Análise detalhada das capacidades de computação da inteligência artificial da a16z: Receita dobrou, preço das ações sob pressão e despesas de capital impressionantes.

Autor original: Moses Sternstein, a16z

Nota do editor: Em meio a uma nova rodada de investimentos em poder computacional impulsionada pela IA generativa, as discussões de mercado sobre infraestrutura de IA estão mudando de "se há GPUs suficientes" para "quem pode fornecer poder computacional de forma sustentável". À medida que as necessidades de treinamento de modelos, inferência e expansão de data centers se tornam um consenso, uma questão mais fundamental começa a surgir: o rápido crescimento da demanda por poder computacional pode realmente se traduzir em lucros e fluxo de caixa estáveis?

Em "Charts of the Week", publicado pela a16z New Media, o autor Moses Sternstein começa com empresas emergentes de computação em nuvem, como CoreWeave, Nebius e Applied Digital, para discutir as contradições de crescimento, avaliação e lucratividade no mercado de poder computacional de IA, e posteriormente aborda SaaS horizontal, roteamento de modelos e competição por talentos em laboratórios de ponta.

Neste artigo, o autor não se limita a avaliar se a demanda por IA é forte, mas analisa o cenário atual da IA em um conjunto de questões estruturais mais fundamentais: como a infraestrutura existente está sendo reprecificada, por que o crescimento da receita não acompanhou a melhora das expectativas do mercado e por que o foco da competição no setor de IA está mudando da simples expansão para a eficiência e o retorno sobre o investimento.

Em primeiro lugar, há a redescoberta do valor da infraestrutura. No passado, terrenos ao longo de linhas férreas, gasodutos e redes de televisão a cabo serviam a indústrias específicas antes de serem transformados em infraestrutura de telecomunicações e internet. Hoje, uma reavaliação semelhante de ativos está ocorrendo novamente. Algumas novas empresas de computação em nuvem, originalmente voltadas para mineração de criptomoedas, já possuem experiência operacional em energia, data centers, sistemas de refrigeração e computação de alta densidade; com a explosão da demanda por IA, essas capacidades se traduzem rapidamente em poder computacional escasso. A importância reside no fato de que a competição por infraestrutura de IA não começa do zero; as vantagens iniciais geralmente decorrem da recombinação de ativos existentes, recursos energéticos e capacidades de engenharia.

Em segundo lugar, há a coexistência de alto crescimento de receita e incerteza quanto à lucratividade. As taxas de crescimento de receita iniciais de novas empresas de nuvem, como a CoreWeave, chegaram a superar as de gigantes da nuvem como a AWS em seus estágios iniciais, mas o mercado de capitais não lhes deu o mesmo reconhecimento. Isso ocorre porque as novas nuvens não são negócios de software típicos com poucos ativos. A aquisição de GPUs, o acesso à energia, a construção de data centers, a depreciação de chips e os juros da dívida aumentarão em paralelo com a escala, e até mesmo mais rápido do que o crescimento da receita. Isso significa que a expansão da receita pode apenas comprovar uma forte demanda por poder computacional de IA, mas não pode comprovar automaticamente que o modelo de negócios tem um retorno sobre o capital suficientemente alto. O que o mercado realmente espera é se essas empresas conseguirão converter pedidos e receita em fluxo de caixa livre sustentável.

Em terceiro lugar, o valor do software está sendo redefinido de acordo com o impacto da IA. No passado, o mercado temia que a IA generativa enfraquecesse as vantagens competitivas das empresas de SaaS, mas o desempenho da Atlassian demonstra que a IA também pode ser uma ferramenta para aumentar o gasto do cliente e a fidelização ao produto. Enquanto isso, softwares de cibersegurança e observabilidade continuam a receber prêmios de avaliação, pois a IA amplifica os riscos potenciais e aumenta a dependência das empresas em soluções consolidadas. Isso significa que o chamado "fim do mundo SaaS" não ocorrerá de forma uniforme. Se a IA substituir produtos, reduzir preços ou expandir a demanda está se tornando o novo padrão para diferenciar as avaliações de software.

