Há três anos, David Cahn, sócio da Sequoia, foi uma das primeiras pessoas a fazer as contas e a atribuir um número às implicações titânicas do Vale do Silício para a infraestrutura de IA.

Em 2023, a Nvidia relatou receita anual de GPU de US$ 50 bilhões. Esse número inicial, somado aos custos silenciosos de operação dos centros de dados e às margens operacionais, deduziu que seriam necessários 200 mil milhões de dólares em receitas para reembolsar o investimento inicial.

Ele aceitou o desafio, pedindo aos empreendedores que utilizassem produtos e serviços de IA para gerar receitas a partir de todas as infraestruturas. Avançando até hoje, acrescente três anos de hiperescala e Cahn terá um novo número de gastos em infraestrutura de IA para o ano de 2026: US$ 1,5 trilhão.

Ao todo, a indústria de IA terá que ganhar US$ 3 trilhões para justificar todos esses chips e outras despesas com data centers. E isto talvez seja uma subestimação – o aumento dos custos de memória e o uso crescente de chips exóticos ou consequentes especiais irão eliminar esse número. Ultimamente, escreve ele, a dívida CapEx da GW aumentou acentuadamente como resultado destas medidas e do aumento dos custos de construção.

Do outro lado da rodada, acredita-se que a Anthropic tenha atingido 60 bilhões em ARR, enquanto a OpenAI supostamente ganhou US$ 13 bilhões em 2025 (embora em novembro de 2025 tenha dito US$ 20 bilhões em ARR) e acredita-se que faça mais este ano. Mas há uma lacuna grande o suficiente para ser fechada.

Alguém que reflecte sobre esta lacuna é Torsten Slok, o economista-chefe da Apollo, a grande gestora de activos. Em nota recente, ele ressalta que as hiperescalas – Google, Meta, Microsoft e Amazon – prevêem todas grandes acelerações no fluxo de caixa livre em 2028. Ou seja, esperam ver um pagamento de todas essas fichas compradas.

E se não? Slok observa o perigo que vemos agora no uso da IA: mais organizações estão recorrendo a modelos gravitacionais abertos e baratos, muitas vezes chineses, e não aqueles construídos por laboratórios limitados, e os preços gerais dos ingressos estão caindo. O modelo mais recente de OpenAI, do CEO Sam Altman, é um código 54% mais eficiente em tarefas de codificação. Isso é bom para os usuários que analisam os custos de seus agentes de IA, mas pode ser ruim para as empresas que constroem fábricas de ingressos, para que os usuários malsucedidos aumentem sua taxa geral de uso com eles.

Slok teme que, se os hiperscaladores não cumprirem as metas de fluxo de caixa, a reação do mercado poderá ser severa –
“Com tantos cavalos e tão poucos nomes”, escreve ele, “a principal recompensa não é apenas um problema sectorial, o risco da economia em recessão e o risco do S&P 500 em correcção”.

Algo para ter em mente ao alimentar seus lacaios de IA com sinais baratos.