Mapa do setor MAD (ML, AI, Data) em 2025

 (mattturck.com)
38 pontos por GN⁺ 2025-11-07 | 2 comentários | Compartilhar no WhatsApp
  • Resumo em uma única imagem do mapa do setor MAD 2025: Bubble & Build e explicação de 25 temas do ano
  • Em 2025, o mercado de IA e dados vive a coexistência entre investimentos superaquecidos e implantação real, em transição de um foco em chatbots para sistemas de agentes com ferramentas, memória e modelos de raciocínio
  • Por meio de 25 tendências centrais, organiza as mudanças em toda a cadeia: bolha, infraestrutura, pesquisa, geopolítica, negócios e aplicações
  • Este mapa MAD reduziu o número de logos de mais de 2.000 para cerca de 1.150 e ampliou o peso de hyperscalers e líderes de categoria como NVIDIA, Databricks e OpenAI, refletindo a concentração do mercado
  • Foram adicionadas novas seções de stack de agentes e IA local (LLM on-device), e a área de open source foi integrada à estrutura geral, reorganizando o fluxo em dados–infraestrutura–IA–agentes–aplicações
  • De forma geral, trata-se de uma estrutura de mercado em que bolha e construção real (Bubble & Build) avançam ao mesmo tempo, com energia, infraestrutura distribuída e agentificação surgindo como eixos centrais

Visão geral e direção editorial

  • A edição de 2025 do MAD Landscape é a 11ª versão desde 2012 e traz a maior reestruturação até agora
    • O número de logos foi reduzido de mais de 2.000 para cerca de 1.150 para melhorar a legibilidade, com mais espaço destinado a hyperscalers e líderes de categoria
    • Remoção da caixa de open source e adição das seções de stack de agentes e IA local
  • Como resultado, forma-se uma estrutura em camadas simples e clara, que vai de dados para infraestrutura, ML/IA, agentes e aplicações
  • Disponível em PDF em alta resolução e em uma versão interativa com busca - mad.firstmark.com

