20 de jan. de 2025 · Resumo de IA (24h): Gemini dispara em volume, agora precisa vencer em retenção; Zhipu abre um “Hybrid Thinking” fácil de implantar; e o GTC 2026 aposta em Physical AI + Inference
As três notícias de hoje — Google, Zhipu e NVIDIA — apontam para a mesma virada: a IA entrou na fase dois. O jogo não é só “funciona ou não”, e sim “é estável, escalável, operável e com curva de custo controlável?”. Distribuição gera uso, mas o longo prazo é decidido por profundidade, confiabilidade e economia de inferência.
1. Uso do Gemini cresce forte; Enterprise chega a 8 milhões de assinaturas e 1.500 empresas, mas profundidade e satisfação ainda são desafio
Comentário:
O Gemini não vive apenas como modelo isolado: ele se infiltra em Search, Gmail, Workspace, Chrome e até em dispositivos Samsung Galaxy, criando adoção “quase sem atrito”. O Google já provou alcance e distribuição. A fase dois é provar que o uso sai de “teste/uso superficial” para “não vivo sem”.
8 milhões de assentos e 1.500 empresas impressionam, mas feedback do mercado sugere um ponto crítico: adquirir em escala é mais fácil do que operar bem em detalhe. No enterprise, não basta teto de capacidade; contam estabilidade, controle de custos e SLAs confiáveis.
Por isso, os KPIs que importam são taxa de renovação, proporção de assentos ativos e a velocidade de expansão do piloto (um time) para adoção ampla (empresa inteira). Em volume, o Gemini está indo muito bem — agora precisa vencer em profundidade e retenção.
2. Zhipu lança e open-sources o GLM-4.7-Flash: “Hybrid Thinking” com 30B parâmetros totais e 3B ativos
Comentário:
O sinal é claro: transformar “raciocínio utilizável” em um componente empresarial mais barato e implantável, em vez de só competir por modelos gigantes e cloud-only. Ter 30B no total com 3B ativos reduz compute e footprint de memória na inferência, preservando boa capacidade de expressão.
Isso é atraente para edge, nuvem privada e serviços web de alta concorrência — cenários em que recurso é limitado.
O risco está na estabilidade do roteamento e do mecanismo de “thinking”: se em tarefas complexas o modelo ficar inconsistente (raso quando precisa ser profundo, ou impreciso quando precisa ser exato), o usuário percebe rápido.
A escolha por API gratuita e licença MIT (uso comercial permitido) reduz barreiras para PMEs e devs independentes, contrastando com abordagens fechadas e pagas.
3. NVIDIA confirma o GTC 2026 (16–19 de março de 2026, San Jose): Physical AI, AI Factories e Inference como três eixos centrais
Comentário:
Ao colocar Physical AI, AI Factories e Inference no centro, a NVIDIA sinaliza a transição de “geração de conteúdo” para “agentes interagindo com o mundo físico” — e, principalmente, para a industrialização da inferência.
A lista de participantes inclui grandes empresas automotivas/tech chinesas e também instituições globais como Tesla, Disney, J&J, Stanford e Together AI.
Mais do que conceitos, o mercado vai cobrar números: throughput, latência, eficiência energética, TCO e capacidade de entrega repetível. Você está animado para o GTC deste ano?
Encerramento:
O Gemini já provou força em distribuição e volume, mas agora precisa mostrar profundidade e retenção. A Zhipu aposta em raciocínio implantável via open source e eficiência. A NVIDIA aponta para inferência em escala industrial e Physical AI como próxima onda. Na fase dois, a vitória pode ser definida por productização + confiabilidade + curva de custo, não só por “um modelo melhor”. Qual rota você acha que compõe mais rápido: distribuição de ecossistema, open source implantável, ou plataformas industriais de inferência?
Leitura extra (últimas 72 horas):