O debate do retorno sobre o investimento em IA e a questão de US$ 3 trilhões

Há três anos, o sócio da Sequoia, David Cahn, foi um dos primeiros a quantificar as implicações dos investimentos titânicos do Vale do Silício em infraestrutura de inteligência artificial. Em 2023, diante da receita anual de US$ 50 bilhões da Nvidia em GPUs, ele calculou que seriam necessários US$ 200 bilhões em receita para pagar o investimento inicial, considerando os custos operacionais dos data centers e as margens dos operadores. Na época, o executivo lançou um desafio aos empreendedores para que criassem produtos e serviços capazes de monetizar toda essa capacidade instalada.

Hoje, após três anos de expansão em larga escala, os números assumiram proporções muito maiores. Cahn projeta que os gastos com infraestrutura de IA atinjam US$ 1,5 trilhão em 2026. Para justificar a aquisição de chips e as despesas com data centers, a indústria de IA precisará gerar US$ 3 trilhões em receita. Segundo o analista, esse valor provavelmente é uma estimativa conservadora, uma vez que o aumento dos custos de memória e o uso crescente de chips específicos para inferência devem elevar ainda mais a conta.

Do outro lado do balanço, as receitas das principais empresas mostram um crescimento expressivo, mas ainda insuficiente para fechar a equação. Estima-se que a Anthropic tenha atingido US$ 60 bilhões em receita recorrente anual, enquanto a OpenAI faturou US$ 13 bilhões em 2025, tendo reportado US$ 20 bilhões em receita recorrente no final daquele ano. Apesar do avanço, a distância entre a receita atual e o montante necessário para justificar os investimentos em infraestrutura permanece vasta.

Torsten Slok, economista-chefe da gestora de ativos Apollo, observa que os hiperscalers — Google, Meta, Microsoft e Amazon — preveem uma aceleração massiva em seu fluxo de caixa livre para 2028, apostando no retorno financeiro de suas aquisições de chips. No entanto, existem riscos significativos no horizonte. Slok destaca a migração de organizações para modelos de código aberto mais baratos, frequentemente desenvolvidos por empresas chinesas, em detrimento dos laboratórios de fronteira, o que tem pressionado para baixo os preços gerais dos tokens no mercado.