Crie sua conta gratuita na Charmloop — sem cartão e sem limites para explorar. Comece a criar arte com IA em minutos.
Andrew Dai, ex-pesquisador da DeepMind cujo trabalho contribuiu para fundamentos posteriormente utilizados no ChatGPT, fechou uma rodada pré-seed de US$ 300 milhões para uma startup de IA visual em modo stealth — sem ter lançado um único produto até agora.
Rodadas pré-seed costumam ser medidas em poucos milhões. Uma captação de US$ 300 milhões nesse estágio — antes de existir um produto — é quase sem precedentes, e diz algo específico sobre de onde o dinheiro institucional acredita que virá o próximo salto de capacidade. De acordo com o TechCrunch, Dai está posicionando a IA visual como uma fronteira comparável em escala à onda de grandes modelos de linguagem que produziu o ChatGPT.
A aposta é essencialmente esta: o mesmo tipo de investimento em pesquisa fundacional que construiu o GPT-4 precisa acontecer agora para sistemas que entendem, geram e raciocinam sobre imagens e vídeos — e a janela para liderar essa corrida está aberta agora.
Para criadores de arte com IA, esse enquadramento importa. Ele sugere que a próxima geração de geração de imagens e vídeos não será apenas uma atualização incremental dos pipelines de difusão existentes. Investidores nessa escala estão apostando na ideia de que a IA visual precisa de sua própria arquitetura fundacional — não de um wrapper sobre os modelos atuais.
Dai passou mais de uma década na DeepMind trabalhando em alguns dos sistemas de IA mais consequentes já construídos. As pesquisas às quais contribuiu ajudaram a informar a arquitetura e as abordagens de treinamento que eventualmente moldaram o ChatGPT. Essa linhagem é exatamente o motivo pelo qual os investidores agiram antes de ver um produto: eles estão comprando o pesquisador, não o roadmap.
Esse padrão — financiar a pessoa e a tese antes da demo — tem precedentes na IA fundacional. Foi assim que a Anthropic começou, e como vários dos laboratórios de modelos mais capazes garantiram capital inicial. A diferença aqui é o foco explícito em modalidades visuais em vez de linguagem.
«A IA visual é uma das próximas grandes fronteiras da inteligência artificial.»
— Andrew Dai
Se a tese de Dai estiver correta, o efeito downstream para criadores que usam ferramentas como o gerador de imagens da Charmloop pode ser significativo. A pesquisa fundacional em IA visual tende a produzir saltos de capacidade — não apenas imagens melhores, mas tipos qualitativamente diferentes de geração: raciocínio espacial mais robusto, personagens mais consistentes entre frames, melhor compreensão de composição e iluminação como conceitos semânticos em vez de padrões de pixels.
O valor de US$ 300 Mi também revela algo sobre os requisitos de computação que a equipe de Dai está antecipando. O treinamento de modelos fundacionais nesse nível não acontece em um cluster de GPUs modesto. A captação sugere execuções de pré-treinamento em uma escala que seria competitiva com os maiores laboratórios — o que significa que quaisquer modelos que surjam desse trabalho poderiam genuinamente elevar o teto de capacidade para geração visual.
Para criadores que acompanham quais modelos valem a pena adotar, esse é o número a observar: não o anúncio do produto, mas se a arquitetura resultante produz o tipo de salto qualitativo que torna seu fluxo de trabalho atual obsoleto. Desenvolvimentos em world models — sistemas de IA que simulam como ambientes visuais evoluem ao longo do tempo — já apontam nessa direção, conforme abordado no explicativo da Charmloop sobre world models para criadores de imagem e vídeo.
Nenhuma data de lançamento foi divulgada. Dado o volume da captação e o status stealth, o cronograma mais provável é uma publicação de pesquisa ou prévia técnica antes de um produto para o consumidor — o mesmo caminho que a própria DeepMind seguiu em seus trabalhos mais consequentes. Fique de olho nos servidores de preprints.
