A prosperidade do poder de computação de IA pode ser uma ilusão sustentada por duas empresas

Autor da crítica de tecnologia estrangeira Ed Zitron recentemente apresentou um julgamento contundente: a economia atual de poder computacional de IA pode não ser sustentada por uma demanda de mercado ampla e saudável, mas sim altamente dependente de duas empresas, OpenAI e Anthropic. Provedores de serviços em nuvem investem em empresas de IA, que por sua vez usam esses fundos para comprar serviços em nuvem e capacidade de processamento, formando uma narrativa de crescimento circular.

Essa visão pode não representar toda a realidade, mas nos lembra: para julgar se a febre de IA é sustentável, não basta olhar para o volume de financiamento e a escala de construção de data centers, é preciso observar clientes reais, qualidade do fluxo de caixa e demanda final.

Introdução

Nos últimos dois anos, a história de crescimento mais visível na indústria de IA não foi apenas a evolução das capacidades de grandes modelos, mas também a corrida de capital em torno de GPU, serviços em nuvem e data centers. Gigantes como Microsoft, Amazon, Google e Oracle continuam investindo em infraestrutura de IA, enquanto a NVIDIA se destaca como a beneficiária mais brilhante deste ciclo.

Porém, uma questão mais aguda começa a emergir: quem realmente usará esses novos data centers? Se os principais clientes forem apenas OpenAI e Anthropic, então toda a suposta prosperidade do poder computacional de IA pode ser apenas uma narrativa de ciclo alimentada por algumas empresas, poucos provedores de nuvem e poucos negócios de capital.

O autor de comentários tecnológicos dos EUA, Ed Zitron, em seu artigo “Premium: AI’s Circular Psychosis”, oferece um julgamento bastante radical, mas que merece discussão: a economia de IA está formando uma espécie de “delírio circular”. Nesse ciclo, os gigantes de nuvem investem em empresas de IA, que por sua vez usam esse dinheiro para comprar capacidade de processamento; os provedores de nuvem, assim, confirmam suas receitas futuras, continuam expandindo data centers e adquirindo GPUs. Parece que cada etapa está crescendo, mas se a demanda final não for suficiente, esse mecanismo pode se tornar extremamente frágil.

I. O suposto boom de poder computacional de IA pode depender fortemente de duas empresas

A análise central de Zitron não é complexa: uma parte considerável da economia de IA está, na verdade, sustentada por OpenAI e Anthropic. Segundo sua análise, essas duas empresas não só ocupam uma grande parte da capacidade de IA de Amazon, Google e Microsoft, como também contribuem com uma proporção significativa da receita dessas empresas; mais importante, podem representar uma grande parte dos pedidos futuros de receita desses provedores de nuvem.

Isso significa que o que o mercado vê não é apenas uma “demanda crescente por computação em nuvem”, mas uma estrutura de clientes altamente concentrada: os pedidos de IA dos provedores de nuvem vêm de empresas de IA, cuja capacidade de pagamento depende de financiamento e investimentos desses provedores. Em outras palavras, o fluxo de dinheiro não é simplesmente do cliente final para a empresa de modelos, e depois para o provedor de nuvem; ele circula, em grande medida, entre investidores, provedores de serviços em nuvem e empresas de IA.

Essa estrutura não é necessariamente insustentável. Na indústria de tecnologia, é comum depender de financiamento para impulsionar o crescimento inicial; cloud computing, veículos elétricos e mobilidade compartilhada passaram por fases semelhantes. O problema é que o investimento em infraestrutura de IA é excessivamente grande, e atualmente poucas empresas podem consumir de forma sustentável uma grande quantidade de GPUs.

A figura mostra que os compromissos de gastos de OpenAI e Anthropic com Microsoft, Oracle, Google e Amazon representam uma parcela significativa dos pedidos de receita acumulada desses provedores de nuvem. O rosa indica os compromissos de gastos da OpenAI, o laranja os da Anthropic, e o cinza os demais pedidos de receita acumulada. Fonte: The Information, citado por Where’s Your Ed At;

Se essa estimativa estiver correta, uma conclusão preocupante é que uma grande parte da receita futura dos gigantes de nuvem não depende apenas da demanda por IA, mas da capacidade contínua de financiamento, expansão e pagamento de contas de nuvem por parte de OpenAI e Anthropic.