Em quarto lugar, as aplicações de IA estão passando de uma simples "acumulação de tokens" para a otimização dos mesmos. No passado, as empresas frequentemente preferiam utilizar diretamente seus modelos mais poderosos ou alocar um orçamento para que suas equipes de engenharia experimentassem de forma independente. Agora, empresas como a Databricks estão utilizando roteamento inteligente para combinar modelos com diferentes preços e níveis de desempenho com base na dificuldade da tarefa, reduzindo custos e mantendo a eficácia. Uma queda no preço do token não significa necessariamente uma contração nos gastos totais com IA: à medida que os custos unitários diminuem e os cenários de aplicação aumentam, o consumo total de tokens e o tamanho geral do mercado podem continuar a crescer. Eficiência e demanda não são mutuamente exclusivas, mas podem formar um ciclo de reforço mútuo.

Se este artigo pudesse ser resumido em uma única conclusão, seria esta: a infraestrutura de IA provou ser capaz de gerar crescimento rápido, mas a próxima fase de sucesso dependerá da capacidade das empresas de traduzir esse crescimento em maior eficiência de capital. Nesse sentido, este artigo não se limita mais a discutir se empresas como a CoreWeave podem se tornar a próxima geração de gigantes da nuvem, mas sim se toda a indústria de IA conseguirá passar da expansão do poder computacional para a obtenção de retornos comerciais sustentáveis.

Segue abaixo o texto original:

"Novas Nuvens" sobrevoando

No início do século XX, a Southern Pacific Railroad Company possuía vastas extensões de terras não urbanizadas em áreas desmatadas que conectavam cidades e vilas por todos os Estados Unidos. Os direitos ferroviários se estendiam muito além dos próprios trilhos, deixando inúmeros corredores ao longo da rota abertos para desenvolvimento.

Assim, a companhia ferroviária instalou uma rede de comunicações ao longo da linha férrea e a denominou "Southern Pacific Railroad Internal Networking Telephony" (Telefonia de Rede Interna da Southern Pacific Railroad). Na década de 1970, a empresa começou a comercializar a rede e a abri-la para um público mais amplo.

Em seguida, duas coisas aconteceram simultaneamente: primeiro, o monopólio no mercado de telefonia de longa distância chegou ao fim; segundo, os cabos de fibra óptica começaram a se mostrar comercialmente viáveis. Os corredores de comunicação existentes foram convertidos em linhas de fibra óptica, e essa rede ficou conhecida posteriormente pela sigla "Sprint". Os ativos que antes serviam às ferrovias tornaram-se, assim, a espinha dorsal da infraestrutura para a revolução das telecomunicações.

As empresas ferroviárias não são as únicas que estão transformando as redes físicas existentes em infraestrutura tecnológica comercial de maior escala.

Na década de 1980, a Williams Company converteu gasodutos ociosos em canais de fibra óptica, formando a WilTel. A empresa foi posteriormente vendida e renomeada para WorldCom. Na década de 1990, os cabos coaxiais unidirecionais instalados para os serviços de televisão a cabo passaram por uma modernização massiva e dispendiosa, tornando-se a infraestrutura que permitiu à Comcast e à Charter fornecerem serviços de internet de banda larga aos consumidores.

Isso nos leva a outro tipo de empresa: aquelas que também possuem infraestrutura prontamente disponível, que agora está sendo significativamente reaproveitada e reprecificada para atender às necessidades de uma tecnologia emergente — essas são empresas como a "neocloud".

Resumindo, a maioria das novas empresas de computação em nuvem inicialmente se dedicava à mineração de criptomoedas, que exigia muita energia e poder computacional. Depois, veio a onda da IA. De repente, quem detinha o direito de usar eletricidade, infraestrutura e experiência na construção e gerenciamento de cargas computacionais de alta intensidade — incluindo, no caso da CoreWeave, um grande número de GPUs — estava em um dos setores mais promissores da atualidade.

É claro que esta não é uma comparação estritamente justa. No entanto, se analisarmos as três maiores empresas de computação em nuvem listadas na bolsa, o crescimento de suas receitas é realmente notável.

