Thore Graepel, um dos co-criadores do AlphaGo, deixou o Google DeepMind para fundar uma startup de raciocínio de inteligência artificial, de acordo com um relatório exclusivo da Sifted publicado em 7 de setembro de 2026. O empreendimento está apostando em uma tese que vai contra a corrente dominante da indústria: que a pesquisa estruturada, em vez de modelos de linguagem cada vez maiores, detém a chave para o raciocínio de máquina confiável.

Um veterano do DeepMind se afasta

Graepel é mais conhecido por seu trabalho no AlphaGo, o sistema DeepMind que derrotou o campeão mundial de Go, Lee Sedol, em 2016 – um marco amplamente creditado por desencadear o boom moderno da IA. A mudança encerra um longo mandato no Google DeepMind, onde foi uma das figuras mais importantes e visíveis da organização de pesquisa.

Sifted relata que Graepel saiu para seguir o empreendimento de raciocínio, e empresas comerciais, incluindo Tech Times, enquadraram explicitamente a aposta principal da nova empresa: pesquisa estruturada em vez de escalonamento LLM. Detalhes sobre financiamento, pessoal e planos de produtos não foram divulgados, e nem Graepel nem DeepMind publicaram um anúncio formal – mas a mudança ocorre em um ano de formação agressiva de startups de IA em torno de alternativas ao escalonamento puro.

A Tese: Pesquisa em Escala

A aposta é importante porque desafia a estratégia que definiu a IA de fronteira desde 2020 – treinar modelos de transformadores maiores com mais dados e computação e depois ensiná-los a raciocinar através de instruções de cadeia de pensamento e aprendizagem por reforço.

A linhagem AlphaGo representa uma tradição diferente. AlphaGo e seus sucessores combinaram redes neurais com pesquisa em árvore e, em iterações posteriores, aprenderam com o jogo autônomo em vez de jogos humanos. Os sistemas desta família podiam verificar os seus próprios movimentos em relação a regras fixas, o que tornava o seu raciocínio exacto de uma forma que os resultados do modelo de linguagem, gerados um token plausível de cada vez, não o são.

Os defensores da abordagem de pesquisa em primeiro lugar argumentam que, à medida que os LLMs são empurrados para domínios como a matemática, a verificação formal e o planeamento, os seus modos de falha – respostas fluentes mas erradas, lógica de vários passos não fiável – decorrem da arquitectura, e não apenas da escala. Os sistemas baseados em pesquisa que podem verificar cada etapa em relação às regras formais oferecem um caminho diferente para a confiabilidade, e o progresso recente na prova do teorema baseado no Lean, tanto por startups quanto por grandes laboratórios, manteve esse debate vivo.

Parte de um êxodo mais amplo

Graepel não é o primeiro veterano do AlphaGo a deixar a DeepMind em busca desta tese. David Silver, que liderou o projeto AlphaGo, deixou o Google DeepMind no final de 2025, depois de mais de uma década construindo AlphaGo, AlphaZero e AlphaStar, e fundou a Ineffable Intelligence, que foi incorporada em novembro de 2025. Conforme relatado esta semana, Sequoia e Nvidia apoiaram a startup com uma avaliação de US$ 5,1 bilhões.

As saídas aumentam a rotatividade de alto nível no Google DeepMind. No início deste ano, o laboratório viu mudanças de liderança, incluindo a transição da cadeira de Hassabis e a saída de figuras importantes como Koray Kavukcuoglu e Jeff Dean, cobertura que o AI Buzz Wire acompanhou na época. Quando as pessoas que construíram os sistemas mais famosos de um laboratório partem em busca de uma arquitetura diferente, o sinal é menos sobre política interna e mais sobre desacordo genuíno sobre de onde virá o próximo avanço.

Por que é importante para o campo

Para o ecossistema de startups, a decisão de Graepel é outro indicador de que o argumento pós-transformador está atraindo capital sério e currículos sérios. Os investidores gastaram 2024 e 2025 quase inteiramente em aplicações e infraestrutura LLM; Em 2026 assistiu-se a um fluxo constante de financiamento para empresas que procuram modelos mundiais, sistemas neuro-simbólicos, raciocínio formal e planeamento baseado em pesquisa.

Para o Google, a perda é tanto simbólica quanto técnica. AlphaGo continua sendo a criação mais famosa da DeepMind, e seus ex-alunos agora encabeçam pelo menos dois empreendimentos bem financiados que apresentam alternativas ao manual de escalonamento. Se a pesquisa estruturada pode realmente superar os modelos de linguagem de fronteira em problemas abertos - em vez de problemas restritos e formalmente verificáveis ​​- é a questão que essas startups terão de responder com produtos, não com manifestos.

Há também um caminho intermediário para o qual a indústria já está convergindo: sistemas híbridos que usam LLMs para intuição e busca por verificação. Se o empreendimento de Graepel chegar lá, estará competindo menos com a narrativa em expansão do que com ela.

Nem Graepel nem Google DeepMind responderam publicamente com mais detalhes no momento da redação deste artigo. AI Buzz Wire atualizará esta história à medida que surgirem mais informações sobre a startup.

Fique à frente da IA

Acompanhe as pessoas e empresas que moldam a próxima onda de IA — leia mais notícias sobre IA no AI Buzz Wire.

Leia mais notícias sobre IA →