TLDR;

Apesar de empresas queimarem bilhões em apostas de longo prazo, a queda rápida do custo por desempenho sugere que o problema financeiro não é um beco sem saída. Os custos de modelos de ponta podem tornar o setor mais concentrado em duas ou três empresas capazes de arcar com investimentos, enquanto modelos existentes ficam progressivamente mais baratos. Provavelmente não haverá um estouro por causa dos custos isoladamente; o cenário mais plausível é um crescimento mais lento e manutenção do valor das soluções já desenvolvidas.

Resumo

Os custos com IA aumentaram exponencialmente nos últimos anos: empresas como a OpenAI e concorrentes queimam enormes quantias de capital de risco na expectativa de lucratividade em alguns anos, exemplos recentes incluem o modelo Capiara da Anthropic, cujo treinamento custará bilhões, e gigantes como Amazon, Google, Meta e Microsoft investindo centenas de bilhões. Assinaturas ao consumidor parecem pouco lucrativas porque usuários intensivos geram custos muito maiores, tornando-as também fonte de dados e retenção. A razão principal desses gastos é a corrida para dominar a IA: treinar modelos de ponta e construir infraestrutura de data centers é caro, embora o custo para alcançar o mesmo desempenho com modelos já lançados venha caindo substancialmente — por exemplo, o custo por milhão de tokens do GPT‑3.5 caiu de cerca de US$20 em 2022 para US$7 em 2024. Por isso, é improvável que a bolha exploda apenas por custos; em vez disso, o mercado tende a se concentrar em poucas empresas que conseguem sustentar modelos gigantescos, ou as inovações poderão desacelerar se o financiamento diminuir, o que resultaria numa trajetória de crescimento mais lenta, não no desaparecimento do valor da IA, similar ao legado persistente da bolha pontocom. O debate público continuará sendo importante.