Em abril de 2025, a NVIDIA adquiriu a LeptonAI por cerca de US$ 700 milhões. Em junho de 2026, o fundador Jia Yangqing deixou a empresa. Um ano e dois meses: uma aquisição de talentos observada de perto por todo o Vale do Silício se encerrou com o fundador saindo pela porta.
Depois que a SemiAnalysis divulgou a notícia, as redes sociais se dividiram em dois campos: “Jensen escolheu errado” ou “Jia superestimou a si mesmo”. Ambos estão caçando um culpado, e ambos perdem o ponto. O resultado não foi um erro de julgamento de ninguém — foi um conflito estrutural entre dois modelos de negócio incompatíveis, presente desde o dia em que o contrato foi assinado. O produto principal da Lepton, o DGX Lepton, nunca fez sucesso, e a plataforma que a NVIDIA prometeu tornar open-source antes de 2026 não entregou uma única linha de código. Jia agora se juntou à Hyperbolic Labs, um marketplace descentralizado de computação em GPU, como conselheiro. O final não é surpreendente. Não é culpa da NVIDIA, nem de Jia. Estava no acordo desde o princípio.
Não Foi um Erro de Julgamento — Foi um Impasse
A narrativa de acqui-hire do Vale do Silício funciona assim: um gigante avista uma pequena equipe talentosa, a compra, o fundador e os membros principais se juntam, o produto é incorporado ao ecossistema do gigante e, alguns anos depois, o fundador sobe a vice-presidente ou Fellow. Todos ganham. A história se repete infinitamente na imprensa, e carrega uma premissa oculta fatal: o adquirente deve permitir que a adquirida continue fazendo o que fazia.
A carreira de vinte anos de Jia Yangqing se resume em uma frase: construir ferramentas open-source que reduzem a barreira de entrada da infraestrutura de IA. O Caffe foi isso. O TensorFlow inicial foi isso. O PyTorch 1.0 foi isso. O ONNX foi isso. A LeptonAI foi isso. Google e Facebook permitiram porque seus modelos de negócio não dependem de vender hardware diretamente — eles precisam de um ecossistema próspero de ferramentas de IA para ampliar sua influência. O Alibaba permitiu porque sua estratégia é a platformização, e ferramentas abertas atraem desenvolvedores. A NVIDIA não é nada disso. A NVIDIA vende GPUs, e seu modelo é: compre meu hardware, e meu software mantém você preso. CUDA não é caridade. CUDA é uma fechadura.
Após a aquisição, a NVIDIA se comprometeu a tornar open-source a plataforma central da Lepton antes de 2026. Mas toda a premissa da Lepton é “implantar modelos em GPUs com algumas linhas de Python” — tornar esse agendador open-source significa que concorrentes (AMD, Intel, todos os provedores de nuvem) podem usá-lo para gerenciar GPUs que não são da NVIDIA. A contradição estava enterrada sob a assinatura. Jia vendeu acreditando que a NVIDIA o deixaria continuar construindo em aberto; a NVIDIA comprou querendo um agendador leve de workloads de GPU. Dois objetivos puxando em direções opostas desde o primeiro dia. Quando os resultados do Q2 de 2026 da NVIDIA deixaram de divulgar separadamente os compromissos de gastos do DGX Cloud, o posicionamento da Lepton já havia se desviado — rebaixada de uma plataforma de nuvem completa para um agendador que intermediava mais de vinte e cinco parceiros de nuvem, rebatizada como DGX Cloud Lepton com o mesmo esqueleto por baixo. Para um homem que passou vinte anos construindo ferramentas abertas, “não aberto” foi a gota d’água.
A Armadilha de Talentos das Aquisições
A saída de Jia não é um incidente isolado. Está se tornando um padrão reconhecível. Em 2024, o Google pagou cerca de US$ 2,7 bilhões pela Character.AI, e o fundador Noam Shazeer se juntou ao Google DeepMind — em junho de 2026, ele anunciou sua saída para a OpenAI. Na mesma semana, John Jumper, laureado com o Nobel de Química de 2024 que liderou a equipe do AlphaFold, deixou o Google DeepMind para ir à Anthropic. Em 2024, a Microsoft pagou US$ 650 milhões pela equipe principal da Inflection AI, com Mustafa Suleyman se juntando à Microsoft — a Inflection hoje é uma casca vazia. Em 2023, a Amazon investiu US$ 4 bilhões na Anthropic, cuja equipe fundadora nunca se juntou à Amazon e continua operando de forma independente.
