SemiAnalysis Analisa a Crise de Poder Computacional: OpenAI e Anthropic Estão Absorvendo o Novo Poder Computacional Global
Tapbit WireEm 3 de novembro, Dylan Patel, fundador e CEO da empresa de pesquisa em semicondutores SemiAnalysis, proferiu uma palestra na Runtime 2026, focando em poder computacional, capital e quem realmente pode entregá-lo.
Ele afirmou que OpenAI e Anthropic estão reservando grande parte do poder computacional, representando 25% a 40% do novo poder computacional disponível em 2027. Sob pressão da demanda, o preço horário de contratos anuais para chips de data center Nvidia H100 subiu de US$ 1,70 no ano passado para cerca de US$ 2,80. Para outras empresas, ter recursos para pagar não garante acesso real ao poder computacional.
O lado do financiamento também está apertado: nos últimos dois meses, os rendimentos do Tesouro norte-americano subiram acentuadamente, com o rendimento de 10 anos ultrapassando 5% no início de outubro, tornando cada vez mais difícil para provedores emergentes de nuvem — que dependem de empréstimos para construir data centers — obter financiamento.
Essa palestra ocorreu uma semana após a Anthropic ter divulgado publicamente seu formulário S-1, e o mercado acabara de ver as contas de poder computacional por trás de um laboratório líder. Patel mencionou que a Nvidia assumiu o suporte de cerca de 6,5 gigawatts de poder computacional, mas isso representa apenas uma fração do novo poder computacional previsto até 2030, que ele descreveu como “uma gota no oceano”.
01 Grande Parte do Novo Poder Computacional é Reservada por Dois Laboratórios
A escassez de poder computacional decorre da concentração de compradores. O poder computacional global vem crescendo rapidamente: cerca de 60 gigawatts ao final de 2024, superando 100 gigawatts ao final deste ano — quase dobrando em dois anos. Patel afirmou:
“Ao final de 2024, haverá 60 gigawatts de poder computacional globalmente, e ao final deste ano, ultrapassará 100 gigawatts, quase dobrando em dois anos.”
Os maiores compradores desse poder adicional são OpenAI e Anthropic. O poder computacional total detido pelas duas empresas era de cerca de 4 gigawatts ao final do ano passado, cerca de 10 gigawatts este ano e deverá superar 20 gigawatts no próximo ano. Em termos de incrementos, espera-se que as duas empresas adicionem cerca de 12 gigawatts em 2027, enquanto o incremento global total nesse ano será de aproximadamente 40 gigawatts — cerca de 30%. Em 2028, Patel afirma que os laboratórios de IA precisarão adicionar cerca de 30 gigawatts em um único ano.
Patel estimou:
“Eles estão absorvendo 25%, 30% ou 40% do novo poder computacional.”
“Ao final do ano passado, as receitas da OpenAI e da Anthropic dispararam com o lançamento do Claude Code, levando-as a comprar poder computacional agressivamente; a Meta também começou a comprar de forma intensa.”
“Para muitas pessoas hoje, já é impossível adquirir poder computacional.”
Outro detalhe relevante é que esse poder computacional é usado principalmente para treinamento, não para atender usuários (inferência). Patel mencionou que a Anthropic atualmente possui 4 gigawatts, mas apenas cerca de 1 gigawatt é usado para atender todo o Claude Code, sendo o poder computacional gasto em inferência “surpreendentemente baixo” comparado ao treinamento. Isso significa que, mesmo com a estabilização da demanda dos usuários, o orçamento dos laboratórios para treinar novos modelos continuará consumindo chips.
02 Alugar Inferência para Modelos de Código Aberto é Altamente Lucrativo, Elevando Preços
Com mais compradores, os preços subirão. Patel acredita que outra força motriz por trás da alta dos preços de aluguel é a elevada margem de lucro no negócio de venda de tokens (unidade de medida para saídas de modelos), o que significa que há muito mais interessados em alugar GPUs a preços altos do que apenas os dois laboratórios.
Ele apresentou cálculos baseados em megawatts. Construir um cluster B300, considerando custos de construção e operação por cinco anos, equivale a cerca de 9 milhões de dólares por ano; alugar de provedores de nuvem, «se conseguir 14 milhões de dólares por ano, considere-se sortudo». Por outro lado, usar esse megawatt de poder computacional para executar o modelo de código aberto DeepSeek V4.1 Flash, com taxa de utilização de 60%, gera receita anual de aproximadamente 70 milhões de dólares. Isso significa que, mesmo com preço de aluguel 50% superior ao custo próprio, a receita com venda de inferência ainda é cinco vezes maior que o custo de aluguel. (Os 70 milhões são receita bruta, sem dedução de mão de obra ou outros custos.) Ele afirmou:
«Mesmo que diga que a taxa de utilização é de apenas 30%, ainda fará dinheiro absurdo.»
«Conheço dezenas de pessoas cujo negócio é alugar algumas GPUs e vender inferência — e já lucraram muito.»
