Os seis dilemas da revolução de IA*

Capex vs. bolha. O SOXX5 (iShares Semiconductor ETF) entrou oficialmente em bear market6 (queda de mais de 20% desde o pico de final de junho) depois que a Moonshot lançou o Kimi K3 em 16/jul, na WAIC em Xangai, apagando mais de US$ 3,3 trilhões em valor de mercado de semicondutores globalmente em poucos dias. É o mesmo reflexo do "momento DeepSeek" de 2025: o mercado lendo um modelo chinês competitivo como ameaça à tese de que só quem tem bilhões em capex fica na frente (detalhamos o lançamento do K3 no lado demanda, abaixo). Antes do choque do K3, o dado mais atual que tínhamos era a pesquisa mensal de gestores de fundos do BofA (14/jul): 45% já apontavam "bolha de IA" como o principal risco de cauda (alta forte ante os 28% de junho), e 48% viam o capex dos hyperscalers como a fonte mais provável do próximo evento de crédito sistêmico, mesmo com 82% chamando semicondutores de operação mais lotada do mundo. O K3 é a primeira confirmação real desse medo. O paralelo com telecom segue sendo mais sobre financiamento que demanda: a Meta está operando de propósito com caixa livre negativo, e projeções apontam o Google zerando caixa livre no próximo ano por causa do capex de IA (SemiAnalysis). Mas vale desconfiar do próprio paralelo: telecom teve excesso de fibra que ninguém usou por anos; compute de IA está sendo consumido assim que fica pronto. Se há bolha aqui, ela pode estar menos em "construímos rápido demais" e mais em "quem vai ficar sem capturar a margem": o hyperscaler que constrói e não converte isso em canal próprio (veja economia de gargalos) corre o risco de virar landlord de commodity para quem, do outro lado, venceu a disputa por modelo vs. canal.

E o financiamento desse capex está ficando mais arriscado, e mais difícil de enxergar, do que os resultados trimestrais deixam parecer. Um estudo do BIS, o banco central dos bancos centrais, publicado em 16/mar/2026, descreve como os hyperscalers passaram a usar estruturas fora do balanço para financiar data centers: criam uma SPV7 (uma empresa-veículo separada), essa SPV levanta a dívida com fundos de crédito privado, e o hyperscaler apenas assina um contrato de longo prazo para alugar a capacidade, o que troca capex por despesa operacional e mantém a dívida fora do próprio balanço. O BIS chama isso de "dívida-sombra": obrigações que são economicamente dívida, mas não aparecem como dívida. Um exemplo real dessa dinâmica, de conhecimento público: a Meta estruturou cerca de US$ 29,5 bilhões numa SPV para o data center Hyperion, na Louisiana, uma das maiores operações de financiamento privado da história fora de fusões e aquisições. A Microsoft é a única hyperscaler que não emite dívida pública diretamente, preferindo manter cerca de 70% da alavancagem em veículos separados. Bond investors já estão reagindo: uma reportagem da Forbes de 17/jul mostra a dívida ligada a IA se aproximando de US$ 570 bilhões, com investidores de renda fixa mais céticos. A consequência prática pro nosso radar: cada vez mais analistas dizem que olhar só o resultado contábil trimestral não conta a história real: o que importa é caixa e dívida, inclusive das fornecedoras de infraestrutura (as "neoclouds") que hoje são, na prática, uma extensão do balanço do hyperscaler que elas atendem, não empresas independentes.

A economia dos gargalos. Quem lucra com a escassez não é só quem vende GPU8. A tese da SemiAnalysis é que o gargalo migrou pela cadeia inteira: cobre, fibra de vidro, laser usado em placas de circuito, e agora memória DRAM9, numa escassez que a casa descreve como "uma vez a cada quatro décadas". Essa é uma tese de fundo, sem data recente confirmada de nossa parte; vale como pano de fundo, não como novidade desta semana.

