Sarvam: a Índia bancou o próprio modelo de IA soberano

Enquanto o Brasil discute soberania de dados em painel, a Índia assinou um cheque. Em 15 de junho de 2026, a Sarvam AI, startup de Bengaluru, captou US$ 234 milhões no primeiro fechamento de uma Série B de US$ 300 milhões e entrou no clube dos unicórnios, avaliada em US$ 1,5 bilhão. O número chama atenção, mas o que importa não é o valuation. É a montagem: um modelo de IA nacional bancado por uma combinação de compute estatal, edital de governo e capital privado local. É exatamente a peça que falta no debate brasileiro.

O que aconteceu

A Sarvam foi fundada em 2023 por Vivek Raghavan e Pratyush Kumar, que antes construíram sistemas de linguagem focados em idiomas indianos no AI4Bharat, laboratório do IIT Madras. Dois anos depois, a empresa venceu um dos editais do IndiaAI Mission, o programa nacional de IA do país, com orçamento de cinco anos de cerca de 10.371 crore de rúpias, algo perto de US$ 1,2 bilhão. O mandato era claro: construir um modelo de fundação indiano, treinado em infraestrutura do próprio país.

Em fevereiro de 2026 a Sarvam entregou. Abriu dois modelos treinados inteiramente no compute do IndiaAI Mission: o Sarvam 30B, um Mixture of Experts de 32 bilhões de parâmetros com cerca de 2,4 bilhões ativos por token e janela de 65 mil tokens, e o Sarvam 105B, um MoE de 106 bilhões de parâmetros com cerca de 10 bilhões ativos e janela de 128 mil tokens. O maior deles foi posicionado na mesma faixa de tarefas complexas do Gemini 3.1 Pro e do GPT-5.4. Não é folclore de laboratório: são pesos abertos, disponíveis para quem quiser rodar.

A rodada de junho selou a fase seguinte. A HCLTech, uma das maiores empresas de serviços de TI da Índia, entrou como investidora estratégica com US$ 150 milhões, ficando com pouco mais de 10% da empresa. A Bessemer co-liderou, e os fundos existentes Khosla Ventures e Peak XV mantiveram posição. O dinheiro vai para o próximo modelo de fronteira da Sarvam, com foco em IA agêntica, código e cibersegurança.

Por que isso é um sinal, e não só uma notícia

O caso indiano só faz sentido lido junto com o que aconteceu na mesma semana do outro lado do tabuleiro. Dias antes, uma ordem de controle de exportação dos EUA forçou a Anthropic a desligar modelos de topo para estrangeiros, o que discutimos em o melhor modelo aberto agora vem da China. Quando o fornecedor de fronteira pode ser cortado por decisão de um governo que não é o seu, ter um modelo próprio deixa de ser vaidade nacional e vira apólice de seguro operacional.

A Índia percebeu isso antes de a conta chegar. Em vez de esperar o corte, montou um arranjo em três camadas. Compute estatal, para tirar o custo proibitivo de treinamento do caminho de uma startup. Edital, para escolher quem executa com critério em vez de subsídio difuso. Capital privado estratégico, com uma HCLTech que não é fundo financeiro e sim comprador e distribuidor natural da tecnologia. É a diferença entre anunciar um plano de IA e ter um.

Soberania de IA não se resolve com discurso de palco. Resolve-se com compute, edital e um comprador que precisa do resultado.

O ângulo Brasil

Aqui a conversa quase sempre trava no lugar errado. Discute-se se o Brasil "deveria ter seu próprio ChatGPT", pergunta que já nasce mal feita. A lição da Sarvam não é copiar o produto, é copiar o método. Ninguém precisa de um clone nacional de modelo de fronteira para ter soberania. Precisa de um arranjo que garanta que, se o fornecedor de fora sair do ar amanhã, a operação não para.

Para quem coloca IA em produção no Brasil, três leituras práticas saem daqui. A primeira: pesos abertos são a camada de seguro mais barata que existe hoje. O Sarvam 105B, como o GLM chinês, pode ser baixado e rodado sem pedir licença a ninguém, o que elimina o risco de ter o acesso cortado. O custo do risco de dados continua, e roda local exige hardware caro, mas o risco de dependência some.

A segunda: capacidade sem comprador vira demonstração cara. O que deu tração à Sarvam não foi só o compute do governo, foi ter uma HCLTech com clientes reais precisando embarcar aquilo. No seu contexto, o equivalente é não financiar prova de conceito sem um dono de processo que vá usar o resultado na segunda-feira, o ponto central de por que 95% dos pilotos de IA não viram produção.

A terceira, e talvez a mais incômoda: soberania de dados não é uma caixa a marcar no fim, é um critério de projeto no início. Escolher entre a API barata de um modelo estrangeiro e um peso aberto rodando na sua infraestrutura é uma decisão de aptidão ao propósito, com trade-offs explícitos de custo, latência e conformidade, exatamente o que descrevemos em Fit for Purpose.

A Índia não ficou mais inteligente que o resto do mundo em 2026. Ela só decidiu, antes dos outros, que depender de um único fornecedor de IA no exterior era um risco que valia dinheiro público para mitigar. O Brasil ainda pode fazer a mesma conta. A pergunta é se vai fazer antes ou depois do próprio corte de acesso.

Se a sua empresa está avaliando quanto do stack de IA precisa ficar sob controle próprio, dá pra conversar por 30 minutos no WhatsApp e mapear onde a dependência dói mais.