[TL;DR Seleção Diária] O que eu observo não é o preço elevado das GPUs, mas se elas realmente conseguem funcionar como uma fábrica de agentes inteligentes, gerando continuamente “inteligência” cobrável. Os US$ 38 por hora por GPU anunciados pela DeepSeek parecem ter levantado uma ponta do livro contábil mais sensível da indústria de IA: a questão já não é mais apenas quanto dinheiro foi gasto, mas se cada GPU consegue se pagar sozinha. 📌 Primeiro, veja os dados mais impressionantes: • A DeepSeek revelou: um único cluster pode processar 155 trilhões de tokens por dia. • Convertendo pelo preço público da API em horário de baixa demanda, teoricamente cada hora de GPU gera US$ 38 em receita. • Extrapolando anualmente de forma aproximada, uma única GPU pode gerar mais de US$ 330.000 em receita cobrável. Isso não é “lucro”, nem um número fácil de ganhar — é apenas a capacidade teórica de cobrança. Mas é crucial — indica que, se a otimização de inferência for suficientemente agressiva, a GPU pode deixar de ser apenas um buraco negro de custo e se tornar uma máquina que gera fluxo de caixa. 📌 Como foram alcançados os US$ 38? • O DeepSeek V4.1 Flash possui 552 bilhões de parâmetros totais e utiliza arquitetura MoE. • Ao processar entradas, cerca de 8 bilhões de parâmetros são ativados; ao gerar saídas, cerca de 16 bilhões. • O uso global do KV Cache foi reduzido para cerca de 1/4 da geração anterior; o cache de longo prazo caiu para cerca de 1/8. • Cada token consome aproximadamente 890 bytes de KV Cache global, com suporte máximo a 1 milhão de tokens de contexto. Em outras palavras, não é com “cartões mais caros” que eles ganham dinheiro, mas com engenharia de sistema mais agressiva: paralelismo de especialistas, decodificação por especulação, agendamento assíncrono, separação de Prefill/Decode e manter o KV Cache ativo o máximo possível. Em resumo: com o mesmo conjunto de GPUs, quem fizer menos cálculos repetidos estará mais próximo de uma máquina de imprimir dinheiro. 📌 Mas não veja os US$ 38 como a média da indústria: • O DeepInfer não abriu totalmente todos os componentes do ambiente de produção. • Componentes-chave como sistema KV Cache, orquestração de serviços e balanceamento de carga entre réplicas ainda precisam ser complementados externamente. • Atualmente é compatível principalmente com o DeepSeek-V4.1 Flash; outros modelos não podem ser facilmente replicados. Portanto, baixar o framework ≠ replicar receita. Os US$ 38 são mais como um “showroom” em estado de engenharia avançada — não algo que qualquer um possa copiar com algumas GPUs. 📌 Por que muitas empresas de modelos ainda perdem dinheiro, mesmo com inferência cada vez mais eficiente? • Estimativas do Stanford HAI / Epoch AI: a OpenAI terá despesas computacionais de cerca de US$ 16,3 bilhões em 2025, sendo US$ 8,3 bilhões em pesquisa e US$ 8 bilhões em inferência. • Em comparação com 2024, as despesas com inferência da OpenAI saltaram de US$ 1,8 bilhão para US$ 8 bilhões — um aumento de cerca de 3,4 vezes. • A Anthropic terá despesas computacionais de cerca de US$ 6,8 bilhões em 2025, sendo US$ 4,1 bilhões em pesquisa e US$ 2,7 bilhões em inferência. Essa é a verdade: treinamento e inferência são dois livros contábeis diferentes. Você pode vender tokens, mas isso não significa que não precise continuar gastando dinheiro para desenvolver o próximo modelo; e quanto mais usuários você tiver, mais a conta de inferência cresce. Reduzir o custo unitário não significa reduzir o custo total. A indústria da IA é como construir uma rodovia — quanto mais carros passam, mais você cobra, mas também aumentam os custos de manutenção, expansão e juros do financiamento. 