Onde o imã não alcança

O tempo parado rendeu mais do que leitura. Boa parte dessas horas foi de conversa com o meu Second Brain, o sistema de agentes que alimento diariamente com relatórios, apresentações e dados de mercado. O fluxo se repetiu para cada proposta: os documentos entravam, o sistema cruzava com o que já sabia sobre as teses, e saíamos debatendo vereditos. Algumas leituras se tornaram profundas, em territórios que eu dificilmente visitaria em uma semana normal. O modelo da Tensordyne é um bom exemplo: a empresa de chips de inferência abandonou a aritmética tradicional por um sistema numérico logarítmico, em que a multiplicação, a operação dominante nas redes neurais, vira soma, muito mais barata de executar em silício. A promessa é entregar 17 vezes mais tokens por watt que os sistemas topo de linha da Nvidia. É o tipo de detalhe que muda a conversa sobre onde o custo da inteligência artificial vai parar.

Quanto mais o debate avançava, mais uma única pergunta organizava tudo. As duas de sempre, "o produto é bom?" e "o fundador é genial?", morrem rápido nesses materiais, porque a resposta é um sim para as quatro propostas. A pergunta que decide qualquer aposta em inteligência artificial hoje vem depois delas: quando o valor for criado, quem o captura?

Cada uma das teses de investimento que exploro aqui ocupa uma camada diferente da economia dos agentes: aplicação, infraestrutura, fundação e dados. E cada camada responde essa pergunta de um jeito. Vale percorrê-las em ordem.

A aplicação: o brilho da superfície

A primeira proposta é a da Reevo, dona do que o mercado batizou de sistema operacional de receita: uma plataforma em que agentes de inteligência artificial executam a venda de ponta a ponta, da prospecção ao fechamento. A ideia genial dos fundadores está na ambição do desenho. Se o agente executa a transação inteira, a empresa deixa de vender software para vendedores e passa a ser dona do fluxo de comércio entre empresas. O sonho declarado é ser o mercado onde as transações acontecem, com o software de vendas servindo de porta de entrada.

O time impressiona: os fundadores escalaram a engenharia do DoorDash de algumas centenas de milhões de dólares até a abertura de capital que avaliou a empresa em US$ 75 bilhões. O produto tem sinais iniciais consistentes de adesão. E o preço embute tudo isso: cerca de meio bilhão de dólares de valuation sobre menos de um milhão de receita recorrente. Seiscentas vezes a receita atual. Para o múltiplo convergir a algo defensável em um ano, a receita precisa crescer dezoito vezes.

O preço é metade do problema. O endereço é a outra metade. A camada de aplicação mora em cima dos modelos de fundação e é a mais exposta de todas. Se o próximo Claude ou GPT resolver fazer vendas nativamente, o sistema operacional de receita vira funcionalidade. A defesa possível é o dado proprietário do fluxo comercial e a inércia de quem se torna o registro central da operação, uma defesa real, mas que precisa ser construída antes de o andar de baixo subir a escada. A esse preço, você compra o time e a torcida para que o mercado de transações B2B se materialize. Proteção estrutural fica de fora da conta.

A infraestrutura: as picaretas da corrida

A segunda proposta é a MagicX, menos glamourosa e, para mim, mais interessante. Uma equipe enxuta de nove pessoas, liderada por fundadores egressos do laboratório de novos produtos de inteligência artificial da Meta, construiu o que descreve como o autocompletar universal da internet: uma camada de intenção que se instala entre o usuário e o modelo, entende o que a pessoa quer fazer e converte intenção em ação, na ordem de cinco vezes mais rápido e dez vezes mais barato do que acionar o modelo inteiro a cada tecla.

A ideia genial aqui é estrutural, quase invisível. Cada ação processada alimenta um índice proprietário que fica mais rápido, mais barato e mais preciso conforme o volume cresce, o mesmo desenho de efeito de rede que transformou o índice de buscas do Google no ativo mais defensável da internet. Há patente concedida protegendo o mecanismo. E o preço pedido é sóbrio: menos de cem milhões de dólares, uma fração da proposta anterior.

A fragilidade está na espessura da tração. São dois clientes pagantes (entre eles o Nubank) e uma fila de espera com centenas de marcas conhecidas, e fila de espera segue sendo promessa até virar contrato. A aposta inteira se resume à conversão: transformar dois em muitos antes que as plataformas construam o equivalente nativo. Mas repare na assimetria. Aqui, se der certo, o valor gruda na própria camada que você comprou. É a posição clássica de quem vendia picaretas na corrida do ouro: independe de qual garimpeiro encontra a pepita.

A fundação: a aposta contra o consenso

A terceira proposta, a Core Automation, nem tenta parecer um negócio. É um laboratório de pesquisa de fronteira, sem produto e sem receita por desenho, levantando centenas de milhões de dólares para construir uma nova arquitetura de inteligência artificial, sob a tese de que os transformers, a base de tudo o que usamos hoje, são um ótimo motor apenas até certa escala. A liderança é de Jerry Tworek, que comandou na OpenAI o time responsável pelo o1, o último grande salto de paradigma dos modelos de raciocínio. Metade do time fundador saiu da DeepMind e da própria OpenAI.

