Rafael Moreira
Ontem foi o dia de resultados do complexo de infraestrutura de IA. Meta: receita +24%, ação +7%. Microsoft: Azure +39%, ação -10% — o pior dia desde março de 2020. A diferença? A maneira como o mercado lê 115 a 135 bilhões de dólares em gastos planejados versus 37,5 bilhões já executados.
Os Números
A orientação de capex da Meta para 2026 — entre 115 e 135 bilhões de dólares — é de difícil digestão. É quase o dobro dos 72 bilhões que a empresa gastou em 2025, supera as estimativas dos analistas em até 22%, e a empresa atribui tudo a investimentos nos chamados "Laboratórios de Superinteligência" — a divisão de pesquisa em IA que Mark Zuckerberg fundou em julho de 2025 contratando pesquisadores da OpenAI.
O número da Microsoft é menor, mas não menos alarmante: 37,5 bilhões de dólares em um único trimestre, alta de 66% em relação ao ano anterior. Para ter dimensão: é mais do que o capex total da Meta em qualquer ano antes de 2024. É mais do que o último capex trimestral reportado pelo Google. E ficou mais de 1 bilhão de dólares acima do que os analistas esperavam.
O mercado recompensou a Meta e puniu a Microsoft. Por quê?
A Questão da Receita
A explicação mais direta é o crescimento de receita. A Meta cresceu 24% no quarto trimestre; a Microsoft, 17%. Mas o que importa não é a diferença percentual — é que o negócio de publicidade da Meta, sua principal fonte de caixa, mostra uma conexão clara com a IA. A empresa disse a seus investidores que melhorias impulsionadas por IA no direcionamento de anúncios e nas recomendações de conteúdo estão se traduzindo diretamente em receita.
A narrativa de IA da Microsoft é mais turva. O Azure cresceu 39%, impressionante por qualquer métrica. Mas não foi suficiente para convencer os investidores de que 150 bilhões anualizados em capex vão produzir retornos equivalentes. O mercado faz sempre a mesma pergunta: quando é que o gasto vira lucro?
A resposta de Satya Nadella — que o gasto em IA é "orientado pela demanda" — não satisfez ninguém. A ação da Microsoft caiu 10% na sessão de quinta-feira, apagando cerca de 300 bilhões de dólares em valor de mercado. Mais do que o valor total da maioria das empresas do Fortune 500, evaporado em um único dia.
O Gargalo da Memória
Enquanto isso, quem abastece essa infraestrutura está prosperando. A Samsung reportou lucro operacional superior a 200% no quarto trimestre, puxado pela demanda por chips de memória. A SK Hynix ultrapassou a Samsung no lucro anual pela primeira vez na história — 33 bilhões de dólares contra 30,5 bilhões — nas vendas de memória de alta largura de banda.
Executivos das duas empresas alertaram que a escassez de memória vai persistir até 2027. O boom dos data centers de IA criou uma demanda que a indústria de semicondutores simplesmente não consegue atender. A TrendForce estima que os data centers vão consumir mais de 70% de toda a produção de memória de alto padrão.
O problema da memória é que não tem como fabricar rápido o suficiente. Microsoft, Meta e Google não estão correndo por ambição. Estão correndo porque quem garantir capacidade primeiro ganha os ciclos de treinamento que produzem a próxima geração de modelos. Não é escolha — é necessidade competitiva.
A Sombra da DeepSeek
Tudo isso acontece sob a sombra de uma pergunta que surgiu um ano atrás e não vai embora: e se não precisar de toda essa infraestrutura?
O modelo R1 da DeepSeek, lançado em janeiro de 2025, mostrou que técnicas de treinamento eficientes conseguem produzir modelos competitivos por uma fração do custo. Uma análise feita um ano depois concluiu que as empresas de tecnologia americanas ainda estão na frente — mas a trajetória de gastos não mudou. Demis Hassabis, do Google DeepMind, chamou a reação da indústria à DeepSeek de "exagero monumental".
Hoje, a DeepSeek anunciou expansão para busca e agentes — ampliando sua oferta de IA enquanto gasta ordens de magnitude menos que seus concorrentes americanos.
