Vamos então voltar ao ponto de partida desta grande queda para ver o que realmente aconteceu. Foi o colapso de uma bolha ou pânico excessivo? Uma correção ou o fim?

A 1 de julho, uma notícia de primeira página afirmou que a Meta poderia vender o seu poder computacional de IA excedente, num modelo de negócio semelhante ao NeoCloud. O mercado interpretou isto como o primeiro sinal real de "excesso de oferta de poder computacional". Combinado com preocupações anteriores sobre a elevada proporção de memória no CapEX total, iniciou-se uma queda sistemática.

1️⃣ A Meta perdeu na corrida da IA
Isto já deve ser um facto público. Para além do atraso nos modelos, os grandes investimentos em IA estão a consumir ainda mais o fluxo de caixa da Meta. Sem qualquer mudança, o fluxo de caixa livre da Meta permanecerá negativo durante os próximos anos.

Atualmente, a utilização dos clusters H100/H200 na infraestrutura interna da Meta é de cerca de 65%. Os restantes 35% de capacidade ociosa oferecem à Meta, que precisa de dinheiro, uma via de monetização.

Não é dinheiro nenhum.

2️⃣ A hierarquização do poder computacional
A Meta está principalmente a alugar clusters de GPU da geração H100/H200. A geração mais recente, "poder computacional de topo para treino GB300", continua a ser maioritariamente para uso próprio.

A Meta planeia atualmente dois modelos para alugar poder computacional:
1) Alugar o compute bruto, permitindo que os clientes treinem/façam inferência nos DCs da Meta (semelhante ao CoreWeave);
2) Abrir o acesso a modelos de IA alojados na infraestrutura da Meta.

A procura por cartões de inferência vs. cartões de treino irá divergir: cartões antigos para inferência, cartões novos para treino — esta é a linha principal.

O poder computacional de topo para treino continua escasso. O prazo de entrega para poder computacional de treino de alto nível ainda é superior a 6–9 meses.

3️⃣ A procura de IA abrandou?
A SemiAnalysis forneceu um conjunto de números concretos: só no primeiro semestre de 2026, a Meta já contratou mais de 5 GW de capacidade de datacenter, abrangendo aluguer na cloud e salas de servidores alojadas, e isto não inclui todo o progresso dos projetos próprios.

Não foi mencionado anteriormente que 35% do poder computacional está ocioso? Então porque continuam a comprar novo poder computacional?

O laboratório de superinteligência da Meta (MSL) coloca o desenvolvimento de grandes modelos como a principal direção para o uso do poder computacional, apoiando a iteração de treino da próxima geração da série Llama e modelos multimodais, numa tentativa de alcançar a OpenAI/Anthropic.

Sistema de recomendação de anúncios (RecSys): espaço para expansão de 10x.
A SemiAnalysis acredita que a Meta pensa que pode aumentar a complexidade do sistema de recomendação de anúncios em mais de 10 vezes para acelerar o crescimento das receitas. Isto requer investimento simultâneo em poder computacional de inferência e treino. Modelos RecSys maiores e mais caros já estão a levar os anunciantes a pagar preços mais elevados, mantendo ao mesmo tempo fortes taxas de retorno dos anúncios.

Acima de tudo, continuamos a segurar com dor, mas mantendo o otimismo.