A narrativa central por trás do investimento em infraestrutura de IA enfrenta desafios sérios no nível da economia por unidade. O preço dos tokens caiu mais rápido do que o esperado, com o índice de despesas em tokens LLM da Silicon Data da Goldman Sachs caindo 29% apenas em agosto, para cerca de US$ 0,97, pela primeira vez abaixo da marca de US$ 1 por milhão de tokens. Ao mesmo tempo, o uso na plataforma OpenRouter aumentou 47%, mas as despesas em dólares cresceram apenas 7%. A divergência entre aumento de volume e queda de preço revela a contradição central: os retornos do mercado de ações são calculados em dólares, não em número de tokens. Isso marca uma alteração fundamental na lógica de receita que sustentou a avaliação do setor de IA nos últimos dois anos, com o mercado de crédito já emitindo alertas iniciais.

Autor e fonte do artigo: Wall Street Journal

A narrativa central por trás do investimento em infraestrutura de IA está enfrentando desafios sérios no nível da economia por unidade. A velocidade da queda nos preços dos tokens excedeu as expectativas anteriores do mercado, abalando fundamentalmente a lógica de receita que sustentou a avaliação do setor de IA nos últimos dois anos.

De acordo com o relatório mais recente de Rich Privorotsky, chefe da mesa de negociação One-Delta do Goldman Sachs, o Silicon Data LLM Token Expenditure Index (código: SDLLMTK), que mede o preço médio ponderado por milhão de tokens utilizados no mercado, caiu 29% apenas em agosto, fechando o mês em aproximadamente US$ 0,97, um novo mínimo histórico, com uma queda acumulada superior a 50% em relação ao pico de maio de cerca de US$ 2,05. Este é o primeiro momento em que o índice cai abaixo da marca de US$ 1 por milhão de tokens.

Ao mesmo tempo, segundo relatório do data center do JPMorgan, o uso de tokens na plataforma OpenRouter aumentou cerca de 47% em relação ao mês anterior em agosto, mas os gastos em dólares aumentaram apenas cerca de 7%. A discrepância entre aumento de volume e queda de preço revela diretamente a contradição central da lógica atual de investimento em IA: os retornos do mercado de ações são calculados em dólares, e não em número de tokens, e os gastos de capital em data centers de escala massiva são calculados com base nas expectativas de receita em dólares.

Privorotsky destacou claramente no relatório que “maior demanda combinada com preços mais baixos não constitui automaticamente um sinal positivo se o preço cair mais rápido do que o crescimento do consumo.”

Colapso do preço do token: não é a demanda que desaparece, mas sim o preço unitário que se desintegra

O índice de despesas com tokens LLM da Silicon Data não é um indicador da demanda por tokens, mas sim um índice de preço ponderado pelo uso. A própria empresa já alertou o mercado de que a queda desse índice pode ser atribuída a reduções nos preços, migração dos usuários para modelos de código aberto de baixo custo ou ambos, e não significa necessariamente uma contração no uso de IA.

No entanto, esse é exatamente o problema. O volume de roteamento do OpenRouter aumentou significativamente, mas os preços de locação das GPUs H100 caíram — o que contradiz a narrativa de “aumento repentino na demanda por tokens”. Privorotsky apontou que os dados de agosto apresentaram um padrão claro: volume aumentou significativamente, os preços caíram ainda mais, e os gastos em dólares quase não se moveram.

A conclusão do Goldman Sachs é que a precificação de ações nos últimos dois anos foi baseada na suposição de que "mais tokens equivalem a mais receita", e os dados de agosto romperam claramente essa suposição pela primeira vez.

Aumento da concorrência e inferência local: erosão estrutural do modelo de precificação por token

Privorotsky afirmou no relatório que tem dúvidas sobre o modelo de negócios sustentável de cobrança por token. A lógica de precificação por milhão de tokens para inferência em nuvem depende de três pressupostos simultâneos: o modelo é tão grande que não pode ser executado localmente, os usuários não conseguem substituí-lo por alternativas de código aberto e a carga de trabalho é suficientemente volátil para tornar inviável a construção própria de capacidade de processamento. E esses três pressupostos estão atualmente se desintegrando simultaneamente.

