#OpenAIAnnualRecurringRevenueNears$70B

A OpenAI está se aproximando de uma taxa anualizada de receita de US$ 70 bilhões, mas acho que a parte mais interessante dessa história já não é a $70B em si.

A verdadeira questão é o que acontece quando uma empresa cresce tão rapidamente enquanto o custo de sustentar esse crescimento também se torna enorme.

Segundo a Axios, a taxa anualizada de receita da OpenAI subiu mais de 70% desde o início do T3, atingindo quase US$ 70 bilhões, enquanto as vendas para empresas mais que dobraram desde julho. Seu negócio voltado ao consumidor também gerou mais receita durante o T3 do que havia gerado ao longo de todo o ano de 2025.

Essa é uma aceleração notável.

Mas quero separar a velocidade da receita da economia do negócio.

Uma taxa anualizada não é o mesmo que US$ 70 bilhões de receita já registrados ao longo de um ano completo. Ela usa um ritmo recente de receita e o projeta para o futuro. A Reuters também destacou por que essa distinção é importante ao avaliar empresas de IA em rápido crescimento.

Então, em vez de perguntar se a OpenAI pode chegar a US$ 70 bilhões, acho que a próxima geração do debate sobre a avaliação da IA começa com uma pergunta diferente:

Quanto valor econômico a OpenAI pode criar a partir de cada dólar adicional gasto em computação?

Essa pergunta se torna muito mais importante à medida que a adoção por empresas acelera.

Os clientes corporativos não estão mais pagando simplesmente para experimentar um chatbot. A IA está sendo integrada à programação, pesquisa, atendimento ao cliente, processamento de documentos, produtividade e, cada vez mais, fluxos de trabalho autônomos. Se essas cargas de trabalho se tornarem incorporadas às operações comerciais diárias, a receita de IA poderá se tornar muito mais recorrente e operacionalmente importante.

Mas o crescimento empresarial também cria um novo problema.

Mais clientes significam mais inferência.

Mais inferência significa mais GPUs, memória, redes, data centers e eletricidade.

E mais computação significa que a receita precisa crescer mais rapidamente do que o custo subjacente de gerar essa receita.

É aqui que acho que a próxima fase da OpenAI se torna muito mais difícil.

Uma empresa pode aumentar a receita extremamente rápido e ainda enfrentar uma equação econômica difícil se a infraestrutura necessária para atender cada cliente adicional crescer quase na mesma velocidade.

É por isso que os planos de financiamento divulgados pela OpenAI são tão importantes. A Bloomberg informou que a empresa está buscando pelo menos US$ 30 bilhões a uma avaliação de cerca de US$ 1,4 trilhão. Isso representaria um aumento significativo em relação à avaliação de aproximadamente US$ 852 bilhões associada à sua rodada de financiamento de março, embora o novo financiamento ainda seja uma meta divulgada, e não uma transação concluída.

Agora, vejamos os números em conjunto.

Quase $70B de receita anualizada.

Potencialmente $30B em capital adicional.

Uma meta de avaliação divulgada de cerca de US$ 1,4 trilhão.

E um ecossistema de infraestrutura de IA que exige investimentos contínuos enormes.

Isso já não é apenas uma história de crescimento de uma empresa de software.

Está se tornando uma história de alocação de capital.

O mercado precisa entender, em última análise, quanto da receita da OpenAI pode se tornar fluxo de caixa livre duradouro depois de pagar pela infraestrutura computacional necessária para gerá-la.

E há outro desenvolvimento que considero particularmente interessante.

O CFO da OpenAI tem promovido uma maneira diferente de pensar sobre a economia da IA empresarial: inteligência útil por dólar, em vez de simplesmente medir o uso da IA ou o consumo de tokens. A ideia é importante porque tokens mais baratos não significam automaticamente uma economia melhor. O que importa é se a IA realmente conclui um trabalho valioso para o cliente.

Isso pode se tornar uma das métricas mais importantes na próxima fase do setor de IA.

Imagine duas empresas gerando os mesmos US$ 10 bilhões em receita de IA.

Uma exige enormes recursos computacionais para produzir essa receita.

A outra consegue entregar o mesmo valor comercial com custos de inferência dramaticamente menores.

Seus números de receita pareceriam idênticos.

Sua economia não seria.

É por isso que a queda nos custos de inferência poderia ser, na verdade, um dos maiores acontecimentos positivos para o negócio de IA — mesmo que uma IA mais barata inicialmente pressione os preços. Se o custo de produzir inteligência útil cair mais rapidamente do que os preços, o potencial de margem poderá se expandir.

Isso cria um ciclo de retroalimentação fascinante.

Modelos melhores aumentam a demanda.

Mais demanda gera mais receita.

Mais receita financia mais infraestrutura.

Mais infraestrutura melhora a disponibilidade e reduz o custo da computação.

Custos computacionais menores tornam a IA útil para mais cargas de trabalho.

Mais cargas de trabalho criam outra onda de demanda.

Se esse ciclo continuar, os enormes gastos atuais com infraestrutura começarão a parecer menos uma despesa e mais a base de uma plataforma tecnológica muito maior.

Mas o cenário oposto também merece atenção.

Se os clientes de IA se tornarem mais sensíveis aos preços, a concorrência entre modelos pressionar os preços para baixo mais rapidamente do que os custos de inferência caem, ou os compromissos com infraestrutura crescerem mais rapidamente do que a monetização, o crescimento da receita, por si só, não contará toda a história.

É por isso que não acho que o próximo debate sobre a avaliação da IA será decidido por outra manchete impressionante sobre ARR.

Ele será decidido pela economia unitária.

Quanto custa atender um cliente empresarial?

Com que rapidez o custo de inferência está caindo?

Quanto da receita é recorrente?

Até que ponto a IA está incorporada aos fluxos de trabalho dos clientes?

Quanta computação adicional é necessária para cada dólar de nova receita?

E, em última análise, quanto fluxo de caixa livre resta depois da conta de infraestrutura?

Também há uma questão de timing.

A OpenAI estaria considerando agora outra rodada de financiamento enorme, ao mesmo tempo que opera em um setor no qual outras empresas de IA de fronteira também estão expandindo receita e infraestrutura a taxas extraordinárias. Os documentos mais recentes da Anthropic, por exemplo, revelaram centenas de bilhões de dólares em compromissos futuros com infraestrutura.

Isso nos diz algo importante sobre todo o setor.

A corrida da IA já não se resume a construir um modelo melhor.

Ela está se tornando uma corrida entre crescimento da receita, eficiência computacional e intensidade de capital.

E essa é a métrica que eu acompanharia daqui para frente.

O número $70B prova que empresas e consumidores estão dispostos a gastar muito dinheiro com IA.

A próxima pergunta é muito mais difícil:

A OpenAI consegue tornar cada dólar adicional de receita de IA cada vez mais lucrativo à medida que o sistema escala?

Se a resposta for eventualmente sim, a importância econômica do crescimento da receita atual poderá ser muito maior do que a manchete sugere.

Se a resposta for não, então até mesmo um crescimento extraordinário da receita poderá coexistir com necessidades extraordinárias de capital.

É por isso que vejo o valor de $70B como um ponto de partida, não como a conclusão.

A IA já demonstrou que as pessoas pagarão por inteligência.

Agora, o setor precisa demonstrar que consegue produzir inteligência útil a um custo econômico.

É aí que o próximo debate de trilhões de dólares sobre a IA será decidido.