A IA consegue responder à pergunta de 3 trilhões de dólares?

Há três anos, David Cahn, sócio da Sequoia, foi uma das primeiras pessoas a fazer as contas e colocar um número nas implicações dos gastos titânicos do Vale do Silício com infraestrutura de IA.

Em 2023, ele estava reagindo à receita anual de chips gráficos (GPUs) da Nvidia, relatada em US$ 50 bilhões. Partindo desse valor e somando os custos implícitos de operação dos centros de dados e as margens de seus operadores, ele deduziu que seriam necessários US$ 200 bilhões em receita para pagar o investimento inicial.

Ele encarou isso como um desafio, pedindo aos empreendedores que criassem produtos e serviços de IA para aproveitar e gerar receita com toda essa infraestrutura. Avançando rapidamente para os dias de hoje, somando três anos de expansão em escala (hyperscaling), Cahn tem um novo número sobre os gastos com infraestrutura de IA para 2026: US$ 1,5 trilhão.

No total, ele calcula que a indústria de IA terá de faturar US$ 3 trilhões para justificar todos esses chips e outros gastos com centros de dados. E isso provavelmente é uma subestimação — o aumento dos custos de memória e o uso crescente de chips exóticos ou específicos para inferência farão esse número subir. “Recentemente,” ele escreve, “a receita necessária por GW de despesas de capital (CapEx) aumentou acentuadamente devido a essas dinâmicas de gargalo e ao aumento dos custos de construção.”

Do outro lado do balanço, acredita-se que a Anthropic tenha alcançado US$ 60 bilhões em receita recorrente anual (ARR), enquanto o OpenAI teria faturado US$ 13 bilhões em 2025 (embora em novembro de 2025 tenha declarado estar em US$ 20 bilhões de ARR) e presumivelmente esteja ganhando mais este ano. Mas há claramente uma grande lacuna a ser preenchida.

Quem está prestando atenção nessa lacuna é Torsten Slok, economista-chefe da Apollo, a gigante gestora de ativos. Em uma nota recente, ele aponta que as gigantes de computação em nuvem (*hyperscalers*) — Google, Meta, Microsoft e Amazon — estão prevendo acelerações massivas em seu fluxo de caixa livre em 2028. Ou seja, elas esperam ver o retorno de todos esses chips que compraram.

E se não virem? Slok aponta um risco que estamos vendo atualmente no uso de IA: mais organizações recorrendo a modelos de pesos abertos mais baratos, muitas vezes chineses, e não aqueles criados pelos laboratórios de fronteira, além da queda geral nos preços dos tokens. O modelo mais recente da OpenAI, segundo o CEO Sam Altman, é 54% mais eficiente em termos de tokens em tarefas de programação. Isso é bom para os usuários preocupados com o custo de seus agentes de IA, mas pode ser ruim para as empresas que constroem "fábricas de tokens" caso os usuários não aumentem drasticamente o uso geral de tokens com elas.

Slok teme que, se as gigantes da nuvem não atingirem suas metas de fluxo de caixa, a reação do mercado possa ser severa —
“com tanto em jogo em tão poucas empresas”, ele escreve, “um retorno mais lento não seria apenas um problema do setor, mas correria o risco de empurrar a economia para uma recessão e o índice S&P 500 para uma correção.”

Apenas algo a ter em mente enquanto você direciona seus agentes de IA para tokens mais baratos.