Meta vende poder de computação, Palantir reclama nas ruas, Zhipu torna-se o topo do Vale do Silício, a história do Capex de IA precisa de uma nova narrativa.

Escrito por: Beatz em alta

A tendência do mercado de IA sofreu uma nova correção violenta, desta vez porque a Meta disse que pode vender o excesso de capacidade de computação de IA que tem.

Se esta notícia tivesse sido divulgada há três anos, provavelmente ninguém acharia estranho. A computação em nuvem é, desde sempre, um negócio de fatiar servidores e vendê-los a terceiros. Amazon, Microsoft e Google fazem isso há muitos anos. Novos fornecedores de nuvem como CoreWeave e Nebius também usam este caminho para transformar chips da Nvidia em garantias de financiamento, e depois transformar o financiamento em mais chips.

Mas quando chega a vez da Meta, as coisas mudam de sabor.

A Meta não costumava entender a capacidade de computação desta forma. Comprava chips, construía centros de dados, disputava eletricidade e terrenos para os seus próprios modelos, para o seu sistema de publicidade, para os seus feeds de recomendação, e para a superinteligência cada vez mais próxima na boca de Zuckerberg. Não é um fornecedor de nuvem. Originalmente, não ganhava dinheiro alugando máquinas a outros.

Uma empresa que antes dizia: preciso do máximo de máquinas possível, porque o futuro vai consumi-las. Agora diz: se estas máquinas não forem todas usadas temporariamente, também posso vendê-las a outros.

Isto não prova diretamente que há excesso de capacidade de computação, mas também não pode ser ignorado.

No dia do colapso do mercado de ações, o CEO da Palantir, Alex Karp, num programa de entrevistas da CNBC, insultou durante quase vinte minutos.

Ele tinha ido para falar sobre a nova parceria entre a Palantir e a Nvidia, mas rapidamente virou o discurso para o modelo de taxação de tokens da OpenAI e da Anthropic. Disse que os CEOs se queixavam em privado que a adoção de IA nas empresas é "pagar por tokens que não criam qualquer valor, e ainda entregar os seus dados". Chegou mesmo a chamar às faturas cada vez mais caras dos modelos um imposto sobre a riqueza que pesa sobre as empresas.

Nos últimos dois anos, a discussão era sobre quem ousava gastar mais, quem gastava mais rápido, quem conseguia empilhar centros de dados primeiro. Agora a questão está a mudar. Depois de as máquinas serem compradas, quem é que consegue mantê-las sempre a funcionar a toda a capacidade.

A declaração da Meta ainda não se concretizou num negócio formal. Em reportagens públicas, há uma direção interna chamada Meta Compute, que pode vender capacidade de computação bruta, ou, como a Amazon Bedrock, colocar diferentes modelos na sua infraestrutura e vendê-los a programadores. Zuckerberg disse anteriormente numa reunião de acionistas que empresas externas perguntam quase todas as semanas se podem comprar o serviço de API deles, ou comprar uma parte da computação, e que estão dispostas a pagar um preço superior ao custo da Meta.

Ele também acrescentou na altura. Ainda não o fizeram, porque a Meta acha que ainda precisa dessa capacidade de computação.

Se precisarem, alugar é uma opção. Se não precisarem, alugar é um analgésico para o balanço.

A parte mais difícil de avaliar é também esta. A Meta pode estar apenas a abrir uma janela no seu ritmo de construção, para vender os recursos temporariamente ociosos. Também pode estar a dizer aos investidores que os gastos de IA ao nível das centenas de milhares de milhões de dólares não podem ser sempre sustentados por uma superinteligência distante, e que é preciso encontrar primeiro uma linha de receitas mais próxima.

Ambas as explicações podem ser válidas.

A procura não desapareceu, apenas começou a selecionar

Capex é o núcleo da narrativa da IA, sem paralelo. Tal como a expansão monetária de 2021, a expectativa do Capex é que cresça sempre, que o dinheiro continue a fluir, para que todos os ramos do mercado subam juntos. Ao ver a Meta preparar-se para vender capacidade de computação, muitos reagiram instintivamente: o capex da IA vai colapsar. As grandes empresas finalmente admitiram que compraram demais, e a festa dos semicondutores deve acabar.

Dizer isto é demasiado simplista.

Os dados públicos ainda não suportam uma conclusão tão categórica. A receita da AWS no primeiro trimestre cresceu 28%, para 37,6 mil milhões de dólares, um crescimento rápido raro nos últimos anos. O Google Cloud cresceu ainda mais no primeiro trimestre, com receitas a atingir os 20 mil milhões de dólares. O Microsoft Azure também continua a correr a cerca de 40%.

