Astrônomos podem ter encontrado o primeiro registro de um sistema binário onde ambas as estrelas componentes encerraram suas vidas em explosões de supernova. Esta descoberta foi detalhada em um estudo publicado na revista Nature Communications nesta terça-feira (21).
A pesquisa focou em dois vestígios de explosões estelares próximos: IC 443, conhecida como Nebulosa da Água-viva, e G189.6+3.3. Ambos os objetos estão situados a aproximadamente 6 mil anos-luz da Terra, na direção da constelação de Gêmeos. Os cientistas cruzaram dados de diversos observatórios para determinar se a proximidade era mera coincidência celeste ou se havia uma origem comum.
As evidências coletadas sugerem fortemente que esses restos provêm de estrelas que nasceram juntas em um arranjo binário. O estudo foi liderado por Miltiadis Michailidis, pesquisador da Universidade de Stanford, que investigou a conexão entre a proeminente IC 443 e sua vizinha menos visível, G189.6+3.3. Por muitos anos, a segunda estrutura permaneceu pouco notável devido à sua proximidade com uma das nebulosas mais estudadas da galáxia.
Para chegar às suas conclusões, os cientistas integraram mais de 16 anos de observações feitas pelo telescópio espacial Fermi, pertencente à NASA, juntamente com informações prévias obtidas em espectros de luz como raios X, rádio, ultravioleta e luz visível. Os dados revelaram que os dois remanescentes de supernova estão interagindo com a mesma nuvem de hidrogênio interestelar. Este fato indica que os objetos estão espacialmente próximos, com uma separação estimada entre seus centros de explosão de 30 a 50 anos-luz.
A equipe calculou que a probabilidade de dois restos de supernova sem relação terem aparecido tão próximos seria de cerca de uma em mil. Este resultado fortalece a teoria de que os objetos surgiram do mesmo sistema de estrelas massivas. As estimativas indicam que a explosão que gerou G189.6+3.3 ocorreu antes da formação de IC 443. A primeira estrela teria explodido há entre 20 mil e 110 mil anos, enquanto a segunda supernova teria ocorrido há aproximadamente 8 mil ou 9 mil anos.
Embora tenham tido origem no mesmo sistema, as duas estrelas não precisavam morrer simultaneamente, pois estrelas em pares binários podem seguir trajetórias evolutivas distintas, resultando em mortes separadas por milhares de anos. Para validar este cenário, os pesquisadores rodaram simulações em um milhão de sistemas binários. Os resultados dessas simulações demonstraram que pares de estrelas massivas são capazes de gerar duas supernovas espaçadas por dezenas de milhares de anos, mantendo rastros próximos no espaço. A descoberta pode auxiliar os cientistas a entender melhor a evolução de estrelas extremamente massivas quando elas fazem parte de sistemas duplos. Se a ligação entre IC 443 e G189.6+3.3 for confirmada por novas observações, o conjunto poderá servir como um laboratório natural para estudar o ciclo completo desses sistemas.
A Zona de Alta Tecnologia de Chengdu estabeleceu-se como um cluster industrial líder em computação espacial na China. No evento APEC Digital Week em 2026, foi apresentada uma ecossistema abrangente que abrange o projeto de satélites, a fabricação de foguetes, terminais terrestres e aplicações espaciais.
Esta zona concentra 102 empresas aeroespaciais comerciais chave, que atingiram um volume industrial de 13 bilhões de yuans em 2025. Um líder local do setor lançou com sucesso a primeira rede de computação de inteligência artificial orbital do mundo, utilizando um foguete com 12 satélites. Isso criou o primeiro ciclo fechado desde a computação de IA no espaço até à aplicação terrestre.
A ideia principal da computação espacial é colocar capacidades de processamento, armazenamento e análise de IA em satélites de baixa órbita. Isso os transforma de meras estações de retransmissão de dados em nós de computação inteligentes. O espaço oferece condições de quase vácuo total, temperaturas extremamente baixas e energia solar praticamente ilimitada, permitindo alcançar um fator PUE próximo ao ideal teórico de 1,0, ao contrário dos centros de dados terrestres, que enfrentam limitações de consumo de energia e custos de arrefecimento.
