Por dois anos, a fronteira da IA foi definida por uma única pergunta: quão mais inteligente o modelo pode ficar? Essa pergunta continua em aberto, mas uma segunda subiu para o topo da agenda da indústria — quão mais barato e rápido pode funcionar o maquinário por baixo do modelo?
Autoaperfeiçoamento recursivo (RSI) — a IA projetando e ajustando os sistemas que a executam — tornou-se discretamente a próxima fronteira após raciocínio e agentes. A OpenAI afirma que técnicas de RSI no GPT-5.6 reduziram em 20% os custos de serviço de ponta a ponta e elevaram a eficiência de geração de tokens em mais de 15%. A Anthropic informa que mais de 80% do seu código-base agora é gerado pelo Claude. Jeff Dean deixou o Google para fundar a Discovery Loop, uma empresa apostando exatamente nessa direção, avaliada, segundo relatos, em cerca de US$ 10 bilhões.
O padrão é inconfundível: a própria otimização está sendo automatizada. E o movimento mais consequente é onde essa automação vai pousar em seguida — a camada de infraestrutura, onde a IA começa a otimizar os computadores que otimizam os modelos.
A Onda do RSI Está Descendo na Pilha Tecnológica
A maior parte do esforço de RSI hoje vive no nível do modelo: modelos propondo experimentos, avaliando resultados, aperfeiçoando a si mesmos. Mas um modelo só é tão rápido e barato quanto a pilha por baixo dele — operadores, compiladores, escalonadores de memória, runtimes distribuídos. Essa pilha ainda é ajustada manualmente, principalmente por um pequeno número de engenheiros seniores.
Essa é a assimetria que uma nova geração de empresas está atacando. A Qingmang AI (清昴智能), uma startup fundada por egressos da Tsinghua e, segundo relatos, a primeira empresa chinesa focada em infraestrutura de IA autoevolutiva, fez de “IA otimiza IA” sua pergunta fundadora — com uma missão específica: tornar os chips chineses nacionais utilizáveis em escala por meio de software que se aprimora sozinho. Isso se conecta a uma mudança estrutural mais ampla que mapeamos anteriormente: a próxima camada de progresso da IA pode não ser um modelo maior, mas uma melhor organização dos sistemas ao redor dele.
A Disfunção Central: Modelos L4 em Infraestrutura L1
Os modelos correm em direção à autonomia estilo L4 — agentes que operam por horas, encadeiam ferramentas e planejam em horizontes longos. Enquanto isso, a base de computação ainda precisa de supervisão manual estilo L1: adaptação de operadores, otimização de compilação, escalonamento de memória, portabilidade de frameworks, ajuste de inferência. Cada novo lançamento de modelo e cada novo chip exige refazer grande parte desse trabalho à mão.
O problema é agudo na China, onde os ecossistemas de software em torno dos chips nacionais são fragmentados: troque o chip e você readapta; troque o modelo e você reajusta. Um único operador complexo pode levar semanas para um especialista desenvolver — e pode se tornar obsoleto em meses pela próxima iteração de modelo ou chip.
A economia de tokens torna essa disfunção cara. Tarefas complexas de agentes podem consumir centenas de vezes mais tokens do que uma sessão tradicional de chat, e algumas cargas de trabalho em produção já se aproximam de volumes diários na casa do trilhão de tokens. Ajuste manual não acompanha essa curva.
Como Funciona a Infraestrutura Autoevolutiva: Otimizar e Depois Evoluir
A linhagem técnica da Qingmang passa pelo laboratório do professor Zhu Wenwu, da Tsinghua, que formalizou em 2022 a ideia de machine learning autodirigido — estendendo AutoML e meta-learning para que as máquinas decidam não apenas hiperparâmetros, mas tarefas, dados, estratégias e critérios de avaliação. O fundador Guan Chaoyu, aluno de Zhu e premiado com o prêmio especial da Tsinghua, transformou essa linha de pesquisa em uma empresa de infraestrutura.
