O que vou compartilhar com você aqui:
- Por que Aidan Gomez, cofundador da Cohere e um dos criadores do paper do Transformer, diz que a era dos pilotos de IA que falhavam acabou, e onde essa tese bate de frente com a realidade das empresas.
- Como Joe Tsai, da Alibaba, transformou o Qwen no modelo open source mais usado do mundo e por que ele recomenda à Europa ter dois cestos para os ovos.
- O que muda quando agentes de IA saem do código e entram no trabalho de todo mundo, na leitura da OpenAI e da OpenClaw.
- Por que a computação quântica saiu do “daqui a cinco anos eterno” e já entrega valor em fármacos, enquanto ameaça a criptografia que protege seu banco hoje.
- Como a computação fotônica usa luz para atacar o gargalo de energia da IA, e por que isso me pegou de surpresa no segundo dia.
Este artigo complementa o e-book gratuito O Mapa do Explorador. Ele mapeia 17 setores, 79 verticais de tecnologia e 198 tendências para quem decide sem estar no time técnico. Quase tudo que vi neste segundo dia, de chips fotônicos a computação quântica, está mapeado lá com mais profundidade.
Terminei o segundo dia do VivaTech 2026 com uma frase do dia anterior ainda na cabeça. No primeiro dia, Yann LeCun subiu ao palco e disse para a área de IA parar de fazer IA generativa, porque os modelos de linguagem têm um teto e não levam sozinhos à inteligência de nível humano. Se você não acompanhou, eu contei essa e outras histórias na cobertura do primeiro dia do VivaTech 2026.
O segundo dia foi a continuação prática dessa provocação. Onde o LeCun apontou o limite do LLM, as sessões de hoje mostraram o que existe do outro lado desse limite. Agentes que executam em vez de só responder. Modelos abertos que devolvem soberania a quem os usa. E duas formas de computação que não têm nada a ver com prever a próxima palavra: a quântica e a fotônica. O fio que costura tudo é o mesmo: a fronteira da IA está deixando de ser o modelo de linguagem, e quem ainda mede o avanço pelo tamanho do próximo LLM está perdendo o que de fato move a próxima década.
Acompanho inteligência artificial de perto desde 2015. Este é o meu terceiro VivaTech, e o segundo dia desta edição de 10 anos me deu material para três blocos: o retorno real da IA nas empresas, a ascensão da China via open source, e a virada da computação quântica e fotônica de promessa eterna para coisa que já entrega. Vou pelos três.
Aidan Gomez (Cohere): a era dos pilotos que falhavam acabou?
A sessão chamava “From AI to ROI” (da IA ao retorno sobre o investimento), e o título já entrega a pergunta que todo gestor faz em 2026: cadê o dinheiro que a IA prometeu? No palco, Aidan Gomez, cofundador e CEO da Cohere, entrevistado por Steven Levy, da Wired. Gomez é um dos coautores de “Attention is All You Need”, o paper de 2017 que criou a arquitetura Transformer, base de praticamente todo modelo de linguagem que existe hoje. Quando ele fala sobre limite de LLM, fala de quem ajudou a construir o LLM.
Quando Levy perguntou sobre empresas que investiram pesado e não viram retorno, Gomez foi direto: a fase dos pilotos que falhavam, com testes pequenos que não saíam do lugar, ficou para trás. A maturidade do mercado subiu, os primeiros projetos estão indo para produção, e é por isso que o mundo vive uma escassez tão grande de poder de computação.
A leitura dele é a de quem está na fronteira, não a da empresa média, e é aí que eu vejo de outro jeito. Gomez está adiantado no tempo. Como criador do paper do Transformer, ele tem clareza sobre os limites do LLM que a maioria das pessoas, inclusive de tecnologia, ainda não tem. Dentro das grandes multinacionais, a passagem da prova de conceito para a produção ainda exige muito teste e validação.
