O GitHub Copilot passou a cobrar, revelando a "maior mentira" da indústria de IA

Título original: A Economia da IA Não Faz Sentido

Autor original: Ed Zitron, Where's Your Ed At
Tradução original: Deep潮 TechFlow

Deep潮 Introdução: Microsoft finalmente não aguenta mais, o GitHub Copilot mudou de cobrança mensal para cobrança por token. Isso não é uma atualização de produto, mas sim a falência coletiva de toda a indústria de IA com um esquema de subsídios — OpenAI, Anthropic e outros usam a mensalidade para esconder custos reais, fazendo com que os usuários queimem de 8 a 13 dólares em poder de processamento para cada dólar gasto, treinando uma geração de hábitos de uso que simplesmente não podem ser sustentados. Quando os preços voltarem à realidade, você perceberá que essas ferramentas de IA “revolucionárias” podem ser apenas brinquedos caros.

Acabei de escrever um artigo sobre como a OpenAI eliminou a Oracle, e hoje usei alguns materiais dele.

Este é um dos meus melhores textos até hoje, estou muito orgulhoso.

A assinatura paga é extremamente valiosa e me permite escrever semanalmente esses artigos aprofundados e gratuitos.

Ontem de manhã, usuários do GitHub Copilot receberam a confirmação de uma notícia que relatei há uma semana — todos os planos do GitHub Copilot passarão a cobrar por uso a partir de 1º de junho de 2026.

A Microsoft não dará mais uma quantidade fixa de “solicitações” aos usuários, mas cobrará com base no custo real do modelo utilizado, a Microsoft afirma que isso é “...um passo importante em direção a um negócio de Copilot sustentável e confiável, e uma melhor experiência para todos os usuários.” Agora, quanto os usuários podem usar depende de quanto seu plano de assinatura pode comprar de tokens (por exemplo, o plano de 19 dólares por mês pode usar tokens equivalentes a 19 dólares).

Tradução: Não podemos mais subsidiar os usuários do GitHub Copilot, senão Amy Hood (diretora financeira da Microsoft) vai começar a bater nas pessoas com um bastão de beisebol.

Este anúncio em si já é uma prévia interessante de como essas mudanças de preço serão apresentadas:

O Copilot não é mais o produto de um ano atrás. Evoluiu de um assistente dentro do editor para uma plataforma de agentes inteligentes capazes de rodar sessões de codificação longas e multi-etapas, usando os modelos mais recentes, iterando por todo o repositório de código. O uso de agentes se tornou o padrão, o que traz uma demanda de cálculo e raciocínio muito maior.

Agora, uma rápida questão de chat e uma sessão de codificação autônoma de várias horas podem custar o mesmo para o usuário. A GitHub tem absorvido esses custos crescentes de raciocínio, mas o modelo baseado em solicitações não é mais sustentável. Cobrar pelo uso resolve esse problema, alinhando melhor o preço com o consumo real, ajudando a manter a confiabilidade do serviço a longo prazo e reduzindo a necessidade de limitar usuários intensivos.

Veja, não é a Microsoft que está subsidiando quase dois milhões de usuários de poder de processamento, mas sim a IA que se tornou tão poderosa e complexa que virou um produto completamente diferente!

Embora o Copilot possa “não ser mais o produto de um ano atrás”, a má alocação econômica subjacente quase não mudou: há três anos, a Microsoft permitia que os usuários queimassem tokens que custavam mais do que a assinatura mensal. Segundo o The Wall Street Journal de outubro de 2023:

Usuários pagam 10 dólares por mês para usar esse assistente de IA. Segundo uma fonte, nos primeiros meses deste ano, a média de prejuízo por usuário foi superior a 20 dólares por mês, com alguns gastando até 80 dólares por mês.

Naturalmente, os usuários do GitHub Copilot agora estão revoltados, dizendo que o produto “morreu”, “foi destruído completamente”.

Duas anos atrás, previ essa situação no artigo “A Crise do Subprime da IA”:

Finalmente chegou esse dia, porque todo serviço de IA que você usa está subsidiando o poder de processamento, e todos eles estão operando no prejuízo:

Quando você paga por serviços de startups de IA — incluindo OpenAI e Anthropic — você paga uma assinatura mensal, como Claude da Anthropic por 20, 100 ou 200 dólares, Perplexity por 20 ou 200 dólares, ou OpenAI por 8, 20 ou 200 dólares por mês.