O fio condutor: o que foi adquirido nunca foi a empresa — foram os talentos. E os talentos não ficaram, porque o DNA organizacional do adquirente não permite que façam aquilo em que são melhores. O padrão se destila em uma estrutura reutilizável. Classifique todas as aquisições de talentos em IA em dois tipos. Tipo A: expansão de ecossistema. O adquirente quer o produto para ampliar seu próprio ecossistema — Google comprando o Android, Facebook comprando o Instagram. O sucesso depende de a equipe adquirida operar de forma independente dentro da matriz. Tipo B: retenção de talentos. O adquirente quer as pessoas, não o produto — NVIDIA-LeptonAI, Google-Character.AI. Esse tipo é estruturalmente quebrado, porque o valor da equipe adquirida veio justamente de inovar em um ambiente livre, e o ambiente organizacional do adquirente raramente permite essa liberdade.
A taxa de sucesso do Tipo B se aproxima de zero, por causa de três desalinhamentos. Tempo: fundadores pensam em visões de cinco a dez anos; o ciclo de KPIs do adquirente é de quatro trimestres. Incentivos: fundadores ficam presos a pacotes de ações cujas condições raramente coincidem com seus objetivos reais. Cultura: a cultura de startup otimiza para inovação, a cultura de grande empresa otimiza para processos — e as duas se repelem dentro do mesmo prédio. O caso de Jia é o espécime de manual: ele chegou querendo continuar open-sourcing; a NVIDIA queria uma ferramenta de agendamento de GPU. Nenhum objetivo pode servir ao outro.
A Estrutura Viaja Bem
Aplique a armadilha em outros contextos e seu poder explicativo se mantém. Laboratórios de inovação corporativa: gigantes criam “laboratórios de IA” e divisões moonshot para que gênios possam inovar dentro da organização — e os laboratórios ou sufocam sob os processos da controladora ou sangram seus melhores talentos. O cemitério do Google X, a equipe de F# da Microsoft, o grupo Watson da IBM — sempre a mesma forma. Investidores exigindo “faça X primeiro, depois Y”: fundadores levantam capital, recebem a orientação de construir o negócio de receita agora e o negócio da visão depois; o negócio de receita devora todos os recursos, a visão fica arquivada indefinidamente e, quando o fundador finalmente poderia construí-la, o desejo já se foi. E o mais afiado — codificação agêntica versus HPC: um detalhe da reportagem. O engenheiro da AMD, Anush Elangovan, apontou dez a doze agentes do Claude Code para reescrever um agendador HPC — um concorrente do Slurm chamado Spur — em Rust, durante a noite. Uma pessoa, queimando 6,5 bilhões de tokens por semana. O ativo que a NVIDIA achou que estava adquirindo por meio de aquisição, os concorrentes agora estão reconstruindo com IA. A estratégia tradicional de lock-in por meio de aquisições está falhando na era da IA.
O Que Cada Papel Deveria Levar Disso
Se você é fundador: recuse acqui-hires do Tipo B, a menos que seu objetivo real já tenha sido alcançado. Quando alguém se oferecer para comprar sua equipe, pergunte primeiro: eles me deixarão terminar o que me propus a construir? Se a resposta for não, nenhum preço é alto o suficiente. Jia passou um ano dentro da NVIDIA; com esse ano de volta, ele provavelmente poderia ter lançado três novos projetos próprios. Se você é o adquirente: se você quer talentos, não compre empresas — recrute pessoas diretamente. Comprar uma empresa e depois perder o fundador é uma perda dupla: você pagou o dinheiro e perdeu a pessoa. Se precisar adquirir, dê ao fundador um P&L independente e uma linha direta com o CEO. O negócio do Android com o Google funcionou porque o Android continuou operando de forma independente dentro do Google; o negócio da NVIDIA com a Lepton falhou porque a Lepton foi forçada a se encaixar na linha de produtos DGX Cloud. Se você é investidor: ao avaliar a retenção de talentos em uma equipe adquirida, ignore o cronograma de vesting das ações e olhe para uma única coisa — a visão de produto da equipe adquirida está alinhada com os objetivos comerciais do adquirente? Se não estiver, o dia em que o vesting termina é o dia em que eles saem. Se você trabalha com IA: o próximo destino de Jia é a Hyperbolic Labs e a computação descentralizada em GPU. Do Caffe ao PyTorch, do ONNX à Lepton, seus vinte anos foram sobre ferramentas abertas. Ele não conseguiu isso dentro da NVIDIA — mas não parou. A lição se generaliza: inovadores de verdade não são definidos por uma aquisição fracassada. São definidos pelo seu próximo projeto.
Fontes: SemiAnalysis; cobertura exclusiva da 36Kr sobre a saída de Jia Yangqing; análise da Synced.