Eu enxergo dois momentos numa empresa. No primeiro, falta imaginação, porque falta letramento: ninguém ainda sabe o que pedir para a IA. No segundo, o letramento chega, mas chega raso, porque é gente de negócio aprendendo às pressas, e os primeiros erros do mercado deixaram todo mundo ressabiado. É nesse segundo momento que está a maioria das empresas hoje. A imaginação já existe, o que falta agora é clareza sobre as limitações e os riscos. Gente de fora da tecnologia, ou de dentro mas sem tempo de casa em IA, agentes e LLMs, tentando entender o risco real que corre com aquelas provas de conceito.
Sobre o emprego, Gomez negou ver demissões causadas pela IA nos clientes dele e apostou no paradoxo de Jevons, a ideia de que ganho de eficiência faz a demanda crescer e gera mais trabalho, não menos. Nesse ponto eu concordo com ele. Já há evidência de mercado mostrando que boa parte das demissões atribuídas à IA serve para enxugar outros problemas da empresa, não corte direto por automação.
O exemplo da semana é a própria Meta. A empresa demitiu cerca de 8.000 pessoas em maio de 2026, enquadrando os cortes como eficiência de IA. Em 2 de junho, o CTO Andrew Bosworth disse num call interno que a moral está “provavelmente uma das piores de todos os tempos”. Dez dias depois, num memo vazado, Mark Zuckerberg admitiu erros na reestruturação, mas seguiu sustentando a narrativa de eficiência diante de investidores. A IA virou a justificativa pública para um corte que tem outras causas.
Onde eu vou além do Gomez é no que essa conta esconde. Dizer que a IA gera ou não gera desemprego é prematuro, porque o efeito mais forte não é a automação direta de um posto de trabalho, é o impacto econômico. A IA move a economia global, redistribui investimento, muda quem fatura e quem paga, e é esse rearranjo que produz demissões, de forma indireta. São empregos ligados à IA pela economia, não pela máquina que substitui a pessoa.
E aqui entra um recorte que conecta com o tema que dominou o VivaTech: soberania. Quem vende IA pode não sentir o mesmo baque de quem depende de comprar IA de fora. A economia que exporta o modelo captura o valor; a que importa paga a conta e fica exposta ao rearranjo sem controlar o ritmo dele.
A Europa está nesse lado da balança: apesar do Mistral e de outros, produz pouca IA própria, e a maior parte vem dos Estados Unidos e da China. O Brasil está na mesma situação, e em posição ainda mais frágil, porque compra quase tudo de fora e quase não produz modelo próprio. Por isso o efeito sobre emprego e renda não vai ser igual em todo lugar, e ainda é cedo para cravar a forma desse efeito. Quem olha só para “a IA vai ou não tirar meu emprego” está fazendo a pergunta pequena. A pergunta grande é em que lado dessa balança comercial o seu país está.
The Agentic Enterprise: quando o agente sai do código e entra no trabalho
Na mesma toada, a sessão “The Agentic Enterprise: From Software Development to Everyday Work” (a empresa agêntica, do desenvolvimento de software ao trabalho do dia a dia) reuniu Thibault Sottiaux, head de produto e plataforma da OpenAI, e Peter Steinberger, criador do OpenClaw e parte do time do Codex, em conversa mediada por Charlie Perreau, do Les Echos.
A pergunta de fundo era por que os agentes, que nasceram bons em programação, agora servem para o trabalho de qualquer pessoa. A resposta de Sottiaux: o que torna um agente bom em código (entender o contexto amplo, trabalhar de forma orientada a objetivo, por muito tempo, com precisão) não é específico de código. Quando você treina o modelo para essas capacidades, sobra algo muito mais geral. Steinberger contou que viu um amigo do mercado financeiro, que achava IA “coisa de programador”, passar a usar agentes para organizar e-mails e tarefas do dia, e ficar irritado por não ter começado antes.
Steinberger trouxe a melhor imagem sobre o nível de abstração. Descreveu o momento em que parou de falar com um agente e passou a falar com um modelo que delega para outros agentes, como se a gente tivesse subido um andar: antes a IA fazia o trabalho, agora a IA conversa com a IA que faz o trabalho. E previu que em poucos anos vamos ter “um bilhão de programadores que não sabem que programam”, porque vão só pedir uma solução ao agente e receber um painel, um joguinho ou uma interface customizada, sem saber que por baixo há código sendo escrito.
