A Casa de Cartas de $1 Trilhão da OpenAI

Os investidores estão avaliando a OpenAI como se já possuísse o futuro. As vendas de ações secundárias e as metas internas agora flutuam avaliações na faixa de $500 bilhões a $1 trilhão, números que colocam uma startup de sete anos na mesma liga que a Meta e a Nvidia. Esse valor não reflete um negócio que vende chamadas de API e contratos empresariais; reflete um resultado fantasioso em que a OpenAI dá origem a uma inteligência geral artificial dominante no mundo.

Esta é a teoria do bilhete de loteria da AGI. Os investidores não estão comprando fluxos de caixa descontados de uma empresa de SaaS; eles estão comprando uma opção de compra sobre a invenção de um “deus digital” que pode revolucionar todas as indústrias de uma vez. Se a AGI chegar e a OpenAIAI a controlar, a avaliação atual parecerá barata; se não chegar, os números colapsam ao entrar em contato com a realidade.

Enquadrado dessa forma, a OpenAIAI deixa de parecer uma empresa e passa a parecer uma aposta estruturada. A história só funciona se você ignorar o que David Shapiro chama de quatro pilares falhos que sustentam a estrutura: fosso, ecossistema, modelo de negócios e financiamento. Cada um parece frágil em um mundo onde Gemini, Claude, DeepSeek e modelos de código aberto da OpenAI correm em busca da paridade de modelagem.

Na teoria, a OpenAIAI é uma utilidade de token. Ela vende gerações de texto, imagem e vídeo medidas em milhões de tokens, uma API de commodities que as empresas podem substituir por Gemini, Claude, Llama ou Mistral com uma alteração de configuração. Quando Sam Altman prometeu “inteligência tão barata que não pode ser medida”, ele minou implicitamente a única coisa que a OpenAIAI atualmente mede.

As estimativas de receita giram em torno de $3–$4 bilhões em 2024, podendo chegar a $10–$20 bilhões nas projeções mais otimistas nos próximos anos. Os custos de treinamento e inferência, além de compromissos para chips e data centers, estão em ordens de magnitude muito mais altas, com relatos públicos de centenas de bilhões em capex planejado por meio de parceiros como Microsoft, Oracle e CoreWeave. Essa matemática exige crescimento exponencial e preços premium em um mercado que já está correndo para o fundo.

A empolgação diz que a OpenAIAI é uma inevitabilidade de trilhões de dólares. O balanço patrimonial, o cenário competitivo e a economia das unidades dizem que é um bilhete de loteria de alto risco, cujo prêmio pode nunca ser sorteado.

O termo "moat" costumava ter um significado importante em IA. No início de 2023, o GPT-4 se destacava em relação ao Bard e a todos os experimentos da OpenAI. No final de 2024, o Gemini 1.5 Pro, o Claude 3.5 Sonnet e o DeepSeek-V3 igualaram ou superaram o GPT-4 em benchmarks essenciais como MMLU, GSM8K e HumanEval, e o Gemini 2.0 e o Gemini 3 já estão mirando nos modelos mais recentes da OpenAI, e não nos do ano passado.

O Google agora afirma que o Gemini 1.5 Pro supera o GPT-4 em mais de 80% de suas avaliações internas, enquanto a Anthropic destaca o Claude 3.5 Sonnet como superior ao GPT-4 em geração de código e raciocínio de longo contexto. Os benchmarks chineses e bilíngues da DeepSeek mostram paridade ou desempenho superior ao GPT-4 em várias tarefas linguísticas a uma fração do custo. A liderança no modelo diminuiu de anos para trimestres e, em seguida, para meses.

A chamada molho secreto por trás desses sistemas não é mais segredo. As leis de escalabilidade da OpenAI, DeepMind e Anthropic dizem a mesma coisa: mais dados, mais computação, ganhos previsíveis. As variantes de transformadores, mistura de especialistas, geração aumentada por recuperação e ajuste de instruções são receitas padrão, não uma arte mística.

