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: A Microsoft finalmente não aguentou mais, o GitHub Copilot mudou de cobrança mensal para cobrança por token. Isso não é uma atualização de produto, mas o colapso coletivo de toda a farsa de subsídios na indústria de IA — OpenAI, Anthropic e outros usam a mensalidade para esconder custos reais, fazendo os usuários queimarem de 8 a 13 dólares em poder de processamento por 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 utilizei alguns materiais dele.

Este é um dos meus melhores textos até hoje, tenho muito orgulho dele.

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 1 de junho de 2026.

A Microsoft não dará mais um número fixo 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 tokens seu plano de assinatura permite — por exemplo, o plano de 19 dólares por mês permite 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 é uma prévia interessante, mostrando como essas mudanças de preço serão embaladas:

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 com múltiplos passos, usando os modelos mais recentes, iterando por todo o repositório de código. O uso de agentes se tornou padrão, o que traz uma demanda de cálculo e raciocínio muito maior.

Hoje, uma rápida questão de chat e uma sessão de codificação autônoma de várias horas podem custar o mesmo. 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 a longo prazo e reduzindo a necessidade de limitar usuários intensivos.

Veja, não é a Microsoft subsidiando quase dois milhões de usuários de poder de processamento, mas a IA se tornando 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 excediam o valor da assinatura mensal. Segundo o 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 do ano, a média de prejuízo por usuário era 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” e “está completamente destruído”.

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

Finalmente chegou esse dia, porque cada 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 com assinatura de 25 dólares, além de 25 dólares de hospedagem na nuvem (até o final do primeiro trimestre de 2026), com créditos acumuláveis 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 ¾ 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 mascarar 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 operando no prejuízo, fazendo-os viciar-se a ponto de resistir a aumentos de preço. Acreditam também que o custo por token vai diminuir 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) aumenta o preço da corrida, a lógica econômica subjacente não muda — 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 paga por combustível, seguro, licenças exigidas pelo governo local, e custos de financiamento do veículo, que não são subsidiados pelo Uber. As perdas enormes do Uber vêm de subsídios, marketing sem parar, e esforços fracassados de veículos 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 permitir 100 viagens de até 100 milhas, com gasolina a 150 dólares por galão, e o Uber pagasse pelo combustível — porque há quem acredite que o petróleo um dia 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 mês para fazer 100 viagens, passaria a pagar 20 dólares mais 26 dólares de gasolina para uma viagem de 10 milhas, o que certamente deixaria o usuário insatisfeito.

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 sistema baseado em solicitações, modelos mais caros usam mais solicitações, como o Claude Opus 4.6, que consome três solicitações avançadas. Quando você acaba as solicitações avançadas, o Copilot permite usar os modelos mais baratos à vontade 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 LLM.

Se você quer saber quanto pode custar um serviço baseado em tokens, um usuário do subforum do GitHub Copilot descobriu que uma solicitação avançada consumia cerca de 11 dólares em tokens, pois uma “solicitação” envolve usar 60.000 tokens na janela de contexto, várias ferramentas, e uma série de “rodadas” internas (o que o modelo faz) para gerar a saída.

E há a confiabilidade questionável dos grandes modelos de linguagem, que podem travar em um ciclo infinito e gerar código incompleto. Embora isso 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 custa, 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 — os usuários não precisam mudar radicalmente sua forma de usar o serviço, porque o Uber de repente começa a cobrar por galão.

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

Nunca — e nunca haverá — uma forma economicamente viável de oferecer serviços movidos por LLMs, a menos que se cobre pelo uso real de tokens, e, ao enganar os usuários, 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 vendem assinaturas porque sabem aproximadamente quanto custam os equipamentos, as aulas, a eletricidade, os funcionários e a 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. Como o armazenamento digital é barato (e diferente de LLMs, que exigem muita computação), um usuário intensivo de Google Drive não prejudica sua assinatura mensal.

Porém, esses serviços escondem deliberadamente a quantidade de tokens ou quanto cada atividade custa, então os usuários não sabem exatamente o que a taxa de uso significa, e qualquer 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 perspectiva de gastar 8 a 13,5 dólares em tokens por cada dólar de assinatura.

Essa manipulação tem um único objetivo: garantir que a maioria das pessoas nunca entenda os custos reais da IA generativa.

Quando a Atlantic Monthly escreveu um artigo apaixonado sobre o “momento ChatGPT” da Anthropic com Claude Code, ele se baseou na assinatura de 20 dólares por mês, e não no consumo de tokens que realmente custou para a Anthropic. Isso fez o autor perdoar os “pequenos erros” do modelo ou quando ele “travava em tarefas de programação mais complexas”.

Se o autor pagasse pelo consumo real de tokens, e cada travamento custasse 15 dólares em tokens, acho que ela não perdoaria esses erros com tanta facilidade.

Mas tudo isso faz parte do esquema.

