Titus Winters, no Craft Conference, defendeu que software só tem valor quando é entregue ao cliente e que acelerar o ciclo de releases exige mudar métricas e investimentos entre desenvolvimento, deployment e operações. Ele citou quatro impactos centrais: sucesso do produto, capacidade de computação, capacidade de engenharia e inovação estratégica, destacando que o maior custo costuma ser gente — e não infraestrutura. Com bugs em produção, a empresa assume perdas reais, e corrigir rápido com atualizações bem testadas tende a ser decisivo.
Winters argumentou que, com a IA no ato de programar, a prioridade dos engenheiros deve continuar sendo entender o problema, com guardrails e conhecimento especialista embutidos em sistemas e políticas organizacionais. Ele também propôs construir experimentos com IA usando token costs como proxy do esforço humano e criando um conjunto robusto de evals para agentes de software, com critérios funcionais e de qualidade escondidos do modelo, além de comparar práticas e ferramentas (como testes unitários e indexadores semânticos) via medições empíricas.
A Kilo Code, ferramenta open source de “agentic engineering”, apresentou dados reais de uso para entender como desenvolvedores adotam ferramentas com IA. O fundador de developer relations, Brendan O'Leary, citou o ecossistema do produto, com interfaces no terminal (CLI), extensão para o VS Code e agentes em nuvem, e afirmou que a análise vem do tráfego observado no gateway da empresa.
O executivo disse que a adoção não segue apenas a narrativa de “capacidade” dos modelos, já que benchmarks e melhorias em avaliações humanas nem sempre se traduzem em uso efetivo em fluxos com agentes. Ele também destacou padrões ligados a “trust ladder” (de autocomplete a orquestração de múltiplos agentes) e apontou pontos técnicos onde a adoção tende a falhar, como construção de contexto, roteamento de modelos e loops de feedback.
O brinquedo robótico “Eiliko”, que responde a crianças e adultos via Wi‑Fi e ajusta expressões ao “humor”, pode enviar conversas para servidores na China. Testes relatados mostram que, após uma conversa curta, um invasor obteve um transcript completo e conseguiu acessar dados de uma grande frota ativa, incluindo perfis de usuários em que crianças são maioria.
A investigação também aponta que a plataforma do fabricante Energize Lab cria perfis a partir do conteúdo das conversas e mantém uma base pesquisável com informações como nome, idade, aniversário, profissão, círculo social e até temas sensíveis buscados por usuários. Além disso, há relatos de falhas de segurança, com dados como imagens e áudios armazenados em endereços públicos e possibilidade de hackers interferirem no LLM do robô, alterando respostas e orientações.
A Recursive Intelligence levou ao TechCrunch Disrupt a proposta de usar IA para projetar chips de forma mais eficiente, com foco em ajudar a aliviar a “compute crisis”. As fundadoras Anna Goldie e Azalia Mirhoseini disseram que o sistema desenvolve chips, aprende com cada iteração e melhora os projetos seguintes para acelerar e automatizar o processo de design.
Elas afirmaram que a demanda por computação deve crescer em escala muito maior nos próximos anos e que, em vez de multiplicar data centers, a saída passa por chips que usem melhor a largura de banda e os recursos de fabricação. Goldie também citou o AlphaChip, que gerou um layout circular “tipo donut”, e explicou que a abordagem otimiza o chip inteiro, permitindo padrões mais complexos e abrindo espaço para chips personalizados para aplicações como espaço, AR e VR.
O Dia 2 do TechCrunch Disrupt 2026 acontece em San Francisco, no Moscone West, com foco em startups e tecnologias emergentes. O evento reúne 300+ startups no Expo Hall e usa matchmaking com IA para conectar uma comunidade de 10.000+ founders, investidores, equipes de startups e líderes de tecnologia.
A programação do dia inclui palestrantes como Nvidia, Waabi, Flock Safety e Ricursive Intelligence, com discussões sobre robótica, hardware de IA, segurança pública e investimento em venture. Também há sessões e palcos dedicados a temas como “When AI Starts Designing Its Own Hardware” e demonstrações ao vivo de robôs.
