Pesquisadores britânicos e suíços realizaram uma análise de fragmentos de proteínas preservados em antigos vasos de bronze chineses. Durante esta análise, foram identificados biomarcadores característicos de gengibre e fungo bolor em um dos artefatos. Estas descobertas sugerem que o recipiente continha uma bebida alcoólica produzida há aproximadamente três mil anos.
A produção de bebidas alcoólicas começou na antiguidade profunda. Dados arqueológicos indicam que representantes da cultura arqueológica Natufiana no Oriente Médio, durante o Paleolítico Superior, já sabiam produzir cerveja. Isso é evidenciado por achados na caverna de Qafzeh, em Israel, onde foram encontradas sobras de grãos processados há cerca de 13.700 a 11.700 anos. No entanto, a ampla disseminação dessas bebidas provavelmente ocorreu com os agricultores durante o Neolítico.
Os primeiros sinais de produção de álcool no território da China moderna datam do Neolítico inicial. Recentemente, foi estabelecido que os habitantes pré-históricos na bacia do Rio Yangtze fabricavam cerveja de arroz há cerca de dez mil anos. As primeiras provas da produção de álcool são apresentadas por restos de plantas fermentadas, identificadas por microscopia, bem como por biomarcadores específicos determinados por métodos químicos.
No âmbito de um novo projeto, cientistas do Reino Unido e da Suíça, liderados por Luciana da Costa Carvalho da Universidade de Oxford, concentraram-se em achados de um período posterior ao Neolítico. Eles estudaram oito antigos vasos de bronze chineses, que possivelmente foram usados para fins rituais. Esses artefatos estão no Museu Rietberg em Zurique e foram obtidos através de comerciantes de antiguidades, e não de arqueólogos, o que torna sua origem exata incerta. No entanto, pelas características dos objetos, os cientistas determinaram que pertencem aos períodos das dinastias Shang (aproximadamente 1500–1046 a.C.) e Zhou primitiva (aproximadamente 1046–978 a.C.).
O objetivo do estudo era determinar a presença de biomarcadores específicos nos vasos, apesar das camadas de corrosão interna, visto que, segundo os especialistas, esses itens não passaram por restauração ou conservação após chegarem ao museu. Especialistas da Universidade de Oxford descobriram vestígios prováveis de uma bebida alcoólica em um dos vasos. Esses resíduos incluíam proteínas do fungo bolor Monascus purpureus e do gengibre medicinal (Zingiber officinale), bem como traços semelhantes a ovo de pássaro, embora haja a possibilidade de que estes últimos sejam resultado de contaminação posterior.
Anteriormente, evidências antigas do uso de gengibre e fungos bolor eram encontradas apenas na análise microscópica de restos vegetais em cerâmica, bem como em fontes escritas antigas, onde o gengibre é mencionado como ingrediente para bebidas. Com base nisso, os pesquisadores concluíram que o vaso tipo 'hu' do final da dinastia Shang provavelmente continha uma bebida alcoólica, destinada possivelmente a rituais.
Periodicamentes, restos líquidos de álcool são preservados em vasos antigos. Por exemplo, recentemente foi encontrada uma substância que se assemelha a cerveja de trigo não filtrada em um túmulo de um oficial militar chinês que viveu há mais de dois mil anos.
Vale notar o estudo de restos de um raro enterro coletivo da Idade do Ferro encontrado na Lituânia. Em 1990, arqueólogos descobriram seis esqueletos, cuja idade é estimada entre o final do século VIII e o início do século X d.C. A análise genética mostrou que os indivíduos tinham origem local, incluindo laços de parentesco. Foi determinado que os ossos de três pessoas apresentavam traumas pré-morte, incluindo uma vértebra cervical cortada, o que indica decapitação. Uma hipótese dos pesquisadores liga este enterro às invasões vikings, conforme relatado no Journal of Archaeological Science: Reports.
