Os laboratórios de IA frontier parecem superavaliados no momento. O post de Andrew Ho identifica perfeitamente o problema central: essas empresas estão presas em uma esteira exigente. Elas precisam continuar investindo quantias cada vez maiores no treinamento do próximo modelo apenas para se manter à frente dos concorrentes de código aberto e de segundo escalão. A receita cresce, mas os gastos necessários com treinamento crescem ainda mais rápido. Margens brutas altas apenas com inferência não salvam você quando a maior parte do capital ainda vai para a próxima rodada de treinamento. O mercado está precificando a chegada rápida e iminente de agentes altamente autônomos que fundam e operam empresas de forma autônoma. Esse resultado é possível eventualmente, mas as evidências até agora apontam para um progresso mais lento e irregular, limitado por dados, confiabilidade e o difícil problema do cálculo econômico. A difusão das capacidades atuais em fluxos de trabalho reais está levando anos, não meses. Congelar a qualidade dos modelos nos níveis atuais ainda exigiria mais de uma década de invenção de produtos e processos antes que todo o valor econômico seja realizado. As valorações no mercado privado na faixa de US$ 100 bilhões a US$ 1 trilhão assumem o oposto: que os laboratórios podem permanecer sem lucro por muito tempo enquanto o mundo se reorganiza ao seu redor em alta velocidade. Os mercados públicos historicamente foram menos tolerantes assim que os períodos de bloqueio expiram e os números de consumo de caixa se tornam obrigações de relato contínuo. A IA será uma indústria massiva. Os próprios laboratórios, aos preços atuais, parecem estar precificando o caminho mais otimista, e não o mediano.