Construímos sistemas de machine learning sustentados por dados e validados por investigação. De imagens de satélite a documentos de arquivo, trabalhamos onde os dados são difíceis e o impacto é concreto.
Aprendizagem profunda para previsão ambiental, compreensão de documentos e IA conversacional. Da recolha de dados até à inferência em produção.
Pipelines multi-fonte que transformam imagens de satélite, reanálise climática e registos de arquivo em variáveis estruturadas e prontas para modelação.
Clusters de GPU, orquestração em Kubernetes e pipelines de MLOps. Construímos e operamos a infraestrutura de que os nossos modelos precisam.
Sistema de Previsão de Incêndios
Domínio: ML Ambiental / Ciência do Clima
Previsão do risco de incêndio para Portugal continental, em produção. Um ensemble calibrado de gradient boosting combina reanálise meteorológica, terreno, vegetação e 25 anos de histórico de fogos para prever o risco diário numa grelha de 1 km, disponível num mapa público.
IA para Gestão de Arquivo Documental
Domínio: IA Documental / PLN / Visão Computacional
Gestão e curadoria documental com IA para um arquivo municipal. Um pipeline Airflow de cinco fases executa OCR, análise de layout, reconhecimento de entidades, enriquecimento de metadados por LLM e indexação multi-vetorial, orquestrando 11 modelos de ML dentro dos limites de VRAM de uma GPU.
MLOps e Cluster GPU Municipal
Domínio: MLOps / Infraestrutura
A plataforma de IA em produção de um município português. Um cluster Kubernetes com GPU, automação GitOps e CI/CD interno serve inferência de LLM e aloja os serviços de ML que sustentam as aplicações públicas.
Avatar Conversacional em Tempo Real
Domínio: IA Conversacional / Fala
Um avatar 3D falante em tempo real para atendimento público municipal. A fala entra pelo browser, um LLM próprio raciocina e o avatar responde em voz alta na língua do munícipe, transmitido ao vivo por WebSocket a partir de um servidor GPU.
A Neural Forge tem sede em Santa Clara-a-Nova, no concelho de Almodôvar, distrito de Beja, Baixo Alentejo. Trabalhamos remotamente com clientes em todo o país e na Europa, e presencialmente com organizações do Alentejo e do Algarve.
Grande parte do nosso trabalho é com o setor público: risco de incêndio para o território português, digitalização e curadoria de arquivo municipal, infraestrutura GPU e IA conversacional para atendimento ao munícipe. Se gere uma câmara municipal, um instituto ou uma operação industrial e precisa de machine learning que chegue efetivamente a produção, é esse o nosso trabalho.
Almodôvar · Beja · Baixo Alentejo · Alentejo · Algarve · Portugal · Europa
A Neural Forge é uma empresa portuguesa de investigação aplicada em machine learning e inteligência artificial, sediada em Santa Clara-a-Nova, Almodôvar, no Alentejo. Construímos sistemas de IA de ponta a ponta para previsão ambiental, compreensão de documentos, IA conversacional e MLOps no setor público, cobrindo desde a recolha de dados e engenharia de variáveis até ao treino de modelos, à inferência em produção e à infraestrutura GPU que a suporta. Na prática, assumimos o problema inteiro e não apenas uma fatia: os pipelines de ingestão, os modelos, a camada de serviço, o cluster Kubernetes por baixo e a interface que as pessoas efetivamente usam. Temos quatro sistemas em produção, incluindo um mapa público de risco de incêndio para Portugal continental e um pipeline de IA documental com onze modelos para um arquivo municipal. Trabalhamos em português e inglês, e a maioria dos nossos clientes são organismos públicos e institutos portugueses.
A Neural Forge fica em Santa Clara-a-Nova, concelho de Almodôvar, distrito de Beja, Baixo Alentejo, Portugal. Prestamos serviços remotamente em todo o território nacional e na Europa, e presencialmente em organizações do Alentejo e do Algarve. Estar sediada no interior alentejano é uma opção deliberada e não um acaso: o risco de incêndio, o território e o património documental em que trabalhamos concentram-se exatamente neste tipo de região, e as instituições que os gerem (câmaras municipais, institutos, entidades regionais) são frequentemente mal servidas por consultoras centradas em Lisboa e no Porto. Os projetos decorrem sobretudo em regime remoto com trabalho presencial periódico, e a infraestrutura que construímos pode ficar alojada em hardware do próprio cliente.
