Modelos pequenos “roubam” demanda de poder computacional na nuvem, colocando em xeque os investimentos de trilhões de dólares em centros de dados

As aplicações de IA continuam a se expandir, mas o investimento em data centers de ultra grande escala que sustentam essa onda enfrenta novos desafios do lado da demanda.

Segundo um relatório da Jefferies, à medida que modelos de linguagem menores têm desempenho aprimorado e custo reduzido, a implantação de IA pelas empresas pode migrar de uma nuvem centralizada para uma abordagem mais local, o que pode pressionar a demanda por poder computacional na nuvem e os enormes gastos de capital nos data centers.

Uma base importante para esse julgamento é a observação recente do uso real de servidores de IA. Em setembro de 2026, a Swerve Research Technologies construiu um “índice de congestionamento” acompanhando o tempo de espera nas filas de solicitações dos servidores da Anthropic, constatando que a taxa de utilização desses servidores caiu 26% em relação ao pico de janeiro a fevereiro de 2026. Esse indicador não corresponde diretamente à receita da empresa, mas se a utilização continuar a cair, isso pode indicar que parte da capacidade computacional está ficando ociosa.

Ao mesmo tempo, o investimento em infraestrutura de IA segue crescendo rapidamente. O mercado atualmente estima que os gastos de capital combinados das quatro gigantes da tecnologia dos EUA — Meta, Alphabet, Amazon e Microsoft — possam atingir US$ 990 bilhões em 2027. O relatório afirma que, se o crescimento da demanda por poder computacional de IA não acompanhar esse volume de investimento, alguns data centers podem enfrentar o risco de retorno financeiro insuficiente ou até se tornarem “ativos encalhados”.

Queda na taxa de utilização de servidores desafia oferta de poder computacional de IA

Após o lançamento do Muse, produto de IA pessoal da Meta, em 8 de setembro, as ações da Meta subiram 21% em poucas semanas, tornando-se um destaque entre as aplicações de consumo de IA. Mas o relatório pontua que o sucesso isolado de um aplicativo não é suficiente para comprovar a sustentabilidade do ciclo de investimentos em infraestrutura de IA como um todo.

Mais importante é notar que as próprias empresas de IA estão emitindo sinais diferentes do otimismo do mercado. O CEO da Anthropic, o CEO da OpenAI Sam Altman e Elon Musk discutiram publicamente recentemente a necessidade de desacelerar o desenvolvimento da IA; e o IPO originalmente planejado pela Anthropic foi adiado para novembro.

Simultaneamente, a Anthropic já assinou um contrato de poder computacional de US$ 45 bilhões por três anos com a SpaceX, além de parcerias bilionárias com Amazon e Google Cloud. Se o crescimento das receitas de IA desacelerar enquanto contratos de grande porte precisam ser honrados, a pressão de custos para as empresas poderá aumentar ainda mais.

Segundo reportagens, a Meta também negociou em julho com a Anthropic a locação de até US$ 10 bilhões em poder computacional de data center ao longo de dois anos. O relatório indica que a busca ativa de grandes empresas de tecnologia por clientes externos para absorver sua capacidade reflete que, com a rápida expansão da oferta de infraestrutura, aumentar a utilização dos ativos está se tornando um novo desafio.

Desempenho dos pequenos modelos avança e implantação local pode desviar demanda da nuvem

Em comparação com as mudanças de curto prazo nas taxas de utilização dos servidores, o relatório foca mais na transformação da arquitetura dos modelos de IA.

O estudo “Intelligence per Watt”, lançado conjuntamente pela Universidade de Stanford e pela Together AI, mostra que modelos de linguagem de menor porte estão rapidamente se aproximando do desempenho dos modelos maiores, podendo ainda reduzir em 50% a 85% o consumo de energia e o custo do poder computacional. Caso essa tendência continue, tanto a escala de infraestrutura necessária quanto a estrutura de custos para implantação de IA pelas empresas podem mudar substancialmente.

No passado, as empresas dependiam principalmente de grandes modelos centralizados em nuvem para executar tarefas de IA; com o fortalecimento dos pequenos modelos, alguns cenários podem migrar para implantação local. Em setores como bancos, com alta exigência de segurança dos dados, essa abordagem já tem demanda considerável; e com a redução dos custos promovida pelos pequenos modelos, o alcance dessa modalidade pode se ampliar ainda mais.

Isso significa que o crescimento das aplicações de IA não necessariamente implica em aumento proporcional da demanda por poder computacional em nuvem. As empresas podem ampliar o uso de IA ao mesmo tempo em que reduzem a dependência de APIs de modelos de grande porte e da infraestrutura de nuvem centralizada.

Esse é um dos motivos pelos quais o relatório questiona o volume de quase um trilhão de dólares em gastos de capital: se no futuro mais aplicações de IA forem sustentadas por modelos locais, pequenos e de baixo custo, o atual volume de investimentos em data centers de ultra grande escala pode acabar desalinhado da demanda real por poder computacional.

Nesse cenário, a verdadeira questão a ser reavaliada não é se existe demanda por IA, mas quanto dessa demanda realmente necessitará de poder computacional centralizado e se esses data centers conseguirão obter retornos proporcionais ao volume investido.