O sistema se apoia em dois ciclos:
- Auto-otimização — para “como otimizar desta vez”: detectar gargalos a partir do estado real de execução, testar alternativas, manter o que o feedback indicar como vencedor.
- Autoevolução — para “como otimizar mais rápido na próxima vez”: acumular cada execução de otimização como experiência reutilizável, para que um novo modelo ou chip parta de conhecimento prévio em vez de começar do zero.
O ciclo de composição — otimizar, acumular, reotimizar — é o produto inteiro.
Números de produção de implantações reais em chips nacionais: o desenvolvimento e ajuste de um operador complexo caiu de cerca de duas semanas para aproximadamente uma hora, um ganho de ~336x; a portabilidade de modelo de ponta a ponta em chips nacionais foi comprimida de cerca de um mês para um dia a uma semana, ~30x mais rápido; operadores representativos rodam até 30x mais rápido que a linha de base. A empresa informa ter adaptado dezenas de chips nacionais, cobrindo mais da metade dos modelos de aceleradores chineses mainstream.
De Ajustes Pontuais a uma Fábrica de Trilhões de Tokens
O que muda é o modelo de entrega. Em vez de vender serviços pontuais de adaptação de chips, a Qingmang vende ou tokens (produção de alto desempenho e baixo custo) ou a linha de produção (a plataforma autoevolutiva de produção de tokens, privada ou operada). Os clientes nunca veem os chips; eles veem custo, latência e estabilidade em escala de trilhões de tokens.
A adaptação em si se torna um processo em execução contínua: chega um novo modelo e o sistema o aprende; chega um novo chip e o sistema o ajusta; surge uma nova carga de trabalho e o sistema generaliza. A otimização se compõe em vez de se reiniciar. É isso que torna possível uma “fábrica de trilhões de tokens” em silício nacional — transformando computação ociosa ou ineficiente em capacidade de tokens, o que importa ainda mais agora que bots superam os humanos na internet e as cargas de trabalho de agentes multiplicam o tráfego sem parar.
Por Que Isso Muda o Centro de Gravidade da Indústria
Três implicações merecem atenção:
- A otimização se torna infraestrutura. A capacidade escarce migra de “quem sabe ajustar kernels à mão” para “quem possui uma pilha que se aprimora sozinha”. Esse é um fosso competitivo que se compõe, não um serviço que fatura.
- O software se torna o multiplicador do chip. Onde o acesso a hardware de ponta é restrito, o software autoevolutivo é a alavanca que fecha a lacuna de eficiência. O teto dos chips nacionais não é mais o silício — é se o software ao redor consegue acompanhar o modelo.
- A economia se generaliza. Qualquer frota heterogênea ou restrita — não apenas as chinesas — enfrenta o mesmo imposto de ajuste manual. Espere que o RSI no nível de infraestrutura se torne um padrão global, não uma solução exclusivamente chinesa.
O Que as Equipes de Engenharia Devem Fazer Agora
Você não precisa construir uma pilha autoevolutiva para se beneficiar da direção. Quatro movimentos práticos:
- Instrumente tudo. Você não pode autootimizar o que não consegue observar. A telemetria de runtime é a matéria-prima do ciclo.
- Trate o ajuste como dado. Registre cada decisão de otimização — o que foi tentado, o que venceu, quais foram os trade-offs — em vez de deixá-la como conhecimento tribal.
- Feche um ciclo primeiro. Escolha uma única família de operadores ou um chip, automatize seu ciclo de feedback e depois expanda. Pequenas composições vencem grandes acertos únicos.
- Compre o ciclo, não o benchmark. Ao avaliar fornecedores de infraestrutura, pergunte se a otimização é uma entrega pontual ou uma capacidade contínua e autossustentável.
A corrida dos modelos mancheteia; a corrida da infraestrutura decide as margens. Quando as máquinas começam a otimizar as máquinas, as equipes que tratam o ajuste como um ativo que se compõe serão as que terão os tokens mais baratos em escala.
