Durante anos, a narrativa dominante sobre inteligência artificial foi essencialmente linear: mais capacidade computacional permitiria treinar modelos melhores; modelos melhores gerariam mais aplicações; mais aplicações justificariam novos investimentos; e esses investimentos permitiriam ampliar novamente a capacidade computacional.
Um círculo aparentemente virtuoso.
No entanto, uma contradição começa a surgir. Em setembro de 2026, intensificaram-se os pedidos para moderar o avanço da fronteira por razões de segurança, controle e avaliação independente. Essas razões devem ser analisadas por seus próprios méritos. Não há evidência de que os alertas de segurança escondam uma motivação financeira, e seria intelectualmente irresponsável afirmá-lo.
Mas a ausência de uma relação causal comprovada não nos obriga a ignorar uma coincidência econômica relevante: desacelerar o ritmo de obsolescência tecnológica está se tornando objetivamente conveniente para uma parte importante da indústria.
Segurança, uma possível bolha de infraestrutura e pressão sobre o fluxo de caixa não são explicações necessariamente excludentes. Podem coexistir sem que uma transforme as outras em pretexto.
O vendedor e o comprador não enfrentam o mesmo problema
A NVIDIA ocupa uma posição singular. Seu negócio consiste precisamente em vender cada vez mais capacidade computacional. No segundo trimestre fiscal de 2027, declarou US$ 96,2 bilhões de receita, dos quais US$ 89 bilhões vieram de Data Center. Essa receita cresceu 117% em relação ao ano anterior.
Da perspectiva de um fabricante de aceleradores, uma nova geração mais eficiente pode abrir outra oportunidade de venda. O incentivo de Jensen Huang é compreensível: manter a corrida tecnológica amplia o mercado ao qual a NVIDIA fornece bens de capital.
Para quem compra esses equipamentos, a equação é diferente.
A Microsoft informou CapEx de US$ 41 bilhões no quarto trimestre fiscal de 2026 e reconheceu que aproximadamente dois terços se destinaram a ativos de vida curta, principalmente CPUs e GPUs. O restante financiou infraestrutura que espera monetizar durante períodos muito mais longos.
A distinção é fundamental. Terrenos, conexões elétricas, subestações, fibra e até edifícios podem conservar utilidade econômica por décadas. Uma GPU talvez não.
Vida física, contábil e econômica
Um processador não precisa deixar de funcionar para se tornar economicamente obsoleto. Pode continuar executando perfeitamente suas cargas de trabalho e, ainda assim, enfrentar uma nova geração capaz de produzir muito mais inferências com a mesma energia, ocupar menos espaço ou reduzir substancialmente o custo por token.
Surgem então três relógios diferentes:
- Vida física: por quanto tempo o equipamento pode funcionar.
- Vida contábil: durante quanto tempo é depreciado.
- Vida econômica: durante quanto tempo pode competir razoavelmente com a geração seguinte.
A terceira pode ser consideravelmente mais curta que as duas primeiras. Esta é a obsolescência financeira do compute: o hardware continua trabalhando, mas uma queda suficientemente rápida do custo por unidade de inteligência deteriora sua capacidade de entregar o retorno previsto.
A inteligência artificial está se desenvolvendo em uma indústria incomum: investimentos de infraestrutura próprios de setores intensivos em capital, ciclos tecnológicos próprios da eletrônica avançada e expectativas de margem próprias do software.
Construímos como uma empresa elétrica. Inovamos como uma companhia de semicondutores. Esperamos retornos como uma empresa de software.
Essas três velocidades não precisam ser compatíveis.
Os laboratórios não precisam possuir os chips para assumir o risco
OpenAI, Anthropic e outros desenvolvedores de modelos não possuem necessariamente toda a infraestrutura que utilizam. Isso não elimina o problema; transforma-o.
A OpenAI assumiu com a AWS um compromisso de US$ 38 bilhões por sete anos para acessar centenas de milhares de GPUs NVIDIA. A Anthropic anunciou a expansão de seu uso do Google Cloud para até um milhão de TPUs, compromisso avaliado em dezenas de bilhões de dólares e destinado a colocar em operação mais de um gigawatt de capacidade.
Nesses casos, talvez o laboratório não precise depreciar fisicamente uma GPU. Mas precisa monetizar a capacidade computacional que comprou, contratou ou financiou.
O risco econômico distribui-se por toda a cadeia:
- O capital financeiro empresta ou investe.
- Provedores de nuvem e data centers constroem instalações e compram equipamentos.
- Fabricantes de chips vendem capacidade computacional.
- Laboratórios contratam e consomem essa capacidade.
- Empresas e consumidores pagam, por fim, pelos serviços produzidos sobre ela.
No final dessa cadeia, algo extraordinariamente simples precisa aparecer: fluxo de caixa.
O próprio ciclo econômico da OpenAI reconhece isso
A OpenAI descreveu publicamente sua estratégia por meio de uma relação muito clara: mais capacidade computacional permite modelos mais inteligentes; modelos melhores permitem produtos melhores; produtos melhores devem acelerar a adoção; a adoção deve produzir mais receita e fluxo de caixa; e esse fluxo permite reinvestir.