Em alguns cenários empresariais, você recebe “créditos” de uso, como a Lovable que oferece “100 meses de uso” em uma assinatura de 25 dólares por mês, além de hospedagem na nuvem por 25 dólares (até o final do primeiro trimestre de 2026), com créditos acumulados mês a mês.

Ao usar esses serviços, as empresas pagam ao laboratório de IA uma taxa por milhão de tokens ou, para Anthropic e OpenAI, ao provedor de nuvem pelo aluguel de GPUs para rodar os modelos. Um token equivale a aproximadamente 3/4 de uma palavra.

Como usuário, você não percebe o consumo de tokens, apenas o processo de entrada e saída. Os laboratórios de IA usam “tokens”, “mensagens” ou limites de taxa com porcentagens para esconder os custos, e você, como usuário, não sabe exatamente quanto tudo isso custa.

Nos bastidores, startups de IA estão gastando rios de dinheiro, e até recentemente a Anthropic permitia que você queimasse até 8 dólares de poder de processamento por cada dólar de assinatura. A OpenAI também permite isso, embora seja difícil medir exatamente quanto.

Startups de IA e gigantes de nuvem pensam que podem atrair usuários com subsídios e produtos deficitários, fazendo com que fiquem viciados a ponto de resistir a aumentos de preço. Acreditam também que o custo por token vai cair com o tempo, mas o que acontece de fato é que — embora alguns modelos tenham ficado mais baratos — os modelos de “inferência” mais novos queimam mais tokens, fazendo com que o custo de raciocínio aumente com o tempo.

Ambas as hipóteses estão erradas, porque o modelo de assinatura mensal não funciona para qualquer serviço conectado a grandes modelos de linguagem.

O núcleo econômico da IA generativa já quebrou

Pense assim: quando o Uber (não, isso é completamente diferente) começa a aumentar o preço das corridas, a lógica econômica subjacente não muda, e o que é apresentado ao passageiro e ao motorista também não muda — o usuário paga por uma viagem, o motorista cobra por ela.

O motorista ainda precisa pagar por combustível, seguro, licenças exigidas pelo governo local, e financiamento do veículo, custos que não são subsidiados pelo Uber. As perdas enormes do Uber vêm de subsídios, marketing sem parar, e esforços de P&D fracassados, como carros autônomos.

Assinaturas de IA generativa são completamente diferentes do Uber

Para ilustrar a escala do erro de precificação na IA, quero imaginar uma história paralela do Uber com um modelo de negócio muito diferente.

Assinaturas de IA generativa seriam como se o Uber cobrasse 20 dólares por mês para te levar 100 viagens de até 100 milhas, com gasolina a 150 dólares por galão, e o próprio Uber pagasse pelo combustível, porque há quem acredite que um dia o petróleo ficará tão barato que não vale a pena medir.

No final, o Uber decidiria cobrar uma assinatura mensal para garantir o direito de usar o serviço, e depois cobrar pelo combustível consumido. De repente, o usuário que pagava 20 dólares por 100 viagens passaria a pagar 20 dólares pela assinatura mais 26 dólares pelo combustível para uma viagem de 10 milhas.

Embora pareça exagero, essa é uma metáfora bastante precisa do que está acontecendo na indústria de IA generativa, especialmente com o GitHub Copilot.

Antes, o preço do Copilot permitia 300 solicitações avançadas por mês, além de “conversas ilimitadas” com modelos como GPT-5 mini.

Cada solicitação (segundo a Microsoft) é “qualquer interação em que você peça ao Copilot para fazer algo por você”. No final do ciclo de solicitações, modelos mais caros ocupam mais solicitações, como o Claude Opus 4.6, que consome três solicitações avançadas. Quando você acaba as solicitações avançadas, o Copilot permite usar livremente os modelos mais baratos pelo resto do mês.

Nem sempre foi assim. Até maio de 2025, a Microsoft oferecia uso ilimitado de modelos, mesmo assim os usuários ficavam irritados com as limitações do produto.

