Nos últimos anos, a corrida pela inteligência artificial transformou chips, data centers e energia elétrica em ativos extremamente valiosos. Empresas investiram centenas de bilhões de dólares para garantir capacidade computacional suficiente antes da concorrência. Agora, porém, algumas das maiores companhias do setor começaram a fazer um movimento diferente, levantando dúvidas sobre o futuro desse mercado e reacendendo o debate sobre o verdadeiro ritmo da revolução da IA.
As gigantes da tecnologia estão encontrando uma nova forma de rentabilizar seus investimentos
Durante a explosão da inteligência artificial, possuir milhares de chips avançados deixou de ser apenas uma vantagem competitiva e passou a ser considerado um requisito para sobreviver no mercado.
Meta, Google, Microsoft, Amazon e as empresas ligadas a Elon Musk disputaram processadores da Nvidia, terrenos para construção de data centers e contratos de fornecimento de energia para sustentar modelos de IA cada vez maiores.
Naquele momento, o maior risco parecia ser investir pouco.
Agora, uma nova estratégia começa a ganhar força.
Em vez de utilizar toda a infraestrutura exclusivamente para seus próprios modelos de inteligência artificial, algumas empresas passaram a oferecer parte dessa capacidade computacional para terceiros.
A SpaceX, por meio da infraestrutura de IA ligada à xAI, já fechou contratos bilionários para fornecer poder de processamento a empresas como Google e Anthropic.
Segundo informações divulgadas por veículos especializados, um dos acordos com o Google pode superar US$ 30 bilhões até 2029 e garantir acesso a aproximadamente 110 mil GPUs.
Enquanto isso, a Meta também negocia contratos semelhantes. A empresa mantém conversas para disponibilizar capacidade computacional à Anthropic, desenvolvedora do modelo Claude. As negociações ainda não foram concluídas, mas estimativas apontam que um possível acordo poderia alcançar cerca de US$ 10 bilhões ao longo de dois anos.
Embora Mark Zuckerberg afirme que a Meta continua utilizando praticamente toda sua infraestrutura, ele reconheceu que determinadas propostas comerciais podem justificar o redirecionamento de parte desses recursos.
Isso não significa, necessariamente, que exista excesso de capacidade instalada.
Mas muda completamente a lógica que sustentou a corrida pelos chips nos últimos anos: a ideia de que todo processador adquirido seria imediatamente necessário para treinar e executar modelos próprios.
O desafio não está apenas em construir data centers, mas em mantê-los rentáveis
Segundo estimativas do Goldman Sachs, os investimentos globais em chips, data centers, sistemas de refrigeração, infraestrutura elétrica e demais equipamentos voltados para inteligência artificial podem alcançar US$ 7,6 trilhões entre 2026 e 2031.
O problema é que toda essa infraestrutura possui prazo limitado para gerar retorno.
Especialistas estimam que aceleradores de IA mantenham sua competitividade por aproximadamente quatro a seis anos antes de serem substituídos por tecnologias mais avançadas.
Mesmo funcionando perfeitamente, eles podem perder valor econômico rapidamente diante da evolução acelerada do setor.
Isso faz com que data centers ociosos representem um custo elevado, consumindo recursos financeiros enquanto seus equipamentos se depreciam continuamente.
Nesse contexto, transformar capacidade computacional em um serviço comercial pode ser uma maneira eficiente de acelerar o retorno dos investimentos.
A estratégia lembra, em parte, o caminho seguido pela Amazon anos atrás, quando converteu sua infraestrutura interna na plataforma Amazon Web Services (AWS), hoje uma das operações mais lucrativas da empresa.
A Meta parece avaliar uma abordagem semelhante para a era da inteligência artificial.
Enquanto a oferta cresce, empresas começam a controlar os gastos com IA
Ao mesmo tempo em que as gigantes ampliam sua infraestrutura, muitas empresas que utilizam inteligência artificial começaram a rever seus investimentos.
Após entrevistar líderes de tecnologia de grandes organizações, analistas do UBS concluíram que aproximadamente 60% delas já implementaram algum tipo de controle ou limitação sobre os gastos com inteligência artificial.
Em um dos casos analisados, uma companhia consumiu quase todo seu orçamento anual destinado à IA e precisou reduzir significativamente o número de ferramentas utilizadas internamente.
Isso não significa abandono dos projetos, mas demonstra uma preocupação crescente com o custo operacional dessas soluções.
Outro desafio envolve a própria qualidade dos modelos.
Segundo o pesquisador Neil Thompson, do MIT, elevar a precisão de sistemas baseados em inteligência artificial exige investimentos cada vez maiores. Melhorar um modelo de 80% para 90% de acerto já representa um aumento importante de custos, enquanto atingir níveis próximos de 99% pode exigir investimentos muito superiores.
Na prática, muitas empresas descobrem que processos totalmente automatizados ainda precisam de supervisão humana, especialmente quando envolvem dinheiro, clientes ou decisões críticas.
Por isso, o mercado ainda tenta responder a uma pergunta fundamental.
Alugar capacidade computacional pode representar apenas uma excelente oportunidade de negócios, aproveitando uma distribuição desigual de recursos entre as empresas.
Mas também pode indicar que a demanda real pela infraestrutura construída ainda não cresce na mesma velocidade dos investimentos realizados.
Se o mercado continuar expandindo o uso da inteligência artificial, essas operações podem gerar receitas bilionárias durante muitos anos.
Caso contrário, elas poderão revelar que parte da indústria construiu uma infraestrutura gigantesca antes de existir uma demanda suficiente para justificá-la. É justamente essa dúvida que faz desse movimento uma das tendências mais importantes para acompanhar nos próximos anos.
