Dois anos após ganhar o Prêmio Nobel, quase um quarto dos membros centrais da equipe do Google AlphaFold deixou o Google, com prêmios Nobel como John Jumper migrando para a Anthropic. A indústria de IA está absorvendo talentos da academia: em 2022, 70,7% dos doutores em IA entraram no setor corporativo, enquanto apenas 20% permaneceram na academia. O salário anual de pesquisadores de ponta em empresas atingiu US$ 1,94 milhão — cinco vezes o da academia. Embora as empresas de IA possam acelerar descobertas científicas e gerar resultados que mudem a história da ciência, após a transição prolongada para o setor corporativo, a produção de artigos diminuiu em média 65%, com os resultados migrando de artigos acadêmicos para patentes e segredos comerciais. Mais preocupante ainda é que as empresas carecem de incentivos para formar a próxima geração de cientistas, e a pesquisa básica está sendo marginalizada. A ciência está aceleradamente deixando as universidades.Autor e fonte do artigo: APPSO
Dois anos após ganhar o Prêmio Nobel, a equipe original do Google AlphaFold foi desmembrada.
A maioria dos autores originais do artigo do AlphaFold foi realocada no último ano, com quase um quarto dos autores centrais em tempo integral tendo deixado completamente o Google.
Os que permaneceram também se voltaram para áreas como o Gemini Research Agent, design de enzimas, genômica e fusão nuclear, e alguns foram diretamente para a Isomorphic Labs, empresa de pesquisa farmacêutica da Alphabet.
Mesmo os ganhadores do Prêmio Nobel John Jumper e Jonas Adler foram temporariamente transferidos para a equipe Code Strike, responsáveis por aprimorar a capacidade de codificação por IA. Mas, como sabemos, esses dois grandes nomes acabaram se juntando à Anthropic.
À esquerda, Demis Hassabis, CEO do Google DeepMind; à direita, John Jumper. Link da reportagem original: https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm_source=chatgpt.com&syn-25a6b1a6=1
Em resposta a esta reportagem, Pushmeet Kohli, vice-presidente de pesquisa da Google responsável por AI for Science, afirmou que a equipe científica do DeepMind não alterou sua direção, mas ampliou seu escopo de trabalho, continuando a avançar no design de proteínas, genomas e enzimas, e utilizando o Gemini para acelerar a pesquisa.
AlphaFold já representou um modelo relativamente tradicional de organização científica: formar equipes em torno de uma questão clara, investir a longo prazo, concentrar recursos e entregar resultados finais.
Hoje em dia, equipes semelhantes estão sendo gradualmente substituídas por plataformas de modelos mais gerais. Proteínas, matemática, genômica, fusão nuclear e código, que parecem pertencer a disciplinas diferentes, tornam-se, após entrarem em empresas de IA, um conjunto de módulos de capacidade do Gemini.
Ao mesmo tempo, talentos científicos, recursos de computação e o controle das questões estão cada vez mais concentrados nas mãos de poucas empresas de IA.
Quero me juntar à Anthropic
Nos últimos anos, cada vez mais matemáticos, físicos, biólogos e professores de ciência da computação entraram no setor de IA.
Por exemplo, a Anthropic tem contratado constantemente físicos, economistas e filósofos; a OpenAI reúne pesquisadores de buracos negros, teoria das cordas e matemática pura; a DeepMind também reúne especialistas em biologia e fusão nuclear.
Recentemente, o professor da Arizona State University, Subbarao Kambhampati, brincou que a academia adquiriu um novo meme: “Quero me juntar à Anthropic.”
Segundo estimativa aproximada da The Atlantic, apenas quatro principais empresas de IA reuniram pelo menos 80 professores atuais ou antigos.
A direção do fluxo de talentos também está se tornando cada vez mais única.
O Relatório de Índice de IA da Universidade de Stanford mostra que, em 2011, a proporção de doutores em IA que entraram no setor empresarial e no meio acadêmico era aproximadamente igual, com 40,9% e 41,6%, respectivamente. Em 2022, a proporção que entrou no setor empresarial aumentou para 70,7%, enquanto a que entrou no meio acadêmico caiu para 20%.
Um artigo de trabalho do NBER de 2026 rastreou cerca de 42.000 pesquisadores de IA nos Estados Unidos. Pesquisadores com menos de 40 anos têm cerca de seis vezes mais probabilidade de deixar a universidade do que aqueles com 40 anos ou mais; cerca de 70% dos que mudaram de carreira ainda permanecem nas empresas cinco anos depois.