Macroeconomia e mercado

  • 1. Dinâmica de bolha sem freios
    – O mercado voltou a inflar, mas é diferente de 1999: há abundância de capital, valuations estratosféricos e um "prêmio de IA" aplicado especialmente a agentes, IA de fronteira e empresas de alto crescimento
    • Como costuma ocorrer em mudanças de paradigma, capex e custos operacionais vêm primeiro; para que haja um pouso bem-sucedido, a demanda precisa se materializar em grande escala, mas mudanças de hábito levam tempo e a adoção é desigual
    • Muitas equipes trabalham em intensidade de nível 996, acelerando o ritmo de entrega, mas elevando o risco de burnout
    • O paradoxo de 2025 é que tanto o hype quanto os fundamentos cresceram; historicamente, os efeitos colaterais podem chegar antes das recompensas
    • Este ano passa uma sensação de tensão e aceleração
  • 2. Fragilidade: ciclicidade e concentração de clientes
    – Por trás dos grandes números de crescimento, muito capital está fluindo para poucos players
    • Alguns acordos parecem circulares: a OpenAI firma contratos massivos de compra de GPUs com a NVIDIA, enquanto a NVIDIA promete investimentos igualmente grandes na OpenAI; com a AMD, também fecha contratos bilionários de chips, com a OpenAI mantendo opção de compra de participação
    • Padrões semelhantes se espalham por toda a stack, conectando financiamento do setor e contratos de fornecimento em uma rede de interdependência entre laboratórios de modelos, fabricantes de chips, nuvens e startups de IA, levantando preocupações de "round-tripping"
    • A concentração de clientes reduz a resiliência a choques do ecossistema de IA: boa parte dos gastos passa por poucos hyperscalers e laboratórios de fronteira, e vários fornecedores promissores dependem de um pequeno número de grandes clientes
  • 3. O quadro geral é nebuloso, mas a perspectiva de curto prazo é muito concreta
    – Há divergências sobre se o avanço está estagnando ou se estamos deixando passar o próximo crescimento exponencial; o caminho para AGI/ASI não está definido, sua própria definição é ambígua, e até o tambor dos catastrofistas está mais silencioso
    • Ao mesmo tempo, o curto e médio prazo são claramente concretos: chega uma avalanche de slop de IA em vídeo, texto e código, enquanto crescem preocupações mais urgentes com empregos
    • Quanto, quão rápido e para quem as mudanças ocorrerão virou a questão imediata, e as respostas humanas, políticas e sociais seguem atrás da velocidade da tecnologia
  • 4. Labs de pesquisa vs. incumbentes: balanços diferentes, mesma disputa
    – A briga para dominar a IA está mais intensa do que nunca, e o campo de jogo é desigual
    • As big techs têm redes massivas de distribuição, portfólios enormes de produtos e orçamentos que permitem venda em pacote, esperar ciclos e insistir até vencer
    • O Google claramente recuperou momentum em 2025 com uma série de lançamentos de IA que viraram manchete; a Meta ampliou sua ambição com o SuperIntelligence Lab; ambas operam sobre núcleos de receita gigantescos e balanços quase infinitos
    • Labs de fronteira independentes precisam de avanços disruptivos para justificar suas valuations
    • Novos nomes — SSI, Thinking Machines, Reflection — entraram no nível mais alto, e o entusiasmo com agentes/raciocínio cresce, embora os obstáculos de implantação permaneçam
    • A OpenAI é a líder evidente e segue levantando capital de guerra; a Anthropic também acompanha de perto, mas fica a dúvida de por quanto tempo esse nível de capital será sustentável
    • De qualquer forma, quem ganha é o usuário. As incumbentes oferecem bundles, e os labs avançam em ritmo impressionante
  • 5. IPOs e empresas listadas: a janela de oportunidade está aberta (seletivamente)
    – A estreia da CoreWeave em março entregou o que o mercado precisava: um IPO limpo de infraestrutura de IA, e desde então o papel tem negociado bem
    • A Palantir virou a comparação mais controversa, operando com múltiplos EV/NTM premium (recentemente em torno de 80x–90x), o que deve encorajar candidatos de estágio avançado
    • Próximos passos: a Cohere disse que pode abrir capital "em breve"; a Dataiku já escolheu bancos; a Cerebras retirou o S-1 após nova captação
    • Cerca dos 10 principais players privados de IA têm pouco incentivo para abrir capital, considerando acesso a capital e flexibilidade estratégica;
      mas, se Databricks (> $100B privada) e os labs de fronteira (OpenAI, Anthropic) acabarem listando ações, são esperados IPOs recordes
  • 6. M&A: consolidação e guerra por talentos
    – Grandes players tentaram montar stacks completas de agentes, descobriram que isso é mais difícil do que parecia e foram às compras, mas até negociações de manchete acabaram paralisadas (Adobe–Synthesia, SoftBank–Agility)
    • Assim, "comprar vs. construir" não é uma escolha natural
    • Os casos bem-sucedidos foram cirúrgicos: ServiceNow–Moveworks ($2.85B) no segmento de agentes corporativos; Salesforce–Informatica (cerca de $8B) para reforçar o plano de controle de dados
    • A infraestrutura de dados também está se consolidando internamente: dbt Labs e Fivetran (totalmente em ações; ≈$600M de ARR) colocam coleta e transformação sob o mesmo teto
    • A história mais barulhenta é a de talentos e acqui-hires: a Meta foi especialmente agressiva
      – Ficou com ~49% da Scale AI por cerca de ~$14–15B para trazer Alexandr Wang para o esforço de superinteligência, depois definiu pacotes de remuneração de nove dígitos e contratou pesquisadores da OpenAI, gerando um ciclo vicioso de retenção a qualquer custo
    • Em resumo, 2025 é o ano de aquisições de precisão, aquisições de equipes e estruturas criativas
      • Em meio ao risco de integração e ao escrutínio antitruste, grandes transações de fato continuam raras

