Flapping Airplanes capta US$ 1 bilhão em Série A com avaliação de US$ 6 bilhões, segundo relatos

A Flapping Airplanes, um laboratório de IA com um ano de existência que trabalha em treinar modelos grandes com menos dados, captou uma Série A de US$ 1 bilhão coliderada por Index e Lux, com avaliação que, segundo relatos, chega a US$ 6 bilhões.

Nove meses antes, a empresa havia sido lançada com US$ 180 milhões em capital semente dos mesmos três investidores — GV, Sequoia e Index — a uma avaliação de US$ 1,5 bilhão, o que significa que a avaliação da Flapping Airplanes quadruplicou desde então. Esses investidores retornaram para a nova rodada ao lado da Kleiner Perkins, com investidores adicionais incluindo Valor, Atreides, A* e Nvidia.

A empresa foi fundada por Aidan Smith, que já havia fundado outra empresa, recebeu uma bolsa Thiel e passou um período durante a faculdade na Neuralink, a startup de implantes cerebrais, junto com os irmãos Asher e Ben Spector. Asher Spector tem doutorado em estatística por Stanford, enquanto Ben Spector, doutorando em ciência da computação em Stanford, fundou a Prod, uma aceleradora seletiva administrada por estudantes que ele lançou enquanto estava no MIT.

Os fundadores descrevem sua tecnologia como um framework “megakernel”: um único programa de GPU capaz de executar treinamento, servir inferência e até jogar videogames simultaneamente, sobrepondo cargas de trabalho intensivas em memória e em computação para que o chip raramente fique ocioso. A aposta deles é que o desenvolvimento de IA ainda explorou muito pouco o que as GPUs realmente podem fazer, e que modelos capazes não precisam absorver quantidades enormes de dados da internet para treinar. “Um modelo que é um milhão de vezes mais eficiente em dados provavelmente é um milhão de vezes mais fácil de inserir na economia”, disse Asher Spector à TechCrunch pouco depois do lançamento da empresa.

Com o novo capital, a Flapping Airplanes planeja continuar contratando enquanto tenta provar essa tese em grande escala.

Por que importa

Uma aposta financiada por capital de risco de que métodos de treinamento mais eficientes em dados — e não apenas mais poder computacional — podem produzir modelos de IA competitivos reconfiguraria a economia da construção de sistemas de ponta.