A Amazon continua a dizer que as suas despesas de capital este ano podem chegar aos 200 mil milhões de dólares, a Alphabet elevou a sua orientação de despesas de capital para 2026 para 180 a 190 mil milhões de dólares, e a própria Meta elevou as suas despesas de capital anuais para 125 a 145 mil milhões de dólares.

Estes números não parecem um colapso da procura.

Parecem mais uma bifurcação.

A situação dos fornecedores de nuvem é diferente da dos fornecedores de modelos. Os fornecedores de nuvem vendem estradas. Enquanto houver pessoas a circular na estrada, independentemente de quem fabricou o carro, eles podem cobrar. OpenAI, Anthropic, clientes empresariais, clientes governamentais, startups, todos acabam por cair num determinado centro de dados, num determinado chip, numa determinada rede e num determinado contrato de eletricidade.

Por isso, os três grandes podem continuar fortes.

A AWS até aumentou o preço de um serviço de IA em nuvem no final de junho, um serviço que permite aos clientes reservar GPUs antecipadamente, e a AWS aumentou o preço deste serviço em cerca de 20% a partir de julho. Já o tinha ajustado em janeiro, cerca de 15%. Não é uma ação que ocorra quando a procura está fraca.

Quando há escassez, o vendedor aumenta o preço.

Mas nem todos os fornecedores de modelos podem estar tão confortáveis.

Os ativos dos fornecedores de modelos são mais exigentes. A capacidade de computação não gera receita só por estar lá. Precisa de ser constantemente preenchida por modelos mais inteligentes, utilizadores mais frequentes e fluxos de trabalho empresariais mais caros. Só quando o modelo é suficientemente bom é que os utilizadores estão dispostos a tolerar filas de espera, limites, aumentos de preços e níveis de subscrição cada vez mais complexos.

É também por isso que a Anthropic é vista pelo mercado como um tipo diferente de empresa. Não é porque é barata, mas porque os utilizadores estão dispostos a confiar-lhe tarefas caras. Escrever código, modificar sistemas, executar tarefas longas, integrar fluxos de trabalho empresariais — uma vez que estas tarefas entram realmente no ambiente de produção, consomem muito mais tokens do que conversas informais.

O problema dos modelos fortes é a falta de máquinas.

O problema dos modelos fracos é que ninguém se importa com as máquinas.

Estes dois problemas chamam-se ambos capacidade de computação, mas não são a mesma coisa.

A linha da xAI também tem o mesmo cheiro. O Grok não formou uma mentalidade empresarial clara como os modelos mais fortes, mas parte da capacidade de computação do ecossistema de Musk pode fluir para a Anthropic. Esta ação é mais fria do que qualquer slogan. As máquinas não conhecem fundadores, só conhecem quem as consegue manter a funcionar a toda a capacidade.

A relação entre o Google e a Meta também mostra que as coisas não são tão simples. Em junho, houve notícias de que o Google limitou o uso do Gemini pela Meta, porque a capacidade de computação que a Meta queria comprar excedia o que o Google podia fornecer, afetando até alguns projetos de IA internos da Meta. Uma empresa que considera vender capacidade de computação, ao mesmo tempo que não consegue comprar capacidade de modelo de topo suficiente para algumas tarefas.

Isto não é excesso no sentido tradicional.

Isto é desajuste. Porque as faturas começam a tornar-se incómodas.

Os fornecedores de nuvem podem continuar a aumentar os preços, porque vendem certeza. O que os clientes querem é GPUs garantidos por um período de tempo, um centro de dados estável, uma infraestrutura que não falhe a meio da noite.

Mas depois de os clientes empresariais obterem a capacidade de computação, o problema não acaba.

Eles ainda têm de entregar esta fatura ao CFO. O CFO não vai perguntar quantos tokens usaste, ele vai perguntar quanto dinheiro estes tokens pouparam à empresa, quanto dinheiro extra ganharam, quantos erros evitaram.

Nas empresas, o token transforma-se num contador de eletricidade

Isto volta à entrevista do Karp no início.

Ele descreveu o que muitas empresas de IA vendem às empresas como sobredimensionamento. No dia anterior ao programa, a Palantir também publicou uma declaração de nove pontos no X, sobre a chamada soberania da IA, onde apontou especificamente o modelo de tokenmaxxing. Esta palavra é difícil de traduzir, soa mal em tradução direta, mas o significado não é complicado: tratar o consumo de tokens como progresso, tratar a queima de dinheiro como uso, tratar a fatura como produtividade.

