Receita global de inteligência artificial já cobre parte relevante dos investimentos, mas margens seguem apertadas e especialistas veem risco controlado
A receita gerada pela inteligência artificial atingiu um ponto de inflexão e já começa a superar, ainda que de forma limitada, os custos associados aos investimentos em data centers e chips, segundo relatório da empresa de pesquisa Exponential View. O movimento levanta questionamentos sobre a sustentabilidade do atual ciclo de expansão e o risco de formação de uma bolha no setor.
As vendas globais de IA, excluindo a China, somaram US$ 25 bilhões no primeiro trimestre de 2026, acima dos US$ 21 bilhões estimados em custos de depreciação ligados à infraestrutura computacional pelo segundo trimestre consecutivo. O dado indica que a receita já é suficiente para cobrir parte relevante dos investimentos em capital, embora com margens ainda reduzidas.
Apesar do avanço, as despesas com depreciação continuam consumindo mais de dois terços da receita, o que limita a folga financeira das empresas para cobrir outros custos operacionais, como energia, mão de obra e financiamento.
Segundo o relatório, o setor entra em uma fase em que a economia “se mantém sólida”, mas com margem de erro estreita. Parte do risco financeiro estaria migrando para o mercado de capitais, por meio de estruturas como leasing, dívida e emissão de ações, especialmente entre empresas chamadas de neoclouds.
As grandes empresas de tecnologia dos Estados Unidos — como Meta, Alphabet, Microsoft e Amazon — devem investir até US$ 725 bilhões em despesas de capital neste ano, com foco em infraestrutura de IA. O volume é considerado uma das maiores ondas de investimento corporativo já registradas.
O relatório também estima que a receita global com IA generativa, excluindo a China, alcançou US$ 110 bilhões nos últimos 12 meses, crescendo em ritmo superior ao de ciclos tecnológicos anteriores, como internet, mobile e computação em nuvem.
A análise se baseia em dados de mais de mil empresas, incluindo informações públicas, declarações de executivos e registros de provedores de nuvem, com ajustes para evitar dupla contagem na cadeia de valor da IA. O modelo considera uma vida útil de seis anos para equipamentos como GPUs, usadas no treinamento de modelos avançados.
Esse ponto, no entanto, é alvo de debate entre investidores. Parte do mercado argumenta que a rápida evolução tecnológica pode reduzir o valor econômico dos chips mais antigos, aumentando a necessidade de depreciação acelerada e possíveis baixas contábeis.
Ainda assim, o relatório aponta que chips como o H100, da Nvidia, mantêm forte demanda, com valores de aluguel elevados mesmo após anos de uso. Executivos do setor também indicam que equipamentos mais antigos continuam em operação devido à escassez de capacidade computacional.
Outro ponto destacado é a mudança no uso de modelos de IA. Dados da plataforma OpenRouter indicam que a participação de modelos de grandes empresas como Google, OpenAI e Anthropic caiu de 72% para 33% em um ano, com crescimento de alternativas mais baratas e modelos open-weight.
Segundo especialistas, essa tendência reflete a busca por eficiência em tarefas menos complexas, sem necessariamente reduzir o mercado das grandes desenvolvedoras, mas aumentando a competição e pressionando preços.
Fonte: OGLOBO