Google, de diversas fontes. Ela não revelou quanto a empresa assegurou após captar US$ 335 milhões, mas disse que o volume é comparável ao que lhe foi oferecido para permanecer no Google.
“Não preciso pedir permissão para dez níveis acima de mim”, disse. “Posso simplesmente decidir com minha cofundadora o que é melhor para a empresa. Posso ouvir meus funcionários e considerar suas ideias.”
Nos principais laboratórios de IA, alguns pesquisadores trabalham em modelos de linguagem porque essa é a prioridade do momento, mesmo que seus verdadeiros interesses estejam em outras áreas, disse Tom McGrath, pesquisador que deixou o Google em 2023.
“Existe a recompensa de receber capacidade computacional, promoções e participar da glória de um grande treinamento”, disse McGrath, hoje cientista-chefe da Goodfire, startup que busca compreender melhor o funcionamento interno dos modelos de IA. “Mas também existe a ameaça de não receber aceleradores se você não entrar nesse jogo.”
Essa é uma nova realidade para parte dos pesquisadores do Google. Para recuperar terreno na corrida da IA, o Google uniu em 2023 dois laboratórios de IA: a DeepMind, baseada em Londres e com estrutura mais hierárquica, e o Google Brain, onde pesquisadores podiam seguir projetos pessoais com pouca supervisão.
No Brain, os pesquisadores recebiam créditos para comprar chips em um sistema interno em que os preços variavam conforme a demanda, de maneira semelhante ao mercado financeiro, disseram Dai e Goldie. Alguns pesquisadores maximizavam seus recursos reunindo créditos de colegas durante férias ou períodos de descanso. “Era uma forma poderosa de criar laços e fazer algo acontecer”, afirmou Goldie.
O Google ainda mantém uma reserva de capacidade computacional para pesquisadores individuais, mas a oferta fica limitada quando a empresa está treinando grandes modelos de IA, disse Dai. Isso significa que os pesquisadores competem por fatias de um bolo menor.
Agora, pesquisadores que querem mais capacidade computacional costumam focar em questões de curto prazo que possam ser incorporadas à próxima versão do Gemini, disse Dai. “Aí a liderança acredita que isso faz mais sentido.”
Os pesquisadores também nem sempre podem contar com a capacidade computacional prometida. Em 2024, um grande treinamento levou o Google a suspender alguns projetos de pesquisa por cerca de um trimestre, segundo Dai. Algumas pessoas abandonaram seus trabalhos como resultado disso.
As startups oferecem “um elemento de controle sobre o próprio destino — deixando muito claro que, se você pagar por determinada quantidade de computação no próximo ano, vai recebê-la”, disse Dai. “Ninguém vai tirá-la de você.”
Para aproveitar ao máximo a capacidade computacional disponível enquanto a Elorian cresce, Dai disse que priorizou a contratação de pesquisadores acostumados a trabalhar com recursos limitados.
“O jogo da IA sempre teve dois lados”, afirmou Antonoglou. “Um é quem possui mais computação. O outro é quem consegue utilizá-la melhor.”
Fonte: Invest News