Rishad Premji, presidente da Wipro, observou que as empresas de serviços de TI podem utilizar seu profundo conhecimento de processos de negócios, sistemas e ambientes operacionais dos clientes para alcançar eficiência, implementar inovações e crescimento impulsionado por IA.
Graças à experiência de muitos anos em compreender os fluxos de trabalho dos clientes, as empresas de serviços de TI estão em uma posição vantajosa para transformar e organizar seus sistemas com o auxílio da IA e extrair valor deles. No entanto, essas empresas enfrentaram dificuldades devido à demanda persistentemente fraca e ao cenário geopolítico instável, o que resultou em um crescimento anual inferior a 5% nos últimos três anos e pode manter essa tendência no ano atual.
Além disso, a IA reduz a receita dos atores tradicionais, pois eles precisam repassar as economias aos clientes. No entanto, Premji enfatizou que a IA não apenas aumentará a eficiência, mas também abrirá novas oportunidades de crescimento e inovação, à medida que as empresas buscam ir além dos projetos piloto e integrar a IA em seus fluxos de trabalho, aumentando a demanda por modernização de dados e TI baseada em IA.
Durante a 80ª assembleia geral anual da Wipro, na quarta-feira, Premji declarou que 'novas fontes de crescimento surgirão. As organizações devem repensar processos e fluxos de trabalho, arquitetura empresarial e modernização de dados. Este caminho de transformação será realizado gradualmente, através da colaboração de novos modelos operacionais, pessoas e IA'. Como exemplo, ele citou que o ciclo interno de fechamento financeiro da Wipro foi reduzido de 24 para oito horas graças ao uso de IA.
Um relatório da S&P Global Ratings, publicado esta semana, alertou que, nos próximos três anos, os fornecedores indianos de serviços de TI enfrentarão uma concorrência crescente de empresas criadas originalmente com base em IA, o que pode minar sua base de receita se não conseguirem permanecer competitivos e proteger seus negócios recorrentes. Premji acrescentou que no ano passado, o setor foi cauteloso devido à demanda persistentemente fraca e à volatilidade geopolítica. Os clientes continuaram focados em negociações de otimização de custos, mesmo investindo em IA para transformar talentos e plataformas.
Ele também observou que os acordos de otimização de custos, embora grandes, exigem um tempo considerável para serem implementados após a assinatura e exercem pressão sobre a margem operacional, já que os atores tradicionais competem pela mesma fatia de mercado. Em contraste, os acordos menores focados em IA geram receita mais rapidamente, garantem um fluxo de receita regular e possuem maior margem de lucro.
O CEO e Diretor Executivo, Srinidhi Pallia, esclareceu que a IA corporativa vai além dos grandes modelos de linguagem. Ela inclui a compreensão das limitações existentes, os princípios de funcionamento dos processos, a integração de conhecimento especializado, a garantia de segurança de dados e o gerenciamento de mudanças. Além disso, a IA impulsiona a transição para novos modelos comerciais — de precificação baseada em esforço para modelos baseados em consumo, transações e resultados de negócios.
A maioria dos sistemas de inteligência artificial de voz é treinada em amostras de fala de falantes de inglês perfeito, o que raramente corresponde à realidade na Índia. No entanto, para Ritu Mehrotra e Saurav Bandopadhyay, fundadores da United We Care, uma empresa focada em saúde mental, essa lacuna tornou-se evidente.
Os usuários frequentemente mudavam entre idiomas no meio das frases, falavam com vários sotaques, usavam terminologia médica especializada e expressavam preocupações sobre a transmissão de dados confidenciais através de servidores de terceiros. Ao mesmo tempo, a infraestrutura de voz existente não conseguia atender a esses requisitos.
Mehrotra observou que, ao estudar o mercado, ficou claro que ninguém havia criado modelos capazes de processar adequadamente a diversidade de padrões de fala em toda a Ásia. Em vez de contornar essas limitações, os fundadores decidiram desenvolver a infraestrutura necessária por conta própria, o que levou à criação da Shunya Labs.
