Token de IA no exterior: energia elétrica barata e muros intransponíveis

A China responde por 61% do volume global de chamadas de AI Token, mas o dinheiro que ganha pode ser menor que uma migalha da Anthropic.

Na madrugada de fevereiro de 2026, no Mission District de São Francisco, um desenvolvedor de origem indiana chamado Arjun encarava a tela de uma fatura. Ele usou Claude para rodar um fluxo de trabalho de um agente de revisão de código automatizada. Mais de uma dezena de subtarefas em paralelo, chamando repetidamente o contexto, o consumo de tokens de AI não é linear, é exponencial. Uma noite, dezenas de dólares foram queimados.

No dia seguinte, ele mudou para o modelo M2.5 da MiniMax, uma empresa chinesa, na plataforma OpenRouter — a maior plataforma de agregação de modelos de AI do mundo. Com o mesmo fluxo de trabalho, a fatura encolheu em uma ordem de magnitude. O código rodou normalmente, o resultado não mudou muito.

O que Arjun não sabe é que cada uma de suas requisições partiu da Califórnia, atravessou o cabo submarino do Pacífico, e chegou ao data center de uma província no noroeste da China. O cluster de GPU foi ativado, a energia veio da rede elétrica nacional, a inferência foi concluída, e o resultado retornou em menos de dois segundos.

A energia nunca saiu da rede elétrica da China, mas o valor da energia, através de grandes modelos, usando tokens de AI como suporte, foi exportado.

Isso não é apenas uma escolha de um desenvolvedor, todo o Vale do Silício está em modo de "maximização de tokens". Arjun é apenas um exemplo dessa febre global de consumo de tokens de AI.

Do outro lado do Pacífico, a cena é completamente diferente.

Na mesma primavera de 2026, no deserto de Gobi, no noroeste da China, alguns centros de computação que estavam em plena atividade há dois anos ficaram silenciosos. Um velho que trabalha na construção de centros de computação há anos me disse, durante um momento de FOMO coletivo:

"A exportação de tokens de AI não é tão simples quanto dizem na mídia."

Ele não se referia a problemas técnicos, mas à digestão. Ter um centro de computação próprio para grandes modelos é a melhor estratégia; em segundo lugar, operadoras de telecom têm canais de suporte; o mais complicado é aquele grupo de capitais privados que investiu na febre de AI — parecem promissores, mas na verdade não têm suporte algum.

A muralha que impede a passagem transfronteiriça, simplesmente, não pode ser atravessada — aqueles data centers inacabados ou semi-inativos no noroeste da China não é que não possam ser construídos, é que, após construídos, eles descobrem que: a muralha é mais alta que uma usina de energia.

De um lado, o Vale do Silício em modo de "maximização de tokens"; do outro, centros de dados ociosos no noroeste da China. A eletricidade mais barata do país produziu os tokens de AI mais baratos do mundo. Mas, afinal, quanto valor as empresas chinesas de AI podem realmente capturar disso?

1. Há dez anos, uma mesma usina recebia outro tipo de visitante

Por volta de 2015, os gerentes de usinas de Sichuan, Yunnan e Xinjiang começaram a receber visitantes estranhos. Alugaram fábricas abandonadas, encheram-nas de máquinas, e operaram 24 horas por dia. As máquinas não produziam nada, apenas resolviam uma equação matemática sem parar. De vez em quando, de um cálculo infinito, surgia um bitcoin.

Essa foi a versão 1.0 do valor da energia saindo para o exterior. A energia hidrelétrica barata, convertida por mineradoras em hash, trocada por ativos digitais de circulação global, e vendida por dólares nas exchanges. A energia não atravessou fronteiras, mas seu valor, usando bitcoin como suporte, foi para o mundo todo. No auge, a China respondia por mais de 70% do hashrate global de bitcoin.

O caminho de captura de valor do bitcoin é muito curto — energia vira cálculo, cálculo vira BTC, BTC vira dólar. Sem depender de ninguém. O próprio bitcoin é um produto final, um ouro digital lastreado por energia, que pode ser convertido em dinheiro assim que sai da mina. Pode ir para o exterior nu e cru.

Porém, esse caminho curto tem uma base fraca.

Em 2021, uma intervenção regulatória cortou o fluxo, mineradores dispersaram-se, e o valor de captura zerou na hora. O hashrate migrou para Cazaquistão, Texas, Canadá. As usinas continuaram produzindo energia, mas ela não podia mais se transformar em dólares.

A lógica da energia não desapareceu, ela apenas espera uma nova casca.

Depois do surgimento do ChatGPT, o mesmo grupo de usinas, fábricas e contratos de energia virou centros de dados de AI. Mineradoras trocaram por GPUs, bitcoin virou tokens de AI.

