O que está em foco no Vale do Silício? A segunda fase da IA começou! Resumo das opiniões dos gigantes de tecnologia na Conferência TMT do Goldman Sachs (análise aprofundada)

O sinal mais claro transmitido pela Conferência Communacopia + TMT 2026 do Goldman Sachs é: O foco do investimento em IA está migrando de "construir capacidade computacional" para "usar capacidade computacional", mas a própria capacidade computacional ainda está gravemente escassa em relação à demanda. Essas duas situações coexistem e compõem a principal tensão do Vale do Silício no momento.

Jan Hatzius, economista-chefe do Goldman Sachs, deixou clara a tônica durante o evento: "O boom de investimentos em IA não vai durar para sempre." No entanto, Jensen Huang, da Nvidia, transmitiu uma sensação oposta de urgência no mesmo evento: "70% do crescimento é um teto de fornecimento, não um teto de demanda." Essa diferença de percepção é essencialmente característica do "segundo tempo da IA"—o direcionamento não está em debate, o ciclo e a distribuição é que importam.

O que se discute no Vale do Silício: Seis principais tópicos

Tópico 1: O "limite físico" da capacidade computacional se torna a nova narrativa

Jensen Huang redefiniu de forma sistêmica a narrativa sobre infraestrutura de IA na conferência. Ele atribui o motor central a duas revoluções industriais sobrepostas: a transição de computação orientada por busca para geração e o fim da Lei de Moore.

Nos últimos 60 anos, os computadores basicamente "gravavam antecipadamente"—o usuário clicava para recuperar informações do armazenamento. Mas a IA generativa exige respostas em tempo real baseadas no contexto, o que significa que uma nova camada computacional contínua precisa ser construída. Ao mesmo tempo, a vantagem de miniaturização de transistores acabou, o ganho de performance não depende mais de processos menores. A resposta de Huang é buscar design extremo em colaboração via empacotamento multi-chip CoWoS e expansão vertical com NVLink, e afirmou abertamente: "Se você não tem NVLink, se não pode escalar verticalmente de verdade, estará acabado, porque a Lei de Moore é seu inimigo."

A grande virada dessa narrativa é: o principal gargalo para o crescimento da IA mudou de "se existe demanda" para "se o mundo físico consegue acompanhar". Huang reconhece que há gargalos amplos tanto em embalagens, wafers, memórias upstream, quanto em energia e localização de data centers downstream, mantendo a previsão de crescimento anual de cerca de 70% até CY27. Bret Johnsen, CFO da SpaceX, revelou planos ainda mais agressivos: até 2027, ampliar a capacidade computacional de IA de 2 gigawatts terrestres para 5-10 gigawatts, e pretende lançar satélites de IA para igualar os custos orbitais aos terrestres.

Tópico 2: O "caminho dos vencedores" na camada de aplicações de IA começa a se definir

Hock Tan, CEO da Broadcom, apresentou um modelo econômico impactante: 1GW de capacidade computacional Frontier corresponde a US$30 bilhões em ARR, dos quais US$10 bilhões são custos, US$20 bilhões são capturados por camadas de modelo e aplicação, e US$10 bilhões são disputados pelo setor de Cloud+Chip+Memory+Power.

Isso mostra que a distribuição de valor da cadeia da IA já pode ser quantificada. Com base nisso, o Goldman Sachs estabeleceu uma ordem para o "caminho dos vencedores": Camada de modelo fechado > próprio chip > Hyperscaler > Energia+Resfriamento Líquido > Rede > Camada de Aplicação.

No entanto, o Goldman Sachs ressalta que, o capital de mercado está migrando da primeira fase (GPU/HBM/hardware de data center) para uma segunda fase (aplicações que conseguem converter token em produtividade, receita e fluxo de caixa para empresas). A diferenciação de valorizações tende a ser "ainda mais intensa" no futuro: empresas de software com dados exclusivos, fluxos de trabalho complexos e ROI claro serão reavaliadas, enquanto SaaS tradicionais facilmente comoditizadas por modelos básicos seguirão pressionadas.