Karp colocou os laboratórios de ponta como OpenAI e Anthropic na mesa. A sua intenção não é que as empresas não devam usar os melhores modelos, mas sim que as empresas não devam entregar os seus dados, processos e julgamentos de negócio, e depois pagar uma fatura cada vez maior com base no consumo.

A Palantir quer vender outra coisa. Não é uma caixa de chat genérica, não é uma única API, é colocar dados, aprovações, permissões, regras operacionais e IA no mesmo sistema de negócio. O que o cliente paga não é "quantas vezes usou IA", mas se uma determinada linha de produção, um determinado processo de gestão de risco, uma determinada tarefa governamental foi realmente transformada.

As pessoas que realmente gerem o dinheiro nas empresas já começaram a acordar.

O UBS falou recentemente com executivos de TI empresariais e uma direção é clara. Muitas empresas não estão a deixar de usar IA, estão a colocar travões nos gastos com IA. Cerca de 60% das empresas inquiridas estão a pressionar os gastos com tokens, a adicionar barreiras de utilização, especialmente aquelas que já passaram o período experimental e começaram a colocar IA nos seus fluxos de trabalho diários.

Esta é também uma reviravolta muito interessante.

Depois de a IA passar de brinquedo a ferramenta, gastar dinheiro torna-se ainda mais difícil. Na fase de brinquedo, o patrão estava disposto a dar orçamento, porque todos tinham medo de ficar para trás. Na fase de ferramenta, o CFO pergunta a quem poupou horas de trabalho, a quem vendeu mais produtos, a quem reduziu riscos.

Nesta tabela, o token não se parece com receita.

Parece-se mais com um contador de eletricidade.

Claro que se pode dizer que um contador a rodar rápido significa que a fábrica está a trabalhar. Também se pode dizer que o contador roda muito rápido mas a produção não aumenta, o que significa que a máquina tem um problema.

O AI agent amplifica este problema. Um estudo da Codex, da OpenAI e de várias universidades, tem um conjunto de dados assustador. No primeiro semestre de 2026, os utilizadores ativos do Codex cresceram mais de cinco vezes; a produção de tokens em alguns departamentos internos da OpenAI também disparou, com a produção mediana mensal de tokens no departamento jurídico a ser 13 vezes superior a novembro de 2025, e no departamento de investigação mais de 50 vezes superior.

Outro estudo coloca a questão de forma mais dura. As tarefas de agentic coding podem consumir até 1000 vezes mais tokens do que as conversas normais de código e raciocínio de código. Para a mesma tarefa, o consumo de tokens entre diferentes execuções pode variar até 30 vezes.

Esta é a base da escassez de capacidade de computação hoje.

Não é que as pessoas tenham feito mais umas perguntas ao chatbot.

É que o software começou a transformar-se num grupo de pequenos trabalhadores que leem ficheiros repetidamente, executam comandos, modificam código, falham, recomeçam, falham novamente, recomeçam novamente. Eles não têm hora de almoço, mas consomem tokens a cada passo.

Quando o token se torna um contador de eletricidade, quem possui a central elétrica tem poder. Mas quem desperdiça eletricidade também será o primeiro a ser questionado.

Quando a fatura engorda, os modelos baratos ganham lugar

Assim que o CFO começa a olhar para este contador, o próximo passo é quase automático.

Ele vai perguntar: que tarefas precisam do melhor modelo, e que tarefas só precisam de um modelo suficientemente bom.

Neste momento, modelos de código aberto como GLM, Kimi, DeepSeek, Qwen deixam de ser apenas notícias tecnológicas. Transformam-se em ferramentas de negociação na mesa de compras das empresas.

Até Marc Andreessen, da a16z, uma das principais venture capitals de Silicon Valley, disse que muitos profissionais de IA já consideram o GLM-5.2 da Zhipu como um dos primeiros modelos chineses a igualar ou até superar os modelos públicos de topo dos EUA na maioria das tarefas. Este julgamento pode não ser o veredito final, mas dá às empresas mais uma opção.

A Coinbase deu um exemplo ainda mais claro. Brian Armstrong disse que a empresa mudou o seu modelo de IA padrão para modelos de código aberto como GLM 5.2, Kimi 2.7, combinados com encaminhamento de modelos, cache e contexto simplificado. O uso de tokens continua a crescer exponencialmente, mas os gastos com IA foram reduzidos para quase metade.

O poder de impacto desta frase reside no facto de, pela primeira vez, as empresas poderem desagregar a capacidade do modelo nas suas compras.

As tarefas mais difíceis continuam a ser entregues ao modelo mais caro. Resumos comuns, atendimento ao cliente, extração de informação, código modelar, perguntas e respostas internas de base de conhecimento, são entregues a modelos baratos e implementações locais.