Mas tokens de AI não são bitcoin.

Bitcoin é um produto final, tokens de AI são semiacabados. Para virar algo que o cliente esteja disposto a pagar, precisam passar por camadas de modelos, produtos e fluxos de trabalho. Não podem simplesmente sair para o exterior. A cadeia de valor construída ao redor desse semiacabado é muito mais complexa — desde energia verde e salas de resfriamento líquido, até chips de AI, servidores, APIs de grandes modelos, plataformas de agregação e conformidade transfronteiriça, tudo conectado em sete camadas.

A cadeia ficou mais longa. Cada camada pode ser interceptada.

O que permanece constante é a energia, e uma questão que não mudou: desta vez, quanto valor pode ficar?

2. A jornada de uma unidade de energia e a ponte quebrada

Para responder, vamos seguir uma unidade de energia.

Cada vez que Arjun aperta Enter, há uma sequência de cinco etapas: energia → cálculo → treinamento de modelo → inferência do modelo → entrega do token de AI na tela dele.

As três primeiras etapas já terminaram. Uma unidade de energia de uma usina hidrelétrica de Sichuan, enviada para um data center na Mongólia Interior, alimentou clusters de GPU por meses, alimentou trilhões de dados, treinou um grande modelo. Depois de treinado, o "fórmula" do modelo ficou definida. A vantagem energética da China foi codificada aqui — custos de treinamento mais baixos, arquiteturas mais eficientes, otimizações de engenharia feitas por dezenas de empresas competindo. A energia de uma unidade elétrica foi comprimida em um arquivo de algumas centenas de GB.

As duas últimas etapas estão acontecendo agora. Cada vez que Arjun aperta Enter, um data center inicia uma inferência: carrega a fórmula, consome cálculo e energia, gera uma leva de tokens de AI, e os envia de volta. Cada token de AI exige energia em tempo real.

A questão é: qual data center?

2.1 Dois caminhos completamente diferentes para a exportação de tokens de AI

Arjun está seguindo o primeiro caminho — inferência feita na China, tokens entregues via API transfronteiriça. O pedido atravessa o Pacífico até Guizhou, e o resultado volta para São Francisco. A energia verde de 0,38 yuan por kWh na China reduz o custo marginal de cada token de AI. O benefício que Arjun aproveita é, na essência, a energia hidrelétrica chinesa pagando a conta, com a vantagem de energia totalmente realizada.

O segundo caminho é levar a fórmula para o exterior, fazer inferência na Virgínia ou Cingapura. Empresas como Zhipu, DeepSeek na Azure, MiniMax na AWS — todas usam esse método. Inferência com energia local, GPU local, custo de cada token de AI não tem relação com o preço da energia na China.

2.2 Coca-Cola nunca exporta água engarrafada

O segundo modelo é como Coca-Cola — nunca envia água engarrafada de suas fábricas nos EUA para o mundo, exporta a fórmula, e na ponta usa água e linhas de engarrafamento locais.

No painel do Alibaba Cloud Baolian, há um menu suspenso: escopo de implantação do serviço — "China continental", "Internacional", "Global". Selecionar "Internacional" faz o inferência rodar na Virgínia, a conformidade desaparece, e o preço da energia vira o dos EUA. Esse menu é o interruptor entre o primeiro e o segundo modo.

Mas Coca-Cola consegue lucrar com a fórmula porque ninguém consegue copiar. Modelos grandes, porém, são diferentes — DeepSeek, Tongyi Qianwen são de código aberto, qualquer um pode baixar os pesos. A fórmula é pública, a linha de engarrafamento é de terceiros, a energia também. O único ponto de captura de valor restante é: a velocidade de lançar a fórmula.

Relatórios da Galaxy Securities dizem que o ciclo de iteração dos grandes modelos globais caiu de seis meses para alguns meses. Se as sanções a chips atrasarem a evolução, a janela de inovação se estreita cada vez mais.

Arjun não se importa de onde vem a fórmula. Ele só quer saber qual é a mais barata nesta semana, se ainda será útil na próxima.

A jornada de exportação de uma unidade de energia foi interrompida entre treinamento e inferência. Não é só o custo que caiu, mas também a captura de valor.

O primeiro modo preserva a vantagem energética, mas perde mercado — clientes corporativos não aceitam que seus dados passem pela China, o que aumenta o atraso. O segundo modo abre o mercado, mas perde o controle de custos — você não vende mais energia barata, mas a própria fórmula.

