Quando agentes de IA começam a se aproximar ou substituir o trabalho intelectual humano, como o preço da capacidade de processamento deve ser reavaliado?
No último artigo de blog, o renomado podcast de tecnologia Dwarkesh Patel apresentou uma suposição ousada: se a receita dos laboratórios de IA continuar crescendo rapidamente (por exemplo, a Anthropic atingindo 1 trilhão de dólares até o final do próximo ano), enquanto o fornecimento de capacidade de processamento aumenta apenas cerca de 3 vezes por ano, os preços da computação podem subir mais de 10 vezes.
O custo da força de trabalho baseada em silício, H100 + IA = US$ 250.000 programadores da Vale do Silício
Nas últimas décadas, a potência de cálculo foi considerada uma «ferramenta». Computadores mais rápidos, servidores mais numerosos e nuvem mais barata.
Mas uma mudança de paradigma está ocorrendo na era da IA: as GPU não são mais apenas peças da máquina, mas podem se tornar veículos para a força de trabalho digital.
Se uma H100 puder suportar um AI Agent com nível próximo ao de um programador de ponta, seu valor não deveria mais ser calculado com base no "preço por hora de servidor", mas sim no valor do trabalho humano que ele substitui.
Imagine if there was a digital software engineer that never sleeps, responds instantly, and operates at the peak of human technical skill—how much would you be willing to pay as an annual salary?
Na Silicon Valley, o salário anual médio de mercado para engenheiros de software é superior a 250 mil dólares. No entanto, hospedar um agente com nível de inteligência equivalente pode exigir apenas a capacidade de processamento de uma única GPU NVIDIA H100.
Agora, vamos fazer as contas:
Se esta H100 puder substituir perfeitamente um programador humano com salário anual de 250 mil dólares, então, do ponto de vista puramente comercial e econômico, o aluguel anual teórico desta H100 deveria ser definido acima de 250 mil dólares.
Mas, neste exato momento, o preço de locação à vista do H100 no mercado, anualizado, é de apenas cerca de US$ 16.000. Há uma diferença de 15 vezes entre os dois.
Este é o maior "buraco negro de arbitragem de mão de obra" da história da humanidade que enfrentaremos.
Quando a velocidade de reprodução da inteligência no mundo virtual supera em muito os limites de fabricação do mundo físico, a contradição explode:
A valorização da inteligência digital está crescendo muito mais rapidamente do que a expansão da infraestrutura de computação física.
Essa disparidade de avaliação de 15 vezes provocará uma forte reação: nos próximos anos, o preço real da capacidade de mineração pode enfrentar uma superinflação de 10 vezes ou mais.
Claro, há uma dúvida: os salários dos engenheiros de software vão diminuir significativamente no futuro?
Essa questão, Dwarkesh Patel também considerou:
Mas, se acreditarmos na teoria econômica padrão sobre a força de trabalho, o valor marginal da capacidade de processamento (e, portanto, o preço marginal da capacidade de processamento) deveria se tornar extremamente elevado.
A velocidade com que a IA ganha dinheiro já superou a velocidade com que a IA é criada
Nos últimos anos, a indústria de IA seguiu uma lógica simples: modelos maiores, mais dados, mais GPUs e maior capacidade.
Mas agora, uma nova contradição está surgindo: a taxa de crescimento da IA está superando a taxa de crescimento da oferta de capacidade de processamento.
Tomando a Anthropic como exemplo. No último ano, sua receita comercial cresceu cerca de 10 vezes.
Na taxa de crescimento atual, sua receita anualizada pode atingir entre US$ 100 bilhões e US$ 150 bilhões até o final do ano. Se essa tendência continuar, no próximo ano, ele precisará enfrentar uma questão absurda: como sustentar um potencial de mercado de trilhões de dólares?
Há apenas uma resposta: mais inteligência. E mais inteligência significa: mais treinamento, mais inferência, mais GPUs.
No entanto, o problema é que a oferta de hash rate não cresceu na mesma velocidade.
O aumento da capacidade de processamento físico dos laboratórios líderes do setor atualmente consegue sustentar um crescimento de cerca de 3 vezes por ano.