Atualmente, a empresa está criando sua própria infraestrutura de IA de voz, projetada para trabalhar com fala multilíngue, acentuada e mista (code-switching). Essa tecnologia é usada por grandes clientes corporativos nos setores bancário, de saúde, telecomunicações, automotivo e comércio eletrônico, tudo isso ocorrendo em processadores centrais (CPU), e não em soluções caras que exigem poderosas unidades de processamento gráfico (GPU).
A Shunya Labs construiu sua pilha de IA de voz do zero. A plataforma consiste em três componentes principais: modelos de conversão de fala para texto (speech-to-text), uma camada de orquestração para processar informações considerando contexto e memória, e modelos de conversão de texto para fala (text-to-speech) para vocalizar as respostas.
A empresa afirma que todo esse conjunto pode funcionar em CPU, independentemente de ser usado um telefone, carro ou servidores próprios da empresa, e até mesmo sem conexão com a internet. Isso permite reduzir os custos de implantação em cerca de vinte por cento em comparação com fornecedores semelhantes, ao mesmo tempo que suporta mais de 220 idiomas, incluindo 55 idiomas indianos.
Os modelos são proprietários, mas os clientes corporativos recebem uma camada adicional personalizável que é treinada com vocabulário específico do negócio, nomes de produtos, termos de planos de telecomunicações, nomes farmacêuticos e catálogos de produtos bancários. A criação de um modelo personalizado como esse leva cerca de 40 horas em GPU, e a adição de um novo idioma requer aproximadamente 100 horas, o que é significativamente menor do que o padrão da indústria de 10.000 horas.
Antes que o sinal de áudio chegue ao motor de transcrição, um supressor de ruído patenteado elimina o ruído de fundo, e outra ferramenta ajusta o volume, a frequência e as distorções. O sistema foi projetado para operar em condições de qualidade de som instável, como em call centers ou gravações de campo.
Além da transcrição, a plataforma oferece recursos como análise de sentimento, rastreamento de emoções, detecção de intenção e identificação de falante. Mehrotra enfatizou que o modelo Hinglish da Shunya pode gerar tokens de idiomas mistos em tempo real, sem forçar os usuários a se limitarem a um único idioma.
Em fevereiro de 2026, a empresa apresentou o Vāķ — um sistema de tradução em tempo real de código aberto que abrange 55 idiomas indianos — no India AI Impact Summit em Nova Delhi. O Vāķ foi desenvolvido em colaboração com a Nasscom, que inclui o grupo GenAI Shunya. O sistema garante uma latência ponta a ponta inferior a 1,5 segundos, suporta clonagem de voz sem pré-treinamento (zero-shot voice cloning) e opera na plataforma Zero Suite. Os pesos dos modelos estão disponíveis no Hugging Face.
Bandopadhyay descreve o Vāķ como uma 'inovação soberana e autossustentável', acrescentando que o objetivo é que 'cada desenvolvedor possa criar, cada governo possa implementar e cada indiano possa ser ouvido em sua língua nativa'.
A Shunya colabora exclusivamente com grandes clientes corporativos. O processo de vendas envolve três etapas: prova de conceito (proof of concept) sob um acordo de não divulgação (NDA), teste piloto em uma região e idioma, e, finalmente, implementação em grande escala, que geralmente leva de seis a oito meses até a transição para um contrato permanente.
Recentemente, a empresa alterou sua política, tornando a fase de prova de conceito paga. A política de preços é implementada em um modelo de três estágios. Desenvolvedores individuais podem usar a plataforma gratuitamente ou comprar créditos de uso pré-pagos, a partir de US$ 500. Clientes corporativos recebem preços personalizados, opções de hospedagem própria, acordos de nível de serviço (SLA) dedicados e suporte com maior paralelismo.
