Autor: Huohuo
Título original: Amazon demite funcionários da organização AGI, o pilar de avaliação da IA da AWS vai mudar?
TL;DR
· A Amazon confirma que a organização AGI cancelou alguns cargos, mas afirma que grandes modelos de IA ainda são uma prioridade.
· O mercado está dividido entre se este ajuste é uma redução do modelo interno ou um novo foco nos projetos pagos pelos clientes.
· Ativos relacionados: AMZN, AWS, Anthropic, cadeia de infraestrutura de nuvem de IA.
A Amazon confirmou em 22 de julho que alguns cargos em sua organização AGI foram cancelados, mas afirmou que a empresa ainda está construindo grandes modelos de IA e considera isso um dos trabalhos mais importantes. Segundo relatos citados pela Reuters, a Amazon explicou esse ajuste como uma forma de concentrar recursos nos campos mais importantes para os clientes no futuro.
Este corte de pessoal não divulgou o número exato e não pode ser interpretado diretamente como uma renúncia da Amazon ao AGI. Ele mais parece trazer à tona as contradições na narrativa de IA da Amazon: grandes empresas de tecnologia ainda investem bilhões de dólares em infraestrutura de IA, mas a equipe mais próxima de sua ambição de IA de longo prazo começa a aceitar uma contração organizacional.
Para os investidores, a questão não é quantas pessoas a Amazon demitiu, mas sim se o piso de avaliação da IA da AWS está sendo reavaliado. Anteriormente, o mercado estava disposto a pagar um prêmio por grandes tecnologias de IA, assumindo que quanto mais forte a capacidade do modelo, maior seria a receita futura. Agora, a questão mais realista é quando esses investimentos se transformarão em pagamentos dos clientes, aumento da receita em nuvem e melhoria da margem.
AGI (Inteligência Artificial Geral) pode ser compreendida simplesmente como um objetivo de longo prazo ainda não realizado, no qual a IA aprende e resolve problemas em diversos domínios, como um ser humano. Representa uma visão futura, mas não necessariamente se traduz imediatamente em receita. O que a AWS precisa é empacotar as capacidades de IA em serviços que as empresas possam comprar, usar e personalizar agora.
Quanto maior o investimento em IA, mais rígidas serão as escolhas da organização
O ponto chave deste corte de pessoal não é se a Amazon continuará a desenvolver modelos. A declaração oficial já estabeleceu os limites: modelos grandes ainda são uma prioridade, mas os recursos serão alocados para os projetos mais relevantes e de maior prioridade para os clientes.
As ações organizacionais indicam que o investimento em IA não parou, mas a margem de erro permitida está diminuindo. Em dezembro de 2025, a Amazon reestruturou sua liderança relacionada à IA, e Andy Jassy anunciou que Peter DeSantis assumiria um novo órgão responsável por modelos de IA, chips e computação quântica. Rohit Prasad deixou a empresa no final de 2025, e Pieter Abbeel passou a liderar a pesquisa de modelos avançados dentro da AGI. Relatos citados pela Reuters também mencionam que David Luan, chefe do AGI Lab, deixou a empresa em fevereiro de 2026.
Vistos em conjunto, essas mudanças indicam que a Amazon não está saindo da corrida armamentista de IA, mas sim reordenando seu portfólio interno de investimentos. Pesquisas de longo prazo ainda mantêm valor narrativo, mas projetos mais próximos dos clientes, receita e produto estão recebendo maior prioridade.
Este também é o cenário comum para o trading de IA de grandes tecnologias. Nos últimos dois anos, o mercado negociava principalmente quem ousava gastar, quem tinha capacidade de processamento e quem tinha modelos. Agora, os gastos de capital já não são mais suficientemente escassos; os investidores começam a questionar o retorno: as equipes de modelos, chips, data centers e talentos conseguirão finalmente se transformar em receita?
Nova Forge oferece ferramentas de captura comerciais
Para entender este ajuste, observe o Nova Forge, lançado pela AWS durante a AWS re:Invent em dezembro de 2025. Ele não é um chatbot comum, mas sim um conjunto de serviços para ajudar empresas a treinar modelos personalizados.
No caminho tradicional, se uma empresa deseja possuir um modelo avançado adequado ao seu setor, precisa either treinar do zero, com custo extremamente alto; ou fine-tunar modelos prontos, com capacidade e controle limitados. A abordagem da Nova Forge permite que os clientes partam de checkpoints do processo de treinamento dos modelos Amazon Nova, incorporando seus próprios dados e conjuntos de dados organizados pela Amazon em diferentes estágios de treinamento.