Prevê-se que o potencial comercial atinja trilhões de yuans, pois a procura por inferência de IA exige poder computacional que a infraestrutura terrestre não pode fornecer economicamente em grande escala. Os desafios de engenharia permanecem sérios: chips GPU padrão são suscetíveis à radiação cósmica, levando ao rápido envelhecimento dos dispositivos, e é necessária uma produção cara e resistente à radiação. Em resposta, o setor está a estudar a tecnologia de computação fotónica, que é inerentemente imune à radiação, não requer carga e é energeticamente eficiente. Fabricantes de painéis solares estão a desenvolver células tandem de perovskita-silício, otimizadas para o ciclo térmico extremo do espaço. O alto custo dos lançamentos e a interação de rede através de lasers em órbita continuam a ser os principais obstáculos para a adoção em massa. Chengdu já garantiu a base para montagem final de foguetes e fabricação de motores para reduzir os custos de lançamento de satélites desde o início.
A estratégia industrial de Chengdu baseia-se em três pilares: tecnologias fortes através de um consórcio de inovação em computação espacial, focado na arquitetura de computação, comunicação intersatélite e gestão térmica no espaço, bem como em tecnologias energéticas espaciais; operações inteligentes, incluindo uma aliança de padrões de computação espacial, visando o desenvolvimento de padrões nacionais e internacionais até 2027; e alta capacidade de lançamento graças à base de fabricação de foguetes. A zona gere o maior cluster de fundos financeiros no centro-oeste da China, que inclui 182 fundos no valor total de mais de 350 bilhões de yuans, sendo que apenas 158,1 bilhões de yuans de financiamento direto foram direcionados em 2025. Também estão em fase de formação um fundo especializado em aeroespacial de 2 bilhões de yuans e um fundo de capital de risco para computação espacial.
A cidade do futuro Chengdu atraiu 200 empresas de tecnologia com investimentos de 130 bilhões de yuans e declara a capacidade de entrega completa de satélites. À medida que a procura por inferência de IA cresce e as limitações terrestres se tornam críticas, a computação espacial é vista não como especulação, mas como um elemento adicional necessário. Chengdu posiciona-se como o principal ecossistema para este setor global emergente.
A MindLab lançou o Macaron-V1, um modelo que foi ajustado usando o método Mixture-of-LoRA. Este desenvolvimento é baseado no fundamento do Zhipu AI GLM 5.2 e demonstra como o ajuste fino direcionado baseado em Aprendizado por Reforço (RL) pode aumentar significativamente as capacidades de um modelo existente com custos computacionais mínimos.
A versão principal Venti, com 748 bilhões de parâmetros e suporte a contexto nativo de um milhão, utiliza quatro adaptadores de especialista LoRA independentes com parâmetros de 1 bilhão. Esses especialistas cobrem as áreas de chat, agentes, codificação e interface do usuário. Cada especialista foi treinado em um espaço de adaptadores isolado usando a técnica patenteada Mixture-of-LoRA, o que previne a interferência mútua de habilidades frequentemente observada no ajuste fino multitarefa.
O método MoL representa um desvio significativo do ajuste fino tradicional. O ajuste fino multitarefa padrão sofre do efeito chicote, onde a melhoria de uma função leva à deterioração de outra. A solução da MindLab coloca múltiplos especialistas LoRA independentes sobre um modelo base congelado, sendo cada um otimizado em seu próprio espaço de adaptadores isolado. Uma ferramenta roteadora seleciona o especialista apropriado para cada solicitação, e novas funcionalidades podem ser adicionadas simplesmente conectando outro especialista LoRA sem a necessidade de retreinar os existentes.
As inovações técnicas no Macaron-V1 vão além do MoL. O modelo inclui a tecnologia LongStraw, que expande o contexto nativo do GLM 5.2 para dois milhões de tokens através da reutilização de segmentos comuns de prompt como estado persistente, reduzindo significativamente a sobrecarga de sequências longas. Além disso, existe uma versão leve Tall com 35 bilhões de parâmetros, projetada para implantação local baseada no Qwen 3.6.
Para suportar o sistema, três componentes foram treinados conjuntamente: GenUI, responsável por exibir visualizações interativas além da saída de texto; REPL Harness, que fornece um ambiente de execução Python persistente, permitindo que os modelos criem e promovam ferramentas para utilitários globais entre sessões; e a infraestrutura de treinamento MinT, desenvolvida especificamente para MoL, onde o Agente e o Agente de Treinamento trocam apenas adaptadores, e não pesos completos, o que suporta catálogos de adaptadores em nível de milhões em escala trilhonária.
A MindLab também criou dois conjuntos de dados de avaliação próprios. O Macaron ChatBench avalia a honestidade do agente em cenários de contexto longo, verificando se o modelo reconhece lacunas em vez de fabricar respostas. O Macaron LivingBench simula uma caixa de areia dinâmica com três mecanismos interativos: ruído dinâmico, ambiente vivo dinâmico e usuário dinâmico, medindo a capacidade do modelo de entender continuamente as necessidades do usuário, verificar a precisão das informações, replanejar caminhos de tarefas e concluir tarefas antes que a paciência do usuário acabe.