Só podemos estimar a receita dos negócios em nuvem dos provedores de serviços de nuvem hiperescaláveis em seus estágios iniciais, mas a tendência geral já é clara: novas empresas de nuvem estão crescendo em um ritmo extremamente acelerado, significativamente mais rápido do que a taxa de crescimento dos três principais provedores de serviços de nuvem em seus estágios iniciais.

Vale ressaltar que, no mercado geral de vendas de poder computacional, a NewCloud é atualmente uma participante relativamente pequena.

Eles ainda têm um longo caminho a percorrer para atingir a escala dos provedores de serviços em nuvem de grande porte.

Os provedores de nuvem hiperescaláveis geram receitas trimestrais muito maiores do que as novas empresas de nuvem. Enquanto isso, a CoreWeave alcançou em aproximadamente 25 trimestres o que a AWS levou 40 trimestres para atingir: US$ 2,6 bilhões em receita. Para reiterar: essas empresas estão crescendo em um ritmo incrivelmente acelerado.

Com taxas de crescimento tão elevadas e surfando na onda da indústria de IA, os investidores teoricamente deveriam estar bastante entusiasmados. Em certa medida, isso é verdade, mas a realidade é mais complexa.

Embora essas empresas geralmente tenham apresentado bons resultados em seus últimos relatórios de lucros, o preço das ações da CoreWeave ainda caiu cerca de 16% no último ano; apenas a Nebius está relativamente próxima de sua máxima anterior.

Portanto, a história ainda é boa no geral, mas é claramente menos atraente para as maiores empresas da nova computação em nuvem.

O mercado tem estado relativamente estável recentemente, em parte porque muitas expectativas de crescimento já podem ter sido precificadas nas avaliações.

Para empresas com uso intensivo de capital, como a NewCloud, a relação preço/vendas não é a métrica de avaliação mais adequada, mas ainda é bastante intuitiva para ilustrar problemas. Empresas menores e de crescimento mais rápido, como a Nebius e a Applied Digital, apresentam prêmios de avaliação significativamente maiores do que a CoreWeave, que é muito maior. A receita da CoreWeave ainda está dobrando, mas já está ficando para trás em relação à taxa de crescimento de 400% a 450% das empresas de melhor desempenho.

Se existe algum problema real com a nova empresa de computação em nuvem, não é o crescimento, mas sim a rentabilidade a longo prazo. Essa nova empresa precisa de investimento contínuo em chips, eletricidade e infraestrutura física para escalar, e esses custos não são baixos.

A CoreWeave, por exemplo, apresentou um crescimento impressionante de receita, mas seus investimentos de capital são ainda mais exorbitantes. Outros custos enormes incluem a depreciação dos chips — que já representa mais da metade da receita — e o aumento das despesas com juros decorrentes de empréstimos para a construção antecipada de infraestrutura cara.

Este artigo não pretende julgar se a NewCloud terá sucesso ou se o preço atual de suas ações é razoável. Além da popularidade do tema, o que este artigo realmente busca ilustrar é que a NewCloud encapsula perfeitamente a disputa entre otimistas e pessimistas em todo o cenário de negociação de IA.

Por um lado, elas atuam em um mercado vertical muito maior do que qualquer um havia previsto e que continua em expansão — o mercado de poder computacional — e alcançaram taxas de crescimento sem precedentes. Por outro lado, o custo de construção dessas empresas também está em níveis recordes, exigindo investimentos enormes em infraestrutura fixa que continua a se depreciar.

Será o retorno do SaaS horizontal?

Segue abaixo uma breve atualização sobre o cenário de mercado em constante evolução do "apocalipse do SaaS". Uma das empresas mais afetadas pela recente queda nas ações de software teve um desempenho bastante positivo no último mês.

Ao longo dos últimos 30 dias de negociação, as empresas de software horizontal estiveram entre as de melhor desempenho no ETF IGV Software, embora tenham devolvido parte dos ganhos desde o início da coleta de dados.

De modo geral, os fundamentos dessas empresas permanecem sólidos. A Atlassian, em particular, não sofreu o impacto da IA como o mercado havia previsto.