A Amazon chama isso de treinamento aberto. Em linguagem simples, as empresas não precisam criar um grande modelo do zero; em vez disso, começam com uma base de modelo já treinada pela Amazon e inserem previamente seu conhecimento específico do setor. Dessa forma, conseguem herdar as capacidades básicas e facilitam a especialização no domínio.
Este caminho é importante para a AWS, pois busca transformar a capacidade dos modelos em produtos de serviço em nuvem. Os clientes não apenas chamam uma interface de modelo, mas treinam, hospedam, implantam e otimizam seus próprios modelos na AWS. Se o produto funcionar, pode gerar consumo de poder computacional, fidelização à plataforma e receitas posteriores de manutenção.
Mas as informações atuais não provam que os recursos da AGI demitidos foram transferidos para a Nova Forge. Um julgamento mais seguro é que o reajuste organizacional da AGI ocorreu simultaneamente ao lançamento de produtos voltados para clientes, como a Nova Forge, indicando que a Amazon tende a dar mais peso a projetos comercializáveis.
O foco da concorrência da AWS se desloca para a personalização do cliente
A posição da Amazon na competição de modelos básicos sempre foi única. Ela desenvolve internamente o Nova, investe na Anthropic e ainda mantém a neutralidade e o ecossistema de modelos da AWS como plataforma de nuvem.
Isso determina que a AWS não depende apenas do modelo mais poderoso do mundo para vencer. Para clientes corporativos, a classificação dos modelos é importante, mas não é o único critério. Questões mais realistas incluem: conseguir acessar dados internos da empresa, atender aos requisitos de segurança e conformidade, reduzir os custos de treinamento e operar junto com os serviços de nuvem existentes.
A Nova Forge corresponde exatamente a essa lógica de competição. Ela transfere o campo de batalha da classificação de capacidades de modelos gerais para a capacidade das empresas de treinar seus próprios modelos com custos mais baixos. Se esse caminho for bem-sucedido, a AWS poderá integrar a receita de IA à sua principal atividade de nuvem, em vez de apostar isoladamente em um produto de IA voltado ao consumidor.
Isso também explica por que a Amazon mantém a narrativa da AGI enquanto reduz alguns cargos. A primeira preserva a imaginação tecnológica de longo prazo, a segunda força a equipe a direcionar recursos para áreas mais facilmente validadas pelas necessidades dos clientes.
Para a AMZN, o mercado finalmente não se concentrará apenas em se a Amazon tem uma equipe de AGI. O mais importante é se a AWS consegue demonstrar que os serviços de IA aumentaram os gastos dos clientes, fortaleceram a fidelidade e não prejudicaram significativamente as margens de lucro.
Os pedidos e a margem de lucro darão a resposta
Este corte de pessoal pode ser facilmente interpretado como dois extremos: ou um fracasso da IA da Amazon, ou uma otimização rotineira e insignificante. As informações disponíveis não sustentam tais conclusões.
Um julgamento mais razoável é que a Amazon ainda está na corrida armamentista de IA, mas seu orçamento interno e alocação de talentos estão sendo direcionados para soluções que podem ser vendidas aos clientes. Essa mudança é significativa para os investidores, pois a prêmio de IA da AMZN dependerá cada vez mais dos resultados de comercialização da AWS, e não apenas da narrativa dos modelos.
Os pontos de verificação recairão em algumas questões específicas. A Nova Forge conseguirá obter clientes empresariais reais? Os clientes estarão dispostos a pagar continuamente? O modelo treinado será mais rentável do que o fine-tuning comum? Esses fatores determinarão se é um produto eficaz.
Outra variável é a fuga de talentos. Se os ajustes da equipe de AGI forem apenas otimizações de cargos não essenciais, o impacto será limitado; se houver saída de talentos centrais em pesquisa e engenharia, a competitividade de longo prazo dos modelos desenvolvidos pela Amazon será enfraquecida. A tensão entre a linha oficial e a realidade organizacional será absorvida, por fim, pela taxa de adoção de produtos, receita da AWS AI e retorno sobre os gastos de capital nos próximos resultados financeiros.
Twitter：https://twitter.com/BitpushNewsCN
Grupo de discussão do BitPush no TG: https://t.me/BitPushCommunity
Assine o BitPush no Telegram: https://t.me/bitpush