A Microsoft — como todas as empresas de IA — enganou os clientes vendendo um serviço insustentável, baseado em assinaturas mensais de LLMs, que simplesmente não funciona.

Se você quer saber quanto pode custar um serviço baseado em tokens, um usuário do GitHub Copilot descobriu que uma solicitação avançada consumia cerca de 11 dólares em tokens, pois uma “solicitação” envolve usar 60.000 tokens no contexto, várias ferramentas, e uma série de “rodadas” internas (o que o modelo faz) para gerar a saída.

E há a confiabilidade problemática dos grandes modelos de linguagem, que podem gerar alucinações. Embora uma solicitação avançada que entre em loop e produza código incompleto seja frustrante, quando você paga por isso, a falha fica ainda mais difícil de perdoar.

Os usuários também foram treinados a usar o produto de uma forma totalmente diferente de cobrança por tokens, e muitos nem percebem quanto “tokens” estão queimando, ou quanto uma tarefa específica vai custar, dependendo do modelo usado.

Isso é completamente diferente do Uber, e qualquer um que diga o contrário está tentando justificar comportamentos ruins. O Uber pode ter aumentado os preços, mas não precisa mudar a lógica econômica fundamental da plataforma, nem os usuários precisam mudar drasticamente sua forma de usar o serviço, porque o Uber de repente começa a cobrar por galão.

Assinaturas mensais de IA são parte de um esquema de subsídios, uma tentativa de separar artificialmente IA generativa de seus custos reais

Nunca — e nunca haverá — uma forma economicamente viável de oferecer serviços alimentados por LLMs, a menos que se cobre pelo consumo real de tokens de cada usuário, e nesse processo, essas empresas criam produtos com benefícios ilusórios e retorno de investimento duvidoso.

Isso é evidente há anos.

Do ponto de vista econômico, assinaturas mensais só fazem sentido quando os custos são relativamente estáticos. Academias podem vender planos de assinatura porque sabem aproximadamente o desgaste dos equipamentos, custos de aulas, eletricidade, funcionários e água.

Clientes do Google Workspace — pelo menos antes da IA — pagam pelo acesso ou armazenamento de documentos, além dos custos contínuos do Google Docs e outros serviços. O custo de armazenamento digital é relativamente baixo (e diferente de LLMs, que demandam muita computação), então um usuário extremamente pesado do Google Drive não prejudica sua margem de assinatura mensal.

Porém, esses serviços escondem intencionalmente a quantidade de tokens ou quanto uma atividade específica custa, o que faz com que os usuários não saibam exatamente o que as limitações de taxa significam, e cada mudança repentina na taxa faz com que eles tentem entender quanto podem realmente fazer com o serviço.

Essa é uma prática de negócios abusiva, manipuladora e enganosa, cujo único objetivo é permitir que a Anthropic, OpenAI e outras empresas de IA ampliem sua base de usuários, já que a maioria dos usuários percebe os benefícios reais ou imaginados com base na capacidade de que, para cada dólar de assinatura, queimam de 8 a 13,5 dólares em tokens.

Essa manipulação tem um único objetivo: garantir que a maioria das pessoas nunca perceba o verdadeiro custo da IA generativa.

Quando a revista The Atlantic escreveu um artigo apaixonado sobre o “momento ChatGPT” da Anthropic com Claude Code, ela baseou-se na assinatura de 20 dólares por mês, e não no consumo de tokens que realmente custou para a Anthropic. Isso fez com que a autora perdoasse pequenos erros do modelo, ou que aceitasse que ele “travasse” em tarefas de programação mais complexas.

Se ela tivesse que pagar pelo consumo real de tokens, e cada travamento custasse 15 dólares em tokens, acho que ela não perdoaria esses problemas tão facilmente.

Mas tudo isso faz parte do esquema.

Muito, muito importante: os principais veículos de comunicação que escrevem sobre IA na mídia mainstream realmente não entendem quanto esses serviços custam, e qualquer artigo sobre ChatGPT ou Claude Code é escrito por pessoas que quase não sabem quanto cada tarefa individual pode custar ao usuário.

Lembre-se: a maior parte dos serviços de IA generativa ainda é experimental, e suas funcionalidades não se comparam a qualquer outro software ou hardware moderno. Você não pode simplesmente chegar ao ChatGPT ou Claude e pedir que eles façam algo.

