A CNBC publicou em 28 de abril um levantamento de pesquisadores de IA que saíram de Meta, Google e OpenAI ao longo do último ano. A lista deixa claro que as equipes centrais de IA das maiores empresas do Vale do Silício estão perdendo nomes importantes.
Os dados da Dealroom mostram que o dinheiro está seguindo esse talento. Em 2026, VCs já investiram US$ 18,8 bilhões em startups de IA fundadas depois de 2025. No ritmo atual, o total pode superar os US$ 27,9 bilhões levantados por todas as empresas recém-criadas em 2024.
Quem saiu
Mesmo olhando apenas para alguns nomes de maior peso em pesquisa, as rodadas já parecem grandes demais para companhias com poucos meses de vida.
- David Silver, ex-Google DeepMind, fundou a Ineffable Intelligence com uma rodada seed de US$ 1,1 bilhão e avaliação de US$ 5,1 bilhões, apostando em reinforcement learning sem depender de dados humanos.
- Tim Rocktäschel, ex-principal research scientist da DeepMind, está criando a Recursive Superintelligence com pelo menos US$ 500 milhões e possivelmente até US$ 1 bilhão. A avaliação pre-money é de US$ 4 bilhões, e o foco são sistemas de IA capazes de se autoaperfeiçoar.
- Yann LeCun, ex-chief AI scientist da Meta, levantou US$ 1 bilhão em março para a AMI Labs.
- Anna Goldie e Azalia Mirhoseini, ex-Anthropic e DeepMind, captaram US$ 335 milhões em duas rodadas para a Ricursive Intelligence.
- Humans&, formada por ex-cofundadores de Anthropic e xAI, levantou US$ 480 milhões em janeiro.
- Periodic Labs, criada por ex-funcionários de OpenAI e DeepMind, levantou US$ 300 milhões em setembro passado.
Cada valor é fora da curva para uma startup de poucos meses. Em 2024, uma seed acima de US$ 100 milhões ainda era um evento raro; agora, para alguns spinouts de IA de elite, começa a virar preço de mercado.
Por que os VCs aceitam pagar
Elise Stern, managing director da Eurazeo, resumiu a tese com uma frase: "When you're in a race, you narrow focus. That creates a vacuum."
Os grandes laboratórios estão presos a disputas de benchmark e escala. Esse foco estreita a pesquisa para poucos eixos principais, abrindo espaço para startups atacarem temas adjacentes.
Entre as áreas deixadas de lado estão reinforcement learning, interpretabilidade de IA, sistemas verticais para farmacêuticas, materiais e robótica, além de novas arquiteturas que não seguem Transformer ou modelos autoregressivos. Nas grandes empresas, a rota principal ainda gira em torno da escala de dados de pré-treinamento e do alinhamento pós-treinamento; pesquisas com retorno comercial menos claro têm mais dificuldade para conseguir orçamento.
A Ineffable Intelligence mira a primeira categoria. A Periodic Labs está na terceira. A AMI Labs vende a quarta. São temas difíceis de aprovar internamente em Big Tech, mas que ficam mais fáceis de explicar quando viram empresas independentes.
Por que Big Tech não consegue retê-los
Não é falta de dinheiro. Meta e Google já oferecem pacotes de remuneração acima de US$ 10 milhões a pesquisadores de IA de primeira linha, e as tender offers da OpenAI para funcionários importantes também chegam à casa das dezenas de milhões.
O que escapa é a liberdade de pesquisa. A pesquisa de IA nas maiores empresas está ficando cada vez mais parecida com desenvolvimento de produto: o trabalho precisa servir aos KPIs do próximo modelo principal, artigos podem ser bloqueados por risco competitivo, e a direção dos projetos fica mais presa à aprovação da alta liderança.
Os VCs também já validaram a rota alternativa. LeCun saiu da Meta e levantou US$ 1 bilhão em poucos meses. Rocktäschel saiu da DeepMind e chegou a uma avaliação de US$ 4 bilhões em poucos meses. Quando esse padrão circula entre pesquisadores, fundar uma empresa passa a ser uma opção difícil de ignorar.
Quanto tempo essa migração dura
No curto prazo, a tendência parece firme. Big Tech ainda precisa mostrar gasto em computação e liderança em benchmarks nos resultados financeiros, então seus portfólios de pesquisa dificilmente vão se abrir rapidamente. Os fundos de venture capital também ainda têm capital para investir.
No médio prazo, há dois testes. O primeiro é saber se a primeira leva de empresas conseguirá entregar algo real em cerca de 18 meses. Se US$ 18,8 bilhões resultarem em poucos produtos comercializáveis ou avanços de pesquisa convincentes, a próxima onda pode perder força.
O segundo é se as grandes empresas vão reagir no sentido oposto: dar mais liberdade de pesquisa às equipes centrais, transformar times internos em companhias independentes ou recriar estruturas semi-independentes como a DeepMind original.
Mas isso exigiria que Big Tech admitisse que falhou em reter talentos. Pela postura vista nas chamadas de resultados até agora, as empresas ainda não querem reconhecer isso. No próximo ano, Recursive Superintelligence, Ineffable Intelligence e AMI Labs serão os nomes a observar. Seus primeiros resultados vão dizer se essa experiência é bolha ou uma nova divisão de trabalho na pesquisa de IA.
Fontes: Meta, Google, OpenAI among Big Tech firms seeing top staff leaving to launch AI startups (CNBC, 2026-04-28), CocoLoop, Big Tech's Best Are Quitting Their Jobs to Form Startups (Autogpt.net, 2026-04-28)