Muito, muito importante: os principais veículos de mídia que escrevem sobre IA na maior parte do tempo não entendem quanto esses serviços realmente custam, e qualquer artigo mainstream 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 são produtos experimentais, com funcionalidades diferentes de qualquer outro software ou hardware moderno. Você não pode simplesmente chegar ao ChatGPT ou Claude e pedir que eles façam algo.

Quer dizer, pode, mas se você não souber como dar o comando certo, não entender como eles funcionam, ou se eles cometerem erros no que você fornece, ou se simplesmente fizerem algo errado, eles vão te entregar um resultado que você não gosta, e aí você precisa pedir de novo. Os LLMs são, por natureza, imprevisíveis.

Você não pode garantir que um LLM vai fazer uma ação específica, ou que vai te dar um resultado baseado na realidade. Você não consegue saber quanto uma tarefa específica — mesmo que já tenha feito várias vezes com o mesmo modelo — vai custar, nem 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 entenda suas limitações pode gastar 30, 50 ou 100 dólares tentando convencer o modelo a fazer o que ele insiste que consegue fazer.

Existe um termo para isso. Subserviência. Os LLMs geralmente são projetados para afirmar o usuário, mesmo quando eles estão dizendo coisas perigosas ou loucas, o que pode se estender a perguntar “você quer uma tecnologia ou uma grande ideia que seja totalmente inviável do ponto de vista técnico ou econômico?” 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 migrarão para cobrança por token, especialmente agora que Anthropic e OpenAI já fazem isso para clientes empresariais.

Empresas comuns podem pagar por uma mudança para cobrança por token? A Anthropic estima que os 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 seus 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 os engenheiros “entregam código mais rápido” ou algo assim, eu entendo. Mas, quanto mais rápido? Quanto você economizou ou ganhou? 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 investiu pesado em tokens de IA tendo retorno, 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, gasta no máximo 200 dólares por mês na assinatura Max do Perplexity.

Na prática, aquela assinatura de 1250 dólares por mês para uma equipe de 10 pessoas provavelmente gera entre 5 mil e 10 mil dólares em custos de API por mês.

O chefe de crescimento da Anthropic, Amol Avasare, disse na semana passada que a assinatura Max é feita 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 e codificação. Uma pessoa que paga 200 dólares por mês consegue pagar 350, 400 ou 500 dólares? Pode pagar esse valor em um mês? E se o orçamento estourar? Ou se ela simplesmente não puder 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 por dia é de 6 dólares, e 90% dos usuários gastam menos de 12 dólares por dia”. Agora, ela diz:

Claude Code cobra por uso de tokens na 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 desenvolvedor por dia ativo, ou entre 150 e 250 dólares por mês, e 90% dos usuários gastam menos de 30 dólares por dia ativo.

Para estimar os custos 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 3.276 dólares por ano. Com 30 dólares por dia útil, dá cerca de 630 dólares por mês, ou 7.560 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 “avançado”, certamente vai rodar pelo menos um milhão de tokens, e se não souber qual usar para uma tarefa específica, esse número vai subir muito.

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 sobe para 102.900 dólares.

Se gastar 300 dólares por dia, para 10 pessoas, o custo anual chega a 756.000 dólares.

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

Agora, acho que a maioria das empresas se encaixa em três categorias:

Grandes organizações como Spotify ou Uber, com CEOs obcecados por IA, que deixam os orçamentos correrem soltos. Também diria que startups com recursos abundantes se enquadram nisso.

Startups 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.

Uma única má reunião de resultados pode mudar essa narrativa. Em algum momento, investidores — mesmo 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 se a receita da empresa não acompanhar.

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

Acredito também que, em seis meses, startups que queimarem 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 tokens, 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 completamente 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, enquanto 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 fechado o contrato com o primeiro cliente, essas GPUs dificilmente gerarão tanto dinheiro.

Ainda não está claro se há uma base de clientes de poder de processamento de IA fora da OpenAI e da Anthropic, que respondem por 50% da demanda de centros de dados de IA. Se uma dessas empresas ficar sem dinheiro, o sistema todo fica vulnerável.

De qualquer forma, não se sabe qual é 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 em hardware. A maioria dos centros de dados é planejada para ter um ou dois grandes clientes, que podem negociar tarifas mais baratas.

Por isso, muitas cobranças de centros de dados estão bem abaixo de 3,70 dólares por hora, pois cobram por megawatt (ou quilowatt).

É aí que a economia começa a desmoronar.

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

Esse é o custo inicial de um centro de 100 MW. Um centro assim pode ter apenas 85 MW de capacidade faturável, e, segundo fontes, a receita por megawatt é cerca de 12,5 milhões de dólares ao 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 também é chamada de “parceira de hospedagem”. Por exemplo, a CoreWeave paga à Applied Digital para usar seus centros em North Dakota. A CoreWeave é responsável por toda a GPU e tecnologia dentro do centro.