O tempo também não está do lado da China. A Deloitte estima que o centro de gravidade do AI global está mudando de treinamento para inferência — a proporção de inferência deve subir de um terço em 2023 para dois terços, e possivelmente mais de 80% no futuro. Treinamento custa uma vez só, inferência gera contas diárias. Quanto mais importante for a inferência, menor será a influência do preço da energia.

Essa é a principal diferença entre a exportação de tokens de AI e a de energia solar. A solar, do silício ao módulo e ao embarque, mantém sua vantagem de custo ao longo de toda a cadeia, sem rupturas. Tokens de AI têm uma cadeia de custos que se divide entre treinamento e inferência — se a energia não consegue passar, o que realmente se transmite transfronteiriço é a capacidade de engenharia embutida na fórmula de centenas de GB.

Duas estratégias, dois dilemas. Quanto tempo essa estrada de energia barata pode sustentar a exportação de tokens de AI?

3. Energia barata, muro intransponível

Logo, o caminho está se estreitando por três muros.

Primeiro, o muro físico.

As requisições de Arjun atravessam o Pacífico, com latência de 150 a 300 ms. Uma conversa não percebe esse atraso. Mas o fluxo de trabalho do agente envolve dezenas de chamadas contínuas, e a máquina não espera, a latência se acumula até segundos, e o fluxo trava. Não é questão política, não é questão de sistema, é a velocidade da luz.

Ou está na luz, ou a luz está ali.

Segundo, o muro regulatório.

Empresas americanas comprando serviços de AI precisam responder a cinco perguntas: os dados entram na China? Onde estão os logs? Os dados de entrada e saída são usados para treinar? Está em conformidade com as leis locais? Quem é responsável se der problema?

Se não conseguem responder, a compra para ali. Não é que o modelo seja ruim, é que o setor de compliance não assina.

O economista-chefe do Morgan Stanley, Xing Ziqiang, citou um exemplo mais agudo: Huawei tinha vantagens técnicas e de preço em equipamentos 5G, mas, após 2018, foi excluída das redes de telecomunicações europeias e americanas. Assim como os modelos de AI, as redes 5G envolvem fluxo de dados por equipamentos de terceiros e servidores de terceiros. Sua frase foi:

"Não exagere na vantagem de energia na exportação de tokens, e não ignore as considerações geopolíticas e de segurança."

Vantagem técnica não resolve a crise de confiança.

Terceiro, o muro político.

Sanções a chips bloqueiam o treinamento, e a censura de modelos bloqueia sua colocação no mercado. São as variáveis mais imprevisíveis.

Esses três muros delimitam um espaço muito estreito: vender tokens de AI com energia barata só alcança os desenvolvedores que não se importam com conformidade, toleram atraso, e são extremamente sensíveis ao preço. A fórmula de exportação, por sua vez, não consegue transmitir a vantagem energética.

Duas estratégias, dois obstáculos. Onde as empresas chinesas de AI estão na cadeia de valor global?

4. Campeões no pequeno ringue, espectadores na cadeia de valor

24 de fevereiro de 2026, dados do OpenRouter: os dez principais modelos do plataforma consumiram 8,7 trilhões de tokens de AI, sendo 5,3 trilhões de origem chinesa, ou seja, 61%.

"China supera os EUA pela primeira vez" — a notícia correu na internet em chinês.

O COO do OpenRouter, Chris Clark, descreveu em um podcast: "Modelos de código aberto chineses representam uma proporção anormalmente alta nos fluxos de trabalho de agentes de empresas americanas." Uma tarefa complexa de codificação, usando Claude, custa entre 50 e 100 dólares; com DeepSeek V3.2, cerca de 0,5 dólar. Essa diferença de cem vezes é uma linha de vida ou morte para startups que rodam dezenas de agentes.

Porém, por trás de 61%, há duas verdades.

Primeira: isso é só um pequeno ringue.

O consumo de tokens de AI que o OpenRouter consegue medir representa apenas cerca de 3% do total global. O grande palco está em outro lugar, com uma diferença de escala enorme.

Em abril de 2026, a Anthropic atingiu uma receita anualizada de mais de 30 bilhões de dólares. Quatorze meses antes, esse número era de apenas 1 bilhão — crescimento de 30 vezes. O Claude Code, uma ferramenta de codificação, atingiu 1 bilhão de dólares em meio ano. Mil empresas pagam mais de um milhão de dólares por ano, e 80% da receita vem de clientes corporativos. A OpenAI tem receita anualizada de 25 bilhões de dólares.

Na China: a MiniMax gastou 500 milhões de dólares em nove meses, com receita de 79 milhões. A revista Caijing é mais fria — a margem de API de alguns modelos chineses pode ser negativa, ou seja, cada requisição gera prejuízo.