O deputado John Moolenaar, presidente do Comitê Especial da Câmara sobre China, foi além: acusou a Nvidia de ter ajudado a DeepSeek a desenvolver modelos que depois foram usados pelo exército chinês.
Essas acusações iluminam o paradoxo. Empresas americanas gastam mais de 100 bilhões de dólares por ano em infraestrutura de IA. Concorrentes chineses produzem modelos equivalentes com chips contrabandeados e algoritmos eficientes. A corrida armamentista de infraestrutura pode ser, ao mesmo tempo, necessária e inútil.
O Problema da Energia
As restrições físicas estão ficando agudas. Os preços de eletricidade na Virgínia — onde fica o maior hub de data centers do mundo — estão disparando para níveis recordes. Documentos internos da Microsoft projetam que o consumo anual de água da empresa vai chegar a 28 bilhões de litros. A EPA determinou que a xAI agiu ilegalmente ao usar dezenas de turbinas a metano para alimentar seu data center em Memphis.
As operadoras de rede estão respondendo exigindo que os data centers gerem sua própria energia. A BlackRock captou 12,5 bilhões de dólares especificamente para financiar infraestrutura energética de data centers. A AWS assinou um contrato com a mina de cobre da Rio Tinto no Arizona para garantir matérias-primas.
O boom da IA não é só uma história de semicondutores ou de software. É uma história de energia, de materiais, de imóveis. Cada data center adicional pressiona uma infraestrutura física que leva anos para ser construída. No Brasil, a Petrobras e o sistema elétrico nacional já aparecem em conversas sobre onde localizar data centers — porque a equação de energia tem endereço.
A Questão dos Ativos Encalhados
As reações opostas do mercado diante de Meta e Microsoft refletem uma incerteza que incomoda: ninguém sabe se esse gasto faz sentido.
Se as capacidades de IA escalam com o processamento — a "hipótese de escalabilidade" que guia a estratégia do setor desde o GPT-3 —, então cada dólar investido em infraestrutura é uma aposta na capacidade futura. As empresas que construírem mais data centers vão treinar os melhores modelos e capturar mais valor.
Se algoritmos eficientes conseguem substituir o processamento bruto — a hipótese DeepSeek —, então esse gasto pode criar os maiores ativos encalhados da história da tecnologia. Centenas de bilhões de dólares em data centers subutilizados, porque as melhorias de software os tornaram desnecessários.
A ação da Meta subiu porque os investidores acreditam que seu gasto se conecta à receita. A da Microsoft caiu porque essa conexão é menos visível. Mas as duas empresas estão fazendo a mesma aposta: que a IA exige infraestrutura, que infraestrutura exige gasto, agora, antes que os concorrentes bloqueiem a capacidade disponível.
Me parece que o mercado está certo em distinguir as duas — e errado em achar que uma delas vai perder por gastar demais.
O Que Estamos Acompanhando
Os próximos trimestres vão testar se o gasto em infraestrutura se traduz em vantagem competitiva. O projeto Stargate da OpenAI — a joint venture de mais de 100 bilhões de dólares com SoftBank e Oracle — ainda está na fase de rampa. O capex do Google segue subindo. Os investimentos em infraestrutura da Amazon continuam crescendo.
Ao mesmo tempo, modelos eficientes continuam aparecendo. O Trinity Large da Arcee foi lançado hoje — um modelo de 400 bilhões de parâmetros de código aberto que a empresa afirma competir com o Llama 4 da Meta em alguns benchmarks. Cada novo modelo eficiente reabre a pergunta: escala é estratégia ou apenas custo?
Os resultados de hoje mostraram o mercado lutando para responder a essa pergunta. A Meta recebeu o benefício da dúvida. A Microsoft, não. As duas estão gastando em ritmos que pareceriam impossíveis três anos atrás. E em algum lugar de Hangzhou, a DeepSeek está construindo um mecanismo de busca com uma fração desses recursos.
A pergunta dos 150 bilhões não é se a IA importa. É se todo esse gasto é o caminho para a dominância na IA — ou o erro mais caro da história da tecnologia.