Para explicar a má alocação econômica, vou usar um exemplo teórico: um centro de dados alugado para uma empresa de poder de processamento 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 45 mil dólares cada, ou 56.250 dólares por GPU. Com uma carga de 85 MW, o investimento total de hardware por megawatt é cerca de 36,78 milhões de dólares, ou um total de aproximadamente 3,126 bilhões de dólares em hardware, sendo cerca de 2,67 bilhões de dólares em GPUs.

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

Espera, ainda não acabou. Você também precisa pagar pelo aluguel de capacidade de TI, que, segundo Brightlio, costuma ficar entre 180 e 200 dólares por kW por mês, dependendo do tamanho e localização, e que eu estimei em 130 dólares, o que dá aproximadamente 133 milhões de dólares por ano. Assim, o custo total chega a cerca de 316 milhões de dólares.

Ainda assim, isso é bem menor que os 1,063 bilhão de dólares de receita, então tudo bem, né?

Errado! Você tem que depreciar 3,126 bilhões de dólares em hardware ao longo de seis anos, o que dá cerca de 521 milhões de dólares por ano. Isso significa que, anualmente, você gastaria cerca de 837 milhões de dólares, deixando uma margem de lucro de aproximadamente 168 milhões de dólares, 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 em operação, durante os quais sua receita é zero, e suas perdas são muito maiores, pois você continua pagando por hospedagem, energia e operação, mesmo com tarifas muito menores (modelando 10% de energia e 15% de custos de hospedagem/ operação), o que 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 total anual (incluindo depreciação) para aproximadamente 939 milhões de dólares, ou uma margem bruta de cerca de 6,6%.

Espera, você não comprou essas GPUs com dívida, né? Você usou? Quão ruim foi? Ah, meu Deus — você conseguiu um empréstimo de ativos de seis anos, com um LTV de 80%, ou seja, tomou 2,8 bilhões de dólares emprestados a 6% de juros.

Seu banco, por sua generosidade eterna, te deu um negócio — um período de carência de 12 meses, pagando só 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 de lucro de 5,19%, e você nem começou a pagar o principal ainda. Quando isso acontecer, você terá que pagar 54,1 milhões de dólares por mês em empréstimos, totalizando cerca de 649 milhões de dólares por ano, ou aproximadamente 1,48 bilhões de dólares ao longo de cinco anos, com uma margem de prejuízo de cerca de 40%.

Preciso deixar claro: isso só vale se você tiver 100% de ocupação, e os inquilinos pagarem pontualmente cada vez.

Stargate Abilene é um desastre — cada GPU custa 2,94 dólares por hora, receita anual de 10 bilhões de dólares, com vários anos de atraso, 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 para empresas e governos.

Brincadeira, claro, isso é um pesadelo.

Stargate Abilene, um parque de oito edifícios, com 1,2 GW de capacidade, 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 o custo total de Stargate Abilene em cerca de 52,8 bilhões de dólares.

Segundo minhas próprias reportagens, a Oracle espera obter cerca de 10 bilhões de dólares por ano com Stargate Abilene, e estima-se que a capacidade de 7,1 GW construída para um cliente gere aproximadamente 75 bilhões de dólares de receita total: a OpenAI. Como relatei, a Oracle estima que, em 2024, Abilene custará pelo menos 2,14 bilhões de dólares anuais 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 seria cerca de 37,47%:

Preciso deixar claro que essa margem de 37,47% pode ser exagerada, pois não tenho números exatos de seguros ou custos de pessoal da Oracle, apenas estimativas baseadas nos 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 com 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 com certeza é que a Oracle assinou um contrato de leasing de 15 anos com a Crusoe, e que seu futuro depende 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 por ano só aconteceriam se a OpenAI pagasse pontualmente, se a Abilene estivesse totalmente operacional e tudo corresse como planejado.

Se a OpenAI não conseguir arrecadar 852 bilhões de dólares em receita, financiamento e dívida nos próximos 4 anos, o projeto Stargate vai arruinar a Oracle

Infelizmente, o oposto aconteceu:

Segundo a reportagem do DatacenterDynamics, os primeiros 200 MW de energia deveriam estar operacionais em “2025”. Com o tempo, a entrada em operação deveria começar na primeira metade de 2025, com potencial para atingir 1 GW em 2025, completar os 1,2 GW até meados de 2026, energizar em meados de 2026, e implantar 64 mil GPUs 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 avançando conforme o planejado, com mais de 96 mil GPUs NVIDIA Grace Blackwell GB200 entregues, ou seja, o número de GPUs nas 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 apenas duas construções, o que indica que a Oracle definitivamente não está “avançando conforme o planejado”.

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 centro de dados Stargate de 7,1 GW, 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 outros negócios estão estagnados, fazendo com que seus lucros baixos ou prejuízos sejam o único motor de crescimento.

Para pagar de fato 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: https://t.me/theblockbeats

Telegram: https://t.me/BlockBeats_App

Twitter oficial: https://twitter.com/BlockBeatsAsia