Pesquisa e fronteira

  • 7. Raciocínio + RL estão na fronteira
    – O maior salto deste ano não foi um transformer maior, e sim treinar modelos para concentrar computação no raciocínio
    • O aprendizado por reforço para raciocínio — alocando tokens ao raciocínio — popularizado pelo DeepSeek R1 e por modelos no estilo da série "o" fez a diferença em matemática, código e planejamento em múltiplas etapas
    • O desenho de currículo, o desenho de recompensas e os loops de feedback de uso de ferramentas estão se tornando mais importantes do que o tamanho bruto do modelo
    • RL não é panaceia — recompensas ruins ainda ensinam maus hábitos — mas, quando escalado corretamente, oferece um enorme impulso ao pré-treinamento
    • O próximo desafio é generalizar além de código e matemática para tarefas reais confusas, em que "certo" e "errado" nem sempre são claros;
      aqui, sinais mais ricos importam, indo de resultados de negócio a feedback humano e novos benchmarks como o GDPVal (pontuação de cadeias de tarefas de ponta a ponta)
  • 8. A AI está desacelerando? Opiniões contrárias nos mantêm honestos
    – Alguns pesquisadores de ponta — incluindo convidados do podcast MAD (Sholto Douglas, Julian Schrittwieser, Jerry Tworek) — dizem que ainda há muitos ganhos fáceis pela frente e anos de progresso usando o atual paradigma de pré-treinamento + RL
    • Outros pedem cautela: Andrej Karpathy diz que "agentes estão a 10 anos de distância", a Bitter Lesson de Rich Sutton argumenta que métodos gerais + compute vencem o ajuste manual, e Yann LeCun segue defendendo modelos de mundo e previsão auto-supervisionada como outro caminho
    • Esse debate é saudável: menos teatro de leaderboard, mais moderação, red team e trabalho real
  • 9. Fronteiras que avançam rápido: AI fazendo ciência criativa; robótica
    – Estamos vendo ideias no estilo "Move 37" em laboratórios — modelos propondo hipóteses e caminhos não intuitivos que humanos não tentariam primeiro
    • O AlphaFold 3 avançou para interações biomoleculares; o GNoME revelou cerca de 2,2 milhões de cristais plausíveis; o Cell2Sentence-Scale 27B da Yale × Google apontou possíveis vias de tratamento de câncer a partir de dados de célula única
    • Além da biologia, a robótica está acelerando:
      modelos fundacionais para robótica (políticas visão-linguagem-ação treinadas em grandes datasets agregados) estão melhorando a transferência entre robôs e tarefas,
      enquanto manipuladores móveis acumulam mais tempo no mundo real e equipamentos autônomos de laboratório apertam o loop projetar–construir–testar
    • A AI conseguirá gerar descobertas de nível Nobel ou criar robôs de campo que executem trabalho útil com confiabilidade?
      • Parece que ambos ficam mais próximos a cada trimestre
  • 10. Open source (open weights) segue resistindo — após um ano turbulento
    – O momento R1 da DeepSeek (e seus derivados com pesos abertos) deu o tom, mas o Llama 4 ficou abaixo das expectativas, e a Meta sinalizou uma postura mais rígida quanto a lançamentos permissivos
    • A Mistral oscilou e depois recuperou o momentum; o Qwen3 silenciosamente virou a principal plataforma "boa o suficiente" em muitas stacks
    • No lado positivo, a AI2 continua entregando ativos reais (OLMo/OLMo-2, dados na escala do Dolma), e a rodada de captação da Reflection AI reviveu a narrativa de uma "DeepSeek dos EUA"
    • Empresas ainda querem controle (Control) e residência de dados (Residency); startups ainda querem margem
    • O futuro parece híbrido: rotear para open source quando possível e fazer picos na fronteira quando necessário
    • Com NPUs chegando a todo lugar, modelos pequenos terão papel importante;
      as stacks mais saudáveis permanecerão plurais — abertas e fechadas, cloud e device, grandes e pequenas — sem guerra religiosa nem lock-in de fornecedor

Geopolítica (Geopolitics)

  • 11. A China está montando uma stack de AI paralela
    – A China está construindo um caminho de ponta a ponta menos dependente da NVIDIA e do CUDA:
    o Huawei Ascend 910B/910C sob uma camada de software em crescimento (CANN, MindSpore),
    com modelos próprios ajustados a dados e políticas locais (DeepSeek, Qwen3, Kimi, ERNIE etc.) por cima
    • Depois do momento DeepSeek, foi um grande ano para os modelos chineses, com Qwen e Kimi escalando em produção,
      não apenas em nível "bom o suficiente", mas competitivos em vários domínios
    • Os controles de exportação desaceleraram o progresso, mas não o pararam;
      a localização está virando funcionalidade em meio ao desacoplamento tecnológico: compatível, cada vez mais autossuficiente e, em algumas áreas, na liderança
  • 12. AI soberana passa de slogan a compras públicas
    – "Construir modelos locais com compute local" agora conta com hardware, orçamento e compradores reais por trás
    • O Reino Unido ligou o Isambard-AI e concluiu a conexão à rede
    • O IndiaAI ultrapassou 34 mil GPUs e começou a distribuir alocações subsidiadas
    • Países do Golfo continuam expandindo suas "fábricas de AI" nacionais via G42 × Cerebras (Condor Galaxy)
    • A Europa está cultivando campeãs — com a Mistral agora apoiada pela ASML — enquanto a OpenAI implementa residência de dados na UE/no Reino Unido para atender exigências de soberania
  • 13. Energia está se tornando o novo gargalo de compute, e os países estão percebendo isso
    – Não são as GPUs, e sim a eletricidade o novo gargalo
    • A definição de localização de datacenters agora segue contratos de megawatts, direitos sobre água e interconexões à rede
    • Governos estão atraindo fábricas de AI como antes atraíam foundries
    • Espere PPAs soberanos e coinstalação com energia nuclear/renovável (conexão à rede do Isambard-AI no Reino Unido; piloto SMR do Google – TVA/Kairos; PPA de fusão Microsoft-Helion)
    • Incentivos com prioridade para energia vão moldar onde os modelos serão treinados e quais regiões vencerão na implantação de AI
    • Controles de exportação ainda importam, mas os quilowatts agora definem o cronograma