O discurso de Ali Ghodsi, CEO da Databricks, validou essa percepção: a competição no software de aplicações de IA está avançando para o deployment real nas empresas; plataformas que convertam a competência do modelo em resultados confiáveis de negócio de forma eficiente vão conquistar novo espaço de crescimento.

Tópico 3: Agentic IA passa do "conceito" para "reestruturação organizacional"

Nesta conferência, Agentic IA deixou de ser produto de demonstração funcional e começou a remodelar estruturas internas de organizações.

A CHYM divulgou uma redução de 10% no quadro, visando montar uma "organização mais enxuta e ágil", reduzindo as equipes de produto e engenharia para metade do tamanho anterior, mas "com responsabilidades mais claras e operações mais simples, mantendo a produtividade." A Block, após grande reestruturação no começo do ano (diminuindo hierarquias entre decisores e executores), já vê notável alavancagem de custos fixos.

Tecnologicamente, a AMD vê Agentic IA como nova carga de trabalho, prevendo aumento de demanda por múltiplos tipos de CPU, não apenas GPU. SailPoint estabeleceu meta clara: Agentic IA pode se tornar principal motor de crescimento, com meta de US$800 milhões de receita agentic para o ano fiscal de 2029.

A declaração de Amy Hood, CFO da Microsoft, foi a mais abrangente: a Microsoft está combinando licenciamento previsível de usuário com precificação de serviços de IA baseada em consumo, e expandindo produtos como Agent 365 e Copilot. Ela afirmou claramente que "fluxos de trabalho agentic seguros e regulados" podem impulsionar crescimento, já que agentes, aplicativos e humanos irão colaborar cada vez mais.

Tópico 4: Cibersegurança vira "assunto mais recorrente"

Cibersegurança foi o cenário de aplicação mais citado na conferência. Jensen Huang apontou como próximo grande caso de uso da IA e detalhou sua lógica econômica:

"Uma derivação do código é, logicamente, a detecção de bugs; e o desdobramento disso é um mercado gigantesco, chamado cibersegurança. Assistentes de codificação respondem e param; agentes de segurança monitoram a rede continuamente, o que exige que o cliente pague por inferência 24h, não apenas de forma pontual."

O CEO da Palo Alto Networks disse sem rodeios que "nem existe ainda uma indústria de segurança em IA", enquanto CrowdStrike e Palo Alto, que somam valor de mercado de cerca de US$490 bilhões, têm valuation bem abaixo das empresas de IA de trilhões de dólares, despertando interesse do mercado para reavaliação do setor.

Dados apresentados por George Kurtz, CEO da CrowdStrike, no evento aumentaram o senso de urgência: ataques cibernéticos habilitados por IA cresceram 89% no último ano, e o tempo recorde de invasão caiu para apenas 27 segundos. Esse tempo é menor do que a média da resposta das equipes de analistas humanos, sendo argumento-chave para a substituição de analistas por agentes autônomos.

Jensen Huang chamou a CrowdStrike de "primeira parceira de cibersegurança da Nvidia", dizendo que o lançamento do SafeMind é "um ponto de inflexão para a cibersegurança".

Tópico 5: O "pagamento por resultado" da OpenAI e a economia da intensidade de uso

O depoimento de Sarah Friar, CFO da OpenAI, trouxe os sinais mais avançados de monetização da IA.

Negócios corporativos já respondem por metade da receita: a proporção de receita de consumidores vs. empresas passou de 60:40 no início do ano para 50:50 em meados do ano. Em julho, a receita anualizada total cresceu 20% mês a mês; no segmento empresarial, 32%, já partindo de uma base robusta.

O verdadeiro novo número é a intensidade de uso: os 10% principais clientes empresariais já consomem tokens 8 vezes mais que um cliente comum (antes era 3x); internamente, na OpenAI, chega a 33 vezes. Friar define esse 33x como "uma prévia do futuro dos atuais clientes", indicando que o crescimento do lado corporativo virá menos de novos clientes e mais do aumento contínuo do consumo per cliente.