II. A “conta circular” entre Anthropic e os gigantes de nuvem

A crítica de Zitron a Anthropic é especialmente dura. Ele acredita que o problema de Anthropic não é apenas prejuízo, mas que ela criou uma relação de fluxo de caixa semelhante a um ciclo com Amazon e Google: os gigantes de nuvem investem na Anthropic, que usa esse dinheiro para comprar serviços em nuvem e capacidade de processamento, gerando expectativas de receita para os provedores, que continuam expandindo sua infraestrutura.

Do ponto de vista financeiro, parece uma situação de ganha-ganha: as empresas de IA obtêm capacidade de treinamento e inferência, os provedores de nuvem conquistam grandes clientes, e o mercado de capitais vê uma história de crescimento. Mas, se a própria Anthropic não tiver receita e lucro suficientes, sua capacidade de pagar as contas de nuvem dependerá fortemente de financiamento externo.

Esse é o núcleo do que o artigo chama de “circularidade”: a receita futura de um provedor de nuvem pode depender de sua capacidade de continuar investindo na IA, enquanto a própria narrativa de crescimento das empresas de IA depende de provedores de nuvem que forneçam capacidade, investimentos e descontos contínuos. Na superfície, parece uma cadeia de crescimento acelerado; sob outro ângulo, é uma cadeia de riscos interdependentes.

Para o público chinês, isso não é novidade. Qualquer setor de alto investimento, em rápida expansão, tende a seguir a lógica de “construir infraestrutura primeiro, depois esperar que a demanda se concretize”. A diferença é que o custo unitário de construção de capacidade de IA é extremamente alto, a depreciação tecnológica é rápida, e se a demanda real não atingir as expectativas, os custos irrecuperáveis podem ser pesados.

III. xAI transferindo Colossus-1: um sinal de demanda negligenciado

Outro caso que merece atenção é a transferência do data center Colossus-1, de 300MW, de SpaceX, xAI e Elon Musk para Anthropic. Musk chamou o Colossus-1 de “o sistema de treinamento de IA mais poderoso do mundo” e afirmou que sua construção tinha como objetivo treinar o Grok. Agora, essa capacidade foi transferida para uso da Anthropic.

Zitron acredita que isso envia um sinal bastante incomum: se empresas de grande porte como a xAI não precisam construir toda a capacidade por conta própria, então, além da OpenAI e Anthropic, quantos outros grandes compradores de GPU existem no mercado?

Essa questão é fundamental. Nos últimos anos, a narrativa do mercado foi que “a capacidade de IA nunca é suficiente”. Mas “falta de capacidade” só faz sentido se houver clientes concretos sustentando essa demanda. Quem compra a longo prazo? Quem tem capacidade de pagar? Quem tem receita suficiente para cobrir custos de inferência e treinamento? Essas perguntas não podem ser respondidas apenas com “demanda futura”.

Zitron cita dados da Sightline Climate, que mostram que atualmente há 15,2 GW de capacidade em construção, com previsão de conclusão até o final de 2027. Se essa capacidade precisar ser consumida por milhares de empresas que alugam GPUs em grande escala, o mercado precisa demonstrar onde estão esses clientes, qual é o modelo de negócio deles e se eles têm receita suficiente para pagar pelos custos de computação.

IV. O dinheiro das startups de IA, para onde vai?

Outro ponto importante do artigo é a relação de alta transmissão entre receita de software de IA e receita de poder computacional. Muitas startups de IA parecem estar obtendo receita, mas, para oferecer seus serviços, precisam usar modelos da OpenAI ou Anthropic, ou alugar GPUs de provedores de nuvem. Como resultado, o financiamento e a receita dessas startups acabam fluindo para algumas poucas empresas de modelos e infraestrutura de nuvem.

Esse padrão leva a dois resultados. Primeiro, a receita da cadeia de valor se concentra cada vez mais nas empresas líderes. Segundo, mesmo que as empresas de aplicações tenham crescimento de receita, podem ter dificuldades em obter lucros saudáveis, pois os custos de chamadas de modelos e de GPU continuam consumindo fluxo de caixa.