Então surge um grande descompasso:
O mundo digital quer correr 10 quilômetros, mas o mundo físico só fornece uma estrada de 3 quilômetros. O que fazer com o restante da distância?
Apenas três opções: primeiro, aumentar a margem de lucro. Segundo, aumentar o preço da capacidade de processamento. Terceiro, alocar mais capacidade de processamento para negócios de inferência.
O terceiro caminho é, na verdade, o que muitos laboratórios de IA mais não querem ver.
Porque ganhar dinheiro com inferência serve, essencialmente, apenas para provar: "o modelo de negócios de IA é viável."
Em seguida, continue arrecadando fundos, comprando mais GPUs e treinando o próximo modelo.
O verdadeiro ciclo de Silicon Valley é:
Ganhar dinheiro não é o objetivo final, apenas um meio para comprar mais capacidade de computação.
Porque o que todos os laboratórios realmente acreditam é: o modelo mais avançado de hoje pode, daqui a um ano, ser como o celular de ontem — poderoso, mas obsoleto.
Isso força a solução de volta às duas primeiras opções: o aumento acentuado da margem de lucro ou o aumento do custo unitário da capacidade de mineração.
Se depender totalmente da margem de lucro para absorver essa diferença, a margem de lucro do Laboratório Fronteiriço precisará atingir cerca de 95% no intervalo médio-alto até o final do próximo ano.
Na história dos negócios, exceto por alguns poucos nós de monopólio tecnológico absoluto, isso é quase uma ilusão.
Assim, todas as pistas e lógicas convergiram finalmente para a mesma saída: o preço unitário da capacidade de mineração está prestes a enfrentar uma explosão sem precedentes.
As GPUs estão se transformando de servidores em fábricas da nova era
Muitas pessoas ainda não perceberam: a competição em IA está entrando na era da infraestrutura.
Na era passada da internet, a disputa era por usuários, tráfego e pontos de entrada. Na era da IA, a disputa é por energia elétrica, chips, centros de dados e clusters de supercomputação.
Por quê? Porque os principais laboratórios de IA não podem depender de servidores em nuvem comuns.
Eles precisam: cluster GPU dedicado; estrutura de rede estável; alta utilização; segurança de dados e modelos.
Isso já não é alugar um servidor comum; é alugar a linha de produção inteligente do futuro.
Um caso típico é: Google e Anthropic alugam grandes recursos de GPU da SpaceX.
Relata-se que o cluster de aproximadamente 110.000 GPUs do Google custa US$ 900 milhões por mês.
Em termos equivalentes, o aluguel por hora por GPU é quase o dobro do preço atual de aluguel à vista no mercado. E não se esqueça de que o preço à vista atual já é 40% maior que o mínimo registrado no início deste ano.
Why?
Porque a capacidade de mineração de topo está se tornando cada vez mais como um recurso estratégico, como energia e redes elétricas.
Imaginem a Revolução Industrial, uma fábrica possui uma máquina a vapor, outra não.
A diferença deles não é de 10%, mas uma lacuna geracional no modo de produção.
A GPU da era da IA também está se tornando esse novo “motor a vapor”.
Por que o preço da capacidade de mineração chegou a esse nível descontrolado?
A resposta está na fórmula física da oferta — essa fórmula já está rigidamente limitada pelos limites físicos da TSMC e dos gigantes da litografia.
O mito frequentemente citado na indústria de que "a capacidade de mineração cresce três vezes por ano" desmontado não é nada mais do que uma tentativa forçada de combinar três fatores multiplicadores na borda do limite:
Taxa de crescimento anual da capacidade de mineração (3x) ≈ 1,4x (iteração da Lei de Moore) × 1,2x (construção de novas fábricas de wafers) × 1,8x (apropriação da capacidade de processos avançados).
E esses três multiplicadores estão cada um se aproximando do teto.
Lei de Moore: cada passo de miniaturização é mais difícil que o anterior; vazamentos e limites atômicos tornam cada iteração uma caminhada sobre gelo fino.
O ciclo de construção de novas fábricas de semicondutores é longo, e a velocidade de entrega das máquinas de litografia EUV de alta NA está travando toda a cadeia, sem solução antes de 2030.
