O laboratório de pesquisa de IA Flapping Airplanes, com sede em São Francisco, arrecadou $1 bilhão em uma rodada Série A, elevando sua avaliação para $6 bilhões, aproximadamente quatro vezes a marca de $1,5 bilhões que tinha após uma rodada seed de $180 milhões em janeiro de 2026. A startup de um ano de idade ainda não tem produto comercial e está focada em tornar o treinamento de modelos de IA menos dependente de grandes quantidades de dados e poder computacional.
Esta versão é uma tradução automática do original (English). Ler o original
Flapping Airplanes, uma startup de pesquisa de IA com sede em São Francisco, anunciou em 21 de outubro de 2026 que havia fechado uma rodada de financiamento Série A de $1 bilhão com uma avaliação de $6 bilhões, de acordo com TechCrunch e SiliconANGLE. A rodada foi liderada conjuntamente pelas firmas de venture capital Index Ventures e Lux Capital.
Outros participantes na rodada incluíram os investidores de seed que retornavam Sequoia Capital e GV (anteriormente Google Ventures), juntamente com Kleiner Perkins, Valor Equity Partners, Atreides Management, Jump Trading, XTX Ventures, e o fabricante de chips Nvidia, segundo relatado pela SiliconANGLE. A lista de participantes da TechCrunch também nomeou A*.
De $1,5 bilhões para $6 bilhões em nove meses
Flapping Airplanes foi lançada com uma rodada seed de $180 milhões em janeiro de 2026 que avaliou a empresa em $1,5 bilhões, de acordo com TechCrunch e TheNextWeb. A nova avaliação de $6 bilhões representa aproximadamente um aumento de quatro vezes em menos de um ano, com SiliconANGLE colocando o total de financiamento arrecadado pela empresa até o momento em $1,18 bilhões.
TechCrunch descreveu o intervalo entre as rodadas seed e Série A como nove meses, enquanto SiliconANGLE e TheNextWeb caracterizaram a própria empresa como tendo aproximadamente um ano de idade. Nem TechCrunch nem SiliconANGLE indicaram uma data de fundação exata; o enquadramento do SiliconANGLE implica que a empresa foi fundada cerca de um ano antes do anúncio de outubro de 2026.
Quem fundou a empresa
Flapping Airplanes foi fundada por Ben Spector, Asher Spector, e Aidan Smith, de acordo com TechCrunch e SiliconANGLE. Asher Spector possui um Ph.D. em Estatística da Stanford. Aidan Smith é descrito como um ex-Thiel Fellow que anteriormente trabalhou na Neuralink.
Tanto TechCrunch quanto SiliconANGLE descrevem Ben Spector como um estudante de doutorado em ciência da computação na Stanford que fundou o acelerador estudantil Prod enquanto estava no MIT. SiliconANGLE o identifica como o diretor executivo da empresa e relatou que o investidor Index Ventures descreveu o time como aproximadamente duas dúzias de pessoas trabalhando pessoalmente em São Francisco.
O que a empresa diz que está construindo
Flapping Airplanes se descreve como construindo o que SiliconANGLE chamou de 'o framework megakernel mais completo do mundo' para unidades de processamento gráfico Nvidia. De acordo com TheNextWeb e TechCrunch, o framework é projetado para executar treinamento e inferência de modelos de IA simultaneamente nos mesmos chips, reduzindo o tempo ocioso de computação e visando permitir que os modelos aprendam com muito menos dados do que os sistemas grandes atuais exigem.
Um modelo que é um milhão de vezes mais eficiente em dados é provavelmente um milhão de vezes mais fácil de colocar na economia.
— Asher Spector, cofundador, Flapping Airplanes
De acordo com TheNextWeb, Asher Spector também descreveu a lógica mais ampla da empresa como uma crença de que a demanda por IA superará o fornecimento disponível de chips e dados, acrescentando que extrair até mesmo um desempenho adicional modesto dos chips existentes — cerca de 10% a mais — teria um valor econômico significativo.
Uma onda de 'neolabs' de IA focados em pesquisa
TechCrunch e TheNextWeb colocam Flapping Airplanes dentro de uma categoria de startups às vezes chamadas de 'neolabs de IA': empresas que começam focando em pesquisa fundamental em vez de entregar um produto ou gerar receita imediatamente. TheNextWeb citou duas empresas comparáveis, AMI Labs, que ela disse arrecadou aproximadamente $1 bilhão em março de 2026, e Mirendil, que arrecadou uma rodada seed de $200 milhões em junho de 2026.
