A corrida para superar os transformers em LLMs

O que aconteceu

A newsletter The Download, da MIT Technology Review, publicada em 11 de agosto de 2026, reuniu três fatos relevantes. O principal é a reportagem de Will Douglas Heaven sobre startups que buscam a próxima grande novidade em LLMs. Nove anos depois da introdução do transformer por pesquisadores do Google, essa família de redes neurais se tornou o motor de todos os grandes modelos de linguagem, mas começa a mostrar sinais de esgotamento. O texto cita quatro novas ideias para resolver o problema, com potencial para tornar os LLMs mais rápidos, mais eficientes e talvez mais inteligentes.

A edição também traz a análise de Grace Huckins sobre a reconfiguração da pesquisa acadêmica em IA. Ela participou de um encontro do programa AI2050, da Schmidt Sciences, em Mountain View, na Califórnia, que reúne pesquisadores de destaque. O momento é descrito como "estranho" para professores universitários da área.

Por fim, a newsletter informa que a Nvidia garantiu US$ 500 bilhões de Wall Street para infraestrutura de IA, em acordos com BlackRock, Goldman Sachs e outras quatro instituições (BBC).

Contexto

O transformer foi apresentado por pesquisadores do Google em 2017 e, desde então, se tornou a base de praticamente todos os LLMs. Mas, conforme os modelos crescem, o mecanismo de atenção densa fica cada vez mais caro e tem dificuldade para lidar com grandes volumes de informação. Essa limitação abre espaço para novas arquiteturas.

No campo acadêmico, o programa AI2050, financiado por Eric e Wendy Schmidt, apoia pesquisadores universitários. O encontro na Califórnia reuniu alguns dos nomes mais importantes da área, em um momento em que a relação entre academia e indústria passa por mudanças.

Por que importa

A arquitetura dos LLMs define custo, velocidade e capacidade dos modelos. Uma nova abordagem pode reduzir drasticamente o consumo computacional e viabilizar usos que hoje são inviáveis. Para empresas, isso significa produtos mais baratos e eficientes. Para o mercado, a disputa por novas arquiteturas é uma corrida estratégica.

A pesquisa acadêmica, por sua vez, é a origem de boa parte das inovações em IA. Se os pesquisadores universitários perdem espaço para a indústria, o ritmo e a direção da inovação podem mudar. E o investimento de US$ 500 bilhões da Nvidia mostra que a infraestrutura de IA se tornou uma classe de ativos relevante para o sistema financeiro.

Impacto

No curto prazo, a busca por substitutos do transformer deve acelerar. Novas arquiteturas podem aparecer em modelos comerciais nos próximos anos, com impacto direto em custos e desempenho. A injeção de US$ 500 bilhões em infraestrutura de IA também deve ampliar a capacidade computacional disponível, o que pode beneficiar tanto startups quanto grandes empresas.

No médio prazo, a reconfiguração da pesquisa acadêmica pode afetar a formação de talentos e a produção de conhecimento aberto. Se a indústria continuar atraindo os melhores pesquisadores, universidades podem perder protagonismo. Por outro lado, programas como o AI2050 tentam manter a academia relevante.

O que muda

A eventual substituição dos transformers mudaria a base tecnológica de toda a indústria de LLMs. Modelos mais eficientes poderiam rodar em dispositivos menores, com menos energia, e lidar com contextos muito maiores. Isso afetaria desde assistentes virtuais até ferramentas de análise de dados.

No campo financeiro, a entrada de Wall Street na infraestrutura de IA indica que o setor deixou de ser apenas uma aposta tecnológica e virou um investimento institucional de grande escala.

O que vem agora

A MIT Technology Review não detalha as quatro novas ideias para superar os transformers, mas indica que elas podem mudar os LLMs "para sempre". O programa AI2050 deve continuar apoiando pesquisadores acadêmicos, e a Nvidia, com os US$ 500 bilhões garantidos, deve expandir sua infraestrutura. Resta saber qual dessas novas arquiteturas vai vingar e como a academia vai se reposicionar diante da indústria.

Fontes

• MIT Technology Review: [The Download: the next big thing in LLMs and how AI academic research is shifting](https://www.technologyreview.com/2026/08/11/1141610/the-download-next-big-thing-llms-ai-academic-research-shifting/)