Ele cravou também que o software como serviço não vai desaparecer, vai ficar maior, porque software precisa ser mantido, e manutenção é trabalho. Para muita gente, vai sair mais barato pagar do que construir e carregar a manutenção sozinho. Anotei como contraponto saudável ao hype do “fim do SaaS”.
Soa empolgante, e em parte é. No palco, Sottiaux deu a fórmula para quem vai operar isso: um agente é um bom modelo somado a um bom harness, e é a combinação dos dois que faz o sistema agir no mundo. Harness é o conjunto de controles que cerca o modelo, os sensores que vigiam cada passo e os limites que dizem o que o agente pode fazer antes de agir. O modelo raciocina; o harness governa.
Sottiaux apresentou, como inovação, “agentes monitorando outros agentes” para checar a intenção do usuário e bloquear ações de risco. Esses monitores são feitos com os mesmos LLMs que deveriam vigiar. Já expliquei na cobertura do Dia 1 por que isso não basta: LLM não vigia LLM com segurança, a saída passa por sensores determinísticos. A própria empresa que vende o agente admite no palco que o modelo sozinho não se governa, e que o trabalho está em construir o harness ao redor dele.
É esse harness que separa o experimento da operação. Quem está chegando agora em agentes encontra a explicação inteira, da alucinação encadeada à diferença entre guia e sensor, no meu post sobre harness engineering e como aplicar nas empresas, que tem a sequência completa para voltar do zero.
Traga isso para o seu dia a dia. Se a sua área já usa agentes, e provavelmente usa mesmo sem o RH ou o jurídico saberem, a pergunta não é se o agente é esperto. É o que ele pode fazer sozinho, quando precisa parar e chamar um humano, e onde fica o registro de cada decisão.
Look East: a China, o Qwen e a soberania via open source
A sessão “Look East: China’s AI Ascent and the Full Stack Advantage” (olhe para o Leste, a ascensão da IA chinesa e a vantagem do stack completo) trouxe Joe Tsai, cofundador e chairman da Alibaba, entrevistado por Christophe Jakubyszyn, do Les Echos. Para muita gente no Ocidente, a Alibaba ainda é “o marketplace chinês”. Tsai usou o palco para mostrar a outra metade da empresa.
O dado que abre os olhos: o Qwen, modelo de IA da Alibaba, é hoje o modelo open source mais usado do mundo. Isso se confirma fora do palco. Relatórios de mercado de 2026 mostram que a família Qwen ultrapassou o Llama, da Meta, e passou a responder por mais de metade de todos os downloads de modelos open source, beirando um bilhão de downloads no Hugging Face.
Vale entender que essa liderança tem dois motores, não um. O Qwen subiu, mas o principal concorrente aberto também recuou: ao longo de 2025 e 2026 a Meta foi fechando a estratégia do Llama, levou seus modelos de produto para o lado proprietário e pago, e não lançou uma versão de fronteira do Llama com pesos abertos. Com o maior rival ocidental saindo do jogo aberto, sobrou espaço, e quem ocupou foi a China.
Tsai construiu o raciocínio sobre uma palavra que dominou a feira inteira: soberania. Na leitura dele, soberania significa duas coisas concretas: independência tecnológica (não ficar refém do “botão de desligar” de outro país) e privacidade de dados (rodar IA com dados próprios dentro do próprio perímetro). E o argumento que ele fez para a Europa foi pragmático ao ponto do cinismo: você não pode confiar num governo terceiro, nem no dos Estados Unidos nem no da China, então pare de pôr todos os ovos num cesto só. Pegue um segundo cesto. Mesmo que a Europa um dia construa o próprio, ter dois já é melhor que ter um.
Esse trecho me marcou. O cofundador de uma das maiores empresas de tecnologia da China, no palco, dizendo para uma plateia europeia que não dá para confiar na China. Inclusive na China dele. É uma honestidade brutal, do tipo que raramente se vê num CEO defendendo o próprio negócio, e saí da sessão com profundo respeito pela resposta. Quem reconhece a fragilidade da própria posição costuma enxergar o cenário com mais nitidez do que quem só vende certeza.