Quer dizer, você pode, mas se seus prompts estiverem errados, se você não entender como eles funcionam, ou se eles cometerem erros no que você fornece, ou se simplesmente fizerem algo errado, eles vão te entregar resultados que você não gosta, e isso significa que você terá que pedir de novo. Os LLMs são, por natureza, imprevisíveis.

Você não pode garantir que um LLM fará uma ação específica, ou que apresentará um resultado baseado na realidade. Você não consegue saber quanto uma tarefa específica — mesmo que já tenha feito muitas vezes antes — vai custar, ou quando o modelo vai “pirar” e apagar algo, ou simplesmente não fazer algo e dizer que fez.

Se os usuários tivessem que pagar pelo uso real, acho que muitos abandonariam o produto imediatamente, porque explorar o que um LLM pode fazer facilmente queima 5 dólares em tokens.

Nota de rodapé: na verdade, você pode gastar uma fortuna sem nunca obter o resultado desejado, porque os LLMs não são inteligência real! Ninguém que realmente entenda suas limitações consegue gastar facilmente 30, 50 ou 100 dólares tentando fazer um LLM fazer o que ele afirma ser capaz.

Existe um termo para isso. Sublimidade. Os LLMs geralmente são projetados para afirmar os usuários, mesmo quando eles estão falando coisas perigosas ou insanas, o que pode se estender a perguntar “você quer essa tecnologia ou grande coisa economicamente inviável?” Claro que sim! É por isso que a indústria se esforça tanto para esconder esses custos — é uma puta de uma enganação!

Acredito que a maioria das assinaturas de IA vai inevitavelmente migrar para cobrança por token, especialmente agora que a Anthropic e a OpenAI já fazem isso para clientes empresariais.

Empresas comuns podem pagar por uma mudança para cobrança por token? A Anthropic estima que seus usuários gastam entre 13 e 30 dólares por dia no Claude Code (mais de 7 mil dólares por ano), e grandes organizações gastam dezenas ou centenas de milhares de dólares por ano.

Como discuti na semana passada, o CTO do Uber disse numa reunião que eles gastaram toda a verba de IA de 2026 em poucos meses, e o Goldman Sachs recomenda que algumas empresas gastem até 10% do salário dos funcionários em tokens de IA, podendo chegar a 100% nos próximos trimestres.

Isso é o resultado direto de treinar cada usuário de IA para usar esses serviços o máximo possível, enquanto escondem seus custos reais. Cada grande empresa que exige que todos os funcionários “usem IA o máximo possível” faz isso basicamente ignorando ou completamente desconectada do consumo real de tokens, e à medida que as empresas forem obrigadas a pagar esses custos, não vejo como podem justificar economicamente qualquer investimento nessa tecnologia.

Claro, você diria que engenheiros “entregam código mais rápido” ou algo assim, eu entendo. Mas, quanto mais rápido? Quanto você ganhou ou economizou? Se você gastar 10% do seu custo de mão de obra em tokens de IA, esse gasto extra se paga de alguma forma?

Não tenho certeza. Não vejo nenhuma empresa que invista pesado em tokens de IA tendo um retorno claro, e é por isso que quase nenhuma pesquisa sobre ROI de IA consegue mostrar resultados concretos.

Na maioria das vezes, as pessoas que leem sobre as possibilidades da IA generativa estão experimentando sem pagar o custo real.

Cada louco no Twitter que fica escrevendo que toda sua equipe de engenharia usa Claude Code loucamente, com assinatura de 125 dólares por mês por pessoa, ou alguém no LinkedIn dizendo que consegue fazer horas de trabalho em minutos com Perplexity, geralmente paga no máximo 200 dólares por mês pelo plano Max.

Na prática, aquela equipe de 10 pessoas com assinatura de 1250 dólares por mês provavelmente gasta entre 5000 e 10.000 dólares por mês em chamadas de API.

O chefe de crescimento da Anthropic, Amol Avasare, disse na semana passada que o plano Max foi feito para uso intensivo de chat, não para tarefas como usar Claude Code ou o que fazem com o Cowork, e deixou claro que a Anthropic está considerando “diferentes opções para continuar oferecendo uma experiência de alta qualidade”, ou seja, “vamos ajustar os preços em algum momento”.