Os modelos de código aberto não precisam de ganhar todas as batalhas.

Basta que façam o departamento de compras acreditar que nem todos os quilowatts-hora têm de ser pagos ao preço da eletricidade de uma mansão.

Chegados aqui, a venda de capacidade de computação pela Meta deixa de ser uma notícia isolada.

Ela, juntamente com o Karp a insultar os tokens e a Coinbase a cortar nos modelos de código aberto, fala da mesma coisa: a cadeia de gastos com IA começou a ser desmontada. O upstream vende certeza, o midstream vende resultados, o downstream pressiona o preço unitário. Cada camada ainda está a crescer, mas cada camada começa a ser questionada: vale a pena o dinheiro gasto?

O mais difícil não é comprar máquinas, é mantê-las sempre ocupadas

Nos últimos dois anos, a história mais fácil de contar na indústria da IA foi a falta de recursos.

Não há GPUs suficientes, não há eletricidade suficiente, não há centros de dados suficientes, não há engenheiros suficientes, não há nuvem suficiente para executar os modelos. Esta história foi demasiado conveniente. Enquanto houver falta de algo, todos reagem instintivamente a avançar. Primeiro, garantir a posição, depois assinar o contrato de eletricidade, depois comprar os chips, depois montar as máquinas.

Quando se disputam recursos, as pessoas não costumam fazer contas detalhadas.

Porque o custo de ser mais lento parece maior.

Mas a notícia da Meta trouxe outro problema para a frente. Depois de as máquinas serem compradas, não é porque são caras que se tornam automaticamente um bom negócio. Elas precisam de trabalho todos os dias, precisam de clientes dispostos a pagar, precisam de modelos para as manter a funcion a toda a capacidade, precisam de aplicações para transformar o custo em receita.

Isto é a taxa de utilização.

A palavra taxa de utilização soa fria, mas na verdade é cruel. Não pergunta se tens futuro, pergunta se a tua máquina trabalhou hoje. Não se importa com o que dizes na conferência, nem se compraste o GPU mais caro. Só olha para uma coisa: este dinheiro transformou-se num fluxo de caixa contínuo?

Os fornecedores de nuvem respondem a esta pergunta com relativa facilidade. Eles sempre venderam infraestrutura. AWS, Google Cloud, Azure vendem estradas, eletricidade e salas de servidores. Os clientes que querem treinar modelos, executar inferências, alojar aplicações, acabam sempre por cair numa determinada nuvem.

Por isso, eles ainda podem ser fortes.

As empresas de modelos fortes também têm a sua resposta. Se o modelo for suficientemente forte, os utilizadores estão dispostos a esperar na fila, as empresas estão dispostas a integrar, os programadores estão dispostos a modificar os seus fluxos de trabalho à volta dele. Então, a capacidade de computação não é stock, é um gargalo. Quanto mais máquinas, mais ele pode funcionar.

O mais difícil é a camada do meio.

Elas têm máquinas, têm histórias, têm equipas de modelos, e têm grandes orçamentos. Mas o modelo não chegou à frente, o produto não se tornou um hábito diário, e os programadores não estão dispostos a modificar os seus fluxos de trabalho por ele. Para este tipo de empresas, a capacidade de computação passa de arma a stock com apenas uma falha no lançamento do modelo, ou uma migração de utilizadores.

Stock não é necessariamente inútil.

Mas o stock tem de baixar de preço, tem de ser alugado, tem de encontrar novos usos.

É aqui que a venda de capacidade de computação pela Meta é incómoda. Não prova que a Meta falhou, nem que a procura de IA desapareceu. Apenas faz o mercado ver, pela primeira vez, que a infraestrutura de IA pode enfrentar os mesmos problemas que uma fábrica normal.

A fábrica está construída. Onde estão as encomendas?

A capacidade de computação não desapareceu, apenas começou a estratificar-se

Por isso, a melhor forma de entender isto não é "excesso de capacidade de computação".

Este termo é demasiado grosseiro.

Uma descrição mais precisa é: a capacidade de computação começou a estratificar-se.

Na camada mais alta, ainda há escassez. Os melhores modelos, as melhores nuvens, os clusters de GPU mais estáveis, ainda há quem lute por eles. O serviço da AWS pode aumentar o preço, porque a certeza em si tem um preço. O cliente não compra apenas GPUs, compra a garantia de que um determinado dia, uma determinada hora, um determinado lote de máquinas estará disponível.