Em testes padrão, o Macaron-V1 atinge uma velocidade de geração de 320 tokens por segundo, significativamente mais rápida do que modelos comparáveis, embora isso possa refletir baixa carga de inferência durante os testes iniciais. O Macaron-V1 prova que a inteligência artificial chinesa é definida não apenas pela escala de treinamento do modelo base, mas também pela eficiência do ajuste fino subsequente. A conquista da MindLab usando 64 GPUs confirma a possibilidade de especialização com eficiência computacional. À medida que a qualidade dos modelos base se aproxima, a vantagem competitiva muda para a camada de pós-treinamento, onde os métodos MoL podem definir ecossistemas que atraem as aplicações mais capazes.
A Huawei Cloud apresentou o CloudRobo, uma plataforma abrangente para o desenvolvimento de inteligência artificial encarnada. Esta plataforma abrange todo o ciclo de trabalho: desde a criação de dados e o desenvolvimento de modelos até a simulação e implantação de robôs. Neste passo, a empresa declarou sua posição como fornecedora do 'cérebro' inteligente para robôs, e não como fabricante direto.
Esta estratégia é análoga à abordagem da Huawei no setor de carros inteligentes, que levou ao sucesso da SERES/Ask. Em vez de criar o produto final sozinha, a Huawei fornece o núcleo inteligente, o ecossistema e a plataforma de desenvolvimento, permitindo que outras empresas criem produtos competitivos. Mais de vinte empresas, incluindo Youibot e Huayan Robotics, juntaram-se ao CloudRobo como parceiros iniciais.
A arquitetura da plataforma CloudRobo baseia-se em três elementos principais. Primeiro, um fundamento de dados em nível PB garante acesso a milhões de conjuntos de dados prontos. Segundo, o motor de nuvem para produção de modelos utiliza uma série de modelos Pangu, operando em chips Ascend AI. Terceiro, um sistema interno de avaliação em modo Real-Sim permite testes virtuais realistas.
Os desenvolvedores têm acesso a mais de 20 modelos otimizados para Ascend e podem conectar um robô à nuvem em questão de horas, enquanto a implantação do modelo leva minutos. A plataforma cobre todo o processo de desenvolvimento de IA encarnada: coleta de dados, treinamento de modelos, avaliação em simulação, integração com hardware e operação.
A lógica desta decisão estratégica repete o modelo comprovado da Huawei. No segmento de veículos inteligentes, a Huawei fornecia sistemas de condução inteligente, cabines e tecnologia de acionamento elétrico, enquanto os parceiros cuidavam da fabricação. Este modelo permitiu que a SERES se transformasse de um fabricante desconhecido em uma marca premium de veículos elétricos, e o modelo M9 tornou-se um best-seller no segmento acima de 500.000 yuans. Agora, a Huawei aplica o mesmo conceito de divisão de trabalho à IA encarnada: a empresa fornece o sistema operacional inteligente, a plataforma em nuvem e os modelos básicos de IA, enquanto os fabricantes de robôs se concentram no desenvolvimento de hardware, fabricação e cenários de aplicação verticais, onde possuem experiência.
A alta margem bruta dos controladores em 79,8% em comparação com a margem de hardware de 38,4% confirma a prioridade do foco estratégico no valor definido pelo software.
O momento atual reflete a maturidade da indústria. As capacidades de controle de movimento de robôs são em grande parte unificadas entre grandes fabricantes, tornando o processador inteligente o principal fator de diferenciação. O cenário fragmentado da robótica, que inclui manipuladores industriais, robôs de serviço, quadrúpedes e humanoides, exige uma infraestrutura unificada para desenvolvimento, para evitar que cada equipe recrie tudo do zero. O Huawei CloudRobo resolve o problema do desenvolvimento manual, quando grupos individuais gastavam recursos excessivos na criação de pipelines de dados personalizados, treinamento de modelos, ambientes de simulação e integração de hardware em vez de inovações em aplicações.
Embora permaneça incerto se a Huawei conseguirá replicar sua estratégia de ecossistema de carros inteligentes no campo da IA encarnada, visto que os carros diferem por alta padronização e uniformidade de formas, enquanto os robôs têm requisitos extremamente diversos, a Huawei já possui o SO M-Robots baseado em OpenHarmony e mais de 15 startups de IA encarnada baseadas em talentos formados pela Huawei, o que indica a influência da empresa que vai muito além da própria plataforma CloudRobo.