📌 Vender apenas tokens pode ser um negócio viável? Resposta: pode ser, mas não é fácil. O artigo apresenta um cálculo sensível bem direto: • Se o custo total for de US$ 10 por hora por GPU; • A receita teórica máxima por hora por GPU é de US$ 38; • Então, basta atingir cerca de 26,3% da produção cobrável efetiva para cobrir os custos. • Se a produção cobrável efetiva atingir 50%, a receita por hora será cerca de US$ 19 — após deduzir os US$ 10 de custo, restam US$ 9. Esse modelo é atraente — mas a realidade não é romântica. Throughput, concorrência, latência, estrutura dos clientes, picos de tráfego e tempo ocioso consomem os lucros imaginados. E quando começa uma guerra de preços, parte da eficiência ganha geralmente é repassada aos clientes. 📌 CoreWeave também mostra a outra face com realismo: • Receita no segundo trimestre de 2026: US$ 2,575 bilhão — aumento de cerca de 112% ano a ano. • EBITDA ajustado: US$ 1,51 bilhão — margem de 59%. • Mas sob GAAP, ainda registrou prejuízo líquido de US$ 626 milhões. • Depreciação e amortização no trimestre: US$ 1,393 bilhão; juros líquidos: US$ 640 milhões. Percebe? Negócio de capacidade computacional não é “ter receita = ter lucro”. GPUs se desvalorizam, expansão depende de financiamento e juros são uma sombra constante. Ter lucro bruto não significa manter lucro líquido. 📌 A camada de aplicação está ainda mais em apuros: demanda cresce, mas lucratividade nem sempre acompanha: • O Cursor tinha margem bruta negativa de -23% até o primeiro trimestre de 2026; se todos os custos de inferência dos usuários gratuitos forem incluídos, chega a -31%. • https://t.co/RxWvQzBAAu solicitou proteção contra falência com cerca de 12 milhões de usuários ativos mensais; receita em agosto de 2026 foi de US$ 5,3 milhões, mas prejuízo mensal ainda girava entre US$ 8 e 9 milhões. • Nos primeiros oito meses de 2026, https://t.co/RxWvQzBAAu gastou US$ 56,1 milhões em capacidade computacional — cerca de 45% das despesas operacionais. • Por outro lado, o Midjourney teve receita significativamente superior a US$ 200 milhões em 2023 e permaneceu lucrativo. Mesmo sendo ambos nativos da IA, os destinos são muito diferentes. A razão não é misteriosa: usar IA não cria automaticamente um modelo de negócio viável — o ponto chave é se o valor da tarefa realizada cobre os custos de inferência e operação. 📌 A maior oportunidade talvez esteja nos Agentes: • A Menlo Ventures estima que os gastos globais dos consumidores em IA atingiram US$ 40 bilhões em 2026 — mais que triplicaram em relação aos US$ 12 bilhões em 2025. • Mas a taxa de uso da IA entre adultos nos EUA subiu apenas de 61% para 64%. Ou seja: novos usuários não explodiram — o que explodiu foi o uso mais profundo e maior pagamento por usuários existentes. O mercado agora aposta não apenas em quantas conversas ocorrem, mas em quantas tarefas o AI consegue realizar por dia para você: e-mails, compras, agendamentos, operações em software, coordenação entre serviços — esses são os verdadeiros motores que podem amplificar o consumo de tokens. Mas ainda preciso derramar uma água fria: mais tokens não significam melhor negócio. Se um produto Agent gera US$ 20 por mês por usuário, mas gasta US$ 30 em modelos e ferramentas, ele apenas sustenta as GPUs do upstream — e não a si mesmo. Minha avaliação é simples: 1. Os US$ 38 por hora por GPU mostram que o negócio da inferência da IA “pode funcionar” — e o valor da otimização técnica está severamente subestimado. 2. Mas entre “ser cobrável” e “ser lucrativo”, existem quatro paredes: utilização, poder de precificação, custo do capital e valor do produto. 3. Quem realmente atravessará ciclos não será necessariamente quem mais gasta GPUs — mas quem melhor transformar tokens em resultados reais e úteis.Se, no futuro, cada agente estiver trabalhando, comprando, negociando e executando processos em nome dos humanos, a questão não será mais “Quanto vale o token?”, mas sim — quanto valor meu agente criado trouxe para você? Essa é a conta que mais me importa.