A tese mais forte da sessão é a vantagem do stack completo. A Alibaba está em quatro camadas ao mesmo tempo, chips, infraestrutura de nuvem, modelo e aplicação, tudo financiado pelos 25 bilhões de dólares de fluxo de caixa livre que o e-commerce gera por ano. O raciocínio de Tsai é que ninguém sabe ainda em qual camada o valor vai se concentrar, se no chip, na nuvem ou no modelo. Estar em todas é a forma de não errar a aposta. Para uma empresa, é hedge; para um país, é manual de soberania.
Achei essa leitura madura vinda de um executivo. Admitir que não se sabe onde o valor vai parar é o oposto da certeza vendida pela maioria dos CEOs, e é o que permite a estratégia de cobrir todas as camadas. Minha ressalva está numa camada que o Tsai nem colocou no stack: energia. Ele não a incluiu porque, na leitura dele, na China energia não é problema, graças a como o Estado tratou a rede elétrica nos últimos 15 anos. Para o resto do mundo, energia é uma das maiores travas da IA, e quem monta um stack sem ela está deixando de fora uma parte central do problema.
A leitura é esperta, e vale lembrar de onde ela vem: de quem vende o segundo cesto. Concordo com o miolo técnico, mas faço uma ressalva sobre custo. O open source dá controle de custo em escala, só que esse ganho tem um porém pouco falado: montar o ambiente otimizado para rodar bem um modelo aberto custa caro, e para a maioria das empresas hoje sai mais barato consumir o modelo por uma API do que hospedá-lo. A conta só vira a favor de quem hospeda em volume muito alto ou em quem tem exigência forte de privacidade.
Quem decide hospedar acaba preso a um provedor de infraestrutura que já tem o ambiente afinado para aquele modelo. O lock-in não desaparece, ele se desloca do modelo para a infraestrutura. Ainda assim, o open source segue sendo a melhor porta para ter independência e soberania sem ficar refém de um único provedor de modelo.
E o Brasil no meio disso? Essa é a parte que me incomoda. A gente não tem nem um cesto próprio. Dependemos de decisão geopolítica alheia. Quando os Estados Unidos restringem o acesso de um modelo americano à China, ou quando a China decide o que exporta, o Brasil é espectador. A conversa de soberania que tomou conta do VivaTech é uma conversa que a Europa pode ter porque tem peças no tabuleiro. Nós precisamos decidir se queremos ter alguma, e o open source, com todas as ressalvas de custo, é hoje a porta de entrada mais barata para essa mesa.
Até aqui foram as sessões que levaram as estrelas ao palco. O que vem a seguir eu agrupo de propósito num bloco à parte, mais técnico. As palestras de computação quântica e fotônica se espalharam pela manhã e pela tarde, e em vez de seguir a ordem do relógio resolvi juntá-las, porque é nelas que mora a parte do dia que tem menos a ver com prever a próxima palavra. Quem decide tecnologia precisa entender esse pedaço, ainda que ele não venha embrulhado com o nome de um CEO famoso.
Quantum Leap: a computação quântica saiu do “daqui a cinco anos eterno”
A sessão “Quantum Leap: When Will Quantum Computing Deliver Business Value?” (salto quântico, quando a computação quântica vai gerar valor de negócio?) reuniu Jerry Chow, da IBM, Loïc Henriet, da francesa Pasqal, Axel Müller-Groeling, da alemã Fraunhofer, e Henning Soller, da McKinsey, que moderou. Foi a sessão que mais mexeu com a minha leitura sobre o tema.
Soller abriu com números que mudam o tom da conversa. Segundo o Quantum Technology Monitor 2026 da McKinsey, o investimento em startups de tecnologia quântica chegou a 12,6 bilhões de dólares em 2025, 6,3 vezes mais que no ano anterior, com 90% indo para computação quântica. Já são mais de 300 empresas no setor, que ultrapassou 1 bilhão de dólares em receita. A McKinsey chama o momento de “ponto de virada comercial”. Acompanho computação quântica desde 2019, quando vi o tema num palco do SXSW pela primeira vez, e de lá pra cá o tom sempre foi o do “daqui a cinco anos”, repetido ano após ano sem sair do lugar. Desta vez foi diferente.