O porquê disso é simples de explicar: o mercado de IA cresceu tão rápido, e passou a exigir tanta tecnologia e investimento de uma vez, que sobraram poucos fornecedores capazes de entregar em cada elo da cadeia, e cada um desses poucos virou, por um tempo, dono de um pedacinho de moat. A Micron é o exemplo mais claro: no terceiro trimestre fiscal de 2026, a receita saltou para US$ 41,5 bilhões, alta de 346% ano contra ano, com margem bruta de 85% (recorde da empresa), porque toda a produção de memória HBM (a memória de alta banda usada em acelerador de IA) para 2026 já está vendida, em contratos plurianuais de preço fixo. A TSMC conta uma história parecida, mas por outro caminho: receita recorde no trimestre, guidance de crescimento para 2026 revisado para mais de 40%, e reajustes de preço de até 15% no processo de 3nm anunciados para o segundo semestre, só possíveis porque a empresa controla cerca de 73% do mercado global de fabricação sob encomenda. O ponto que fica: o mercado de ações está tratando Micron, TSMC e uma dúzia de outras fornecedoras de gargalo com o mesmo entusiasmo, mas nem toda posição de escassez é um moat estrutural: algumas são arbitragem momentânea, que desaparece assim que a oferta alcança a demanda, e ainda não está claro qual é qual.

A dependência de poucos fornecedores não passou despercebida. Alguns hyperscalers já dão os primeiros passos tentando escapar dessa armadilha, buscando se proteger tanto do risco de escassez quanto dos custos cada vez mais elevados. Aqui temos novidade fresca: a SemiAnalysis publicou, em 9/jul, um raio-x da Meta Superintelligence Labs projetando que a empresa terá mais compute de IA que OpenAI e Anthropic somadas até o fim de 2026, construindo simultaneamente cinco clusters de 1GW+ ("Prometheus" em Ohio, "Hyperion" na Louisiana, e outros em El Paso, Iowa e Indiana). Mais revelador: a mesma SemiAnalysis relatou que a Meta é a cliente de lançamento de um CPU de datacenter desenhado com a ARM, codinome Phoenix, ou seja, a Meta virando ela mesma fornecedora de chip, não só compradora. A Microsoft segue caminho parecido: é a única hyperscaler que não emite dívida pública diretamente, preferindo manter cerca de 70% da alavancagem em veículos separados, buscando escapar dessa exposição. Esse é o sinal mais concreto até agora de hyperscalers tentando construir por conta própria. Vai funcionar? É a pergunta que fica em aberto.

E o gargalo pode estar prestes a trocar de nome de vez: energia. Elon Musk vem repetindo, desde uma entrevista ao podcast Moonshots with Peter Diamandis (pano de fundo, jan/2026), que o limite real não é mais chip, é eletricidade ("as pessoas estão subestimando a dificuldade de colocar eletricidade online"), e que, nessa métrica, a China deve "superar de longe o resto do mundo em compute de IA", com capacidade de geração elétrica projetada em cerca de 3x a americana até o fim de 2026. A leitura de Musk inverte o roteiro: os EUA restringiram a venda de chip de ponta pra China, mas se energia for o gargalo que importa, essa restrição pode valer cada vez menos. A ressalva é grande, e importante: essa tese ainda é muito incipiente, está longe de ser consenso, e não conta com possíveis revoluções no consumo de energia que já estão sendo testadas: integração fotônica do MIT que promete cortar consumo de datacenter mantendo velocidade de petabit, chips que combinam lógica simbólica com redes neurais com redução de até 99% no consumo, e arquitetura neuromorfa inspirada no cérebro com redução de até 70%. Se qualquer uma dessas rotas de eficiência emplacar em escala, a vantagem bruta de eletricidade da China importa bem menos.

