Em julho de 2026, Together AI e Y Combinator lançaram o primeiro cluster de GPU dedicado ao YC. Fundadores do YC agora podem garantir computação séria em semanas. Os antigos contratos de dois anos não são mais o único caminho.
Digamos que você lidera IA em uma nova startup. Você está treinando um modelo fundacional para IA física, vídeo ou busca. Esses modelos precisam de muitos FLOPs e muitos dados de treinamento. Esse anúncio deve gerar dois sentimentos simultâneos. Alívio, pois seu problema mais difícil de aquisição acabou de ser aliviado. Desconforto, pois também foi aliviado para todos os outros.
Esse é o padrão de todo esse ciclo. Cada insumo pelo qual você luta está se tornando disponível para seus concorrentes nas mesmas condições. O que força a pergunta que seu conselho continua fazendo. O que, exatamente, é o seu diferencial?
Comece eliminando o que não é
Seu código não é seu diferencial. A programação agêntica encerrou esse debate. Sua infra de treinamento, sua stack de serving e seu harness de avaliação são todos reconstruíveis. Uma equipe competente com um agente de programação os recria em semanas. Não perfeitamente, mas próximo o suficiente.
Sua arquitetura não é seu diferencial. Arquiteturas são publicadas, vazadas ou obtidas por engenharia reversa a partir do comportamento. A DeepSeek mostrou que um seguidor rápido pode comprimir uma vantagem de vários anos em meses. Qualquer variante de atenção ou truque de espaço de estado que você prefere hoje está a um post de blog de distância de ser de todos.
Suas GPUs não são seu diferencial por si só. Computação é escassa, mas está se tornando adquirível. O acordo entre Together e YC é a prova: muitos vendedores, custos de troca em queda e termos contratuais correndo em direção à flexibilidade. Computação é uma corrida que você não pode perder. Não é uma corrida que você pode vencer.
Seus dados também não são seu diferencial por si só. Se seu plano são os mesmos conjuntos de dados licenciados e as mesmas APIs que todos os outros, você tem um problema. Você está pré-treinando o mesmo modelo que todos os outros, com grande custo. Então o que resta?
Computação + Dados + Receita = Empresa
Aqui está o enquadramento que eu levaria para sua próxima reunião de conselho.
Em 2026, a equação é simples: Computação + Dados + Receita = Empresa. Todo o resto, o código, a infra e a camada de aplicação, um agente pode reconstruir. Seus pesos são onde os três se encontram, tornados físicos. Esse é o diferencial.
Os pesos são o único artefato em sua empresa que a programação agêntica não consegue replicar. Não porque sejam secretos. Porque são um registro comprimido de decisões. Cada passagem de filtragem, cada escolha de currículo e cada ambiente de RL estão incorporados nos parâmetros. Assim como cada decisão de descartar 40% do corpus porque seus especialistas de domínio disseram que era lixo. Duas equipes com clusters idênticos e dados brutos idênticos ainda produzem modelos diferentes, porque a receita é o modelo.
É por isso que a interseção importa mais do que qualquer círculo isolado.
- Dados sem computação são um HD.
- Computação sem dados diferenciados é uma forma muito cara de reproduzir o Llama.
- Dados e computação sem julgamento é como você queima um Série A produzindo uma commodity moldada por benchmarks.
Os pesos ficam onde os três se sobrepõem. Todo o resto em sua stack é substituível. Esse artefato não é.
Você está em duas corridas ao mesmo tempo
Todos reconhecem a corrida da computação, porque ela tem um placar barulhento. Anúncios de clusters, mega-rodadas e contratos de dois anos. Agora parcerias no estilo YC para contorná-los. A corrida dos dados corre em paralelo, agora mesmo, com a mesma física e a mesma urgência. Oferta escassa, acesso se consolidando e os primeiros a se mover garantindo termos.
Os sinais estão em todo lugar. O Reddit assinou um acordo de licenciamento de US$ 60 milhões por ano com o Google. Uma nuvem de inferência pagou US$ 275 milhões para adquirir uma camada de acesso à web. Hyperscalers agora entregam acesso a dados como infraestrutura de primeira parte. É o mesmo padrão de manchetes que a computação. Só que impresso em uma página mais silenciosa.