Todo grande laboratório agora publica detalhes suficientes sobre arquitetura e treinamento para que concorrentes possam reconstruir os principais conceitos. A pilha CUDA da Nvidia, PyTorch, JAX e as bibliotecas de treinamento da OpenAI encurtam a distância entre um artigo de pesquisa e um modelo em escala de produção. A vantagem reside em detalhes de implementação e infraestrutura, e não em algum avanço algorítmico oculto.

Enquanto isso, os modelos de origem OpenAI passaram de brinquedos para padrões. Llama 3 70B e Mistral Large alcançam ou se aproximam do desempenho nível GPT-4 em muitas cargas de trabalho empresariais quando ajustados. As empresas estão implantando cada vez mais:

• 1Llama 3 variantes em GPUs privadas
• 2Mistral 7B/8x22B para APIs de baixa latência
• 3Ajustes personalizados para tarefas específicas de domínio

Controle, residência de dados e custo impulsionam essa mudança. Um banco ou hospital pode executar o Llama 3 em seu próprio hardware, manter informações de saúde protegidas ou dados de negociação internamente e evitar um botão de emergência de um único fornecedor. Para muitos CIOs, “suficientemente bom e de propriedade” supera “um pouco melhor e alugado.”

A superioridade tecnológica em IA agora se degrada em um ciclo de 6 a 12 meses. Você não pode respaldar uma avaliação de $1 trilhão em uma liderança que desaparece toda vez que um concorrente lança um novo marco para o Hugging Face.

A OpenAIAI vende uma única coisa: tokens. A receita vem da medição de chamadas de API e do uso do ChatGPT, um modelo de produto único que se assemelha menos ao ecossistema da Apple e mais à uma concessionária de energia. Mesmo análises otimistas como OpenAIAI Atinge $12 Bilhões em ARR: A Corrida de 3 Anos que Redefiniu o que é Possível na Escala de Software reconhecem em silêncio que o núcleo do negócio é "infraestrutura de IA baseada em uso".

A Apple, o Google e a Microsoft não vendem modelos; eles vendem ambientes. O iOS, o Android e o Windows estão presentes em bilhões de dispositivos, com assistentes, teclados, navegadores e suítes de produtividade padrão onde a IA se torna uma característica, e não um produto. Essa integração permite que eles troquem silenciosamente por Gemini, Claude ou um modelo interno sem perguntar aos usuários.

Sistemas operacionais transformam modelos fundamentais em partes substituíveis. A Microsoft pode conectar o Copilot diretamente em: - Shell do Windows e busca do sistema - Apps do Office como Word, Excel e Outlook - Ferramentas de desenvolvedor do Azure e GitHub

Sob essas superfícies, o modelo real se torna um detalhe de implementação. GPT-4 hoje, Gemini ou um modelo Azure desenvolvido internamente amanhã.

A Microsoft já sinaliza essa postura. O Copilot Studio e o Azure AI Studio incentivam o roteamento de modelos entre GPT-4, GPT-4o, Meta Llama, Mistral e modelos empresariais proprietários. Se a OpenAI aumentar os preços, tiver falhas na qualidade ou cometer erros em segurança, a Microsoft pode redirecionar seu tráfego para outros lugares com uma mudança de configuração.

Os desenvolvedores veem a mesma coisa. Todos os principais fornecedores de LLM expõem uma API REST com JSON de entrada e JSON de saída. Ferramentas como LangChain, LlamaIndex e "roteadores de modelos" personalizados permitem que as equipes alternem entre GPT-4, Claude 3.5, Gemini 2.0 ou DeepSeek com algumas linhas de configuração. O lock-in de fornecedor desaparece quando todos os caminhos se parecem com `POST /v1/chat/completions`.

Os usuários também sentem quase nenhuma fricção. Uma startup pode trocar seu backend do OpenAIAI para o Anthropic em um fim de semana e anunciar “agora mais rápido e barato” na segunda-feira. Para um gerente de produto, o GPT-4 não é uma infraestrutura sagrada; é um item de linha que convida ao arbitragem toda vez que um concorrente reduz preços ou publica uma melhor referência.

A OpenAIAI não vende um produto tanto quanto vende um medidor. Cada dólar de receita passa por uma camada de abstração: tokens. Chame a API, transmita algum texto, receba uma fatura pelo uso, assim como quilowatt-horas em uma conta de energia ou gigabytes em um plano de celular.