A redefinição mais útil veio de todos os painelistas: vantagem quântica passou a ser medida por problema prático de negócio resolvido, e não por façanha teórica. Jerry Chow, da IBM, deu o exemplo concreto: simular a estrutura de moléculas reais em tamanho que nenhum computador clássico simula exatamente, algo que já está acontecendo em laboratório.
Henriet, da Pasqal, reforçou que a quântica não vai substituir a IA, vai completá-la. A máquina quântica é boa em problema de alta complexidade com poucos dados; a IA é boa em grande volume de dado. Em produção, o mais provável é um fluxo híbrido com CPU, GPU e QPU (a unidade de processamento quântico), cada um fazendo o que faz melhor. Esse é o mesmo fim de guerra de paradigmas que vi no resto da feira: quântica e IA operam como peças do mesmo arranjo, não como rivais.
Sobre prazo, a IBM foi a mais concreta. Chow citou a meta de um computador quântico tolerante a falhas com 200 qubits lógicos rodando 100 milhões de operações até 2029, e uma máquina de 2.000 qubits lógicos em meados da década de 2030, já na faixa de relevância criptográfica. Müller-Groeling, da Fraunhofer, foi o mais cético do painel, e por isso o mais útil: para a indústria, ainda não se resolveu um único problema de importância real para uma empresa que um computador clássico não resolvesse melhor. A confiança de que isso vai acontecer cresce, mas ninguém sabe quando.
Parte da aceleração vem de a IA generativa ter facilitado escrever software para máquina quântica, ponto que detalhei ontem na cobertura do Dia 1 e não repito aqui. O que mudou na minha leitura é o prazo: as janelas de tempo que ouvi nos diferentes painéis não são tão distantes quanto eram nos anos anteriores. O benefício parece estar chegando, e o painel de fármacos, que conto mais abaixo, foi o mais convincente nisso.
The Quantum Countdown: a criptografia que protege seu banco tem data de validade
Se a sessão anterior foi sobre o lado positivo da quântica, a “The Quantum Countdown: Is Your Encryption Already Obsolete?” (a contagem regressiva quântica, sua criptografia já é obsoleta?) foi sobre a ameaça. No palco, Fanny Bouton, da OVHcloud, Anne-Sophie Carrese, da Elaia, e Eleni Diamanti, do CNRS e cofundadora da Welinq, com mediação de Chris O’Brien, do The French Tech Journal.
A criptografia que protege contas bancárias, prontuários médicos e segredos de Estado tem prazo de validade. Esse foi o recado mais acionável que ouvi no dia inteiro. Um computador quântico capaz de rodar o algoritmo de Shor quebra os sistemas de criptografia assimétrica que usamos hoje, como o RSA. Esse computador ainda não existe, mas o ataque já começou. Chama-se “harvest now, decrypt later”: roubar o dado criptografado agora e guardar para decifrar daqui a alguns anos. Dado que precisa ficar secreto por 10, 20 anos, médico, bancário, diplomático, já está exposto a essa lógica hoje.
Fanny Bouton trouxe um número que assusta na velocidade. Ela mencionou no palco que estimativas recentes derrubaram a quantidade de qubits necessária para rodar o Shor de 500 mil para 10 mil. Verifiquei o dado, e ele é real, com uma correção de atribuição: o paper de 31 de março de 2026 que mostra o Shor com cerca de 10 mil qubits de átomos neutros é de uma equipe de Oratomic, Caltech e UC Berkeley, cerca de 50 vezes menor que a estimativa anterior do Google. O ponto que importa para quem decide permanece: a janela está encurtando mais rápido do que o cronograma confortável que muita gente carrega na cabeça.
A tensão que o painel deixou clara, e que eu quero cravar como mensagem para o mercado, é esta: a tecnologia para quebrar a criptografia chega em poucos anos, mas a tecnologia para a empresa se proteger também leva anos para ser implantada. Trocar o RSA por criptografia pós-quântica não é difícil em si; difícil é mapear onde a sua empresa usa criptografia assimétrica, em quais produtos, e migrar tudo sem quebrar a operação.