Esta empresa de software de produtividade superou tanto seus lucros quanto suas projeções: a receita com serviços em nuvem cresceu 31% em relação ao ano anterior, com a receita de pedidos em carteira crescendo ainda mais rapidamente. Mas talvez o sinal mais crucial seja que a IA está se tornando um motor de crescimento dos negócios, e não um obstáculo. A Atlassian afirmou que seu assistente de IA, Rovo, foi amplamente adotado; enquanto isso, os usuários do Rovo gastam quase o dobro dos usuários que não o utilizam.

Esta é uma boa notícia para a Atlassian, uma boa notícia para a Rovo e uma boa notícia para o SaaS horizontal.

No entanto, a avaliação geral do SaaS horizontal ainda é ligeiramente inferior à de outras categorias de software.

Com algumas exceções, as empresas SaaS horizontais, incluindo a Atlassian, geralmente têm índices preço/vendas esperados inferiores ao nível correspondente à linha de tendência "taxa de crescimento - múltiplo de avaliação".

Para reiterar, o SaaS horizontal teve apenas um "mês" relativamente bom. O desempenho de um mês está longe de ser suficiente para convencer o mercado de que o "apocalipse do SaaS" foi evitado.

É claro que, se sua empresa de software se enquadra no domínio da cibersegurança ou da observabilidade, a história é outra — para essas empresas, o chamado "apocalipse do SaaS" nunca aconteceu.

O setor de cibersegurança continua a apresentar um desempenho significativamente superior ao de outras categorias no ETF IGV Software. Nessa área, a IA tornou-se um fator impulsionador: o mercado em geral acredita que a IA aumenta a percepção das pessoas sobre os riscos das ameaças cibernéticas, e nenhum cliente corporativo recorrerá à "programação intuitiva" para improvisar suas próprias soluções de segurança.

Resta saber se essa lógica se confirmará a longo prazo. Mas, pelo menos por enquanto, a situação das empresas de software tradicionais está longe de ser uniforme.

Os investidores estão acompanhando atentamente se a IA beneficiará ou prejudicará todas as empresas e estão revisando suas avaliações a cada novo lote de dados — o que é compreensível.

Rumo à Fronteira de Eficiência do Investimento em Tokens

O cenário de mercado em torno do uso de modelos, consumo de tokens e gerenciamento de gastos com tokens continua a evoluir de várias maneiras interessantes.

Tomemos o Databricks como exemplo.

Em questões como "Qual modelo devemos usar?" e "Qual modelo é o melhor?", a Databricks não adotou uma abordagem do tipo "o vencedor leva tudo", nem simplesmente deu um orçamento aos engenheiros e os deixou decidir como gastá-lo. Em vez disso, levantou outra questão: "E se desenvolvêssemos uma solução que atribuísse automaticamente as tarefas certas aos modelos certos?"

A Databricks certamente não é a única empresa a fazer isso, mas desenvolveu um "Roteador Inteligente" e está bastante satisfeita com seu desempenho.

Os roteadores da Databricks são capazes de acionar modelos mais potentes e caros quando necessário, e usar modelos mais fracos e baratos quando as condições permitem, "reduzindo continuamente o custo médio de uma tarefa em mais de 30%".

Em geral, buscar a "fronteira de eficiência" no gasto de tokens não é algo ruim. Significa que a demanda continua a crescer e que os cenários de aplicação não estão apenas evoluindo na vanguarda do desempenho, mas também se expandindo para modelos menos avançados. Na narrativa pessimista inicial, acreditava-se que esses modelos subótimos se tornariam obsoletos rapidamente.

Como já mencionamos, as melhorias na eficiência ampliarão o escopo da demanda, que é exatamente o tipo de dinâmica que o mercado deseja ver, semelhante ao paradoxo de Jevons.

O Índice de Força do Preço dos Tokens da Silicon Data mostra que a força geral dos preços está diminuindo, especialmente à medida que os modelos abertos de menor preço ganham uma participação maior no mercado em expansão.

É necessário esclarecer um conceito frequentemente mal compreendido: esses índices medem a intensidade de custo do gasto com tokens, não o valor absoluto em dólares. Dependem tanto da quantidade de tokens consumidos quanto do custo total dos tokens. Isso significa que, mesmo que o preço por token diminua, a quantidade total de tokens consumidos e o valor total gasto ainda podem continuar a aumentar.