Não acho que as pessoas percebam o quanto esses tokens custam, especialmente em projetos de código grande que usam muitas chamadas a ferramentas de infraestrutura. Um usuário que paga 200 dólares por mês consegue pagar 350, 400 ou 500 dólares? Pode pagar um mês com esse valor? E se o orçamento estourar? Ou se eles simplesmente não puderem pagar o que é necessário para concluir o trabalho?

Vamos a um exemplo mais prático: até o começo de abril, a documentação do desenvolvedor do Claude Code da Anthropic (arquivo) dizia que “o custo médio por desenvolvedor que usa Claude Code é de 6 dólares por dia, e 90% dos usuários gastam menos de 12 dólares por dia”. Até esta semana, o documento foi atualizado para:

Claude Code cobra por consumo de tokens via API. Os planos de assinatura (Pro, Max, Team, Enterprise) estão em claude.com/pricing. O custo por desenvolvedor varia bastante dependendo do modelo, do tamanho do repositório de código e do padrão de uso (como rodar várias instâncias ou automatizar). Em implantação empresarial, o custo médio é de cerca de 13 dólares por dia por desenvolvedor, ou entre 150 e 250 dólares por mês, com 90% dos usuários gastando menos de 30 dólares por dia ativo.

Para estimar o gasto do seu time, comece com um pequeno piloto, use a ferramenta de acompanhamento abaixo para estabelecer uma linha de base, e depois escale.

Se assumirmos 21 dias úteis por mês, o custo médio por desenvolvedor de Claude Code fica em torno de 273 dólares por mês, ou 3276 dólares por ano. Com 30 dólares por dia útil, dá 630 dólares por mês, ou 7560 dólares por ano.

Esses números são assustadores, e o mais assustador é que, se você usar qualquer modelo mais recente da Anthropic, não vai gastar só 30 dólares por dia. Claude Opus 4.7, por exemplo, custa 5 dólares por milhão de tokens de entrada e 25 dólares por milhão de tokens de saída. Um milhão de tokens equivale a cerca de 50 mil linhas de código, e se você usar um modelo “de ponta”, certamente vai rodar pelo menos um milhão de tokens, e se você não souber qual modelo usar para uma tarefa específica, esse número vai subir rapidamente.

Vamos brincar com esse número de 30 dólares.

Para uma equipe de 10 desenvolvedores, isso dá 75.600 dólares por ano, só considerando dias úteis.

Se você aumentar para uma média de 50 dólares por dia útil por três meses, chega a 88.200 dólares.

Se passar de 100 dólares por dia, em um mês, o custo anual chega a 102.900 dólares.

Se gastar 300 dólares por dia, para uma equipe de 10 pessoas, o gasto anual é de 756.000 dólares.

Embora isso possa ser viável para startups com fundos abundantes ou empresas como a Meta, qualquer negócio sério que se preocupe com custos achará difícil justificar gastar cinco ou seis dígitos extras em um serviço que promete “aumentar a produtividade”, especialmente quando esse aumento parece impossível de medir.

Atualmente, acho que a maioria das empresas se divide em três categorias:

Grandes organizações como Spotify ou Uber, com CEOs obcecados por IA, que permitem orçamentos ilimitados. Também diria que startups bem financiadas se enquadram nisso.

Empresas pequenas que usam assinaturas “com subsídio”.

Usuários individuais que pagam mensalmente por Claude ou outros serviços de IA.

Grandes organizações ainda podem alegar que estão gastando milhões de dólares em tokens de IA para engenheiros, alegando que “os melhores engenheiros” não escrevem código algum — uma justificativa duvidosa.

Basta uma má reunião de resultados para mudar essa narrativa. Em algum momento, investidores — até aqueles que continuam a inflar a bolha de IA — vão começar a questionar os custos crescentes de P&D (que na verdade estão escondidos nos gastos com tokens de IA), especialmente quando as receitas não acompanharem.

Provavelmente, isso levará a mais cortes de pessoal, como na Meta, e, quando alguém perguntar “essas coisas realmente nos ajudam a fazer o trabalho mais rápido e melhor?”, a resposta será uma retração.

