
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
A Google Research lança o ReasoningBank: agentes de IA aprendem estratégias de raciocínio com sucesso e falha
SK Telecom e Nvidia em parceria no modelo de IA A.X K2 sob a iniciativa governamental da Coreia do Sul
Professor da Tsinghua Dai Jifeng Lança Naive.ai, Angaria ~$300M a $800M Valuation
AWS Expands Multi-Agent AI Workflows, Supports Claude Opus 4.7 on Bedrock
A Zhipu AI descontinua a subscrição ilimitada de quota semanal do GLM Coding Plan a 30 de abril
A remoção do Claude Code da Anthropic provoca reação negativa dos programadores; a OpenAI ganha apoio da comunidade