Por isso, o crescimento do setor de aplicações de IA não deve ser confundido com o crescimento geral da indústria. Se muitas dessas empresas apenas convertem financiamento em custos de API, sem poder de precificação ou margem de lucro, elas funcionam mais como canais de modelos de base do que como entidades comerciais independentes e sustentáveis.

Para os empreendedores de IA no Brasil, essa questão é especialmente relevante. Empresas de modelos grandes enfrentam dificuldades semelhantes: conseguir escapar da dependência de modelos de baixo custo e recursos de nuvem, criar seus próprios dados, cenários e clientes fiéis, será decisivo para determinar se serão apenas “mostradores de capacidade de modelos” ou se se tornarão negócios realmente sustentáveis.

V. Gigantes de nuvem, fabricantes de GPU e novas empresas de nuvem estão presos na mesma narrativa

Zitron reforça que a influência de OpenAI e Anthropic não se limita aos provedores de nuvem. A demanda por poder computacional também se espalha por NVIDIA, fabricantes de servidores, novas empresas de nuvem e desenvolvedores de data centers. Desde que o mercado acredite que a demanda por IA crescerá infinitamente, as vendas de GPUs, pedidos de servidores, construção de data centers e avaliações de empresas de nuvem podem se sustentar.

Porém, o ponto central continua sendo a qualidade da demanda. Uma indústria pode criar uma prosperidade temporária por meio de gastos de capital, mas não pode substituir a demanda real a longo prazo. Se os principais clientes de novas empresas de nuvem continuarem sendo OpenAI, Anthropic, Meta ou provedores de nuvem que atendem a esses, a concentração de clientes será alta.

Isso não significa que IA não tenha valor ou que modelos grandes não tenham demanda de longo prazo. Pelo contrário, a IA está mudando software, conteúdo, busca, programação e serviços empresariais. Mas o que o mercado financeiro costuma precificar não é a utilidade da IA, e sim se ela é suficiente para sustentar uma expansão de infraestrutura de centenas de bilhões de dólares. Há uma grande diferença entre esses dois aspectos.

VI. Este artigo é radical, mas as questões que levanta não podem ser ignoradas

É importante notar que a posição de Zitron é bastante contundente, chegando a rotular a economia de poder computacional de IA como uma “fraude, ilusão e erro gigantescos”. Essa avaliação certamente não reflete um consenso da indústria, nem deve ser tomada como uma conclusão definitiva.

Porém, as perguntas que ele levanta são realmente relevantes e merecem discussão séria.

Para o mercado chinês, mais importante do que simplesmente julgar se a “bolha de IA vai estourar” é adotar uma perspectiva diferente: não apenas observar parâmetros de modelos, volumes de financiamento, quantidade de GPUs ou escala de data centers, mas também entender quem são os clientes finais, de onde vêm as receitas, quem paga os custos e se há um ciclo de lucros viável.

Se a IA realmente gerar um aumento de produtividade suficiente, a construção de capacidade será absorvida. Mas se o crescimento for impulsionado principalmente por um ciclo de capital, contas de nuvem e pedidos futuros entre algumas empresas, a vulnerabilidade dessa prosperidade será maior do que aparenta.

Conclusão: a questão-chave da IA passa a ser “qualidade da demanda, não apenas existência”

O valor de longo prazo da IA não depende necessariamente de todos os investimentos atuais em infraestrutura serem justificáveis. Grandes modelos podem continuar evoluindo, aplicações de IA podem se expandir, e as empresas podem avançar na automação. Mas, ao mesmo tempo, o ciclo de gastos de capital, receitas de nuvem e demanda por GPUs ainda precisa ser avaliado com maior transparência.

O ponto mais valioso do artigo não é se ele está totalmente correto, mas sim que nos lembra: o verdadeiro risco da indústria de IA talvez não seja “ninguém usando IA”, mas sim “receitas insuficientes para cobrir os custos de sua construção”.

Quando uma indústria passa a depender de poucos clientes superpotentes, poucos provedores de nuvem e financiamento contínuo para sustentar o crescimento, investidores, empreendedores e observadores devem fazer a mesma pergunta: isso é uma nova fase de construção de infraestrutura tecnológica ou uma ilusão de capital sustentada por receitas futuras e pagamentos circulares?