Acredito também que, em seis meses, startups que gastam 10% ou mais do seu custo de mão de obra em tokens de IA terão dificuldade em convencer investidores de que isso é necessário.

Quando todos migrarem para cobrança por token, não acho que veremos mais tanta especulação sobre IA generativa.

A economia dos centros de dados de IA e do poder de processamento é irracional

A forma como as pessoas falam sobre centros de dados de IA é totalmente fora da realidade, e acho que ninguém percebe o quão absurdo tudo ficou.

Custos de construção e operação de centros de dados de IA são altos, e a receita é muito baixa

Segundo Jerome Darling, da TD Cowen, o custo de TI (GPU e hardware relacionado) é cerca de 30 milhões de dólares, e o custo por megawatt de capacidade de centro de dados é 14 milhões de dólares. Um centro de dados parece levar de um a três anos para ser construído, assumindo que há energia disponível.

Dos 114 GW de centros de dados planejados para 2028, apenas 15,2 GW estão em construção de alguma forma, e “em construção” pode significar apenas um buraco no chão. Isso não significa que a capacidade estará disponível em breve.

Vamos simplificar: quando você pensa em “100 MW”, pense em “44 bilhões de dólares”, sendo grande parte disso em GPUs NVIDIA.

Portanto, cada centro de dados de IA inicialmente perde milhões de dólares, mesmo com depreciação de seis anos, levando anos para se pagar… E, com o ciclo anual de upgrades da NVIDIA, uma vez que o contrato com o primeiro cliente termina, essas GPUs dificilmente gerarão tanto dinheiro.

Ainda não está claro se há uma base de clientes de IA fora da OpenAI e da Anthropic, que respondem por 50% da construção de centros de dados de IA. Se uma dessas empresas ficar sem dinheiro, isso criará uma vulnerabilidade sistêmica enorme.

De qualquer forma, não se sabe qual será a taxa de cobrança contínua desses centros de dados. Embora o preço spot seja cerca de 4,50 dólares por hora por GPU B200, contratos de longo prazo geralmente custam bem menos. Segundo um fundador (de acordo com The Information), eles pagam cerca de 3,70 dólares por hora por GPU em contratos anuais.

É importante distinguir o custo spot — que é o preço de rodar GPUs em servidores de terceiros — do custo de capacidade contratada, que representa a maior parte do investimento de capital em centros de dados. A maioria dos centros de dados é planejada para ter um ou dois grandes clientes, que podem negociar tarifas mais baratas.

Assim, muitas cobranças de centros de dados são bem inferiores a 3,70 dólares por hora, pois são baseadas em tarifas por megawatt (ou quilowatt).

É aí que a economia começa a desmoronar.

A economia de um centro de dados de 100 MW — 2,55 dólares por hora, margem bruta de 16% com ocupação total, e sem lucro por causa de dívidas

Esse é o custo inicial de um centro de 100 MW. Um centro assim pode ter apenas 85 MW de capacidade faturável real, e, segundo fontes, a receita por megawatt é cerca de 12,5 milhões de dólares por ano, totalizando aproximadamente 1,063 bilhão de dólares anuais.

Para deixar claro, a maioria das empresas de centros de dados não constrói esses centros, mas contrata empresas como a Applied Digital, que atuam como “parceiros de hospedagem”. Por exemplo, a CoreWeave paga à Applied Digital para usar seus centros em North Dakota. A CoreWeave é responsável por toda a tecnologia de GPU dentro do centro.

Para explicar a má alocação econômica, vou usar um exemplo teórico: um centro de dados alugado para uma empresa de IA.

As GPUs provavelmente são chips Blackwell da NVIDIA. É mais provável que o centro use um “pod” com 8 GPUs B200, que custa cerca de 450 mil dólares cada, ou seja, 56.250 dólares por GPU. Com uma carga de 85 MW, o investimento total de capital por megawatt é cerca de 36,78 milhões de dólares, ou um total de aproximadamente 3,126 bilhões de dólares em hardware de GPU.

Vamos supor que esse centro esteja em Ellendale, North Dakota, onde a tarifa industrial de energia é cerca de 6,31 centavos de dólar por kWh, levando a uma conta de energia anual de aproximadamente 55,4 milhões de dólares. Segundo fontes, os custos contínuos de manutenção, pessoal, troca de energia, etc., representam cerca de 12% da receita, ou cerca de 128 milhões de dólares por ano, totalizando aproximadamente 183,4 milhões de dólares de custos.