A ideia genial é recursiva: automatizar a própria pesquisa. Agentes operando o treinamento, o modelo aprendendo com os dados gerados pelos agentes, e um laboratório de vinte pessoas competindo com organizações de duas mil. Se a arquitetura entregar a eficiência prometida, dez vezes menos capacidade computacional para o mesmo resultado, a própria eficiência vira o diferencial.

O preço: pouco mais de três bilhões de dólares para uma empresa que ainda não treinou seu primeiro modelo em escala. Um tanto "absurdo" em termos absolutos. Em termos relativos, parece a entrada mais barata da categoria: os pares da mesma safra, a Thinking Machines de Mira Murati e a Safe Superintelligence de Ilya Sutskever, também sem produto, valem entre dez e trinta bilhões de dólares. A presença da NVIDIA entre os investidores da rodada diz algo: o dono do silício (Mr. Huang) quer esse ecossistema de pé. É a aposta de cauda longa na forma mais pura: você subscreve a hipótese de que a ciência funciona e de que este time específico executa. Teto trilionário ou zero, sem estados intermediários.

Os dados: a autópsia

A quarta proposta é a mais instrutiva, porque nela o filme já passou. Chegou como oferta de posição secundária na Scale AI, a gigante de dados para treinamento de modelos, com um gancho irresistível: entrada a cerca de três bilhões de dólares, "noventa por cento de desconto" sobre os vinte e nove bilhões que a Meta pagou em 2025.

O desconto merecia um olhar mais atento, e ele revelou outra história. A Meta pagou US$ 14,3 bilhões por 49% da empresa sem direito a voto e levou para casa o que realmente queria: o fundador Alexandr Wang, o talento e o acesso aos dados. Na sequência, Google, OpenAI e xAI cortaram contratos, porque nenhum concorrente aceita que a Meta enxergue como seus modelos são treinados. O que restou vive de contratos de defesa e negocia no mercado secundário a cerca de metade do preço que a Meta pagou. A oferta que me chegou está quase oitenta por cento abaixo até desse valor de mercado secundário, e um desconto desse tamanho sobre o próprio preço de liquidação exige explicação estrutural. Ou o veículo detém algo diferente do que anuncia (alguém precisando se desfazer urgentemente da posição), ou o número de referência é peça de marketing. O desconto é o laudo: o imã da Meta já passou por ali.

As quatro respostas, lado a lado

O cheque que saiu

Nem tudo ficou no campo da análise. No meio dessas semanas de debate, fiz um investimento, e ele diz muito sobre a régua que apliquei nas outras quatro propostas. Entrei na Groq, a empresa que desenhou o LPU, o processador especializado em inferência que virou referência de velocidade no mercado.

O racional tem duas pernas. A primeira é o histórico: a Groq entregou. O GroqCloud processa trilhões de tokens por semana para mais de cinco milhões de desenvolvedores, com velocidade que os sistemas de propósito geral não alcançam. A segunda é a tese: sistemas especialistas e poderosos ainda terão poder de precificação no mundo da inteligência artificial. Quando a Nvidia pagou US$ 20 bilhões para licenciar o design da Groq e transformá-lo no coprocessador da sua próxima plataforma, o mercado validou exatamente isso. A especialização em inferência vale caro, e quem provou saber construí-la carrega a credencial.

A ressalva é honesta: o acordo com a Nvidia levou o fundador Jonathan Ross e boa parte da engenharia, e a empresa que fica é uma operadora de nuvem de inferência em reconstrução. Meu próprio arcabouço, o mesmo que me fez recusar a proposta da oferta secundária da Scale, acende uma luz amarela sobre jogadas estratégicas que entram pesado e levam o núcleo do negócio. A diferença que me fez assinar está no que sobrou dentro de casa: uma operação real, com receita real, rodando um hardware que o maior fabricante de chips do planeta decidiu adotar. Nas quatro propostas anteriores, paguei para ver de fora. Aqui, a entrega comprovada me deu o conforto que as promessas não deram. O imã já tinha passado pela Groq e levado o que quis. O que comprei foi o que ele não alcançou: a operação, a camada e a credencial.

E agora?

A lição que atravessa essa temporada de ofertas é desconfortável para quem ama boas histórias de fundador (e como estou amando fazer essas análises). Os times são excepcionais. As ideias são genuinamente engenhosas. E ainda assim as apostas carregam perfis de risco completamente diferentes, porque a genialidade resolve o problema de criar valor, e criar valor é só metade da equação. A Scale AI criou valor imenso, e quem ficou com ele foi a Meta. O sistema operacional de receita pode criar valor imenso, e o modelo de fundação está a uma decisão de produto de capturá-lo.

A genialidade do fundador cria o valor. A camada onde ele constrói decide quem fica com ele.

O pós-operatório terminou, a mobilidade está quase voltando, e eu fico com a impressão de que aquelas horas paradas no sofá me encheram de ideias e reavivaram o ânimo para dar passos com a Capital Pulse e botar a AirPoint no ar. Pressa é péssima conselheira diante de uma apresentação bem-feita. A pergunta certa, com tempo para respirar, faz o trabalho sozinha.

Forte abraço,
João Piccioni