As três especialistas convergiram numa receita prática: comece o inventário agora. Descubra onde você usa RSA, classifique quais dados precisam ficar secretos por décadas, teste as soluções híbridas que combinam criptografia clássica e pós-quântica, e monte um cronograma produto a produto.
Minha leitura, cruzando com o que vejo no mercado: com raras exceções, os times de segurança ainda não estão se preparando. Ouço falar das empresas financeiras, que são os alvos mais críticos, e suponho que grandes operadoras de infraestrutura estejam se mexendo, embora eu não tenha visão próxima disso. A mensagem é altamente relevante para qualquer empresa com grande volume de dado sensível, grande volume financeiro ou infraestrutura que, se cair, põe a sociedade em risco. Para essas, isso não é assunto de “daqui a dez anos”. É assunto de orçamento do ano que vem.
Is Photonic Computing the Answer to AI’s Power Needs? A luz contra o gargalo de energia
Essa foi a novidade que mais me pegou de surpresa. Eu tinha lido pouco sobre chips fotônicos, o suficiente para escrever um tópico sobre eles no Mapa do Explorador, mas foi a primeira palestra que assisti sobre o tema. “Is Photonic Computing the Answer to AI’s Power Needs?” (a computação fotônica é a resposta para a fome de energia da IA?) teve Michael Förtsch, fundador e CEO da alemã Q.ANT, sozinho no palco.
Förtsch começou pelo problema que quase ninguém coloca no centro do debate: o custo de energia da IA. Pela conta que ele apresentou, no ritmo atual o consumo dos data centers no mundo se aproxima do consumo de um país inteiro, e a curva exponencial leva a um limite físico em poucos anos. O fim da nossa visão hoje, disse ele, não é desempenho nem imaginação, é energia. E a maior parte dessa energia não vai para o processamento, vai para a memória, para mover elétrons de um lado a outro.
A proposta da fotônica é computar com luz em vez de elétrons. A luz, uma vez gerada, se propaga sozinha, não precisa ser empurrada contra a resistência de um circuito. O argumento técnico que ele desenvolveu é que, num processador fotônico, calcular uma função simples e calcular uma função complexa, como uma transformação de Fourier, custa praticamente a mesma energia. Quanto mais complexa a matemática, maior a vantagem sobre o chip tradicional. Ele mostrou benchmarks de classificação de imagem com quatro vezes menos peso na rede, quatro vezes mais velocidade e dez vezes menos energia na mesma aplicação.
O detalhe que me fez prestar atenção foi o de soberania, que conecta com tudo que escrevi sobre o fim da monocultura da Nvidia e os novos paradigmas de chip. A Q.ANT construiu tudo na Europa, do material ao software, reaproveitando uma fábrica de chips de 90 nanômetros, tecnologia dos anos 1990, porque chip fotônico não precisa da litografia de ponta de 3 nanômetros. É um caminho de soberania que não depende de ter a fábrica mais avançada do mundo.
E o produto já saiu do papel: a Q.ANT está instalada em centros de supercomputação europeus e, desde o fim de 2025, disponível como serviço no provedor de nuvem IONOS.
Duas ressalvas honestas. A Q.ANT se apresenta como pioneira em entregar sistemas fotônicos completos, e a verificação confirma que ela foi das primeiras a comercializar. Não é a única no páreo: o próprio Förtsch citou concorrentes alemães, britânicos, americanos e chineses. E a fotônica não substitui a GPU, funciona como coprocessador analógico ao lado dela, focada em rodar a inferência, a parte que executa a IA já treinada. Como a inferência é onde está o consumo de energia em escala, o caminho me parece promissor. Vale acompanhar a concorrência antes de qualquer aposta.
Speeding Past Safety: IA e quântica acelerando a descoberta de remédios
O painel que melhor amarrou o dia foi o de saúde: “Speeding Past Safety: How AI and Quantum Tools Are Reshaping Drug Development” (passando rápido demais pela segurança, como IA e ferramentas quânticas estão remodelando o desenvolvimento de medicamentos). No palco, Akhila Kosaraju, CEO da Phare Bio, Kaoutar Sghiouer, head global de dados e IA da Sanofi, Alex Peluffo, da QuantumBlack (a divisão de IA da McKinsey), e Martina Stella, da Algorithmiq, com mediação de Greg Williams.