Claro que o dinheiro é importante. A renda anual dos 1% melhores pesquisadores de IA em empresas aumentou de US$ 595.000 para US$ 1,94 milhão; já os da mesma categoria universitária subiram de US$ 301.000 para US$ 392.000. A diferença entre ambos aumentou para cerca de US$ 1,5 milhão.
É mais difícil recusar as condições de pesquisa.
No início da década de 2010, cerca de 65% dos grandes modelos de aprendizado de máquina foram desenvolvidos independentemente por laboratórios acadêmicos. Na década de 2020, essa proporção caiu para menos de 10%. Em 2022, cerca de 81% dos modelos de ponta já haviam sido desenvolvidos independentemente por empresas.
Quando a professora da UC Berkeley, Anca Dragan, se juntou ao DeepMind, deixou claro que precisava dos “dados, poder de computação e orçamento” necessários para um instituto de segurança de ponta.
Em contraste, em uma universidade, um estudo pode exigir primeiro solicitar financiamento, adquirir equipamentos, contratar engenheiros e aguardar a programação de recursos computacionais. Após entrar em uma empresa de IA, o mesmo pesquisador pode acessar diretamente modelos grandes, dados proprietários, poder computacional distribuído e uma equipe de engenharia de centenas de pessoas.
Contudo, a saída de um professor renomado da universidade representa uma perda muito além de algumas publicações. A universidade perde ao mesmo tempo um orientador, um grupo de pesquisa, uma cadeia de formação de doutores e possíveis linhas de pesquisa que poderiam se desenvolver nos próximos anos.
No passado, empresas de tecnologia compravam pesquisas das universidades. Agora, elas começam a comprar diretamente as pessoas que produzem essas pesquisas. A empresa adquire uma pessoa; a universidade pode perder uma geração.
Claro, atribuir todos os movimentos de talentos à decadência do mundo acadêmico também subestima o valor sendo criado pela pesquisa corporativa.
O AlphaFold já demonstrou que empresas podem produzir resultados que mudam a história da ciência. Mais de duzentos milhões de previsões de estruturas proteicas poupam a grande maioria dos biólogos de meses ou até anos de trabalho.
Os Laboratórios Bell já demonstraram que institutos de pesquisa corporativos também podem transformar a ciência. Em seu auge, contava com cerca de 1.200 doutores e produziu pelo menos 10 prêmios Nobel. Demis Hassabis frequentemente o utiliza como referência para a DeepMind.
As empresas de IA estão realmente se tornando cada vez mais como novos institutos de pesquisa que abrangem múltiplas disciplinas, com fortes capacidades de engenharia e saídas comerciais.
DeepMind integra o Gemini à matemática, genômica e fusão nuclear; Isomorphic Labs parceria com empresas farmacêuticas para desenvolver novos medicamentos; Anthropic lança o Claude Science; a OpenAI incorpora o ChatGPT e o Codex nos processos de pesquisa científica.
Os resultados relacionados já surgiram. O físico Rogerio Jorge desenvolveu software de fusão nuclear de código aberto com IA, e cientistas da computação teórica, como Barna Saha, utilizaram o GPT-5.5 Pro para auxiliar em provas de geometria de alta dimensão.
A OpenAI afirma que cerca de 1,3 milhão de pessoas por semana usam o ChatGPT para realizar tarefas avançadas de ciência e matemática e planeja oferecer gratuitamente modelos avançados e o Codex a 100 mil pesquisadores universitários.
Do ponto de vista do impacto pessoal, um cientista que entra para uma empresa pode ver seu impacto até ampliado. Como mencionado anteriormente, enquanto na universidade ele pode liderar uma dúzia de estudantes, em uma empresa de IA pode mobilizar centenas de engenheiros, recursos computacionais massivos e plataformas de dados globais. Métodos que antes permaneciam apenas em artigos científicos tornam-se mais facilmente aplicáveis a medicamentos, software, equipamentos experimentais e sistemas industriais.
But the cost is obvious.
Um estudo do NBER descobriu que, após os pesquisadores de IA migrarem permanentemente para empresas, sua produção de artigos diminuiu em média 65%. Entre 2000 e 2019, a proporção de pesquisadores de IA empregados por empresas aumentou de 48% para 68%, enquanto a participação em artigos subiu apenas de 27% para 32%, mas a participação em patentes aumentou de 86% para 95%.
Ainda se está pesquisando, mas os resultados já estão saindo dos artigos acadêmicos e indo para patentes, modelos internos e segredos comerciais. Quando o Google divulgou o Transformer, impulsionou toda a indústria. Hoje, os dados de treinamento, os pesos dos modelos e os registros de falhas estão cada vez mais difíceis de sair dos servidores das empresas.