O roadmap de precificação está claro: assinatura → por uso → pagamento por resultado. Friar diz esperar abandonar a cobrança por token, migrando para divisão vertical de receita. A lógica de competição dos modelos também muda: não é mais custo por token, mas custo por tarefa; para o mesmo resultado, seu modelo precisa de 68% menos tokens que o concorrente.

Tópico 6: Sinais de oferta do lado de armazenamento, consumo e eficiência organizacional

A SanDisk trouxe um alerta subestimado pelo mercado: o crescimento da oferta de NAND pode continuar restrito no futuro previsível, enquanto o uso generalizado de inferência de IA está puxando cada vez mais demanda. Esse quadro de oferta e demanda pode sustentar preços do NAND.

Sinais do lado do consumo são altamente coerentes: a Block diz que "os gastos do consumidor foram muito resilientes em todo o segundo trimestre, e essa tendência continuou em julho e agosto"; Toast confirma que as despesas seguem estáveis; Booking.com destaca que a demanda por viagens persiste resiliente—em linha com a posição exposta pela Visa na conferência anterior.

A transformação de eficiência interna via IA também foi explicitamente mencionada: a Booking.com já usa IA generativa em atendimento ao cliente e desenvolvimento de software, "colhendo benefícios concretos"; a Etsy reporta que a IA já permite "compreensão mais profunda de estoque, entendimento do comprador e identificação da intenção de compra".

O framework do "segundo tempo da IA" do Goldman Sachs

Relatórios do Goldman Sachs antes e depois da conferência compõem o framework analítico básico para entender o evento.

Primeira camada: Da "expansão de capacidade computacional" à "monetização de Token". Analistas do Goldman Sachs destacam que o capital global está migrando do primeiro estágio de gargalo de hardware de IA para a segunda onda de aplicações capazes de converter tokens em produtividade, receitas e caixa para clientes corporativos. Os principais critérios são: ter banco de dados grande e exclusivo, vantagem robusta de fluxo de trabalho, ciclo fechado de execução com agentes inteligentes, e ROI claro.

Segunda camada: De "duopólio" à "competição multipolar". Rich Privorotsky, chefe de mesa de trading One-Delta do Goldman Sachs, diz que a narrativa em IA evolui de "disputa de ponta Nvidia vs Google" para um ambiente altamente competitivo e multipolar. Meta e xAI já provaram que é possível entregar APIs de ponta a custos muito menores. Apesar de mais competição tender a baixar os preços dos tokens, o argumento otimista de "tokens mais baratos vão liberar demanda exponencial" não é garantido na prática: a adoção de ferramentas de IA pagas já está acima de 50% nas empresas, e só baixar preço não deve deflagrar novo boom de demanda.

Terceira camada: De "grandes modelos" para "modelos pequenos e especializados". A carga de trabalho corporativa está migrando rapidamente para modelos pequenos dedicados (ex: processamento de documentos, roteamento de workflow, compliance, atendimento ao cliente). Eles custam menos, são mais rápidos e rodam localmente em edge devices. O Goldman Sachs cita o CEO da Hugging Face: empresas estão atravessando transformação estrutural de "alugar API fechada" para "possuir e rodar modelos open source próprios".

Quarta camada: Eficiência de capital será o teste final. A principal dúvida para o Goldman Sachs não é se as gigantes de cloud vão desacelerar investimentos, mas quando acionistas exigirão mais eficiência de capital. Assim que a pressão por CAPEX aparecer, mesmo que o desempenho das empresas de hardware seja forte, será difícil sustentar múltiplos de valuation elevados.

Resumo do momento do Vale do Silício em uma frase

A verdadeira essência do segundo tempo da IA não é "IA está mais lenta", mas sim "a narrativa de escassez virou de alocação". Capacidade computacional continua escassa, mas agora o mercado pergunta: quem converte essa capacidade em fluxo de caixa? Huang responde "invista 1 e ganhe 100", a OpenAI responde "cobre por resultado" e o Goldman Sachs fala em "output útil por dólar investido em IA". Quem conseguir converter token em resultado corporativo comprovável é quem define as regras do segundo tempo da IA.