A China produziu a maior quantidade de tokens de AI, mas quase invisível na cadeia de valor.

Segunda: nem todos os tokens de AI valem o mesmo.

Um mesmo token de AI, para conversas casuais, vale 0,01 dólar por milhão; para codificação, 200 dólares por milhão; para revisão jurídica, 1000 dólares por milhão. Uma diferença de cem mil vezes. Estimativas do setor indicam que menos de 5% do consumo gera mais de 80% do valor comercial.

Na mesma semana em que escrevo, a Anthropic e Blackstone, Goldman Sachs criaram uma joint venture de 1,5 bilhão de dólares, colocando engenheiros diretamente nas empresas do portfólio de private equity. Também lançaram 10 agentes financeiros — geração de pitchbooks, KYC, memorandos de crédito, fechamento de mês, auditoria financeira. Jamie Dimon e Dario Amodei participaram juntos. Um agente de KYC consome dezenas de dólares em tokens de AI por execução, economizando milhares de dólares em custos de compliance.

Essa é a realidade do token de AI de alto valor.

Marc Nachmann, do Goldman Sachs, disse uma frase: "Só ter o modelo não muda seu fluxo de trabalho. Você precisa de pessoas que consigam integrar tecnologia e negócios reais."

Essa frase revela a diferença de valor entre China e EUA. As empresas chinesas competem por tokens mais baratos, enquanto a Anthropic compete por como integrar tokens de AI em cada linha de negócio da Goldman. Os chineses vendem matéria-prima, os americanos vendem soluções. Os modelos chineses, no ecossistema global de desenvolvedores, não são os arquitetos-chefes, mas os operários.

Lembra a história do setor fotovoltaico chinês em 2008 — líder em volume mundial, mas com margens muito estreitas na cadeia de componentes. O poder de precificação, a marca, a fatia de mercado premium estavam com os outros. Ainda faltava mais de uma década para a China dominar globalmente a energia solar.

Porém, a história do solar de 2008 não parou em "quantidade sem lucro". As empresas chinesas que conquistaram o mundo não fizeram isso só por preços baixos de silício, mas por controlarem toda a cadeia — do silício ao módulo, ao parque solar.

A esperança de exportar tokens de AI também não está no preço da energia — mas em transformar-se na infraestrutura que embute o trabalho das empresas.

Tem gente tentando.

A XunSce, por exemplo, atua em cenários financeiros e energéticos, usando tokens de AI para cobrar profundamente por dados e processos de negócio. A participação de cobrança por token subiu de 5% para 20-30%, e em 2025, a empresa começou a lucrar. Ela não vende tokens baratos, mas "faz sua operação rodar com tokens de AI". A lógica é parecida com a entrega de Anthropic ao Goldman — só que, na China, em um setor vertical, e já com 1,5 bilhão de dólares e o apoio de Jamie Dimon.

A diferença é grande, mas o caminho é certo.

5. Energia não mudou, a conta sim

Em maio de 2026, o Doubao lançou uma versão paga, por 68 yuans/mês. Com 345 milhões de usuários ativos mensais, começou a cobrar.

Na mesma semana, o Tencent Cloud aumentou o preço de seus serviços de AI em 5%, e o preço do GLM-5 da Zhipu subiu 50% em relação à geração anterior.

Alguém já analisou o custo de inferência do Doubao — 58% de hardware depreciado, 29% de energia. Cada usuário adicional gera mais consumo no cluster de GPU. Internamente, há vozes dizendo: "Sem uma rota clara de monetização, o custo de inferência para o DAU não cobre o lucro."

O fim do período de perdas de dezenas de empresas chegou.

O aumento de preço revela uma questão mais profunda que os três muros: a vantagem de energia barateou o custo de produção de tokens de AI, mas o valor do token nunca depende do custo de produção, e sim do que se faz com ele. Uma unidade de energia convertida em tokens de AI, seja para conversas ou decisões empresariais, tem valores que diferem em dezenas de milhares de vezes.

A China tem a energia mais barata do mundo, treinou os tokens mais baratos, responde por 61% no OpenRouter, mas a receita anual da Anthropic pode superar a soma de todas as empresas chinesas de grande modelo.

As usinas hidrelétricas de Sichuan e os data centers continuam em movimento. Dez anos atrás, a mesma energia alimentou minas de criptomoedas, que foram dispersas. Agora, ela alimenta fábricas de tokens de AI. As fábricas continuam, mas os tokens produzidos aumentam, e o valor que fica diminui.

Arjun gastou dezenas de dólares a menos esta noite. Mas cada dólar economizado é exatamente a parte do valor que as empresas chinesas de AI não conseguiram capturar.