Desenvolver um remédio leva de 10 a 15 anos e custa bilhões. A IA promete encurtar isso, e o painel mostrou que já encurta em partes concretas. Kaoutar Sghiouer, da Sanofi, deu o dado mais direto: 70% das moléculas pequenas da empresa já são viabilizadas por IA, e relatórios que levavam seis meses para chegar ao regulador agora saem em semanas. Akhila Kosaraju, da Phare Bio, que usa IA generativa para desenhar antibióticos novos contra a resistência bacteriana, relatou ganho de 16 vezes na potência e um décimo da toxicidade em uma rodada recente.
O consenso do painel foi que IA e quântica se reforçam onde uma é fraca. A IA sofre com a qualidade do dado; a quântica é lenta hoje, mas gera dado mais preciso, porque descreve a molécula com a física real, sem aproximação. Martina Stella, da Algorithmiq, foi a mais cuidadosa: não dá para cravar que a quântica entra no pipeline da grande farmacêutica nos próximos dois anos, mas dá para construir pipelines prontos para receber esse dado quântico quando ele amadurecer.
A consequência mais positiva do dia inteiro veio daqui. Junte os avanços de IA com modelos como o AlphaFold, some a computação quântica gerando dado que a IA não consegue produzir sozinha, e a perspectiva é de uma série de tratamentos novos nos próximos 5 a 10 anos, com impacto na sociedade que ainda é difícil de dimensionar. As farmacêuticas no painel deram um certo suspense, mas a impressão é que todas têm lançamentos próximos no horizonte.
O gargalo está mudando de lugar, e esse é o ponto fino. Estamos saindo do gargalo de descobrir e testar moléculas, que era a parte cara e demorada, e a quântica ajuda a testar mais possibilidades. O que continua segurando o relógio é o regulatório, que nessa área é pesado e necessário em todos os países. A tecnologia pode estar pronta antes, mas o tempo de aprovação vai impor o seu próprio ritmo. E nesse caso o ritmo é uma proteção, não um obstáculo.
O que o Dia 2 me deixou
O segundo dia inteiro coube numa frase: a fronteira da IA não é mais o LLM. Gomez, que ajudou a criar o Transformer, fala de eficiência e de modelos que cabem na realidade do cliente. A OpenAI e a OpenClaw falam de agentes que executam, e do trabalho de governança que isso exige. Joe Tsai fala de stack completo e de open source como soberania. E o bloco de quântica e fotônica mostra duas formas de computação que não têm nada a ver com prever a próxima palavra, uma atacando o limite de energia, a outra abrindo problemas que o computador clássico não resolve.
Se o primeiro dia terminou no mundo físico (foguete, tecido vivo, chip), o segundo terminou num lugar parecido: a próxima fronteira está na camada que sustenta a IA, não na ponta visível que a gente conversa no celular. Quem decide tecnologia olhando só para os LLMs, ou rodando provas de conceito sem incluir agentes com harness, está experimentando num cenário desatualizado. O jogo está embaixo: no silício, na criptografia, no modelo aberto, no qubit. É lá que a próxima década vai ser decidida.
Até a forma como o seu conteúdo aparece nessas IAs já mudou, e eu explico essa parte no guia sobre GEO, a otimização para aparecer nas respostas das IAs.
Foi o segundo dia. Sigo com a cobertura nos próximos.
Quer ver com os próprios olhos o que descrevi aqui? Os vídeos do pavilhão, com as demos e os bastidores que não cabem no texto, estão nos destaques do meu Instagram: @interney, destaque VivaTech.
Por onde começar
Você não precisa de um computador quântico para agir sobre o que esse segundo dia mostrou. Esta semana, faça duas perguntas dentro da sua empresa. A primeira é sobre os agentes de IA que a sua área já usa, com ou sem aprovação: o que cada um pode fazer sozinho, quando ele para e chama um humano, e onde fica o registro de cada decisão? A segunda é sobre criptografia, e vale especialmente se você lida com dado sensível: alguém na empresa já sabe onde usamos RSA e quais dados precisam continuar secretos por mais de dez anos? Responder essas duas perguntas custa uma reunião e já coloca a sua área à frente da maioria. É o inventário que vem antes da decisão.