Até quando teremos controle. Enquanto o resto do mercado discute capex e gargalo, Elon Musk trouxe de volta a pergunta mais desconfortável. Em entrevista gravada em 23/jul com a editora-chefe da The Economist, Zanny Minton Beddoes (divulgada em 24/jul), ele disse que a IA deve superar a soma da inteligência humana em cerca de cinco anos (por volta de 2031) e que os humanos provavelmente perdem o controle da trajetória dentro de dez anos, por volta de 2036, chamando de pura presunção quem acredita que consegue controlar uma superinteligência muito mais inteligente do que ele mesmo. O dado que mais circulou depois da entrevista foi a analogia que ele usou: a diferença de inteligência entre a IA e os humanos, nesse cenário, seria maior do que a diferença de hoje entre humanos e chimpanzés. Ainda assim, ele mantém a posição de que a humanidade não deve travar o desenvolvimento: estima 10 a 20% de chance de a tecnologia levar à extinção humana, contra a possibilidade mais provável, em sua visão, de "prosperidade sem precedentes para todos". Vale notar a virada de posição: o próprio Musk ajudou a fundar a OpenAI como contrapeso de segurança ao Google, e hoje defende que a aceleração é "inexorável", propondo no lugar disso uma revisão de segurança leve, conduzida pelas próprias empresas rivais entre si.

Isso soaria como futurologia solta se não houvesse casos reais e datados de perda de controle já acontecendo. A Anthropic revelou em 13/nov/2025 ter interrompido a primeira campanha de espionagem cibernética orquestrada por IA em larga escala: um grupo ligado ao Estado chinês manipulou o Claude Code para invadir cerca de 30 alvos globais, quebrando o ataque em tarefas pequenas e aparentemente inocentes que o modelo executava sem entender o objetivo malicioso completo, convencendo o Claude de que estava fazendo um teste de segurança defensivo legítimo. Entre 80% e 90% do ataque foi conduzido pela IA, com intervenção humana em só 4 a 6 pontos de decisão.

Mais recente, e mais direto ainda: a OpenAI revelou por volta de 21 a 22/jul que um de seus modelos de teste (incluindo o recém-lançado GPT-5.6 Sol) escapou do ambiente de teste controlado durante uma avaliação interna de capacidade cibernética e invadiu os servidores reais da Hugging Face, usando credenciais roubadas e uma vulnerabilidade real, até então desconhecida. O motivo: hackear a Hugging Face, que mantém o gabarito de respostas daquele teste específico, era literalmente o caminho mais fácil para o modelo pontuar bem na avaliação. Não foi um ataque malicioso de fora: foi o próprio modelo, seguindo instruções, encontrando o atalho mais eficiente para cumprir seu objetivo.

Modelo vs. canal. O fio que puxamos nesta edição começa com um dado de fundo: a Meta em conversas para alugar até $10 bilhões em compute para a Anthropic (NYT, via Stratechery), sinal de que Anthropic e OpenAI, hoje os únicos players com relação direta e crescente com o usuário final de IA generativa, seguem crescendo mais rápido do que sua própria infraestrutura acompanha. O Google é o concorrente mais completo em teoria: modelo (Gemini) e canal (Search, Android). Apple e Amazon têm a carta escondida da base instalada (Siri em 2 bilhões de dispositivos, Alexa em centenas de milhões de lares).

Mas a semana de 13 a 14/jul trouxe dois sintomas frescos de que essa dicotomia é mais complicada do que "modelo vence" ou "canal vence". Em 13/jul, a Apple processou a OpenAI por segredos comerciais. Ben Thompson descreveu como "mais fumaça que fogo", mas o gesto em si é revelador de fricção. Em 14/jul, a OpenAI fundiu o Codex ao ChatGPT numa espécie de "super app", levantando a pergunta se a empresa está abandonando a própria categoria de chat que inventou: evidência concreta da virada de chatbot para agente. Isso valida a tese de fundo de Thompson (mar/2026): o moat real não está só no modelo nem só no canal, está na integração entre modelo e "harness", a camada que transforma modelo em agente que executa. Prova viva: a própria Microsoft, que se dizia "model agnostic", teve que abandonar essa posição para lançar seu Copilot Cowork integrado. Isso complica a aposta da Apple de apenas licenciar o Gemini: base instalada gigantesca não fecha a conta se faltar harness próprio.

Vale nomear o que estava faltando até aqui: os modelos chineses finalmente entraram no mapa como competidores de verdade, não como alternativa barata de segunda linha. O Kimi K3 ficou em 4º lugar entre 189 modelos no Artificial Analysis Intelligence Index (atrás só de Fable 5 e GPT-5.6 Sol, empatado com Opus 4.8 e GPT-5.5) e tomou o 1º lugar no Frontend Code Arena. Ethan Mollick, no guia que publicou em 23/jul, já lista Kimi K3, DeepSeek e Qwen como opções "surpreendentemente capazes" para quem tem repertório técnico pra usá-los como agente, a mesma ressalva do harness, de novo.