A ciência ainda está acelerando, mas a ciência aberta pode estar prestes a frear.
Os cientistas não deixaram a ciência; a ciência está deixando as universidades.
Empresas de IA podem se tornar institutos de pesquisa, mas têm dificuldade em se tornar universidades.
A universidade desempenha um trabalho frequentemente ignorado. Ela precisa treinar um grande número de estudantes que ainda não provaram seu valor, além de manter permanentemente questões que temporariamente não têm aplicação, não podem ser precificadas ou cujo valor só poderá se manifestar décadas depois.
No entanto, empresas de IA preferem professores e pesquisadores sênior que já comprovaram seu valor, mostrando menos paciência para desenvolver novos talentos. Dados da SignalFire mostram que, em 2024, recém-formados representaram apenas 7% das contratações em grandes empresas de tecnologia, uma queda de mais da metade em relação a 2019.
🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025
As empresas absorvem professores e pesquisadores experientes das universidades, ao mesmo tempo em que reduzem cargos iniciais e investimentos em treinamento. Elas podem reunir um grupo de cientistas de ponta, mas não necessariamente assumem a responsabilidade de formar em larga escala a próxima geração de cientistas.
As consequências já chegaram às salas de aula universitárias. Estudantes entrevistados pela The Atlantic descobriram que alguns cursos foram repentinamente cancelados, com a justificativa real de que os professores foram "de licença" para empresas de IA.
Ao mesmo tempo, após a saída do professor famoso, o estudante de doutorado perde não apenas uma disciplina, mas também recursos de recomendação, rede de pesquisa, capacidade de organização de projetos e oportunidades de acessar questões de ponta.
Mudanças mais sutis ocorrem nos temas de pesquisa.
Design de fármacos, programação, raciocínio matemático e descoberta de materiais podem aprimorar modelos e gerar produtos, tornando-se mais fáceis de obter suporte de recursos. Temas como pesquisas de campo de longo prazo e conservação ecológica frequentemente se encontram em uma situação desconfortável.
No entanto, a história gosta de brincar com retornos de curto prazo.
A teoria dos números foi longamente considerada a matemática mais pura e menos prática, mas acabou se tornando a base da criptografia moderna. Quando os lasers surgiram, também foram chamados de “uma solução à procura de um problema”. Da mesma forma, a internet no início era difícil de medir por modelos comerciais.
O significado do sistema público de pesquisa reside justamente em permitir que os seres humanos estudem questões cujo valor não pode ser explicado temporariamente.
Hoje, as empresas de IA estão em uma intensa competição em termos de desempenho de modelos, lançamento de produtos e investimento de capital. Mesmo que estejam dispostas a investir em ciência básica, os recursos provavelmente serão direcionados para áreas que possam aprimorar modelos, sustentar produtos ou gerar patentes.
É muito provável que surja uma prosperidade desconfortável.
Os humanos estão encontrando novos medicamentos, provando teoremas e descobrindo materiais mais rapidamente, e os cientistas mais talentosos possuem as ferramentas mais poderosas da história. Ao mesmo tempo, tornam-se questões quem decide o que pesquisar, quem forma a próxima geração de cientistas e quem está disposto a continuar realizando pesquisas que ninguém paga.
Os cientistas não deixaram a ciência. Apenas a ciência está acelerando sua fuga das universidades.
Às vezes, vejo a universidade e as empresas de IA como as duas extremidades de um rio. A universidade é mais como a nascente. A correnteza é lenta, cheia de lama, e muitos afluentes parecem inúteis. Alguém lá mede, registra e discute, e há quem passe a vida inteira estudando um riacho que nunca chega à cidade.
As empresas de IA são como usinas hidrelétricas a jusante. Elas conseguem concentrar o fluxo de água, acionar máquinas e gerar enorme energia, levando rapidamente a ciência para medicamentos, software e indústrias.
As usinas hidrelétricas são, claro, importantes. Sem elas, o rio simplesmente flui.
Mas se todos forem para a geração de energia a jusante, a fonte de água a montante gradualmente secará, e alguns anos depois, todos só poderão sentar-se nas salas de servidores aguardando um rio que já não flui mais.
Enquanto matemáticos se dedicam a aprimorar modelos, biólogos se empenham em treinar Agentes e físicos trabalham para expandir os limites de poder computacional, a humanidade talvez obtenha IA mais poderosa. Os problemas deixados para trás não possuem rota de produtos, retorno sobre investimento nem utilidade explicável por enquanto.
Eles são silenciosos. Silenciosos o suficiente para fazer com que se pense facilmente que não são importantes.