#AnthropicDiscloses$84.5BComputeDealWithSpaceX

A história mais importante sobre IA neste momento talvez não seja o lançamento de outro modelo. Pode ser a quantidade de infraestrutura necessária para manter a economia da IA funcionando.

O mais recente pedido de IPO da Anthropic nos dá uma visão muito mais clara de como é essa corrida pela infraestrutura. A empresa espera gastar pelo menos US$ 518 bilhões na próxima década com seis parceiros de infraestrutura, enquanto seus acordos de computação com a SpaceX podem chegar a US$ 84,5 bilhões até 2029. Isso não é simplesmente uma aposta em um modelo de IA. É uma aposta de que a demanda por capacidade computacional permanecerá enorme por anos.

Mas aqui está a parte que considero mais interessante: a computação está começando a se parecer mais com um contrato de fornecimento de longo prazo do que com uma despesa normal de tecnologia.

As empresas de IA precisam de enormes quantidades de capacidade computacional antes de saber exatamente como a demanda vai evoluir. Portanto, elas precisam tomar decisões de infraestrutura com anos de antecedência. Garantir pouca capacidade faz com que a disponibilidade dos modelos se torne uma restrição. Garantir capacidade demais faz com que a empresa assuma compromissos caros que podem se tornar ineficientes se a economia do hardware mudar mais rápido do que o esperado.

Isso cria um cenário competitivo completamente diferente.

O próximo gargalo também está avançando na cadeia de suprimentos. A TrendForce elevou acentuadamente sua projeção para HBM em 2027, estimando que os preços médios de venda combinados de HBM aumentarão 121% ano a ano, com a oferta devendo continuar restrita enquanto os servidores de IA disputam capacidade de fabricação avançada e de wafers. A transição para HBM4 e HBM4e acrescenta outra camada de custo e complexidade.

Portanto, quando vemos uma empresa de IA assinando um enorme acordo de computação, não devemos pensar apenas nas GPUs.

Pense em toda a cadeia por trás dessas GPUs: memória avançada, redes, geração de energia, resfriamento, construção de data centers, fabricação de semicondutores e o financiamento necessário para colocar tudo isso em operação.

É por isso que a história da infraestrutura de IA pode continuar se expandindo para além das empresas que constroem modelos. Uma escassez em uma camada pode afetar a economia de todo o sistema.

Há outro desenvolvimento que vale a pena acompanhar: como essa infraestrutura é financiada.

A Reuters informou hoje que credores e investidores ainda são cautelosos em tratar GPUs de IA como garantias tradicionais. A NVIDIA vem promovendo um modelo de financiamento muito maior para a infraestrutura de IA, mas as instituições financeiras continuam preocupadas com a depreciação do hardware e com por quanto tempo aceleradores caros mantêm seu valor econômico. Em vez de simplesmente perguntar quanto vale uma GPU, os credores querem cada vez mais saber se há uma receita confiável ou um contrato sólido com um cliente por trás dela.

Essa distinção pode se tornar extremamente importante.

Se a infraestrutura de IA for cada vez mais financiada por meio de contratos de longo prazo, o setor começará a se parecer tanto com um negócio de infraestrutura quanto com um negócio de software. Fluxos de caixa futuros, taxas de utilização e disponibilidade de energia se tornam tão importantes quanto os benchmarks dos modelos.

E isso nos leva ao que considero a pergunta mais importante para os próximos anos:

A demanda por IA pode crescer rápido o suficiente para justificar a infraestrutura que está sendo construída hoje?

Até agora, o ciclo de investimentos continua agressivo. Os fornecedores de memória estão observando uma forte demanda por servidores de IA, os compromissos com infraestrutura estão atingindo níveis extraordinários e as empresas estão competindo por capacidade computacional futura em vez de esperar até realmente precisarem dela. Os resultados mais recentes da Micron também reforçaram o quanto a demanda dos data centers de IA está impulsionando o setor de memória.

Mas o setor não pode resolver todos os problemas simplesmente adicionando mais GPUs.

Em algum momento, a eficiência se torna a próxima vantagem competitiva.

Se um modelo puder produzir o mesmo resultado útil com metade do custo de inferência, essa melhoria poderá ser economicamente mais importante do que adicionar outro cluster enorme. Arquiteturas de modelos melhores, otimização de inferência, esparsidade, aceleradores especializados e maior eficiência de memória poderão, portanto, se tornar tão importantes quanto o poder computacional bruto.

Essa é a transição que vou acompanhar.

A primeira fase da IA tratava de quem conseguia construir os modelos mais capazes.

A segunda fase está se tornando uma disputa por quem consegue garantir computação suficiente.

A próxima fase poderá ser sobre quem consegue transformar cada unidade de computação no maior valor econômico.

O acordo de US$ 84,5 bilhões entre Anthropic e SpaceX é interessante, portanto, não apenas porque o número é enorme, mas porque nos dá um vislumbre de quão cara pode se tornar a base física da IA.

A IA pode parecer uma revolução de software vista de fora.

Por baixo dela, uma enorme economia de infraestrutura está sendo construída.

E essa economia está apenas começando.

@GateSquare @Gate_Square