É uma formulação empresarial perfeitamente razoável. Também contém a condição de estabilidade de todo o sistema.
Crescimento do fluxo de caixa gerado pela IA ≥ crescimento do custo econômico de sustentar sua infraestrutura.
Enquanto essa relação funcionar, o ciclo pode continuar. Se deixar de funcionar por tempo suficiente, muda a natureza do problema. Já não discutiríamos se a inteligência artificial funciona, mas se a economia construída ao seu redor funciona.
Uma tecnologia revolucionária também pode produzir uma bolha
As duas ideias não são contraditórias. As ferrovias transformaram o mundo e produziram bolhas financeiras. A internet transformou a economia e conviveu com a bolha pontocom. Uma tecnologia pode mudar a civilização e, simultaneamente, receber capital demais, rápido demais e sob expectativas de retorno equivocadas.
Por isso, perguntar se existe uma “bolha de IA” é impreciso demais. Pode não haver uma bolha tecnológica e ainda existir uma bolha de infraestrutura.
Os modelos podem continuar melhorando. A utilização pode continuar crescendo. A IA pode transformar setores inteiros. E, ainda assim, parte dos data centers, contratos de capacidade ou financiamentos associados pode não produzir o retorno esperado.
Não seria o fracasso da inteligência artificial. Seria uma alocação incorreta de capital.
O paradoxo da velocidade
Se a IA evolui devagar demais, torna-se difícil justificar o gigantesco volume de investimento destinado a ela. Mas, se evolui rápido demais, pode acelerar a obsolescência econômica do hardware que acabamos de instalar.
Devagar demais → o CapEx não se justifica.
Rápido demais → o CapEx não se amortiza.
Entre esses extremos existe um ritmo de evolução tecnologicamente competitivo e financeiramente sustentável. Encontrá-lo não será fácil.
Uma desaceleração tecnológica, mesmo defendida por razões inteiramente diferentes, pode produzir um efeito econômico concreto: mais tempo para utilizar a capacidade instalada, desenvolver produtos, conquistar clientes e converter investimento em fluxo de caixa.
Isso não prova intenção alguma. Mas cria um incentivo. E incentivos econômicos merecem ser estudados.
O capital financeiro pode ser o verdadeiro ponto de inflexão
A NVIDIA anunciou plataformas com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR destinadas a mobilizar mais de US$ 500 bilhões de capital externo para infraestrutura de IA. A escala mostra que a corrida já não depende apenas de chips e energia: depende de o capital continuar aceitando risco, prazo e obsolescência tecnológica.
O limite de um ciclo de investimento desse porte talvez não apareça primeiro porque a demanda por inteligência artificial desapareça. Pode aparecer quando os financiadores começarem a perguntar: quando recuperarei o dinheiro da infraestrutura que já financiei?
Nesse momento, a variável crítica deixa de ser apenas a potência do próximo modelo. Passa a ser o retorno sobre o capital.
Três velocidades que já não podemos confundir
Talvez o verdadeiro debate não seja se devemos acelerar ou desacelerar a inteligência artificial. Podemos estar entrando numa etapa em que será necessário distinguir três velocidades:
- A velocidade tecnicamente possível.
- A velocidade socialmente aceitável.
- A velocidade economicamente sustentável.
Até agora, supusemos implicitamente que as três avançariam juntas. Não há razão para que isso aconteça.
A pergunta incômoda é esta: a inteligência artificial pode avançar rápido o bastante para justificar os investimentos que estamos realizando e, ao mesmo tempo, devagar o bastante para permitir sua amortização?
Se a resposta acabar sendo negativa, a próxima crise da IA talvez não comece porque a tecnologia deixou de funcionar. Pode começar precisamente porque funciona rápido demais para a estrutura financeira que construímos ao seu redor.
Fontes e nota de interpretação
- Reuters: pedidos para moderar a fronteira e reforçar a avaliação independente.
- NVIDIA: resultados do segundo trimestre fiscal de 2027.
- Microsoft: resultados do quarto trimestre fiscal de 2026.
- OpenAI e AWS: compromisso de capacidade de US$ 38 bilhões.
- Anthropic: expansão para até um milhão de TPUs do Google Cloud.
- OpenAI: infraestrutura, adoção, receita e fluxo de caixa.
Os fatos financeiros e os compromissos de capacidade provêm das fontes vinculadas. A tese sobre obsolescência financeira, compatibilidade de velocidades e incentivos econômicos é uma interpretação do autor. Um incentivo objetivo não demonstra que os alertas de segurança tenham motivação financeira.
© 2026 Javier F. Pérez Bernabé. Todos os direitos reservados. Publicado pelo Quórum 12.
ASSINATURA ONLINE
Receba cada nova análise e os convites para atividades abertas.
É uma categoria pública e independente: não implica membresia, admissão ou acesso ao portal privado.