Isso faz com que a OpenAI pareça menos com a Apple e mais com a Con Edison. Ela gasta capitais impressionantes em data centers, GPUs da Nvidia e aceleradores personalizados para produzir "inteligência" como um serviço comoditizado, e depois cobra centavos por mil tokens enquanto os rivais correm para reduzir esse preço.

O mantra de Sam Altman, “inteligência tão barata que não pode ser cobrada,” subestima acidentalmente todo esse cenário. Se o preço futuro da inferência tende a zero, a única coisa que a OpenAI atualmente sabe vender—inteligência medida—evapora como uma fonte de lucro.

Catch-22: A avaliação da OpenAIAI embute centenas de bilhões em fluxo de caixa futuro proveniente da venda de tokens, enquanto sua própria liderança promete um mundo onde os tokens quase não custam nada. Não é possível ser uma utilidade de trilhões de dólares e também viver em um mundo pós-medidor onde o uso é, efetivamente, gratuito.

A história já realizou esse experimento com a energia nuclear. Na década de 1950, oficiais dos EUA prometeram eletricidade "tão barata que não precisava ser medida", mas descobriram que as usinas nucleares custavam dezenas de bilhões para construir, assegurar e desativar, enquanto reguladores e mercados mantinham os preços de varejo baixos.

As utilidades nucleares nunca se tornaram queridinhas da tecnologia com altas margens de lucro; elas se tornaram investimentos em infraestrutura fortemente regulados e de baixo retorno. Seus custos fixos astronômicos não podiam ser compensados pela venda de elétrons ultrabaratos, então contribuintes e consumidores absorveram silenciosamente essa lacuna.

A OpenAIAI enfrenta um descompasso estrutural semelhante. O treinamento de modelos de ponta custa bilhões por geração e os roteiros da indústria mencionam instalações em escala "Stargate" de mais de $100 bilhões, mas a precificação de API já sente a pressão de uma corrida para o fundo do poço vinda da DeepSeek, Llama e Mistral.

À medida que modelos de código aberto da OpenAI se aproximam do desempenho da classe GPT‑4 em hardware comum, as empresas estão cada vez mais optando por hospedar internamente ou usar nuvens mais baratas, tratando os LLMs como Linux ou Python, em vez de um SaaS premium. As margens se comprimem exatamente à medida que a intensidade de capital aumenta.

Os investidores estão efetivamente apostando que a OpenAI pode desafiar a economia de utilidade: construir as "usinas" mais caras do mundo e, de alguma forma, escapar da gravidade de vender watts de inteligência baratos e intercambiáveis.

A OpenAIAI parece menos uma startup e mais um buraco negro financeiro. Treinar modelos de ponta, ativar clusters de inferência e manter os data centers em funcionamento consome bilhões anualmente, enquanto a receita reportada está próxima de dezenas de bilhões, no melhor dos casos. A disparidade entre renda e gasto com infraestrutura impõe um estado permanente de captação de recursos.

Essa pressão explica a escala ambiciosa de projetos como o Stargate, a construção de um supercomputador que se rumora custar mais de 100 bilhões de dólares. A OpenAI não pode arcar com isso sozinha, então conta com parceiros que demandam altos investimentos, como Microsoft, Oracle e empresas de aluguel de GPU, como a CoreWeave. Esses parceiros, por sua vez, financiam o sonho com suas próprias apostas em dívida e capital.

A Oracle ilustra a fragilidade desta pilha. Comentaristas como David Shapiro estimam que as obrigações da Oracle estão em torno de $126–127 bilhões em dívida, com uma parte significativa vencendo nos próximos três anos. O aumento das taxas e os elevados gastos de capital em IA tornam o refinanciamento desse montante cada vez mais caro, mesmo que um calote total continue a ser improvável.

Quando um apoiador-chave detém esse tipo de influência, a sustentabilidade da OpenAIAI depende do balanço de outra empresa. Se a Oracle ou outro hyperscaler reduzirem gastos, projetos do tamanho do Stargate podem ser adiados ou diminuídos. A OpenAIAI então deverá encontrar um novo patrocinador ou levantar capital com promessas de AGI ainda mais agressivas.

