A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
A corrida por infraestrutura de inteligência artificial levou a Broadcom a buscar financiamentos de dezenas de bilhões de dólares para comprar chips de IA. Nas últimas semanas, a empresa começou a estruturar mais de US$ 50 bilhões para chips personalizados que desenvolve com a OpenAI, com participação de instituições como Apollo e Blackstone em conversas ainda iniciais.
A mesma pressão aparece em outros casos: a Oracle negocia recursos com Apollo e Goldman Sachs para uma grande compra de chips, enquanto a SpaceX discutiu com credores um financiamento de US$ 40 bilhões para adquirir chips da Nvidia. Com laboratórios de IA como OpenAI e Anthropic querendo ampliar a própria infraestrutura e reduzir dependência de provedores de nuvem, o custo do hardware vem impulsionando financiamentos via Wall Street.
A Runware, empresa de infraestrutura para IA, anunciou o Sonic Inference Pod: um data center modular e transportável para rodar inferência. A proposta é permitir expansão rápida criando novos “pods” em vez de ampliar uma instalação fixa, com foco em reduzir custo e manter qualidade de inferência acima de alternativas como plataformas serverless e GPU clouds.
Segundo a empresa, os pods podem ser implantados onde houver energia e usam resfriamento em circuito fechado (sem uso de água), com montagem em dias — enquanto data centers tradicionais podem levar meses ou anos. A Runware informou que já tem 10 pods em operação nos EUA, Europa e Ásia-Pacífico, atende clientes como Higgsfield AI e Wix e afirma ter 160 sites disponíveis para suportar a capacidade.
A notícia ganha força num cenário de corrida por capacidade de IA, com grandes players construindo data centers em larga escala. Para o público dev/tech, a mudança pode acelerar entregas de inferência com mais flexibilidade de capacidade e potencialmente reduzir pressão sobre infraestrutura local (como água e custos de utilidades), influenciando como modelos passam a ser servidos em produção.