TechCrunch observou que Flapping Airplanes atualmente não tem produto e sem receita, o que significa que a avaliação de $6 bilhões repousa no progresso da pesquisa do laboratório em vez de em vendas ou um produto lançado.
Cronograma de financiamento da Flapping Airplanes
Rodada
Data
Valor
Avaliação
Seed
Janeiro de 2026
$180 milhões
$1,5 bilhões
Série A
Outubro de 2026
$1 bilhão
$6 bilhões
O que ainda não é conhecido
A empresa não divulgou uma data de lançamento do produto, benchmarks específicos de desempenho para seu framework megakernel, ou planos detalhados de receita, com base na cobertura disponível. Apenas SiliconANGLE forneceu um número de funcionários, e a data exata de fundação não foi indicada por nenhuma das três fontes revisadas.
Perguntas
Quanto Flapping Airplanes arrecadou e em qual avaliação?
Flapping Airplanes arrecadou $1 bilhão em uma rodada Série A com uma avaliação de $6 bilhões, anunciado em 21 de outubro de 2026, de acordo com TechCrunch e SiliconANGLE.
Quem liderou a rodada de financiamento?
Index Ventures e Lux Capital co-lideraram a rodada, com participação de Sequoia Capital, GV, Kleiner Perkins, Valor Equity Partners, Atreides Management, Jump Trading, XTX Ventures, e Nvidia, conforme SiliconANGLE.
Quem fundou Flapping Airplanes?
A empresa foi fundada por Ben Spector, Asher Spector, e Aidan Smith, de acordo com TechCrunch e SiliconANGLE. Asher Spector tem um Ph.D. em Estatística da Stanford, e Aidan Smith é um ex-Thiel Fellow e ex-funcionário da Neuralink.
O que Flapping Airplanes realmente constrói?
Está desenvolvendo um framework GPU 'megakernel' destinado a executar treinamento e inferência de IA juntos, visando reduzir o tempo ocioso de computação e reduzir quanto de dados é necessário para treinar modelos de IA, de acordo com SiliconANGLE e TheNextWeb.
Flapping Airplanes tem um produto no mercado?
Não. TechCrunch relatou que no momento do anúncio de financiamento, a empresa não tem produto comercial e nenhuma receita.
Este texto foi preparado com inteligência artificial e passou por uma verificação automática de fontes antes da publicação. Se vir um erro, peça uma correção. Pedir correção ou direito de resposta · Como fazemos
Geoffrey Hinton, o cientista da computação ganhador do Prêmio Nobel conhecido como o "padrinho da IA", diz que a melhor chance da humanidade de sobreviver a máquinas cada vez mais inteligentes é projetá-las para que realmente se importem com as pessoas, não meramente as obedeçam. Falando no Festival Starmus em Tenerife em outubro de 2026, Hinton advertiu que sem essa mudança, a humanidade enfrentaria sérias consequências.
Ferramentas de IA generativa como chatbots, geradores de imagens e assistentes de codificação convertem uma entrada em dados numéricos e, em seguida, constroem uma saída passo a passo usando padrões aprendidos de enormes conjuntos de dados de treinamento. Ferramentas de texto e código preveem o próximo token em uma sequência usando modelos transformadores, enquanto ferramentas de imagem como Imagen removem gradualmente o ruído de um padrão aleatório até que uma imagem correspondente a um prompt de texto emerja.
Os chatbots de IA são construídos sobre modelos de linguagem grande (LLMs), redes neurais treinadas para prever o próximo "token" em uma sequência de texto. Eles convertem palavras em números, usam um mecanismo de atenção para pesar como as palavras se relacionam entre si, e são então ajustados com feedback humano para se comportarem como assistentes úteis em vez de preditores de texto bruto.
Os sistemas de recomendação de IA personalizam feeds e sugestões de produtos analisando o que os usuários clicam, veem, classificam e compram, depois equiparando esse comportamento com padrões de usuários similares. Plataformas como Netflix, YouTube e Amazon dizem que usam sinais de engajamento e contextuais—não, em alguns casos, dados demográficos—enquanto reguladores nos EUA e na UE levantaram preocupações sobre transparência e coleta de dados por trás desses sistemas.