Nos últimos dois anos, o único impulso para o aumento da capacidade de mineração foi a competição por capacidade de produção — os chips de IA roubaram processos avançados da TSMC das mãos de celulares e PCs.
Mas esse último multiplicador está prestes a se reduzir a zero. Até o final de 2027, os chips de IA consumirão 86% da capacidade da N3 da TSMC, subindo de 60% para 86% — não é crescimento, é saturação absoluta no sentido físico, sem mais espaço.
Três multiplicadores, dois já atingiram o pico, o último está prestes a bater em uma parede. A história da oferta de hash rate já foi contada.
Quanto mais caro o poder de computação, menos pessoas ousam usar modelos baratos.
Intuição diz: se o poder de processamento estiver caro, use modelos leves e versões abertas e cortadas, economizando gastos.
Mas a economia da IA é exatamente o oposto.
A lógica central é o efeito Alchian-Allen: quando todos os bens são sujeitos a um custo adicional fixo, os mais caros parecem mais vantajosos.
Na IA, esse "custo adicional" é a depreciação da capacidade de processamento — você precisa pagá-lo, independentemente do modelo usado.
Faça as contas: H100 custa US$20 por hora.
- Melhor modelo: resolvido em 1 hora, US$ 25 (US$ 20 de poder de cálculo + US$ 5 de prêmio).
- Modelo medíocre: taxa de autorização 0, mas falta de inteligência, levou 2 horas de tentativas e erros, 40 dólares.
Conclusão: Usar um modelo medíocre acaba sendo mais caro. Ele consome poder de processamento e recursos ainda mais valiosos — o tempo — em tentativas ineficazes.
Portanto, quanto mais caro o poder de computação, mais justificado é o preço premium cobrado pelos modelos mais poderosos. Como de qualquer forma você precisará pagar pelo poder de computação, gastar um pouco mais para usar o mais inteligente é realmente economizar.
Modelo medíocre, sem perspectivas.
No final, os fundos da sociedade inteira serão absorvidos, como um buraco negro, por um punhado de oligopólios trilionários capazes de criar os modelos absolutamente mais poderosos.
A capacidade de mineração também é um recurso, necessariamente não aumenta de preço?
Claro, também há quem se oponha.
Na seção de comentários, Eric Xu apresentou uma refutação interessante: a lógica de um aluguel anual de 250 mil dólares só se sustenta no domínio puramente digital. Assim que se entra no mundo físico, como no ciclo de aprovação de ensaios clínicos ou nos processos decisórios de compras públicas, o teto de receita da IA pode nem chegar a 250 mil dólares, estando mais próximo de 50 mil dólares.
O engenheiro de software sênior Trevor apontou: conteúdos de baixa qualidade não precisam de modelos de ponta; eles simplesmente migrarão para alternativas mais baratas, em vez de desaparecerem completamente. Em outras palavras, o que pode ser limpo é o preço, não o conteúdo em si.
A história também não está do lado de Dwarkesh. Em 1980, o biólogo de Stanford Paul Ehrlich e o economista Julian Simon fizeram uma aposta sobre se cinco metais aumentariam de preço em dez anos.
Dez anos depois, os cinco caíram todos, e Ehrlich desistiu e pagou. “Os recursos sempre subirão de preço” — historicamente, a maioria das pessoas que apostaram assim perdeu.
A resposta de Dwarkesh foi: A elasticidade da oferta de capacidade é muito menor do que a de commodities. Minas de cobre podem aumentar a produção sob o impulso de preços altos, mas máquinas de litografia EUV não podem — a TSMC não possui capacidade excedente para liberar. Nos últimos anos, com a oferta aumentando apenas três vezes por ano, não há substitutos.
Curiosamente, Dwarkesh também admite: essa previsão, historicamente, quase todas as semelhantes erraram.
Talvez, um dia, a potência de hash se torne tão barata quanto a areia, mas antes que esse dia chegue, seremos obrigados a passar por uma das mais cruéis corridas armamentistas e inflação de potência de hash.
Referências:
https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive
https://x.com/dwarkesh_sp/status/2082482530209411419
Este artigo é do número oficial do WeChat "Nova Inteligência", autor: Apocalipse da ASI; editor: David