De acordo com a empresa, um agente de voz típico que combina speech-to-text, LLM e text-to-speech custa cerca de US$ 0,0154 por minuto de operação. Mehrotra relatou que a receita da empresa dobrou mensalmente nos últimos três meses, e o uso da plataforma aumentou 6 a 8 vezes no mesmo período.
A empresa também aponta para altas taxas de reconhecimento automático de fala em vários benchmarks públicos no Hugging Face, incluindo conjuntos de dados financeiros, TED Talks e linguísticos europeus, onde seus modelos superaram as ofertas da Nvidia e da Meta. Entre as métricas apresentadas, o Zero STT Med demonstra uma taxa de erro de palavras de 11,1% e uma taxa de erro de caracteres de 5,1% ao lidar com áudio médico ruidoso com múltiplos falantes. O Zero Tinny ONNX mostra uma taxa de erro de palavras de 3,10%, e o Zero STT Indic declara uma precisão 200% superior à do próximo melhor modelo para fala indiana.
A plataforma é certificada pela norma ISO 27001, cumpre os requisitos HIPAA e GDPR, e pode ser implantada em ambientes de nuvem, de borda (edge) ou locais (on-premise). A base de clientes da Shunya abrange telecomunicações, setor bancário e serviços financeiros, saúde, indústria automotiva e comércio eletrônico. Entre os clientes estão Panasonic, NASSCOM, Gomotto nos EUA, OMG Pharma na Austrália e ZET na Índia.
No setor bancário, a plataforma é usada para verificação KYC, lembretes de pagamento e troca de idioma durante chamadas. Na área da saúde, ela transcreve conversas clínicas em tempo real, separa vozes de médicos e pacientes, estruturando resultados para prontuários eletrônicos enquanto mantém os dados localmente. Call centers utilizam a plataforma para transcrição ao vivo e assistência a agentes em tempo real. Na indústria automotiva, os modelos funcionam em sistemas de entretenimento sem necessidade de conexão de rede. Clientes de comércio eletrônico usam a tecnologia para converter solicitações verbais em resultados de pesquisa relevantes, o que a Shunya chama de intenção de voz (voice-to-intent).
O trabalho da empresa é sustentado por 12 patentes, cobrindo áreas como tradução clínica, mitigação de alucinações e mapeamento de texto para emoções. Além disso, foram publicados mais de 18 trabalhos revisados por pares, e a empresa possui 23 recordes mundiais. Muitos modelos estão disponíveis como código aberto no Hugging Face.
De acordo com a Grand View Research, o mercado de IA conversacional na Índia deve atingir US$ 3,7 bilhões até 2033, demonstrando uma taxa de crescimento anual composta (CAGR) de 26,4% a partir de 2026. Jogadores como Sarvam, Gnani.ai e Yellow.ai já estão presentes no mercado, operando em diferentes níveis do ecossistema de IA de voz.
A Shunya levantou cerca de US$ 5,5 milhões em rodadas pré-seed e seed e planeja realizar uma rodada Série A nos próximos três a quatro meses. No entanto, atualmente, a prioridade é alcançar a lucratividade. Mehrotra declarou que, nos próximos seis a oito meses, a principal tarefa é atingir um resultado positivo de P&L, concentrando-se na criação de uma infraestrutura de receita mantendo a eficiência de custos.
A empresa não segue a estratégia de 'queimar e escalar', mas sim foca na construção de uma receita recorrente sustentável por meio de implementações corporativas nos setores de telecomunicações, BFSI, saúde e automotivo da Ásia. As ambições de longo prazo da empresa vão além da Índia. Mehrotra indicou que o público-alvo inclui pessoas em toda a Ásia, Europa Oriental e outras regiões com alta diversidade linguística e baixa alfabetização digital. Ela acredita que as pessoas que não sabem digitar em inglês ou não sabem digitar nada ainda podem falar em sua língua materna, e esses usuários precisam de uma infraestrutura de voz básica desenvolvida especificamente para eles, e não de sistemas orientados a interfaces dominadas pelo inglês e com grande poder computacional.
