Cada grande salto na computação chegou como uma nova camada na stack. A camada do sistema operacional criou a Microsoft e a Apple. A camada da inteligência, construída sobre modelos de fundação, criou a OpenAI e a Anthropic. Uma startup derivada da Academia Chinesa de Ciências aposta que a próxima camada é a organização: conectar muitos agentes inteligentes para que o sistema como um todo se comporte de forma mais inteligente do que qualquer modelo isolado.
A Dunxu Technology (沌序科技), fundada em abril de 2026, chama isso de AGI Coletiva. Ela não treina um modelo maior. Ela constrói a camada entre os modelos e o mundo físico — drones, robôs, radares e dispositivos de borda — e transforma a forma como essas coisas cooperam em um produto reutilizável.
A tese: inteligência que se organiza, não apenas que escala
Nos últimos anos, a indústria seguiu um caminho claro: tornar o modelo individual mais forte. Mais parâmetros, mais dados, mais raciocínio. Mas sistemas do mundo real raramente rodam em um único modelo. Um enxame de drones mistura sensores, computação e tarefas. Um sistema de segurança de baixa altitude combina câmeras, radar, drones, caixas de borda e algoritmos diferentes. Um modelo inteligente não sabe, por natureza, como esses dispositivos devem dividir o trabalho, quando colaborar ou quem cobre um nó que falhou.
O fundador da Dunxu, Pu Zhiqiang, pesquisador de 38 anos e vice-diretor do Laboratório Nacional Chave de Cognição e Tomada de Decisão em Sistemas Complexos do Instituto de Automação da CAS, estuda essa questão há mais de uma década. Seu ponto de partida não foi um modelo, mas uma colônia de formigas.
Uma única formiga quase não consegue fazer nada. Uma colônia de formigas, sem nenhum comandante, constrói ninhos e pontes que nenhum indivíduo conseguiria erguer, guiada por uma ou duas regras simples. A ciência da complexidade chama isso de emergência: 1+1 produz mais do que 2. O campo foi reconhecido com o Prêmio Nobel de Física de 2021. A aposta de Pu é que a inteligência não vem apenas de indivíduos mais fortes; ela pode vir de como os indivíduos são organizados. O modelo produz inteligência individual; a organização produz inteligência coletiva.
A evidência: do futebol aos drones
A equipe testou isso em sistemas reais. O futebol é um laboratório natural de inteligência de enxame: nenhum jogador vê todo o campo, e ainda assim o time continua tomando decisões conjuntas. Usando dados reais da UEFA Champions League, a equipe construiu um técnico virtual que raciocina sobre o que acontecerá em seguida, incluindo contrafactuais, como o que muda se um jogador for substituído.
Em um experimento de 2025, dois modelos autodesenvolvidos de cerca de 100 milhões de parâmetros cada, trabalhando juntos, superaram um modelo de propósito geral com mais de 100 bilhões de parâmetros em uma tarefa específica de decisão complexa. O ponto não era que o pequeno vence o grande, mas que agentes modestos, bem organizados, podem produzir capacidades que nenhum modelo isolado tem.
O campo de provas no mundo real é a segurança de baixa altitude. A equipe acumulou cerca de 50TB de dados multimodais de detecção por drones, cobrindo luz visível, infravermelho próximo, térmico e radar, além de 15 milhões de quadros rotulados e mais de 2.000 experimentos. Esses dados importam além da escala: algoritmos que funcionam em simulação frequentemente falham quando o clima, o cenário ou a câmera mudam, ou quando a comunicação sofre atrasos, os sensores derivam e os nós falham.
Na frente dos dispositivos fica o que a empresa chama de cérebro coletivo, uma camada intermediária que funde os dados dos sensores, faz julgamentos e escalona o executor certo. A ideia-chave do produto é a destilação de organização: quando vários dispositivos desenvolvem uma divisão de trabalho eficaz ao longo de muitas execuções, o sistema a destila em regras reutilizáveis e, eventualmente, fórmulas. A próxima implantação, com dispositivos diferentes ou uma missão diferente, não começa mais do zero.
Onde a camada de organização se situa
O enquadramento mais claro é a história da computação. A camada do SO criou a Microsoft e a Apple. A camada da inteligência criou a OpenAI e a Anthropic. A Dunxu está construindo a próxima.
Empresas vizinhas estão convergindo para o mesmo problema a partir de duas direções. Empresas de software estão lançando orquestração multiagente pelo lado do modelo. Players de autonomia física como Shield AI, Anduril e Applied Intuition, com sua Agentic Platform para IA Física, estão abstraindo para cima a partir de drones, robôs e sistemas autônomos. A Dunxu vem de uma terceira direção, a inteligência de enxame, e é complementar, não competitiva, em relação aos criadores de modelos. A organização precisa de modelos: modelos gerais mais fortes lidam com raciocínio complexo, enquanto modelos pequenos cuidam de tarefas baratas e de baixa latência. Quanto mais fortes os nós, mais valioso se torna o problema da organização.
O que muda na indústria de IA
Se a camada de organização se tornar uma categoria real de produto, a estrutura de custos da indústria muda. IA forte não exige mais o modelo mais forte — um ponto que desenvolvedores de modelos abertos já comprovam com um modelo aberto de 27B superando modelos fechados maiores. O gargalo se desloca do treinamento para a coordenação: dados de implantações reais, tolerância de engenharia a falhas e regras de organização reutilizáveis.
O caminho da Dunxu também revela um fosso competitivo específico: uma década de pesquisa, dezenas de terabytes de dados do mundo físico, integração de software e hardware, e uma via de mão dupla com seu laboratório da CAS. A empresa foi puxada para o mercado: após uma única participação em feira, mais de 30 organizações manifestaram intenção de compra, e uma demanda na casa das dezenas de milhões de yuan se acumulou antes mesmo de a empresa existir formalmente.
O que observar a seguir
Três coisas dirão se a camada de organização é real. Primeira, reuso: as regras de cooperação construídas para uma implantação sobrevivem a uma mudança de dispositivos e missões sem novo treinamento? Segunda, padrões: a orquestração multiagente convergirá para protocolos compartilhados, assim como gateways sem estado estão consolidando o MCP para o tráfego entre agentes e ferramentas? Terceira, custo: uma frota de agentes baratos bem organizados realmente supera um modelo caro caro em cargas de trabalho reais, e não apenas em um experimento de laboratório de 2025?
A era do escalonamento não acabou. Mas a próxima camada de valor pode não ser um cérebro maior. Podem ser as regras que fazem muitos cérebros pequenos pensarem como um grande.