Negócios de AI

  • 14. A distribuição vence a invenção (mais uma vez)
    – Toda uma geração de startups nativas em IA está crescendo mais rápido do que vimos antes
    • Produtos viralizam nas redes sociais, conselhos continuam preocupados com IA, e a curiosidade impulsiona ondas de testes e experimentação
    • A pergunta que resta é a durabilidade (Durability): isso é ARR de verdade ou receita experimental que evapora com o churn?
    • Incumbentes com frequência têm vantagem de distribuição: assistentes integrados ao iOS/Android, Windows Copilot, Chrome, Salesforce Einstein e ServiceNow Now Assist
      — mas nem sempre
    • Parcerias e integrações podem mudar a curva:
      • Cursor se aprofunda no VS Code;
      • Supabase surfa a onda do Lovable;
      • vencedores mais discretos se infiltram em IDE, CRM e documentos
    • Produtos encontram sucesso ao existir no momento da criação (escrita, programação, envio de casos)
      • O que está embutido vence o que é "melhor" e pode escalar com base no uso real
  • 15. Margens e precificação: de ocupar terreno a pousar o avião
    – Os custos disparam quando o uso sobe e os clientes querem os modelos mais novos e mais inteligentes
    • A realidade dura: se você está em cima do modelo de fronteira de outra empresa, o crescimento pode virar sua margem bruta para o negativo
      — os casos de Windsurf e Cognition servem de alerta
    • Capital de VC pode financiar a corrida por território, mas não cobre para sempre uma economia unitária ruim
    • Startups de IA estão se adaptando: usam modelos menores e mais baratos como padrão, mantêm capacidade de reserva para picos e fazem cache de forma agressiva
    • A abordagem dominante está se tornando cobrança por resultado
      — por caso encerrado, por ticket resolvido etc.
      — junto com opções de throughput garantido, para que a receita acompanhe resultados reais
    • Os vencedores combinam disciplina de custos com precificação que mede valor real
  • 16. IA corporativa: construir é mais lento do que demonstrar (mas a comercialização está em curso)
    – A implantação em empresas anda mais devagar do que os demos chamativos nas redes sociais
    • Compradores querem governança de agentes, citações, fontes, tratamento de PII, trilhas de auditoria e conexão estreita com sistemas corporativos antes de aplicar autonomia
    • Há progresso real na definição e implementação de casos de uso
      • Atendimento ao cliente com IA, programação com IA e chatbots internos são vitórias evidentes
      • Muitas estratégias por setor ou por empresa ainda exigem customização, pipelines de dados e trabalho de políticas para surgir plenamente
    • Já passamos da “fase Accenture” e agora o arco (Arc) já é visível
      — de copilotos para agentes estreitos e depois para automação gerenciada
      — a demanda está se consolidando
    • Nesse movimento de demanda, incumbentes têm vantagem de distribuição e lançam “plataformas de agentes” dentro de CRM/ERP/ITSM (Salesforce, ServiceNow, Microsoft)
      • reunindo guardrails, telemetria e aprovações em um só lugar
    • No geral, o mercado corporativo das Global 2000 está começando a levar a sério a compra e a implantação de IA, mas ainda não chegou ao ponto de ebulição