Se o tema de tendências e decisão tecnológica é o seu, o Consultor de Carreira, um agente de IA que indica os cursos da minha curadoria na ESPM conforme o seu perfil, ajuda a achar o caminho.
Perguntas frequentes sobre o VivaTech 2026
O que foi destaque no segundo dia do VivaTech 2026?
O Dia 2 do VivaTech 2026 teve Aidan Gomez (Cohere) sobre o ROI da IA, Joe Tsai (Alibaba) sobre a ascensão da IA chinesa e o open source do Qwen, executivos da OpenAI e da OpenClaw sobre agentes no trabalho do dia a dia, e quatro sessões sobre computação quântica e fotônica, da ameaça à criptografia à descoberta de fármacos.
Por que o Qwen, da Alibaba, é o modelo open source mais usado do mundo?
Segundo relatórios de mercado de 2026, a família Qwen ultrapassou o Llama, da Meta, e passou a responder por mais de metade dos downloads de modelos open source no mundo, com quase um bilhão de downloads no Hugging Face. São dois motores: o Qwen subiu, e o principal concorrente aberto recuou, já que a Meta foi fechando a estratégia do Llama ao longo de 2025 e 2026 e não lançou um Llama de fronteira com pesos abertos. O Qwen é aberto sob licença permissiva, o que permite baixar, rodar na própria infraestrutura e fazer ajuste fino com dados privados.
O que é o harvest now, decrypt later na computação quântica?
Harvest now, decrypt later é a estratégia de roubar dados criptografados hoje e guardá-los para decifrar anos depois, quando existir um computador quântico capaz de rodar o algoritmo de Shor e quebrar a criptografia atual. O ataque já está acontecendo, mesmo sem o computador quântico relevante existir, porque dados sensíveis (médicos, bancários, governamentais) precisam permanecer secretos por décadas.
Computação fotônica substitui as GPUs?
Não substitui, complementa. A computação fotônica usa luz em vez de elétrons para processar e é um coprocessador analógico que roda funções complexas com consumo de energia muito menor. Ela ataca o gargalo de energia da IA, mas convive com CPUs e GPUs num arranjo híbrido, em vez de substituí-las.
Computação quântica e IA são tecnologias rivais?
Não. O consenso das sessões do VivaTech 2026 é que são complementares. A IA é boa com grandes volumes de dados; a computação quântica é boa com problemas de alta complexidade e poucos dados. Na prática, o uso em produção tende a ser um fluxo híbrido com CPU, GPU e QPU, e na descoberta de fármacos a quântica gera dados que a IA sozinha não consegue produzir.
As empresas já estão tendo retorno real com IA ou ainda é só piloto?
Depende do porte e da maturidade. Aidan Gomez, da Cohere, defende que a era dos pilotos que falhavam acabou e que projetos antigos estão indo para produção. Na prática das grandes empresas, a passagem de prova de conceito para produção ainda exige muito teste e validação, e há evidência de mercado de que parte das demissões atribuídas à IA serve para enxugar outros problemas, não corte real por automação.
Quem foram os principais palestrantes do segundo dia do VivaTech 2026?
O segundo dia teve Aidan Gomez (Cohere), Joe Tsai (Alibaba), Thibault Sottiaux (OpenAI), Peter Steinberger (OpenClaw), Jerry Chow (IBM), Loïc Henriet (Pasqal), Michael Förtsch (Q.ANT), Fanny Bouton (OVHcloud), Eleni Diamanti (CNRS e Welinq), Akhila Kosaraju (Phare Bio), Kaoutar Sghiouer (Sanofi) e Martina Stella (Algorithmiq), entre outros.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro consultivo de empresas em tecnologia e inovação. Fundou sete startups ao longo da carreira. Leciona na ESPM, Insper, USP, PUCRS e IBGC, e participa de eventos internacionais como SXSW e VivaTech. É autor de vários e-books gratuitos sobre tecnologia, marketing, liderança e inovação, disponíveis aqui.