O que é realmente importante é que a demanda geral continua a crescer, e a busca por preços e modelos que priorizem a eficiência só impulsionará ainda mais esse crescimento. É particularmente relevante notar que "demanda por IA" ou "adoção de IA" não é um conceito único e homogêneo. Permanece uma lacuna significativa entre usuários intensivos e demais usuários. Isso demonstra claramente que "usar sempre o melhor modelo" pode funcionar para algumas empresas, mas certamente não funcionará para todas.

O mercado está agora a desenvolver rapidamente mais opções alternativas. No geral, isto é algo positivo.

Segundo dados da Ramp, uma plataforma de gestão de gastos empresariais, todas as empresas estão aumentando seus investimentos em IA, mas a diferença entre a mediana dos gastos e os 10% das empresas que mais investem, assim como entre os 10% que mais investem e o 1% que mais investe, é extremamente grande.

Os dados da Ramp geralmente são tendenciosos em relação às empresas de tecnologia, e isso precisa ser levado em consideração na interpretação. No entanto, os dados mostram que os 10% das empresas que mais investem em IA têm aproximadamente 50 vezes mais gastos com IA por funcionário do que a empresa mediana.

Essa distribuição dificilmente é acidental. As empresas que conseguem extrair mais valor dos investimentos em IA são provavelmente as que mais investem — mesmo que nem todas as empresas sejam assim, pelo menos um número significativo delas segue esse padrão.

Uma análise de 107 empresas de capital aberto realizada pelo Boston Consulting Group constatou que as empresas nos dois quintis superiores de utilização de tokens apresentaram um crescimento de receita significativamente mais rápido do que as demais empresas.

O ponto central aqui é que a demanda e a eficiência do uso de tokens se reforçam mutuamente: quanto mais valor uma empresa obtém, mais tokens ela consome.

Naturalmente, esse processo envolve repetidas compensações entre investimento e retorno, e a pesquisa e o desenvolvimento sempre incluem alguns custos iniciais. No entanto, para a grande maioria das empresas, "acumular tokens" indiscriminadamente nunca é uma estratégia eficaz.

Portanto, é claramente uma boa notícia que as empresas não precisarão mais adotar essa prática no futuro.

A disputa por talentos em laboratórios de ponta

A New Media deu recentemente as boas-vindas a dois membros de equipe excepcionais na OpenAI, então vamos concluir com alguns gráficos interessantes para ilustrar a situação do recrutamento de talentos no laboratório de IA de ponta.

Dario Amodei expressou recentemente preocupação com o fato de os funcionários estarem priorizando o dinheiro em detrimento da missão. Dados da Levels.fyi sugerem que essa preocupação pode não ser infundada.

Se interpretarmos os dados literalmente, a Anthropic paga salários muito altos aos seus engenheiros, muito superiores aos de engenheiros com qualificações semelhantes em empresas como Google e Tesla.

Parece que tornar-se membro da equipe técnica é realmente uma coisa boa.

Além disso, existe outro conjunto de dados que também é muito interessante.

De acordo com dados da Live Data Technologies — compilados e apresentados pela Truist Securities — as fontes de talento de vários laboratórios se sobrepõem significativamente e diferem consideravelmente:

Ambas as empresas recrutaram um número significativo de talentos de grandes empresas de tecnologia, mas apenas a OpenAI recrutou da Nvidia e da Tesla, e ambos os recrutamentos ocorreram em 2026.

Databricks, Snowflake (recentemente), Palantir e DeepMind são todas fontes de talento para ambas as empresas.

Ambos os laboratórios também contrataram um número significativo de funcionários da Salesforce e da Stripe.

Mas a sobreposição entre as duas parece terminar aí. A Anthropic contratou muitos talentos de empresas de SaaS, enquanto a OpenAI quase não contratou ninguém; a OpenAI, por outro lado, contratou muitos profissionais de empresas de internet voltadas para o consumidor, marketplaces de plataformas e tecnologia de publicidade, enquanto a Anthropic contratou relativamente poucos nessas áreas, com exceção do Airbnb, Netflix e Uber.

Quanto ao significado dessas diferenças, deixo isso para sua interpretação.