O ciclo de financiamento começa a parecer menos um plano de negócios e mais uma máquina de movimento perpétuo movida por empolgação. O padrão é o seguinte:

• 1Promessa de IA geral e ganhos de produtividade que consomem o mundo
• 2Levante fundos de investidores e parceiros estratégicos.
• 3Gaste esse dinheiro em GPUs, data centers e treinamentos.
• 4Incur grandes custos fixos e compromissos de dívida de longo prazo.
• 5Precisa de um crescimento ainda mais rápido para justificar a próxima rodada.
• 6Prometa uma AGI ainda mais próxima e rica para manter o capital fluindo.

Qualquer interrupção nessa cadeia expõe a economia subjacente da unidade. Vender tokens medidos em um mercado em guerra de preços não pode cobrir apostas de infraestrutura em escala de US$ 100 bilhões sem margens extraordinárias que APIs comoditizadas raramente sustentam. Se os preços do modelo tende a cair enquanto os custos de computação e as despesas com juros tendem a subir, a lacuna se amplia.

Os investidores estão, na verdade, financiando uma utilidade com fluxo de caixa negativo enquanto a avaliam como um monopólio de software de alta margem. Isso só funciona enquanto o capital permanecer barato, os parceiros permanecerem solventes e a narrativa sobre AGI continuar a inflar. Se algum desses pilares vacilar, a história de trilhões de dólares da OpenAIAI colidirá com seu balanço patrimonial.

Três caminhos se estendem a partir da trajetória atual da OpenAI, e nenhum deles se assemelha ao conto de fadas tecnológico clean de um trilhão de dólares insinuado pela sua avaliação no mercado privado. Cada caminho flui do mesmo problema estrutural: um laboratório ávido por capital atrelado a uma missão sem fins lucrativos, pendurando um jackpot especulativo de AGI sobre investidores que, em sua maioria, buscam fluxo de caixa, e não filosofia.

O cenário um é a lavra de IP. A Microsoft já possui uma licença perpétua para os modelos e a tecnologia subjacente da OpenAIAI, e utiliza esses modelos dentro do Azure, Windows, Office e Copilot. Se a situação econômica da OpenAIAI piorar, a Microsoft pode manter as joias da coroa—pesos, código e talento por meio de contratações seletivas—enquanto permite que a empresa com lucro limitado se transforme em um laboratório de P&D zumbi afogado em dívidas.

Sob esse cenário, a OpenAIAI se torna um glorificado skunkworks para seu maior patrocinador. A Microsoft continua a vender o Copilot e o Azure AI com mínima interrupção, substituindo por Gemini, Claude ou um modelo interno se a OpenAIAI falhar. Investidores que compraram o bilhete de loteria da AGI descobrem que estavam, na verdade, financiando as ferramentas de IA da Microsoft a preços de estilo de investimento e margens de estilo utilitário.

O cenário dois é a implosão da WeWork. A OpenAIAI teria alinhado ou discutido compromissos em computação e chips na ordem de centenas de bilhões de dólares ao longo de uma década, com algumas análises projetando até $1 trilhão em necessidades de infraestrutura; veja Os $1 Trilhão em Gastos com Infraestrutura da OpenAIAI. Se o crescimento da receita estagnar, essas obrigações de longo prazo se transformam de ativos estratégicos em um pesadelo de pactos.

Uma desaceleração no uso de API ou em negociações corporativas pode desencadear uma crise em que a OpenAIAI não consiga cumprir os compromissos de take-or-pay com parceiros de nuvem e centros de dados. Nesse ponto, credores e investidores estratégicos pressionam por uma separação: vender a propriedade intelectual do modelo para hiperescaladores, descarregar contratos de aluguel de datacenters e desmembrar a equipe de pesquisa. O que restar se parecerá menos com uma empresa de plataforma geracional e mais com a casca da WeWork pós-IPO—ativos leiloados, marca manchada, visão entregue a quem comprar os destroços.