O sistema Tutela Ignis da Neural Forge combina imagens de satélite, reanálise meteorológica ERA5-Land, deteções ativas de fogo da NASA FIRMS, variáveis de terreno e 25 anos de histórico de incêndios do ICNF num ensemble calibrado de XGBoost e LightGBM que prevê o risco diário de incêndio numa grelha de 1 km para Portugal continental. Está disponível publicamente em tutela.land. O pipeline constrói 63 variáveis a partir de meteorologia, terreno, ocupação do solo e humidade da vegetação, e o ensemble é treinado sazonalmente, porque os fatores que determinam o fogo em fevereiro não são os mesmos de agosto. As pontuações brutas de um modelo não são probabilidades de risco, pelo que o sistema aplica calibração posterior de probabilidades e um ajuste bayesiano de prior no momento da inferência, sendo avaliado contra um teto de desempenho estratificado e não contra uma baseline escolhida para o favorecer.
Sim. O setor público é a maior parte do que fazemos. A Neural Forge desenvolve e opera sistemas de IA para a administração local portuguesa, incluindo um cluster Kubernetes k3s com GPU, automação GitOps com Flux CD e CI/CD interno, um pipeline de IA documental com onze modelos de machine learning sobre um arquivo municipal, e um avatar conversacional multilingue em tempo real para atendimento ao munícipe que responde em português, inglês, espanhol ou francês. Percebemos o que distingue a IA no setor público de um protótipo de startup: a realidade da contratação pública, normas arquivísticas como a ISAD(G), a necessidade de sistemas que uma equipa interna pequena ainda consiga operar daqui a três anos, e o facto de os dados dos munícipes normalmente não poderem sair da instituição. É essa última restrição que nos leva a construir sobre infraestrutura GPU própria em vez de APIs comerciais de IA.
Investigação em machine learning e desenvolvimento de modelos, engenharia de dados para pipelines multi-fonte, visão computacional e OCR para digitalização documental, sistemas LLM e RAG, e infraestrutura de IA aplicada: clusters GPU, Kubernetes e MLOps. Os serviços são prestados em português ou inglês, remotamente em Portugal e na Europa ou presencialmente no Alentejo. Tanto trabalhamos a partir de um conjunto de dados desorganizado que ninguém sabe ao certo o que contém, como pegamos num modelo já treinado e o colocamos em produção de forma fiável, como recebemos hardware GPU em bruto e o transformamos num cluster que serve inferência. O que não fazemos é vender um produto fechado: cada projeto parte dos dados e das restrições reais do cliente, e cada modelo tem de justificar o seu lugar através de validação antes de entrar em produção.
Sim. Temos LLMs em produção hoje: o Qwen3 32B enriquece metadados arquivísticos e o Qwen3-VL 30B produz descrições visuais no nosso pipeline de IA documental, um chatbot RAG em LangGraph responde a perguntas sobre um arquivo municipal inteiro com pesquisa multi-vetorial sobre Qdrant, e uma persona Qwen3 30B própria anima um avatar conversacional em tempo real para atendimento ao munícipe. A nossa abordagem à IA generativa é ancorada em recuperação e não aberta: os modelos respondem a partir de um corpus específico e curado, de modo a que a resposta possa ser rastreada até ao documento de origem, e é isso que os torna utilizáveis num contexto de serviço público. Alojamos os modelos no nosso próprio hardware GPU com Ollama, em vez de recorrer a APIs comerciais de IA, pelo que os dados do cliente nunca saem de infraestrutura que o cliente controla.
Sim, e é essa a nossa opção por omissão. Todos os sistemas de ML que colocámos em produção correm em hardware nosso ou do cliente: um cluster Kubernetes k3s sobre GPUs RTX 5090 para serviços municipais de IA, e um nó NVIDIA GB10 Grace Blackwell a servir o modelo de incêndios Tutela Ignis. A inferência de LLM corre em Ollama nativo, os serviços são expostos de forma segura através de Cloudflare Tunnel com acesso autenticado em vez de portas abertas, o aprovisionamento de nós é automatizado com Ansible, e todo o cluster é gerido por GitOps com Flux CD, pelo que o seu estado fica versionado e é reprodutível. Para organismos públicos portugueses isto importa na prática e não só do ponto de vista legal: dados sensíveis de munícipes e de arquivo permanecem no país, em máquinas controladas pela instituição, sem dependência de um fornecedor externo de IA ao token.
Não. Os organismos públicos são a maior parte do nosso portefólio (municípios, institutos e trabalho ambiental à escala nacional), mas a capacidade subjacente não é exclusiva da administração pública. Se gere uma operação industrial, um negócio agrícola ou de gestão do território, ou uma empresa assente num conjunto de dados que ainda ninguém modelou, o trabalho é o mesmo: perceber os dados, construir o pipeline, treinar e validar os modelos e colocá-los onde continuem a funcionar. Somos uma equipa pequena, pelo que aceitamos um número limitado de projetos e preferimos problemas em que os dados são genuinamente difíceis e o resultado é mensurável. Se não tem a certeza de que o seu problema é sequer um problema de machine learning, essa é uma primeira conversa perfeitamente razoável.
Interessam-nos problemas em que os dados encontram impacto real.
[email protected]