O lançamento do Kimi K3 (16/jul) é a confirmação mais recente da tese do harness, vinda de onde menos se esperava. A Moonshot não lançou o modelo sozinho: lançou acoplado ao Kimi Code, seu próprio harness de agente de terminal (lançado em 6/jun). Mesmo os chineses entenderam que modelo sem harness não compete. E o preço subiu 6x sobre a geração anterior, chegando a bater centavo a centavo com o Claude Sonnet 5: o "fim da IA chinesa superbarata", como já está sendo chamado. Se a arma chinesa era custo, e o custo convergiu, a disputa volta para capacidade, confiança e harness, e a camada de modelo comoditiza mais um degrau. Cada lançamento desses reforça a mesma ideia: o moat não está no modelo, está em quem transforma modelo em agente que executa.

O dilema corporativo. Quem tem estrutura para converter IA em resultado, e não só em despesa de licença? O dado mais atual que achamos é de Ethan Mollick (30/jun, "The Twilight of the Chatbots"): a virada de não-especialistas usando chatbot para preencher lacunas, para especialistas usando agentes para executar trabalho de ponta a ponta, com o Opus 4.7, trabalhando sozinho por 14 horas, construindo um pacote de software equivalente a 2 a 17 semanas de um engenheiro humano, por US$ 251 em tokens. Mollick também aponta que experiência de domínio prevê sucesso com a ferramenta melhor do que cargo ou formação, ou seja, o ganho não é automático, depende de estrutura organizacional. Isso conecta com o próprio aposta de Thompson: o valor dos agentes não é cortar custo, é substituir a "engrenagem humana" difícil de gerenciar por agentes que executam sem parar, e é a mesma aposta por trás do pacote E7 da Microsoft, cobrando o dobro do plano anterior ($99/assento/mês) apostando que essa produtividade é real.

Mas produtividade individual não resolve o dilema corporativo sozinha: falta a camada de orquestração, e é aí que uma disputa paralela e menos falada está se consolidando. O mercado corporativo está convergindo para a ideia de que o valor não está em construir um agente, está em orquestrar, governar e integrar muitos agentes sem perder controle. A Salesforce (Agentforce) já tem mais de 8.000 clientes e US$ 900 milhões em receita de IA nos primeiros seis meses de produto; a ServiceNow se posiciona como "torre de controle" da empresa, com um botão de emergência para desligar agentes que saem do trilho; a IBM (watsonx Orchestrate) vem pré-integrada com mais de 80 sistemas corporativos. Microsoft, AWS, Google, Oracle, SAP, UiPath e Palantir também brigam por essa camada, e são, eles também, candidatos a vencer o jogo da adoção corporativa, não só os donos de modelo.

E segurança está deixando de ser detalhe técnico para virar o centro da conversa sobre adoção corporativa, talvez o principal freio de mão de todo esse dilema. Pesquisa da Cloud Security Alliance com a Token Security (abr/2026) encontrou que 65% das organizações já tiveram ao menos um incidente de segurança causado por agentes de IA rodando na rede corporativa. Um levantamento separado da Gravitee (mar/2026) vai na mesma direção: 88% das empresas que operam agentes reportam incidente de segurança confirmado ou suspeito. O caso mais grave documentado até agora abre, na verdade, o novo dilema "até quando teremos controle" do lado supply. Vale a leitura completa lá. Esse medo é exatamente a alavanca que os incumbentes de ERP e SaaS estão usando para tentar capturar o mercado de adoção de IA: Salesforce, ServiceNow, SAP e IBM não estão vendendo modelo, estão vendendo a promessa de governança, auditoria e um "botão de pânico" para quem tem medo de dar autonomia demais a um agente. Quem já vende o sistema em que a empresa confia para rodar a folha de pagamento ou o CRM parte na frente nessa venda, e é um tema que vamos aprofundar bastante daqui pra frente.