O cenário três é o golpe de saída por IPO. Com as avaliações privadas flutuando na faixa de $500 a $750 bilhões, a única maneira de remunerar os investidores iniciais a um preço acima do mercado é por meio de uma oferta pública monumental, apresentada em torno de “GPT‑6” ou “AGI precoce”. O discurso se escreve sozinho: receita em rápido crescimento, um mercado endereçado (TAM) único na história e um roteiro quase mítico de modelos de raciocínio que supostamente reduzirão os custos trabalhistas em toda a economia.

Os mercados públicos, no entanto, acabam precificando a economia unitária, não as sensações. Se a OpenAI se tornar pública antes de resolver sua dependência de tokens medidos, preços subsidiados e enorme capex, os investidores de varejo se tornam os que ficarem com o ônus. Instituições e insiders saem com a promessa de divindade digital; todos os outros acordam possuindo uma utilidade glorificada com expectativas de tecnologia de luxo e margens de usina de energia.

Sam Altman construiu sua reputação como um startup bro com um superpoder: arrecadar dinheiro e criar narrativas. De Loopt a Y Combinator até OpenAIAI, sua habilidade principal tem sido convencer o capital de que o futuro está a apenas uma rodada de financiamento de distância. Esse talento ajudou a levar a OpenAIAI a uma valorização rumorada entre $500 bilhões e $1 trilhão com a promessa de AGI, e não com métricas entediantes como margens ou fluxo de caixa previsível.

Expandir essa promessa, no entanto, parece menos com o dia de demonstração da YC e mais como operar uma utilidade global. Satya Nadella transformou a Microsoft em um gigante da nuvem de 3 trilhões de dólares ao trabalhar arduamente com logística: expansão do Azure, contratos empresariais, guerra de trincheiras regulatória. Tim Cook silenciosamente transformou a Apple em uma superpotência de cadeia de suprimentos que pode movimentar centenas de milhões de iPhones por ano com taxas de defeito de um único dígito e controle de custos implacável.

A OpenAIAI, por outro lado, queima bilhões em GPUs, energia e data centers enquanto depende de parceiros como Microsoft e Oracle para infraestrutura. Esse modelo exige um operador obcecado por capex, tempo de operação e economia unitária, não apenas alguém que possa insinuar “AGI em breve” no palco. Nadella ou Cook gerenciam sistemas onde a falha se parece com uma interrupção ou um trimestre perdido; Altman gerencia um motor de hype onde a falha se parece com a narrativa desmoronando.

A controversa estrutura de lucros limitados de Altman acentuou essas preocupações. O conselho sem fins lucrativos controla tecnicamente o braço com fins lucrativos, mas a estrutura funcionou como uma pílula de veneno de governança que ajudou Altman a consolidar influência enquanto isolava a OpenAI das pressões normais dos acionistas. O golpe no conselho em 2023 e a rápida reestabelecimento expuseram quão obscuro realmente é esse controle e quão pouca responsabilidade tradicional existe para uma empresa que lida com tecnologia potencialmente em escala civilizacional.

Então, há o problema da óptica. Altman fala sobre "beneficiar toda a humanidade", enquanto supostamente compra imóveis de luxo, investe em fábricas de chips sob medida e apoia projetos ultra-exclusivos como o Worldcoin. Esse consumo conspícuo diminui o halo moral e faz com que a cruzada da OpenAIAI em busca de AGI pareça menos altruísta e mais como uma aposta pessoal de alto risco e alta alavancagem.

Chamem de Grande Desagregação. Após uma breve era em que o GPT-4 parecia um cérebro centralizado na nuvem, a IA está se fragmentando em milhares de modelos menores, mais baratos e mais locais que não se importam com quem treinou o maior transformer primeiro.

Nos últimos dois anos, a IA viveu sua Era Nuclear. OpenAIAI, Microsoft, Oracle e CoreWeave apresentaram projetos como "Stargate" como apostas trilionárias em data centers de megaescala, cada um exigindo dezenas de gigawatts de energia, milhões de aceleradores da Nvidia e AMD, e um capex que se assemelha mais a um plano de infraestrutura nacional do que a uma atualização de software.

Esse modelo assume um futuro onde todos alugam inteligência de um punhado de reatores hiperescaláveis. Mas a curva do hardware está se inclinando em uma direção diferente. Apple, Qualcomm, Google e Intel estão incorporando NPUs cada vez mais poderosos em telefones, laptops e dispositivos de borda, transformando “IA na nuvem” em “IA no seu bolso.”

Os chips A18 e M4 da Apple oferecem mais de 38 TOPS de desempenho em ML no dispositivo; o Snapdragon X Elite da Qualcomm anuncia mais de 45 TOPS em seu NPU. O Pixel 9 do Google executa o Gemini Nano localmente. As variantes Llama 3.2 de 3B e 1B da Meta rodam em laptops de consumo e até em smartphones de alto desempenho sem derreter as baterias.

Esta é a Era Solar da IA: muitos “painéis” pequenos e baratos espalhados em vez de alguns reatores gigantes. Você baixa um modelo com 3 bilhões de parâmetros, ajusta no seu laptop, e ele lida silenciosamente com triagem de e-mails, conclusão de código e busca de documentos sem nunca acessar a API da OpenAI.

Os desenvolvedores já estão otimizando para este mundo. Pilhas populares direcionam solicitações através de: - Modelos pequenos em dispositivos para latência e privacidade - Modelos de médio porte da OpenAI (Llama, Mistral, DeepSeek) em nuvens baratas - Apenas os problemas mais difíceis para modelos de ponta premium

Cada passo dessa lógica de roteamento commoditiza ainda mais a OpenAIAI. Se 80% das interações dos usuários acessarem modelos locais gratuitos ou de custo fixo e backends de baixa margem da OpenAI, o mercado total endereçado para tokens GPT medidos encolhe dramaticamente.

O vencedor fica com tudo apenas funciona quando todos precisam passar pelo seu pedágio. Na Era Solar, a inteligência se parece menos com um serviço monopolista e mais com Wi-Fi: ambiente, intercambiável e incorporada no hardware que você já comprou.

Esqueça a ideia de confiar seu roteiro a um único fornecedor de “deus da IA”. Desenvolvedores e CIOs devem assumir a paridade de modelos como padrão e projetar para a rotatividade: espere que o melhor modelo de hoje seja o modelo de médio nível de amanhã, e que o preço/desempenho continue a diminuir. A estratégia muda de “Qual modelo vence?” para “Com que economia posso trocá-los e combiná-los?”

As empresas já estão votando com seus clusters. Bancos grandes, seguradoras e empresas farmacêuticas estão cada vez mais padronizando o Llama 3 e o Mistral 7B/8x22B para cargas de trabalho internas porque podem executá-los em suas próprias GPUs, manter pesos e dados localmente e evitar custos por token. Quando você pode ajustar um modelo de 70 bilhões de parâmetros uma única vez e amortizar esse custo em milhares de fluxos de trabalho, a API tarifada da OpenAI rapidamente se torna a opção premium, e não a padrão.

A arquitetura independente de modelo torna-se obrigatória. As equipes devem intermediar todas as chamadas LLM com um roteador de modelo que possa escolher dinamicamente entre: - Modelos locais de código aberto da OpenAI para tarefas baratas e de baixa latência - APIs em nuvem (GPT-4.1, Claude 3.5, Gemini 2.0) para raciocínio complexo - Modelos especializados para código, visão ou fala

Esse roteador deve monitorar a qualidade, a latência e o custo por solicitação, e então realizar uma arbitragem em tempo real.

A verdadeira defensabilidade está nos dados, na infraestrutura e no produto, não na revenda do modelo base de outra pessoa. Priorize: - Pipelines de dados rigorosos, limpeza e rotulagem - Geração aumentada por recuperação sobre seu corpus proprietário - Integração estreita em sistemas existentes (CRM, ERP, EMR, IDEs)

Investidores e conselhos devem interrogar qualquer startup cujo diferencial seja “nós chamamos o GPT.” Se você pode substituir por DeepSeek, Claude ou Llama com uma mudança de configuração, os concorrentes também podem. Para um contrapeso sóbrio aos materiais de venda dos fornecedores, combine o próprio Relatório sobre o Estado da IA Empresarial 2025 - OpenAIAI com suas curvas de custo internas e trate os modelos de base como utilidades intercambiáveis, não como destino.

A fantasia de um trilhão de dólares da OpenAI repousa sobre quatro pilares que já parecem rachados. O fosso evaporou-se conforme o Gemini 3, Claude e DeepSeek atingiram ou superaram o GPT-4 em benchmarks que vão do MMLU a testes de programação. O "ecossistema" nunca se concretizou além de APIs e ChatGPT, o modelo de negócios se resume à venda de tokens medidos, e a estrutura de financiamento se assemelha a uma máquina de movimento perpétuo de novos capitais perseguindo perdas antigas.

A demanda por IA claramente não tem limites. Todo fluxo de trabalho empresarial, aplicativo para consumidores e serviço de backend pode absorver mais automação, mais resumição e mais raciocínio. A limitação está do lado da oferta, onde o modelo de escala nuclear de gigantescos treinos centralizados colide com a física, capital gasto e redes de energia.

O treinamento de modelos da classe GPT já consome bilhões em GPUs, data centers e eletricidade a cada ciclo. A OpenAI e parceiros propuseram compromissos superiores a $1 trilhão para futuros chips e computação, uma cifra que só é viável se o uso, os preços e a paciência dos investidores aumentarem juntos indefinidamente. Enquanto isso, o Llama da OpenAI e o DeepSeek-V3 rodam em hardware comum e pressionam as margens de “inteligência como utilidade”.

Os investidores não estão avaliando uma empresa SaaS normal em 40-50 vezes a receita; eles estão precificando um monopólio sobre a AGI em si. A aposta implícita: uma empresa captura um "deus digital", protege a propriedade intelectual e a aluga de volta para o mundo. Essa fantasia ignora a paridade de modelos, o escrutínio regulatório e a dura história de utilidades e telecomunicações, onde a intensidade de capital esmagou retornos desproporcionais.

Os mercados passam por manias onde um único nome se torna sinônimo de toda uma tecnologia: Netscape para a web, BlackBerry para smartphones, MySpace para redes sociais. Cada um parecia inevitável até que o ecossistema amadureceu, os padrões se solidificaram e o valor migraram para outras áreas. A IA agora está nesse ponto de inflexão.

A IA não desaparecerá quando a avaliação da OpenAI desmoronar; ela se difundirá. Modelos serão incorporados em chips, sistemas operacionais, navegadores e ferramentas verticais de nicho, enquanto os pesos da OpenAI proliferam como distribuições do Linux. A empresa que primeiro convenceu o mundo de uma interface de bate-papo para "inteligência" pode acabar sendo uma ponte espetacular, mas temporária, entre a internet pré-IA e o que vier depois que o ciclo de hype se romper.

Quais são os principais argumentos contra a avaliação bilionária da OpenAI?

Os principais argumentos são que a OpenAI carece de uma barreira competitiva, não possui um bloqueio no ecossistema, opera com um modelo de negócios insustentável e comoditizado, e enfrenta riscos financeiros extremos devido a seus enormes gastos de capital e taxa de queima.

Por que o modelo de negócios da OpenAI é comparado a uma empresa de utilidade pública?

O principal negócio da OpenAI é a venda de tokens de API, que é similar a uma utilidade vendendo eletricidade. Esse modelo envolve altos custos iniciais (centros de dados) para um produto comoditizado com margens baixas e alto potencial de rotatividade de clientes, ao contrário de monopólios de software com altas margens.

O que é o projeto 'Stargate'?

Stargate é supostamente um projeto de supercomputador de centenas de bilhões de dólares, planejado pela OpenAI e seus parceiros, como a Microsoft. Ele representa o imenso investimento de capital necessário para treinar modelos de IA de próxima geração, que críticos argumentam ser financeiramente insustentável.

Existem alternativas viáveis ao OpenAI para empresas?

Sim. Muitas empresas estão optando por modelos de código aberto como Llama e Mistral, ou utilizando modelos concorrentes do Google (Gemini) e Anthropic (Claude). Essas alternativas oferecem mais controle, privacidade e, muitas vezes, melhor custo-benefício.