No lado de hardware, notebooks da classe RTX Spark, estações de trabalho DGX Spark, Mac Studio executando modelos de 70 bilhões de parâmetros e NPU com capacidade de processamento entre 40 e 75+ TOPS já reduziram o custo marginal por Token para níveis próximos ao custo da energia elétrica. Quando a fatura mensal de API de uma empresa exceder o custo de amortização de um dispositivo de US$ 5.000 a US$ 15.000, essa empresa passa de consumidora de Tokens a compradora única de hardware, em vez de ser um assinante de software que contribui continuamente com uma margem de lucro de 40%.

Na competição de modelos, o Muse Spark 1.3, lançado pela Meta em 2 de setembro, já se posicionou no mesmo patamar que o GPT-5.6 Sol e o Claude Opus 5 em testes independentes, destacando-se em tarefas de agentes e geração de código. Privorotsky observou: “A vantagem de ponta é medida em semanas e não constitui uma barreira de entrada, apenas um ciclo de produto.” Sempre que um modelo secundário se aproxima suficientemente e possui preço mais baixo, as empresas evitam os níveis de prêmio, e o índice de preços dos tokens é justamente a manifestação agregada dessa decisão de rota.

Pressão sobre a lógica de despesas de capital: o mercado de crédito já emitiu alertas iniciais

O relatório do Goldman Sachs aponta que este ciclo de gastos em capital da IA não é uma despesa operacional flexível, mas sim um compromisso de ativos pesados já garantido. Segundo o relatório, os gastos em capital das cinco grandes provedoras de nuvem classificadas estão previstos em cerca de US$ 737 bilhões em 2026, representando aproximadamente 38% de sua receita. A Moody's emitiu alertas sobre a compressão do fluxo de caixa livre, a transição do balanço patrimonial de ativos leves para ativos pesados, bem como compromissos de locação que, embora não estejam refletidos como títulos, impõem restrições reais aos emitentes.

O mercado de crédito reagiu antes do mercado de ações. De acordo com um levantamento de títulos relacionados, 78 dos 91 títulos emitidos por grandes provedores de nuvem em 2026 já caíram abaixo do preço de emissão até o final de agosto. Privorotsky chamou isso de “reprecificação do crédito” e destacou que os múltiplos de avaliação de ações são indicadores atrasados.

A cadeia lógica é clara: uma queda de 30% no preço do token e um aumento de 20% no uso levam à redução da receita de inferência; enquanto a depreciação e os juros do ciclo de construção de 2025 a 2027 continuam aumentando, a taxa de retorno sobre o investimento entra em colapso; após esse colapso, o mercado não precisa de uma narrativa dramática de “estouro de bolha”, apenas ajustar os múltiplos de avaliação para refletir o nível de uma empresa de utilidade pública com grandes ativos, mas capacidade limitada de precificação.

GPT-6 Astra: A única variável de inversão de narrativa restante

No relatório, Privorotsky considera o próximo modelo da OpenAI, Astra, o único catalisador próximo possível de mudar a situação. Em 1º de setembro, a OpenAI afirmou que o Astra atingiu o limiar crítico de segurança cibernética sob seu Framework de Prontidão, tornando-se o primeiro modelo a ser incluído nessa categoria.

No entanto, a equipe de negociação do Goldman Sachs mantém uma abordagem cautelosa. Um modelo agressivo com acesso restrito, necessitando de monitoramento e com alta fricção de uso não complementa automaticamente o pool de tokens de receita. Se cargas de trabalho de alto valor permanecerem sempre em testes controlados e nunca entrarem no sistema de cobrança público, a Astra pode até reduzir o número de tokens de cobrança.

A conclusão do relatório é que a Astra é a última variável recente capaz de reorientar a composição de receitas para níveis de maior valor. Antes disso, os dados de preço do token em agosto são o sinal mais autêntico do estado atual do mercado — a demanda pode crescer infinitamente, mas se o preço quando a demanda infinita chegar não cobrir o custo da dívida emitida para construir centros de dados, as ações ainda podem cair.