Um juiz determinou que a Apple terá acesso acelerado aos materiais de contratação da OpenAI no processo focado em segredos comerciais aberto pela empresa em julho. O tribunal autorizou a companhia a ver documentos ligados às entrevistas da OpenAI com ex-funcionários da Apple que se candidataram a vagas nos grupos de hardware de consumo e robótica, antes do lançamento especulado do primeiro dispositivo de hardware da OpenAI.
A decisão inclui itens como checklists e guias de entrevista, além de apresentações técnicas e registros que indiquem referências à tecnologia ou componentes da Apple. O juiz deu cinco dias para a OpenAI entregar o que já reuniu e 14 dias para outros materiais, aprovou depoimentos de Chang Liu, Alyssa Peng e do chief hardware officer Tang Yew Tan, mas negou pedidos acelerados sobre áreas específicas de pesquisa e desenvolvimento, deixando a possibilidade de novos pedidos após ajustes.
O Lincoln AI Computing Survey (LAICS), conduzido pelo Lincoln Laboratory Supercomputing Center (LLSC), continua a mapear aceleradores de IA do mercado e a comparar desempenho e consumo de energia. Desde 2018, a equipe publicou seis artigos e, no levantamento mais recente, analisou mais de 120 aceleradores, usando dados públicos e métricas como pico de performance e pico de potência.
Além de GPUs, a pesquisa inclui diferentes formatos de aceleradores, como CPUs, ASICs e FPGAs, destacando que cada tipo tem capacidades e níveis de eficiência distintos. O LAICS também investiga fatores que elevam desempenho, como transistores menores e uso de menor precisão numérica, e avalia escolhas arquiteturais que podem alterar o comportamento do sistema, com a intenção de seguir atualizando o panorama com novos lançamentos.
Um acelerador de IA open-source chamado openTPU foi apresentado como um projeto que usa “auto-arch-tournament” para testar até onde agentes de IA conseguem ir no design de hardware e se podem construir o chip que executa a própria inferência. O projeto reúne, em um monorepo, desde o hardware em SystemVerilog até a linguagem de kernel, o compilador e o software host que controla uma placa real via PCIe.
O openTPU roda dez modelos com pesos reais em uma placa Inspur YPCB-00338 (Xilinx Kintex-7 xc7k480t, com dois canais DDR3) e afirma produzir os mesmos tokens do simulador, bit a bit. Medidas em diferentes datas de 2026-09-29 a 2026-10-01 indicam ganhos de desempenho em “decode” e “prefill”, além de rotas para lidar com modelos maiores via streaming de especialistas pela memória do host.
A Meta apresentou o Muse Charm, um dispositivo de hardware dedicado ao seu agente de IA Muse, durante o Meta Connect. O produto foi exibido rapidamente por Mark Zuckerberg e tem formato semelhante a um smartwatch mais “gordinho”, com uma tela e uma presilha para transporte.
O Muse Charm funciona sem depender de um celular: basta usar um sensor de impressão digital para ativar e falar com o agente, além de haver uma câmera e microfones no aparelho. A Meta planeja lançar o dispositivo ainda este ano, com previsão de chegar “para as festas” em dezembro, mas Zuckerberg afirmou que a empresa ainda construiu apenas algumas unidades e vai compartilhar mais detalhes em breve.
Investigadores afirmam que roubos de hardware caro destinado a data centers de IA passaram a envolver táticas violentas. Em dois episódios recentes, escoltas privadas que acompanhavam caminhões de tecnologia teriam sido imobilizadas após acidentes forjados, como um atropelamento em fuga e manobras do tipo PIT, levando os veículos a seguirem sem destino e com o carregamento desaparecendo.
O caso elevou a preocupação do setor com a segurança de cargas de alto valor, incluindo servidores, chips e componentes de refrigeração. Dados citados por uma empresa de analytics mostram aumento no valor dos itens roubados, enquanto autoridades relatam apreensões milionárias e empresas envolvidas, como Deepcool AI, Celestica e Meta, não comentaram os acontecimentos.
