IA ficou barata. O resto ficou caríssimo

Por The Shift

A Contrary Research acaba de lançar seu “Tech Trends Report 2026”, com mais de 160 slides sobre IA, energia e infraestrutura física. O padrão recorrente é a deflação acelerada de custos tecnológicos, ampliando estruturalmente a demanda. Na IA, essa dinâmica já é observável em métricas de custo, desempenho, adoção e investimento – e tende a continuar no curto e médio prazo.

Há um paradoxo em curso: inferência cada vez mais barata e treinamento cada vez mais intensivo em capital. O custo de inferência de modelos do tipo GPT-4 caiu de aproximadamente US$ 60 para cerca de US$ 0,07 por milhão de tokens em menos de dois anos. Uma queda de cerca de mil vezes. Quando um insumo recua assim, aplicações antes economicamente inviáveis tornam-se operacionais. A restrição deixa de ser preço por token e passa a ser integração com sistemas legados, governança de dados e confiabilidade.

A inferência passa a apresentar características típicas de commodity digital: preço em queda, diferenciação técnica reduzida e crescimento impulsionado por volume.

Nos benchmarks, a convergência é visível. O MMLU saiu de cerca de 70% para mais de 90% em duas gerações. O HumanEval aproxima-se do teto. Com desempenho semelhante entre modelos de ponta, a diferenciação desloca-se para latência, integração e controle de dados. O custo de troca é baixo.

Enquanto o uso barateia, o treinamento encarece. O consumo energético praticamente dobrou a cada seis meses na fase recente. Hiperescaladores investem perto de US$ 100 bilhões por trimestre (2° trimestre 2025), com projeção de US$ 1,3 trilhão até 2027.

Essa assimetria favorece democratização no acesso e concentração na infraestrutura. Silício proprietário e cadeias de semicondutores concentradas elevam barreiras de entrada. A TSMC respondeu por cerca de 71% da receita global de fundição no 2° trimestre de 2025.

As implicações práticas:

• Se você estiver desenvolvendo um aplicativo de IA, considere que os custos de inferência podem cair mais de 10 vezes nos próximos 18 meses. Projete seu produto assumindo abundância estrutural de inteligência. Recursos hoje considerados caros tendem a tornar-se economicamente viáveis.
• Se você está investindo em IA, a camada de modelagem converge tecnicamente. O valor tende a concentrar-se em distribuição, dados proprietários e infraestrutura física. 
• Se você atua nos setores de energia ou infraestrutura, a demanda por IA pode representar o maior choque estrutural na rede elétrica dos EUA em uma geração. Tecnologias capazes de fornecer energia confiável ou armazenamento eficiente operam em cenário estrutural favorável.

A combinação de deflação acelerada no uso e intensificação de capital na produção está reorganizando a estrutura econômica da IA. O acesso se amplia; a base industrial se concentra. O custo unitário cai, enquanto o investimento em energia, chips e data centers atinge patamares históricos.

O próximo ciclo tende a ser definido por controle de distribuição, dados proprietários e infraestrutura. A vantagem competitiva migra da performance isolada para arquitetura de ecossistema.

No artigo completo, publicado no site da The Shift, aprofundamos como essa dinâmica afeta cadeias de valor, política industrial, planejamento energético e modelos de negócio – e por que muitas empresas ainda operam com premissas de custo que já não refletem a realidade.

Conteúdo originalmente produzido e publicado por The Shift. Reprodução autorizada exclusivamente para a Abranet. A reprodução por terceiros, parcial ou integral, não é permitida sem autorização.