A corrida dos dados carrega uma diferença crucial. Não existe mercado spot para dados que você não coletou. Perca uma janela de computação e você espera um trimestre. Perca a janela de dados e o corpus que você precisava nunca foi coletado.
Então onde os dados nessa escala realmente vivem? Não em snapshots acadêmicos, que estão congelados. Não em catálogos licenciados, que são silos estreitos, um domínio por vez. Não no Common Crawl, que está esgotado e nunca conteve vídeo. A web aberta é a maior fonte de dados de treinamento que existe. Texto, imagens, PDFs e acima de tudo vídeo, atualizado diariamente, em todos os idiomas, em todos os domínios.
Mas a web não se entrega por conta própria. Em escala de petabytes, a coleta é uma capacidade industrial. Barreiras anti-bot, limites de taxa, renderização, atualidade e proveniência que sua equipe jurídica pode defender. Stacks de scraping de dados open-source chegam a no máximo 60 a 75% de sucesso e quebram no meio da execução. É por isso que tantos labs bem financiados acabam com pesquisadores babysitting crawlers em vez de treinar modelos.
Assim como você não fabricaria suas próprias GPUs, coletar a web por conta própria é uma empresa dentro da sua empresa. Aqui serei direto sobre onde me posiciono, pois é isso que fazemos na Bright Data. Coletamos cerca de um petabyte de dados da web por semana. Isso está sobre um arquivo web de 90 petabytes. Ele contém 630 bilhões de páginas em 320 milhões de domínios. Operamos com 99,99% de uptime, com conformidade que foi testada em tribunal. Até onde sei, ninguém mais opera coleta web na escala que uma execução de treinamento de fronteira exige.
Trace o paralelo até o fim. Garantir computação cedo é requisito básico. Garantir fornecimento de dados em escala web cedo é o movimento idêntico, no momento idêntico. A mesma dinâmica de mercado, acontecendo agora, na faixa que menos pessoas estão observando.
O que isso significa para como você gasta o investimento
1. Trate computação como uma corrida e dados como um ativo. Computação você aluga nas melhores condições que conseguir. O mercado está indo a seu favor, então aproveite. Dados você possui: garantidos, versionados, atualizados e diferentes do que seus concorrentes podem obter. Para a maioria das equipes, isso significa ir além do corpus público esgotado. Pesquisadores agora projetam que texto público de alta qualidade estará esgotado entre 2026 e 2032. Se você treina no que todos podem baixar, você escolheu o modelo dos seus concorrentes.
2. Se você está em IA física ou vídeo, isso é duplamente verdadeiro. Seu corpus nunca esteve no Common Crawl. Modelos de mundo e VLAs rodam em vídeo, egocêntrico, rico em tarefas e diverso. Os labs vencendo essa corrida são os que industrializam sua coleta agora, antes que a categoria se padronize. Seu pipeline de dados não é infraestrutura de suporte. É a decisão de produto.
3. Coloque seu talento sênior escasso na receita, não no encanamento. Agentes podem escrever seus carregadores de dados. Eles não podem decidir o que um robô precisa assistir para aprender a dobrar roupas. Eles não podem decidir o que um modelo de busca deve ver para superar o Google no seu vertical. Esse julgamento, o terceiro círculo, é onde seus pesquisadores são insubstituíveis. Contrate de acordo.
4. Diga claramente ao seu conselho. Nosso diferencial são nossos pesos: um fornecimento de dados que os concorrentes não têm, nossa própria receita, em computação que garantimos cedo. Essa é uma frase que sobrevive à due diligence. Temos ótimos engenheiros não é mais suficiente.
O relógio incômodo
Mais uma coisa que o acordo entre Together e YC revela. Os insumos estão se consolidando rapidamente. Computação está sendo bloqueada em clusters e parcerias. Dados estão sendo bloqueados em licenças e aquisições. A interseção que você pode construir em 2026 é maior do que a que estará disponível em 2027. Os círculos estão encolhendo para os retardatários.
Computação + Dados + Receita = Empresa. As duas corridas correm em paralelo. Você só é contado como finalista em ambas.