Na camada do meio, começa a ser embaraçoso. Pode não ser mau, mas não é suficientemente escasso. Pode executar modelos, fazer inferências, e também vender a clientes externos. Mas os clientes comparam, negociam, perguntam porque não usar um modelo mais barato, porque não usar a nuvem de outro, porque é que este lote de máquinas vale este preço.

Na camada mais baixa, será gradualmente comprimida por modelos de código aberto e otimização de custos. As empresas não vão chamar o modelo mais caro para tarefas comuns para sempre. Elas vão fazer encaminhamento, cache, comprimir contexto, dividir o modelo em diferentes níveis.

A procura cresceu.

As crianças não olham para a fatura quando gastam dinheiro, os adultos olham. Depois de a IA entrar nas empresas, também passará por este processo. Na fase piloto, todos têm medo de perder; na fase de escala, todos começam a fazer contas.

Depois de fazerem contas, a cadeia industrial já não será tão uniforme como no início.

Alguns continuam a aumentar os preços, porque vendem uma certeza insubstituível. Outros mudam para vender resultados, porque os clientes não querem pagar pelo consumo em si. Outros são forçados a baixar os preços, porque surgiram alternativas suficientemente boas. Outros alugam as máquinas, porque ter máquinas paradas é pior do que alugá-las a baixo preço.

Estas coisas a acontecerem ao mesmo tempo farão com que a indústria pareça contraditória.

De um lado, escassez de capacidade de computação.

Do outro, aluguer de capacidade de computação.

De um lado, aumento explosivo do consumo de tokens.

Do outro, empresas a reduzir os gastos com IA.

De um lado, modelos de topo cada vez mais fortes.

Do outro, modelos de código aberto cada vez mais baratos.

Elas não são contraditórias. Apenas mostram que a IA passou de uma história de total para uma história de estrutura.

A história dos velhos caminhos-de-ferro vai ser contada novamente

Na bolha dos caminhos-de-ferro do século XIX, os caminhos-de-ferro não eram falsos.

Os carris foram colocados, as mercadorias realmente viajaram, as cidades realmente cresceram, o tempo foi realmente encurtado. Muitas das redes comerciais mais valiosas posteriormente cresceram mesmo ao lado desses carris.

Mas isso não impediu que muitas pessoas que construíram caminhos-de-ferro na altura perdessem dinheiro.

Eles não perderam na direção. Perderam por terem construído cedo demais, construído demais, construído em locais sem tráfego de mercadorias e passageiros, ou por terem pedido dinheiro emprestado demasiado caro para construir uma estrada que demorava demasiado tempo a recuperar o investimento.

O mesmo se aplica à fibra ótica na bolha da Internet. A fibra ótica não estava errada. Mais tarde, o mundo inteiro foi sustentado por ela. O erro foram aqueles livros de contas, que meteram décadas de procura futura em anos de despesas de capital.

Os centros de dados de IA também podem deixar muitas coisas úteis. Os GPUs depreciam-se, os contratos de eletricidade renovam-se, os centros de dados mudam de equipamento, o software torna-se cada vez mais capaz de consumir capacidade de computação. O consumo de tokens que parece exagerado hoje pode tornar-se tão comum como o tráfego de vídeo HD daqui a alguns anos.

Mas os ativos têm o seu próprio temperamento.

Eles não se importam se acreditas no futuro. Só se importam se alguém os usa todos os dias.

O sinal da Meta a vender capacidade de computação está neste ponto.

Não é o fim da IA. Não é o fim dos semicondutores. É mais como, a meio da narrativa das despesas de capital, alguém abriu a porta pela primeira vez para deixar os de fora ver quantas máquinas há no armazém.

Algumas máquinas serão consumidas pelos modelos de topo.

Algumas máquinas serão alugadas por clientes de nuvem.

Algumas máquinas tornar-se-ão mais baratas na guerra de preços.

E algumas máquinas aguardarão silenciosamente por uma aplicação que ainda não apareceu.

Nos últimos dois anos, o mercado estava disposto a acreditar que todas as máquinas acabariam por encontrar o seu destino. Agora, começa a perguntar: quem encontrará primeiro, quem não encontrará, quem encontrará mas não ganhará dinheiro suficiente.

Assim que esta pergunta é feita, a história da IA muda.

Já não pertence apenas àqueles que compram máquinas mais rápido.

Pertence àqueles que conseguem manter as máquinas a funcionar sempre.

Link original

Clique para saber mais sobre as vagas em aberto na BlockBeats

Bem-vindo a juntar-te à comunidade oficial da BlockBeats:

Grupo de subscrição Telegram: https://t.me/theblockbeats

Grupo de discussão Telegram: https://t.me/BlockBeats_App

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