Investimento & parcerias

O problema, em dinheiro

Todo sistema que guarda inteiros guarda a maior parte deles a oito bytes por elemento, porque a largura é escolhida pela declaração do tipo e não pelo dado. Uma leitura de sensor entre 0 e 200 precisa de um byte. Um timestamp amostrado a cada 60 segundos precisa de uma base e de um índice pequeno. A diferença entre o que foi declarado e o que é necessário é paga em RAM, em disco, em banda de memória e na eletricidade que move tudo isso — em todo banco de dados, todo pipeline de telemetria, todo servidor de inferência e todo dispositivo embarcado.

E a diferença não é pequena nem teórica. Numa coluna de telemetria de 0 a 200 medida em 4 milhões de elementos, 30,52 MB viram 3,81 MB. Contra um SQLite rodando no mesmo dado, o SUM sai 161× mais rápido, o disco cai 1,49× e a memória residente 2,73×. Todo número desta página tem no repositório o programa que o imprime.

Por que agora, e não há cinco anos

Três números que não são nossos, e que explicam por que esta é a década em que isto passa a importar:

• 3,0× contra 1,6×. Em 20 anos o pico de computação do hardware cresceu 3,0× a cada dois anos; a banda de memória DRAM cresceu 1,6×, e a de interconexão 1,4×. Somar FLOP parou de resolver — o lado que ficou estreito é justamente o que ler menos byte, sem pagar decodificação, ataca de frente. (IEEE Micro · arXiv:2403.14123)
• +58% a 63% em um trimestre. Foi quanto subiu o preço de contrato da DRAM no 2º trimestre de 2026, na pior escassez em quase 15 anos. Um servidor de IA usa de 8 a 10 vezes a memória de um servidor comum. (TrendForce, abril de 2026)
• 945 TWh até 2030. O consumo elétrico dos data centers deve mais que dobrar na década, com a IA como motor. Mover menos byte é gastar menos energia por consulta — a mesma conta, vista do outro lado. (Agência Internacional de Energia)

A tese comercial cabe numa linha: o gargalo mudou de lado, e o que sobrou estreito foi exatamente memória e banda. Um formato que reduz os dois sem cobrar um passo de decodificação ataca o gargalo onde ele está hoje, não onde estava quando os formatos clássicos foram desenhados.

A cunha

A área já sabe deixar inteiros menores: dicionário, empacotamento de bits, delta. Todos compartilham um custo — um passo de decodificação. Os bytes em disco não são os valores, então alguma coisa precisa reconstruí-los antes que se possa perguntar qualquer coisa a eles.

O Smart2Raw elimina esse passo por construção. Ele classifica por amplitude e guarda na menor classe nativa, então o que está guardado é um vetor que o processador já sabe ler. Essa única decisão produz uma propriedade que nenhuma alternativa tem: ele não pode aumentar a entrada. Todo formato clássico tem um regime em que a saída fica maior do que entrou — o dicionário numa coluna de alta cardinalidade mede 41,01 MB contra uma linha de base de 30,52 MB. O pior caso do Smart2Raw empata com a linha de base, porque a classe mais larga dele é a linha de base.

A prova que já existe

Os quatro números no topo desta página são contagens, e contagem qualquer um produz. Há uma evidência que pesa mais, e ela aparece duas vezes no histórico deste projeto.

A primeira: um defeito numa versão já depositada devolvia valores truncados sem erro e com CRC válido. A própria suíte de fuzz do projeto encontrou, foi corrigido, e então o defeito, o caso mínimo que o reproduz e a razão de vinte e cinco suítes não o terem pegado foram todos publicados.

A segunda, meses depois: um arquivo .s2r construído de má-fé — 64 bytes, internamente consistente, com CRC correto — fazia o leitor alocar dezesseis bytes e copiar quatro megabytes para dentro. Foi encontrado lendo o carregador contra a própria aritmética, corrigido na 3.5.1, e publicado com o arquivo hostil virando teste fixo.

Nenhum dos dois precisava ter sido contado a ninguém. Disciplina de engenharia é difícil de avaliar de fora; é assim que ela se parece por dentro.

Por que é defensável

• Uma prioridade datada e citável. Seis depósitos com DOI, carimbados por um terceiro, descrevendo o método por inteiro.
• Uma versão avançada que não é publicada. A versão aberta é a prova; a Premium é o produto.
• Uma licença que converte. A AGPL-3.0 faz com que quem embutir isso em produto fechado precise ter uma conversa comercial. A versão aberta é o funil, não o presente.
• Uma superfície que está em toda parte. O mercado endereçável não é um vertical — é todo sistema que tem uma coluna de inteiros dentro.

Onde está hoje, honestamente

Um fundador, uma biblioteca publicada na versão 3.5.1, um formato .s2r com compatibilidade medida entre versões, uma versão avançada em desenvolvimento, e nenhum capital externo. O que se procura é a conversa certa — capital, distribuição, ou uma primeira implantação séria — e não um cheque específico.

Conversar

A melhor primeira mensagem diz quem você é e o que gostaria de ver. Se preferir começar pela tecnologia, está tudo público: rode a demonstração com o seu dado, leia o escopo técnico e reproduza os benchmarks com o comando impresso ao lado deles.