Infraestrutura de IA

  • 17. NVIDIA domina, mas a diversificação é real
    – Racks Blackwell GB200 ainda são a referência, mas compradores agora também adicionam Google TPU, AMD MI350 e, em determinados footprints, Intel Gaudi 3
    • Como projetos em escala de rack determinam o TCO, operadores estão misturando fornecedores por preço/desempenho e oferta e operando clusters heterogêneos sob agendadores mais inteligentes, em vez de uma monocultura de fornecedor único
  • 18. A ascensão da IA local: dispositivo, edge próximo e nuvem privada
    – Novas NPUs em laptops e celulares empurram trabalho real para o dispositivo: rápido, multimodal e privado por padrão
    • Quando a tarefa é grande demais, ela transborda para uma “nuvem privada” próxima ou operada pelo fornecedor (ex.: Private Cloud Compute da Apple), em vez de endpoints públicos genéricos
    • Ferramentas como LM Studio e Ollama tornam modelos locais click-to-run
    • O on-device cuida de UX rápida e contexto pessoal; a nuvem cuida de inferência mais pesada e memória compartilhada
    • Em fábricas, clínicas e carros, boxes de edge próximo protegem largura de banda, privacidade e uptime
    • Os melhores produtos fazem handoff contínuo entre dispositivo, edge e nuvem
  • 19. A stack de agentes está virando a camada de infraestrutura
    – Há um novo runtime sob os apps: planejadores e chamadas de ferramentas, saídas estruturadas e catálogos de funções, memória de curto e longo prazo (vetor, grafo), execução de ferramentas em sandbox, aprovações e orquestração com estado persistente
    • Ao redor disso estão avaliadores orientados por tarefas, políticas/guardrails, rastreamento e telemetria de custos, datasets/controle de versão e rollback
    • O que em 2024 parecia “App Glue” agora se parece mais com uma camada de plataforma, com seu próprio SLA e linha de compras
  • 20. Compliance, segurança e red team agora são padrão
    – Segurança e compliance não são checkbox, mas o preço para rodar IA em produção
    • Diretrizes atualizadas (ex.: LLM Top 10 da OWASP e playbooks de prompt injection) estabelecem o padrão
      • mostrar de onde vieram os dados, registrar prompts/ferramentas/decisões, aplicar políticas e provar resistência a jailbreak
    • Empresas esperam atestados, trilhas de auditoria e procedimentos claros de “break-glass (abertura emergencial)” ligados a camadas como entrega de serviço e armazenamento
    • Se não pode ser avaliado, rastreado e governado, não é infraestrutura

Infraestrutura de dados

  • 21. O fim de uma era, o começo da fusão
    – O desmembramento da “modern data stack” está levando à consolidação:
    • dbt Labs e Fivetran se uniram
    • plataformas como Databricks continuam cobrindo toda a frente, dividindo em partes iguais entre construir e comprar (batch e streaming, vetor e grafo, feature store, governança)
    • O enquadramento muda de “warehouse vs. lakehouse” para armazenamento de objetos + tabelas abertas + catálogo neutro como plano de controle
    • Modelagem, movimentação, features, datasets de avaliação, lineage e políticas estão se fundindo com serving de IA e runtimes de agentes
    • Na prática, infraestrutura de dados e infraestrutura de IA estão colapsando em um único plano, e o valor está escapando pelas brechas
  • 22. Mas os fundamentos de dados são mais importantes do que nunca
    – Tabelas e catálogos sólidos, qualidade e lineage, e motores de consulta de baixa latência viraram pré-requisitos para agentes, busca e CI orientado por avaliação, e não mais algo pensado depois
    • busca aumentada por grafo e vetor saiu do post de blog para virar padrão
    • observability agora se estende por prompts, ferramentas e custos
    • compliance está no mesmo plano que desempenho
    • Esta área está ganhando novo fôlego
      • a ascensão da análise em tempo real do ClickHouse (agora também com vetor) mostra a demanda por velocidade em escala
      • stacks locais e de edge ainda precisam de contratos claros para sustentar memória na nuvem
    • Os dados não estão desaparecendo; estão sendo promovidos ao domínio de controle da IA