Desculpe, mas você também precisa pagar pelo aluguel de TI chave — segundo Brightlio, essa taxa costuma ser entre 180 e 200 dólares por kW por mês, dependendo do tamanho e localização do deployment, e já vi valores tão baixos quanto 130 dólares. Usarei 180 dólares, o que dá cerca de 1,33 milhão de dólares por ano. Assim, chegamos a aproximadamente 316,4 milhões de dólares de custos totais.

Ainda assim, isso é menos que 1,06 bilhão de dólares, então estamos bem, certo?

Errado! Você tem 3,126 bilhões de dólares em equipamentos de TI para depreciar, e com depreciação de seis anos, isso dá cerca de 521 milhões de dólares por ano. Ou seja, 837 milhões de dólares anuais de custos, deixando uma margem de lucro de aproximadamente 168 milhões de dólares por ano, ou cerca de 16,7% de margem bruta…

...se você mantiver 100% de ocupação! Veja, um centro de dados pode levar um ou dois meses para instalar essas GPUs e colocar os clientes, durante os quais sua receita é zero, mas seus custos — de hospedagem, energia e operação — continuam altos, mesmo com tarifas muito menores (modelando 10% de energia e 15% de custos de operação). Isso significa uma perda diária de cerca de 3,27 milhões de dólares.

Para este exemplo, suponha que você precise de mais um mês para colocar tudo em funcionamento, o que significa pagar cerca de 102 milhões de dólares, que nunca serão recuperados, elevando o custo anual total (incluindo depreciação) para aproximadamente 939 milhões de dólares, ou uma margem bruta de cerca de 6,6%.

Espere, você não comprou essas GPUs com dívida? Usou? Quão ruim foi? Ah, meu Deus — você conseguiu um empréstimo de ativos de seis anos com um LTV de 80%, com juros de 6%, e tomou 2,8 bilhões de dólares emprestados.

Seu banco, por uma generosidade eterna, te deu um negócio — um período de carência de 12 meses, onde só paga juros… cerca de 168 milhões de dólares, o que faz com que o custo total do primeiro ano (sem contar o mês de atraso) seja aproximadamente 1,005 bilhão de dólares… receita de 1,06 bilhão de dólares.

Isso dá uma margem bruta de 5,19%, e você ainda nem começou a pagar o principal. Quando isso acontecer, você terá que pagar 54,1 milhões de dólares por mês de empréstimo, totalizando cerca de 649 milhões de dólares por ano, ou aproximadamente 1,48 bilhões de dólares ao longo de cinco anos, com uma margem bruta negativa de cerca de 40%.

Tenho que deixar claro: tudo isso assume 100% de ocupação, e que os inquilinos pagam pontualmente.

Stargate Abilene é um desastre — cada GPU custa 2,94 dólares por hora, receita anual de 10 bilhões de dólares, atraso de anos, e apenas um inquilino que perde dezenas de bilhões por ano

Vamos falar do que deveria ser o projeto mais economicamente viável na história dos centros de dados — um grande parque construído pela Oracle para a maior empresa de IA do mundo, uma gigante com décadas de experiência vendendo bancos de dados caros e softwares de gestão empresarial para corporações e governos.

Brincadeira, claro, esse lugar é um pesadelo.

Stargate Abilene, um parque de oito edifícios, 1,2 GW de capacidade, com cerca de 824 MW de TI crítica, anunciado em julho de 2024. Até 27 de abril de 2026, apenas duas construções estavam operando e gerando receita, a terceira quase sem equipamentos. Estimo que o custo total de Stargate Abilene seja cerca de 52,8 bilhões de dólares.

Segundo minhas próprias reportagens, a Oracle espera obter cerca de 10 bilhões de dólares por ano de receita de Stargate Abilene, e estima-se que de sua capacidade de 7,1 GW construída para um cliente, a receita total seja de aproximadamente 75 bilhões de dólares: a OpenAI. Como relatei, a Oracle estima que, em 2024, Abilene custará pelo menos 2,14 bilhões de dólares por ano em hospedagem e energia, pagos à land developer Crusoe.

