Featured

#AnthropicDiscloses$84.5BComputeDealWithSpaceX

A corrida da IA está começando a parecer menos uma competição de software e mais uma competição de infraestrutura.

O pedido de abertura de capital da Anthropic oferece uma visão impressionante de quanta capacidade computacional as empresas de IA da próxima geração acreditam que precisarão. Segundo a Reuters, a Anthropic divulgou um possível acordo de capacidade computacional no valor de até US$ 84,5 bilhões com a xAI, enquanto seus compromissos mais amplos de infraestrutura de longo prazo devem alcançar pelo menos US$ 518 bilhões na próxima década.

Esses números são difíceis de assimilar inicialmente. Mas a questão mais importante não é simplesmente quanto dinheiro a Anthropic está comprometendo.

É por que uma empresa que desenvolve alguns dos modelos de IA mais avançados do mundo precisa de tanto poder computacional em primeiro lugar.

A resposta está ficando cada vez mais clara.

Treinar um modelo de fronteira é apenas uma parte da equação. Quando um modelo se torna comercialmente útil, a demanda computacional não desaparece. Cada solicitação de usuário exige inferência. Cada agente de IA em execução contínua consome recursos. Janelas de contexto maiores exigem mais memória. Modelos mais capazes requerem uma infraestrutura maior e mais sofisticada. E, à medida que a IA passa de interações ocasionais com chatbots para sistemas capazes de executar tarefas continuamente, a quantidade de computação necessária pode aumentar drasticamente.

Isso muda a economia da indústria de IA.

O recurso escasso já não é simplesmente o acesso a pesquisadores talentosos ou a bons algoritmos. A própria capacidade computacional confiável está se tornando um ativo estratégico.

Os compromissos de infraestrutura da Anthropic mostram como as empresas estão tentando garantir esse ativo antes que a demanda se torne ainda mais difícil de atender.

O acordo de US$ 84,5 bilhões é particularmente interessante porque representa uma abordagem diferente de simplesmente construir tudo internamente. Alugar capacidade computacional pode dar a uma empresa de IA acesso a uma infraestrutura de GPUs em grande escala sem que ela precise construir cada data center, garantir cada conexão de energia, comprar cada servidor e gerenciar sozinha todo o processo de implantação física.

Essa flexibilidade é importante.

A demanda por IA está crescendo rapidamente, mas também é difícil de prever vários anos à frente. O aluguel permite que as empresas ampliem a capacidade mais rapidamente e potencialmente evitem possuir enormes quantidades de hardware que poderiam ficar subutilizadas posteriormente.

Mas há outro lado nessa estratégia.

Compromissos de infraestrutura de longo prazo podem se tornar obrigações fixas enormes. A Reuters informou que cerca de 80% dos compromissos de infraestrutura divulgados pela Anthropic são vinculantes independentemente do uso real. Isso significa que a empresa está efetivamente fazendo uma aposta maciça de que a demanda futura por IA, a receita e o uso de modelos justificarão as decisões de infraestrutura tomadas hoje.

É aqui que a história da infraestrutura de IA se torna muito mais interessante.

A Anthropic não está dependendo de uma única fonte de poder computacional. Seus compromissos divulgados envolvem vários parceiros de infraestrutura e tecnologia, incluindo acordos muito grandes relacionados ao Google, Amazon, Microsoft e Broadcom. A estratégia parece consistir em garantir capacidade suficiente de múltiplas fontes enquanto continua expandindo o negócio subjacente de IA.

Em outras palavras, a corrida da IA está criando toda uma economia de infraestrutura por trás dos modelos.

E isso nos leva diretamente à memória.

As GPUs recebem a maior parte da atenção quando as pessoas falam sobre computação de IA, mas as GPUs não podem operar isoladamente. A memória de alta largura de banda, ou HBM, é um componente essencial dos aceleradores modernos de IA porque o treinamento e a inferência em grande escala exigem uma largura de banda de memória extremamente alta.

A pesquisa mais recente da TrendForce torna essa parte da história ainda mais importante. A empresa espera que a oferta de HBM continue restrita até 2027 e elevou sua previsão para o preço médio combinado de venda da HBM em 2027 para um aumento de 121% ano a ano, impulsionado pela oferta limitada, pela crescente participação da HBM4 e pela demanda contínua por servidores de IA.

Isso significa que a corrida pela infraestrutura de IA não termina nos data centers.

Uma maior demanda por computação de IA cria pressão sobre GPUs, HBM, equipamentos de rede, infraestrutura de energia, sistemas de resfriamento, construção de data centers e fornecimento de eletricidade.

É por isso que acredito que a parte mais interessante do pedido da Anthropic não é o número principal em si.

É a confirmação de uma mudança estrutural.

Durante anos, a conversa sobre IA foi dominada pela arquitetura dos modelos, pelas pontuações em benchmarks e pelos recursos dos produtos. Agora, o gargalo é cada vez mais físico. É possível ter pesquisadores brilhantes e algoritmos sofisticados, mas, sem chips, memória, eletricidade e capacidade de data centers suficientes, esses modelos não podem ser treinados ou disponibilizados na escala esperada pelo mercado.

Ao mesmo tempo, simplesmente lançar mais hardware sobre o problema não pode ser a solução permanente da indústria.

Se os custos computacionais continuarem subindo, as empresas de IA precisarão eventualmente de mais eficiência, além de mais capacidade. Modelos menores, quantização, esparsidade, otimização da inferência, arquiteturas aprimoradas e aceleradores especializados podem reduzir a quantidade de computação necessária para uma determinada tarefa.

Isso cria um equilíbrio interessante para a próxima fase da IA.

Mais poder computacional amplia o que os modelos podem fazer. Uma eficiência melhor determina a viabilidade econômica da oferta desses recursos.

Os enormes compromissos de infraestrutura da Anthropic, portanto, nos dizem algo muito maior do que os planos de gastos de uma única empresa de IA.

Eles mostram que a indústria de IA está entrando em uma fase em que garantir capacidade computacional pode ser tão importante quanto desenvolver o próprio modelo.

A verdadeira competição talvez não seja simplesmente sobre quem constrói a IA mais inteligente.

Ela pode estar cada vez mais relacionada a quem consegue garantir poder computacional, memória, energia e infraestrutura suficientes — enquanto ainda faz a economia funcionar.

E essa é uma história muito maior do que a manchete de um contrato de US$ 84,5 bilhões.