Aplicações e agentes

  • 23. Grandes labs e plataformas sobem na stack
    – Labs de fronteira e empresas estabelecidas não se contentam apenas com APIs de modelo
    • OpenAI, Anthropic e Google/Gemini continuam lançando produtos na camada de aplicações
      • assistentes de voz, apps para desktop, planos para equipes, construtores de workflow conectados a e-mail, documentos e CRM etc.
    • Isso provoca risco de plataforma e concorrência direta
      • se o fornecedor do modelo controla a interface e os bundles, ele pode entrar no seu território amanhã
    • A OpenAI é a que foi mais longe
      • recrutando especialistas de domínio, como ex-banqueiros, para ensinar workflows
      • adicionando trilhos de comércio dentro do ChatGPT
        • lançamento de um navegador priorizando o ChatGPT
          — A Anthropic aprofunda os fluxos de equipe/projeto e lançou o Claude Code
    • O Gemini reforça as interfaces para consumidores e para o Workspace
    • Ao mesmo tempo, os modelos absorvem grandes partes da camada de “wrapper”
      • saídas estruturadas nativas, function calling, memória, ferramentas de navegação/código/visão/voz, automação leve e até comércio
    • Os usuários ganham velocidade
      — podem aproveitar funcionalidades que já funcionam bem
    • Para startups, o ciclo de wrappers é fino → grosso → mais fino de novo
      • UIs iniciais evoluíram para produtos de verdade (pontes de dados, workflows, compliance), mas as plataformas puxaram muitas dessas funções para o núcleo
  • 24. Vibe coding é o grande sucesso de 2025
    – Agentes de programação saltaram de novidade para hábito cotidiano
    — lendo repositórios, criando sandboxes, planejando mudanças, abrindo PRs, executando testes e descrevendo diffs
    — até mesmo demos de “video coding” agora mostram agentes manipulando a UI a partir de screencasts
    • A adoção é impressionante:
      • Cursor e Claude Code são amplamente citados como algumas das ferramentas para desenvolvedores com crescimento mais rápido da história
      • e já mostram trajetória para ARR de 9 dígitos em poucos meses
    • A técnica passou de autocompletar para instrução e revisão, e a stack se expandiu para workflows end-to-end como GitHub Copilot, Sourcegraph Cody, Codeium/Windsurf e Devin
    • No lado de produto, Vercel v0, Lovable e Replit transformaram “Describe, then ship” em um loop de produção para equipes pequenas
    • O desafio, especialmente para desenvolvedores não profissionais, é a retenção; o comportamento das coortes iniciais mostra que esse hábito pode ser tão duradouro quanto a busca para programação
  • 25. As modalidades ganham destaque
    – Imagem, vídeo e voz entraram em uma nova marcha: Veo3, Runway e Sora lideram a geração com qualidade cinematográfica
    • ElevenLabs e Synthesia tornaram voz de alta qualidade e trabalho com avatares algo cotidiano
    • agentes de voz em tempo real mantêm conversas fluidas e acionam ferramentas
    • modelos de visão agora analisam UIs, gráficos e fotos de campo sem depender de templates frágeis
    • editores de vídeo passam direto de clipes para cenas de storyboard com origem rastreável
    • Ao mesmo tempo, de Genie 3 ao novo trabalho do grupo de Fei-Fei Li, os world models buscam perceber e agir em ambientes interativos
      • isso embaralha a fronteira entre software criativo e software operacional
    • O critério deixou de ser “consegue colocar legendas?” para “consegue perceber, planejar e agir de forma confiável entre diferentes modos?”
    • 2026 será um grande ano para as modalidades

Considerações finais

  • O panorama MAD de 2025 é um mapa de um mercado que faz duas coisas ao mesmo tempo: borbulha e se estrutura
  • Para refletir a realidade, ele foi redesenhado com menos logos e mais peso
  • Hyperscalers e líderes pure-play ocupam as bordas, enquanto agentes e planos de dados/controle se encontram no meio, e não é só GPU: energia também define a velocidade
  • As linhas narrativas rimam por todo o mapa
    • enquanto os open weights preservam sua força, os labs avançam em direção aos apps
    • dados e infraestrutura de IA se fundiram
    • a implantação corporativa está acontecendo, ainda que atrás do ritmo das demos
    • agentes de programação se tornaram um hábito diário
  • A partir daqui, o horizonte fica mais amplo do que um único lançamento:
    ao ajustar distribuição, margem, governança e consumo de energia, a inteligência se torna infraestrutura,
    e a próxima onda virá como um avanço composto que impulsiona todo o setor

Leituras relacionadas

2 comentários

 
ragingwind 2025-11-10

"Se você ajustar distribuição, margem, governança e consumo de energia, a inteligência se torna infraestrutura, e a próxima onda levará a um avanço composto que impulsionará todo o setor." Não sabemos quando isso vai acontecer, mas, quando a situação se organizar, muita carga e muitos passageiros vão circular por cima disso.