Devo acrescentar que parece que a Oracle está pagando por toda a construção de Abilene.

Com base nos meus cálculos e reportagens, estimei que, uma vez operacional, a margem bruta de Abilene será aproximadamente 37,47%:

Tenho que deixar claro que essa margem de 37,47% pode ser superestimada, pois não tenho números exatos de seguros ou custos de pessoal da Oracle, apenas estimativas baseadas em documentos que analisei.

Também é importante notar que a Oracle está apostando tudo em projetos como Stargate Abilene, que custam dezenas de bilhões de dólares antecipadamente, e mesmo que a OpenAI pague pontualmente, levará anos para que esse negócio seja lucrativo.

Infelizmente, não sei quanto de Abilene foi financiado por dívida. Sei que, em setembro de 2025, a Oracle levantou cerca de 18 bilhões de dólares em diferentes títulos, com prazos de 7 a 40 anos, e que, no último trimestre, apresentou fluxo de caixa negativo de 24,7 bilhões de dólares.

O que sei é que a Oracle assinou um contrato de leasing de 15 anos com a Crusoe, e que seu futuro depende fortemente da capacidade da OpenAI de continuar pagando, o que, por sua vez, depende de a Oracle concluir o projeto Stargate Abilene.

Preciso deixar claro que os 3,85 bilhões de dólares de lucro anual só serão possíveis se a OpenAI pagar pontualmente, se a Abilene for ocupada na velocidade máxima, e tudo correr conforme o planejado.

Se a OpenAI não conseguir arrecadar 852 bilhões de dólares em receita, financiamento e dívida nos próximos quatro anos, o projeto Stargate vai arruinar a Oracle

Infelizmente, o cenário oposto aconteceu:

Segundo a reportagem do DatacenterDynamics, os primeiros 200 MW de energia deveriam estar operacionais em “2025”. Com o passar do tempo, a entrada em operação deveria começar na primeira metade de 2025, “com potencial para atingir 1 GW em 2025”, e toda a capacidade de 1,2 GW deveria estar energizada até meados de 2026, com 64 mil GPUs implantadas até o final de 2026. Até 30 de setembro de 2025, “duas construções estavam online”.

Até 12 de dezembro de 2025, o co-CEO da Oracle, Clay Magouyurk, afirmou que “Abilene está seguindo o cronograma, com mais de 96 mil NVIDIA Grace Blackwell GB200 entregues, ou seja, GPUs de duas construções”.

Quatro meses depois, em 22 de abril de 2026, a Oracle anunciou no Twitter que “...em Abilene, 200 MW já estão operacionais, e o parque de oito edifícios está sendo entregue conforme o planejado.” Ainda não está claro se esse é o volume de TI crítico de 200 MW ou a capacidade total de energia disponível na Abilene. De qualquer forma, isso é suficiente para suportar apenas duas construções, o que indica que a Oracle definitivamente não está “avançando conforme o cronograma”.

Isso é um problema enorme. A OpenAI só pode pagar pelo poder de processamento real, e apenas 206 MW de TI crítico estão gerando receita. A terceira construção levará pelo menos um mês (ou um trimestre) para ficar operacional.

Porém, há um problema ainda maior e mais fundamental no projeto Stargate: tudo só faz sentido se a OpenAI cumprir suas previsões absurdas e caricatas.

Como discuti na sexta-feira:

Vou repetir esses números: o projeto de 7,1 GW de Stargate, uma vez concluído, gerará cerca de 75 bilhões de dólares por ano, com custos superiores a 340 bilhões de dólares. O fluxo de caixa livre da Oracle é negativo em 24,7 bilhões de dólares, e suas outras linhas de negócio estão estagnadas, fazendo com que seus lucros baixos e seu negócio de nuvem deficitário sejam sua única fonte de crescimento.

Para realmente pagar seus contratos de poder de processamento — incluindo os contratos com Amazon, Microsoft, CoreWeave, Google, Cerberas e Oracle — a OpenAI precisa arrecadar ou ganhar nos próximos quatro anos:

Link do artigo original

Clique para conhecer as vagas na BlockBeats

Participe do grupo oficial da BlockBeats no Telegram:

Telegram assinatura: https://t.me/theblockbeats

Grupo de discussão no Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia