Capex em IA Entra em Período de Verificação de Retorno: As Três Grandes Nuvens Estão Excessivamente Descontadas pelo Mercado?

Resumo

Desde 2026, as despesas de capital em infraestrutura de inteligência artificial continuam a subir, e o foco do mercado nas grandes empresas de tecnologia mudou consequentemente. No passado, os investidores estavam mais inclinados a ver o investimento em IA como um ativo de crescimento a longo prazo; agora, a questão central está gradualmente se voltando para: essas despesas de capital podem ser traduzidas em receita, lucro bruto, fluxo de caixa livre e retorno sobre o capital suficientemente altos?

A recente pressão sobre o preço das ações das três grandes provedoras de nuvem — Microsoft, Amazon e Alphabet/Google — reflete preocupações superficiais sobre as despesas de capital em IA, fluxo de caixa livre e custos de tokens. No entanto, uma mudança industrial mais profunda pode ser que a IA corporativa está passando de um "período de testes amplos" para uma "era de cálculo preciso de uso". Nesta fase, as empresas não chamam mais os modelos mais caros sem limites, mas gerenciam modelos, capacidade computacional, dados, segurança e faturamento de forma mais refinada com base no valor da tarefa, custo, taxa de sucesso, latência e requisitos de conformidade.

Isso não significa necessariamente um colapso na demanda por IA. Em vez disso, pode significar que a IA está se movendo da fase experimental para a fase de implantação comercial formal. Para empresas de modelo único, o controle corporativo dos custos de tokens pode trazer pressão; mas para plataformas de nuvem multimodelos, como Azure, AWS e Google Cloud, o cálculo preciso de uso pode, em vez disso, fortalecer seu valor como uma camada de controle de custos de IA corporativa, camada de roteamento de modelos, camada de governança de dados e camada de faturamento.

I. Razões principais para a reprecificação das três grandes nuvens pelo mercado

A recente pressão sobre as ações relacionadas às três grandes nuvens não pode ser simplesmente entendida como uma rejeição do mercado à demanda de IA a longo prazo. Mais precisamente, o mercado está mudando seu foco de "existe demanda por IA" para "quanto capital é necessário para realizar a demanda por IA". Esta é uma mudança na lógica de avaliação. Anteriormente, as despesas de capital em IA eram frequentemente vistas como investimentos de crescimento; mas à medida que os investimentos em data centers, GPUs, redes, energia, resfriamento e armazenamento se expandem rapidamente, os investidores começam a questionar se essas despesas são ativos de crescimento de alto retorno ou uma corrida armamentista defensiva na qual as gigantes da tecnologia são forçadas a participar.

Os dados da Microsoft fornecem uma representação visual dessa aceleração de despesas de capital. As despesas com propriedades e equipamentos da Microsoft no terceiro trimestre do ano fiscal de 2026 foram de US$ 30,876 bilhões, em comparação com US$ 16,745 bilhões no mesmo período do ano passado; para os primeiros nove meses do ano fiscal de 2026, essa despesa foi de US$ 80,146 bilhões, em comparação com US$ 47,472 bilhões no mesmo período do ano passado. Essa mudança ilustra que a construção de infraestrutura de IA evoluiu de despesas de capital normais em nuvem para um ciclo de investimento de maior intensidade.

A estrutura do fluxo de caixa da Amazon também mostra pressão sobre as despesas de capital. As vendas da AWS da Amazon no primeiro trimestre de 2026 aumentaram 28% em termos anuais, para US$ 37,6 bilhões, e o lucro operacional da AWS foi de US$ 14,2 bilhões, indicando que o próprio negócio de nuvem ainda mantém um crescimento robusto; no entanto, o fluxo de caixa operacional da empresa nos últimos doze meses foi de US$ 148,5 bilhões, e o fluxo de caixa livre caiu para US$ 1,2 bilhão, principalmente devido a um aumento significativo nas compras de propriedades e equipamentos, que a empresa declarou explicitamente refletir principalmente investimentos em IA.

A Alphabet/Google também exibe características semelhantes. A receita do Google Cloud da Alphabet no primeiro trimestre de 2026 cresceu 63%, para US$ 20 bilhões, uma aceleração significativa no crescimento dos negócios de nuvem; no entanto, no mesmo trimestre, as despesas com a compra de propriedades e equipamentos atingiram US$ 35,674 bilhões, e o fluxo de caixa livre foi de US$ 10,116 bilhões. O fluxo de caixa do Google não se deteriorou para um estado incontrolável, mas a inclinação das despesas de capital claramente se acentuou.

Portanto, o que o mercado está realmente preocupado não é que as três grandes nuvens não tenham demanda, mas sim com as restrições de capital trazidas pela própria forte demanda. Se o investimento em infraestrutura de IA continuar a subir, mas a velocidade de conversão correspondente em receita e fluxo de caixa for menor do que o esperado, os múltiplos de avaliação serão naturalmente comprimidos.

II. Os custos de IA entraram nos relatórios financeiros, não ficando apenas na camada narrativa

Uma das maiores diferenças entre os produtos de IA e os serviços tradicionais de assinatura de software reside na estrutura de custos. O custo marginal do Office tradicional ou de softwares corporativos é baixo; um usuário escrevendo um e-mail extra, criando uma planilha adicional ou gerando mais um documento não aumenta significativamente o custo unitário da empresa de software. Mas os produtos de IA são diferentes. Cada chamada de modelo, cada inferência e cada execução de agente de IA correspondem a custos de computação, armazenamento, rede e serviços de modelo.

A Microsoft já divulgou essa mudança em seus relatórios financeiros. No terceiro trimestre do ano fiscal de 2026, a margem bruta da Microsoft Cloud caiu para 66%, impulsionada por investimentos contínuos em infraestrutura de IA e crescimento no uso de produtos de IA, parcialmente compensados por melhorias de eficiência no Azure e no Microsoft 365 Commercial Cloud. Em outras palavras, o uso de IA não é mais apenas uma história do lado da receita, mas também entrou no lado dos custos.

No segmento de Produtividade e Processos de Negócios, a Microsoft divulgou um aumento de US$ 680 milhões no custo da receita, impulsionado principalmente por investimentos em infraestrutura de IA para suportar licenças do Microsoft 365 Copilot e o crescimento do uso. Isso não significa que o Copilot tenha prejudicado os fundamentos da Microsoft; pelo contrário, ilustra que a estrutura de margem bruta do software de IA pode ser menor do que o SaaS tradicional do Office, mas se a empresa puder reformular o modelo de faturamento por meio de "licenças + uso", ainda há espaço para gerenciar a pressão sobre a margem bruta.

As implicações dessa mudança para os investidores são importantes. Os produtos de IA não podem ser avaliados exclusivamente com base na lógica tradicional de software, mas também devem ser observados por meio do crescimento da receita, intensidade de uso, custo de inferência, eficiência de roteamento de modelos, taxas de cache e recursos de faturamento por uso. O que realmente merece acompanhamento no futuro não é apenas o número de usuários de produtos de IA, mas se o uso unitário pode formar uma margem bruta sustentável.

III. Empresas começam a controlar tokens: colapso na demanda ou cálculo preciso de uso?

O início do controle do uso de IA por parte das empresas é outra linha principal de preocupação recente do mercado. No entanto, esse fenômeno não deve ser diretamente equiparado ao desaparecimento da demanda. Uma explicação mais razoável é que as empresas estão passando de "usar IA sempre que possível" para uma fase de cálculo preciso de uso de "será que cada uso de IA vale a pena".

O caso da Uber é representativo. De acordo com relatos da mídia, após incentivar os funcionários a usar ferramentas de programação de IA, a Uber esgotou todo o seu orçamento anual de IA em quatro meses, estabelecendo posteriormente um limite de US$ 1.500 por funcionário, por ferramenta, por mês para ferramentas de codificação baseadas em agentes, como Claude Code e Cursor. Este caso não mostra que as ferramentas de IA não têm valor, mas ilustra que quando as ferramentas são úteis o suficiente e se difundem muito rapidamente, os orçamentos corporativos podem sair do controle rapidamente.

A restrição de capacidade computacional do Gemini entre o Google e a Meta também mostra que a capacidade computacional de ponta continua com oferta limitada. De acordo com relatórios citados pela mídia, o Google informou à Meta que não poderia atender a toda a capacidade computacional do Gemini que a Meta exigia e, consequentemente, a Meta incentivou seus funcionários a usarem tokens de IA de forma mais eficiente. Este relatório não foi verificado de forma independente pela Reuters e deve, portanto, ser tratado como um relato da mídia e não como um fato oficialmente confirmado; no entanto, a tendência que ele reflete é clara: mesmo com as grandes empresas de tecnologia continuando a construir infraestrutura de IA em grandes volumes, a oferta de capacidade computacional de alta qualidade ainda pode não acompanhar a demanda.

O ajuste interno da Microsoft nas licenças do Claude Code também reflete a mesma lógica. O site The Verge informou que a Microsoft planeja remover a maioria das licenças do Claude Code e direcionar muitos desenvolvedores para o GitHub Copilot CLI; o relatório afirmou que esse ajuste estava relacionado tanto à integração de ferramentas quanto a fatores financeiros. Este caso ilustra que, mesmo dentro de grandes empresas de tecnologia, o uso de ferramentas de IA começou a ser limitado por custos, estratégia de produtos e controle de ecossistema.

Algumas das mudanças de preços da AWS refletem a escassez de capacidade computacional de IA pelo lado da oferta. De acordo com o Business Insider, a AWS aumentou os preços dos EC2 Capacity Blocks para ML em aproximadamente 20%, após um aumento de preço de aproximadamente 15% em janeiro. Deve-se enfatizar que este não é um aumento de preço generalizado na AWS, mas sim um ajuste de preço para serviços específicos de reserva de capacidade de IA/ML. Sua implicação é que a capacidade computacional de IA de ponta ainda possui escassez, e as principais provedoras de nuvem mantêm certo poder de precificação em alguns produtos de capacidade.

Esses casos, juntos, apontam para um diagnóstico: as empresas não estão interrompendo o uso de IA, mas estão começando a gerenciar o uso de IA. Custos de tokens, orçamentos de computação, valores de tarefas e permissões de uso estão se tornando preocupações comuns para os departamentos de TI e financeiro das empresas. Esta é precisamente a base industrial da "era do cálculo preciso de uso de IA".

IV. Relatórios sobre a Meta vendendo capacidade computacional: o lado da oferta também começa a calcular o ROI

Relatórios recentes de que a Meta planeja um negócio de nuvem e vender o excesso de capacidade computacional de IA adicionam evidências do lado da oferta a essa lógica. A Reuters, citando a Bloomberg, informou que a Meta está estabelecendo um negócio de nuvem para vender o excesso de capacidade computacional de IA; o plano ainda está em desenvolvimento e as estratégias podem mudar, com a Reuters também declarando que não pôde verificar o relatório de forma independente. Portanto, esta informação deve ser vista como um relato da mídia e um sinal a ser observado, e não como uma divulgação estratégica oficial concluída.

O significado deste evento não está em saber se a Meta se tornará imediatamente uma substituta direta da AWS, Azure ou Google Cloud, mas sim no fato de ilustrar que as grandes empresas de tecnologia também estão começando a considerar como transformar a capacidade computacional em um ativo faturável externamente após enormes investimentos em infraestrutura de IA. O relatório da Reuters também mencionou que os analistas acreditam que o aumento da oferta de capacidade computacional da Meta pode ter um impacto maior sobre empresas de neoconsolação de nuvem (neocloud), como CoreWeave e Nebius, do que sobre as grandes provedoras de hiperescala, porque essas empresas dependem parcialmente do crescimento da demanda da Meta; o relatório também apontou que as despesas de infraestrutura de IA da Meta em 2026 podem chegar a US$ 145 bilhões.

Do ponto de vista industrial, o caso da Meta ilustra que a capacidade computacional de IA está sendo transformada em ativo. A capacidade computacional não é mais apenas um investimento interno em P&D, mas também pode se tornar um ativo de infraestrutura que é alugado, precificado e gerenciado. No entanto, aqueles verdadeiramente capazes de capturar valor a longo prazo não são apenas "quem possui capacidade computacional", mas sim quem consegue integrar capacidade computacional, modelos, dados, segurança, faturamento e fluxos de trabalho corporativos. Esta também é uma diferença fundamental entre as três grandes nuvens e os provedores puros de locação de capacidade computacional.

V. Era do cálculo preciso de uso de IA: do período de testes amplos para a implantação comercial formal

A "era do cálculo preciso de uso de IA" pode ser entendida como a segunda fase da comercialização da IA corporativa. A primeira fase é a fase de testes amplos, onde a questão central para as empresas é se conseguem conectar a IA a produtos e processos. Nesta fase, os recursos de IA são incorporados rapidamente em softwares, buscas, escritórios, atendimento ao cliente e ferramentas de programação, e o mercado se concentra mais no uso, na narrativa e na viabilidade técnica.

A segunda fase é a fase de cálculo preciso de uso. As empresas começam a perguntar: cada chamada de IA vale a pena? Todas as tarefas exigem modelos de fronteira? Quais tarefas podem usar modelos mais baratos? Qual conteúdo pode ser armazenado em cache? Quais tarefas são adequadas para processamento em lote? Quais usos de IA devem ser incluídos nas taxas de licença e quais devem ser faturados com base no uso? Isso indica que a IA está passando de demonstrações de produtos para implantações comerciais formais, e as empresas estão começando a incorporá-la em orçamentos, conformidade e sistemas de alocação de custos.

A terceira fase é a otimização do custo por tarefa. Na era da IA, não se pode olhar apenas para o preço por milhão de tokens, porque o que as empresas estão realmente comprando não são os tokens em si, mas os resultados eficazes dentro de um determinado fluxo de trabalho. Por exemplo, na programação, uma tarefa pode ser corrigir um bug de código ou concluir uma modificação de código aceita pela equipe; no atendimento ao cliente, uma tarefa pode ser resolver um chamado; na análise financeira, uma tarefa pode ser concluir um resumo que possa ser adotado por analistas. O que realmente importa é o custo total para alcançar um resultado eficaz — ou seja, os custos do modelo, custos de ferramentas, custos de nova tentativa e custos de revisão manual divididos pela taxa de sucesso.

A quarta fase é a fase de pagamento por resultado. Em última análise, é mais provável que as empresas queiram pagar por resultados do que puramente por tokens. Por exemplo, faturamento com base em chamados de atendimento ao cliente resolvidos, revisões de conformidade concluídas, leads de vendas qualificados gerados ou recursos de software concluídos. Se a comercialização da IA entrar nesta fase, o valor mudará de "consumir mais tokens" para "gerar resultados mais eficazes a custos mais baixos".

VI. Por que o cálculo preciso de uso pode fortalecer o valor das três grandes plataformas de nuvem

Se as empresas buscassem apenas os modelos mais fortes, o valor poderia se concentrar nas mãos das empresas de modelo único. Mas quando as empresas começam a buscar a conclusão de tarefas mais eficazes ao menor custo, o valor fluirá mais para plataformas de nuvem multimodelos. O motivo é que as empresas que implantam a IA formalmente não precisam apenas do modelo em si; elas também precisam de gerenciamento de permissões, limites de dados, seleção de modelos, monitoramento de custos, alocação de faturamento, controle de latência, revisões de conformidade e integração de fluxos de trabalho de negócios.

A vantagem comum da Microsoft, Amazon e Google é que elas não apenas alugam GPUs ou vendem um único modelo, mas fornecem um ambiente de execução de IA corporativa. Azure, AWS e Google Cloud possuem, respectivamente, computação, armazenamento, rede, banco de dados, segurança, gerenciamento de identidade, mercados de modelos, roteamento de modelos, monitoramento de custos, faturamento, conformidade e canais de vendas corporativas. Esses recursos fazem com que pareçam mais com plataformas de IA corporativa do que com fornecedores puros de capacidade computacional na era do cálculo preciso de uso de IA.

Os provedores de nuvem estão transformando essa capacidade em produto. O roteador de modelos do Microsoft Azure AI Foundry foi projetado para otimizar custos e latência, direcionando tarefas simples para modelos menores e mais baratos e tarefas complexas para modelos mais fortes, mantendo qualidade semelhante. O AWS Bedrock Intelligent Prompt Routing pode selecionar modelos dentro da mesma família de modelos com base em cada solicitação, o que a AWS afirma oficialmente que pode reduzir os custos em até aproximadamente 30% sem sacrificar a precisão. O Model Garden do Google Cloud oferece mais de 200 modelos do Google e de parceiros, permitindo que os clientes descubram, personalizem e implantem modelos na mesma plataforma.

É também por isso que os relatórios sobre a Meta vendendo capacidade computacional de IA não constituem necessariamente um fator negativo direto para as três grandes nuvens. No curto prazo, isso pode aumentar a oferta no mercado de capacidade computacional de IA, representando concorrência especialmente para algumas empresas que fazem apenas locação de capacidade computacional; mas, a mais longo prazo, prova que a capacidade computacional está se tornando um ativo de infraestrutura alugável e precificável. O que realmente importa a longo prazo não é a oferta única de capacidade computacional, mas se a plataforma consegue integrar capacidade computacional, modelos, dados e fluxos de trabalho corporativos.

VII. Caminhos diferentes das três grandes nuvens

A vantagem da Microsoft reside em seu ponto de entrada nos fluxos de trabalho corporativos. Office, Teams, Outlook, Excel, PowerPoint, GitHub, Dynamics, Security e Azure juntos constituem o ambiente de trabalho diário das empresas. É difícil para a Anthropic ou outras empresas de modelos desestabilizarem diretamente os fundamentos centrais da Microsoft no curto prazo, porque os fluxos de trabalho corporativos, sistemas de identidade, permissões, arquivos, colaboração e sistemas de conformidade têm altos custos de migração. O que a Microsoft realmente precisa gerenciar é a estrutura de margem bruta do Copilot. Se o Copilot depender inteiramente de taxas fixas de licença e permitir chamadas ilimitadas de alto custo, a pressão sobre a margem bruta será significativa; mas se a Microsoft puder avançar gradualmente no modelo "licença + uso", repassando o uso de IA de alto custo para cenários de maior valor, sua pressão sobre a margem bruta poderá ser gerenciável.

A vantagem da Amazon reside no posicionamento da AWS como uma plataforma neutra e multimodelo. A AWS não precisa apostar inteiramente em um único modelo; os clientes podem usar Claude, o Nova desenvolvido pela própria Amazon, Meta, Mistral ou outros modelos no Bedrock. Mesmo que algumas tarefas sejam desviadas do Claude para modelos mais baratos, desde que a carga de trabalho permaneça no ecossistema da AWS, a Amazon ainda poderá capturar receitas de infraestrutura, acesso a dados, governança de segurança e serviços de plataforma. Relatos da mídia afirmam que alguns termos da parceria da Amazon com a Anthropic podem mudar de liquidação por tempo de computação para algo mais próximo de liquidação por uso de tokens; esta informação ainda não é uma divulgação oficial completa e pode servir apenas como um sinal observacional. Se essa direção se mantiver, o custo de uso do Claude aumentará de forma mais linear com o uso, o que pode levar a AWS a promover de forma mais ativa o roteamento de modelos e o uso de seus modelos de desenvolvimento próprio.

O caminho do Google enfatiza a integração de modelos, chips e nuvem. O Google possui recursos como Gemini, TPUs, Google Cloud, Model Garden, busca e dados multimodais. A receita do Google Cloud da Alphabet no primeiro trimestre de 2026 cresceu 63%, para US$ 20 bilhões, com o crescimento dos negócios de nuvem acelerando significativamente; a empresa também divulgou que a carteira de pedidos do Google Cloud superou US$ 460 bilhões. Se as vantagens de custo e desempenho do Gemini e das TPUs puderem se traduzir em participação corporativa do Google Cloud e fluxo de caixa de alta qualidade, o Google Cloud também poderá se beneficiar na era do cálculo preciso de uso de IA.

VIII. Por que a Oracle não é o mesmo tipo de história

A Oracle também se beneficia da escassez de capacidade computacional de IA, mas sua história de investimento é diferente das histórias de Microsoft, Amazon e Google. O cerne das três grandes nuvens é a integração de modelos, capacidade computacional, dados, segurança, faturamento e fluxos de trabalho corporativos em uma plataforma; a história da Oracle é mais parecida com uma enorme carteira de pedidos de IA acompanhada de maiores despesas de capital, necessidades de financiamento e pressões sobre o fluxo de caixa livre.

A Oracle divulgou oficialmente que suas obrigações de desempenho remanescentes no ano fiscal de 2026 atingiram US$ 638 bilhões, um aumento de 363% em termos anuais; no entanto, o fluxo de caixa livre para o mesmo ano fiscal foi negativo em US$ 23,7 bilhões, pois a empresa continuou a investir para apoiar o crescimento de seu negócio de infraestrutura de nuvem. A Oracle também divulgou que levantou US$ 43 bilhões em dívidas e US$ 5 bilhões em ações no ano fiscal de 2026, e espera levantar aproximadamente mais US$ 40 bilhões por meio de dívidas e ações no ano fiscal de 2027.

Portanto, a existência da Oracle lembra aos investidores que as preocupações do mercado com as despesas de capital em IA não são sem fundamento. Acontece que esse risco é mais agudo em histórias de infraestrutura de IA com alta intensidade de capital, altas necessidades de financiamento e alta concentração de clientes, enquanto em empresas de nuvem do tipo plataforma, como Microsoft, Amazon e Google, o risco e o valor da plataforma precisam ser avaliados separadamente.

IX. Implicações na avaliação: As três grandes nuvens estão excessivamente descontadas?

No nível de avaliação, a relação P/L projetada pode servir como uma ferramenta de observação simples, mas útil. A Microsoft é negociada atualmente a cerca de 19 vezes o P/L projetado, em comparação com uma média de cinco anos de quase 30 vezes; a Amazon é negociada atualmente a cerca de 27 vezes, em comparação com uma média de cinco anos de cerca de 45 vezes; a Alphabet é negociada atualmente a cerca de 24-25 vezes, em comparação com uma média de cinco anos de cerca de 22 vezes. Se as despesas de capital em IA se revelarem no final investimentos defensivos de baixo retorno, então, mesmo que as três grandes nuvens retornem a relações P/L projetadas na faixa dos vinte ou até dos dez, elas podem não ser necessariamente baratas o suficiente. Por outro lado, se o cálculo preciso de uso de IA fortalecer o caráter insubstituível das plataformas de nuvem nos sistemas de IA corporativa, as avaliações atuais podem refletir excessivamente as pressões de fluxo de caixa de curto prazo, ao mesmo tempo que subestimam os fluxos de caixa futuros das plataformas.

Para os investidores, o segredo não é simplesmente julgar se as três grandes nuvens estão "baratas" ou "caras", mas sim avaliar se as suas despesas de capital podem se traduzir em receitas de plataforma a longo prazo. Isso exige um acompanhamento contínuo do crescimento da receita de nuvem, das margens brutas dos produtos de IA, das taxas de crescimento das despesas de capital, das pressões de depreciação, das velocidades de recuperação do fluxo de caixa livre, da eficiência do roteamento de modelos, da disposição corporativa de pagar por IA e das estruturas de faturamento de uso.

X. Fatores de risco

Primeiro, o período de retorno das despesas de capital em IA pode ser mais longo do que o mercado espera. Data centers, GPUs, redes, energia e instalações de resfriamento são todos ativos altamente intensivos em capital; se o crescimento da receita de IA ficar aquém das expectativas, as pressões de depreciação e fluxo de caixa podem continuar a suprimir as avaliações.

Segundo, uma queda nos preços dos tokens pode ter um duplo impacto na economia unitária. Custos de tokens mais baixos ajudam a disseminar o uso de IA, mas se os preços caírem mais rapidamente do que o crescimento do uso e as melhorias de eficiência de custos, o lucro bruto gerado por unidade de capacidade computacional pelos provedores de nuvem pode ficar sob pressão.

Terceiro, a adoção de IA corporativa pode ficar aquém das suposições otimistas. O controle do uso de tokens por parte das empresas, a definição de limites orçamentários e o aperto na gestão de permissões podem sugerir que algumas aplicações de IA ainda não demonstraram um ROI suficientemente claro. Se os agentes de IA deixarem a desejar em termos de taxas de sucesso, estabilidade, conformidade e controlabilidade, o ritmo de implantação comercial formal poderá desacelerar.

Quarto, as empresas de modelos e os provedores emergentes de computação podem alterar a distribuição de valor. OpenAI, Anthropic, Google, Meta e as neoclouds emergentes estão todos competindo pelo valor da infraestrutura de IA e das APIs de modelos. Rumores de que a Meta estaria vendendo capacidade de computação sugerem que o cenário de oferta de computação pode estar mudando, embora seu impacto a longo prazo ainda precise ser avaliado.

Conclusão: A questão não é se existe demanda por IA, mas se as despesas de capital podem ser convertidas em fluxo de caixa para as plataformas.

O problema central enfrentado atualmente pelas três grandes provedoras de nuvem não é se a demanda por IA existe, mas se as despesas de capital em IA podem ser traduzidas em fluxo de caixa sustentável para as plataformas. A atitude do mercado em relação ao investimento em IA está mudando de "quanto mais investimento, melhor" para "se o investimento pode gerar retornos". Isso explica por que as avaliações de Microsoft, Amazon e Google estão começando a ser coletivamente influenciadas pelas despesas de capital em IA, fluxo de caixa livre e custos de tokens.

No entanto, o fato de as empresas começarem a controlar o uso de IA não equivale necessariamente a um colapso na demanda por IA. Isso também pode indicar que a IA está passando de uma fase de experimentação ampla para a implantação comercial formal. A fase de implantação formal exige uma seleção de modelos mais complexa, governança de dados, controles de permissão, monitoramento de custos, sistemas de faturamento e integração de processos de negócios, que são precisamente os pontos fortes do Azure, AWS e Google Cloud.

Rumores de que a Meta estaria vendendo capacidade de computação indicam que o lado da oferta também está começando a buscar retornos sobre as despesas de capital em IA; o exemplo da Oracle lembra ao mercado que a forte demanda por infraestrutura de IA não se traduz automaticamente em fluxo de caixa livre de alta qualidade. Para os investidores, o que realmente precisa ser compreendido é que diferentes empresas de infraestrutura de IA assumem riscos de despesas de capital de maneiras distintas. O valor de investimento de Microsoft, Amazon e Google depende, em última análise, de suas capacidades de converter investimentos em infraestrutura de IA em fluxos de caixa de longo prazo para suas plataformas na era da IA corporativa, e não simplesmente da escala das despesas de capital de curto prazo.