Esse cálculo baseia-se no benchmark InferenceX, disponibilizado como código aberto pela SemiAnalysis, usando contêineres acessíveis a qualquer um, e apenas dois softwares de inferência de código aberto: vLLM e SGLang, com uma equipe de «apenas quatro engenheiros», sem uso de decodificação especulativa nem otimizações adicionais.
Os dados de preços corroboram essa lógica. Patel afirmou que outubro do ano passado foi o ponto mais baixo, com H100 a cerca de 1,70 dólar, e o menor preço encontrado foi 1,45 dólar; atualmente, o preço de transação varia entre 2,40 e 3,20 dólares, com mediana de 2,80 dólares:
«Se você tivesse assinado nesse preço há dois anos, seria considerado louco; agora as pessoas correm para fechar contratos nessa faixa.»
O índice próprio da SemiAnalysis para contratos anuais já estava em 2,35 dólares em março deste ano, e os preços listados por fornecedores como a Nebius continuaram subindo em outubro. Os leitores devem notar que Patel mencionou que a SemiAnalysis também atua como intermediária de poder computacional, tendo acesso a preços reais de transação — o que também representa um conflito de interesse.
Sua avaliação sobre os próximos passos é:
«Se o H100 ultrapassar 3 dólares e o B300 superar 7 dólares, não me surpreenderia.»
Para os compradores, seu conselho é mais direto:
«Se encontrar um B300 por 6 dólares por hora, assine imediatamente e comece a vender tokens. Esse preço é absurdo, mas é a decisão certa.»
O obstáculo é que provedores de nuvem exigem pagamento antecipado — ainda mais difícil para startups: contratos anuais são difíceis de obter, e startups muitas vezes não conseguem garantir que ainda existirão daqui a um ano. Quanto aos modelos de código fechado, ele mencionou que a receita da Anthropic com os serviços Fable e Opus 5.5 «superou 100 milhões de dólares», com base em materiais divulgados a investidores durante seu processo de IPO, embora a transcrição não tenha especificado a unidade — que, pelo contexto, deve ser receita anual por megawatt.
03 Mesmo que você possa pagar, os provedores de nuvem podem não entregar
Alugar poder computacional é apenas o primeiro passo; a usabilidade do cluster determina, afinal, seu valor real. A SemiAnalysis realizou uma avaliação chamada ClusterMAX, acompanhando 323 provedores de nuvem e avaliando 77 deles, concedendo medalhas (reconhecimento) a 19.
Na visão de Patel, os melhores são a CoreWeave e a Nebius, mas ambas têm disponibilidade muito baixa:
«Elas não lhe venderão poder computacional nos próximos seis meses; estão esgotadas. A Nebius exigirá pagamento antecipado de um ano inteiro ou de seis meses, e os preços são absurdamente altos — mas essa é a única forma de obter poder computacional delas.»
A Oracle e o Google também foram bem avaliados, com o Google subindo de medalha de bronze na primeira rodada. Mais provedores foram rebaixados: à medida que os critérios de avaliação se tornaram mais rigorosos, a Azure caiu para prata, a Together e a AWS caíram para bronze, e a Crusoe também foi rebaixada. Os problemas da AWS são mais experimentais:
«Para obter um cluster, é preciso lidar com cerca de dez pessoas, e leva muito tempo; a rede também é um pouco difícil de gerenciar.»
O problema mais evidente na avaliação foi a segurança. A SemiAnalysis permitiu que modelos de IA atacassem essas nuvens:
«Algumas vulnerabilidades já são de conhecimento público na internet, e os modelos conseguem encontrá-las e explorá-las diretamente, acessando então o armazenamento de outros clientes.»
Em uma ocasião, usaram um modelo de código aberto «atrás da OpenAI e da Anthropic» para obter permissões completas do Slurm (sistema de agendamento de clusters amplamente utilizado) de todo o cluster, visualizando nomes de tarefas de uma indústria de defesa nacional e de uma agência de inteligência de segurança nacional. Interromperam imediatamente os testes e publicaram um relatório intitulado «A maioria das Neoclouds é péssima em segurança». Em outro teste, injetaram falhas em GPUs (o código de erro XID 719 da Nvidia mencionado por ele) para observar quanto tempo levava para os provedores de nuvem detectá-las. O resultado foi:
«Muitas nuvens só percebem após serem lembradas, e algumas levam dias para responder mesmo após o lembrete.»
Ele chamou isso de teste mínimo: as GPUs inevitavelmente enfrentarão problemas, e os provedores de nuvem devem confiar em seu próprio monitoramento para detectá-los e corrigi-los.
04 Taxas de juros crescentes, novos participantes não conseguem obter empréstimos, o apoio da Nvidia é apenas uma pequena parcela
Aumentar a oferta exige capital, e o custo desse capital está subindo. Patel reiterou que, até o final de 2029, as despesas globais com IA serão de cerca de US$ 11 trilhões, sendo aproximadamente US$ 7 trilhões provenientes de dívida. A maior parte do dinheiro é gasta em chips, e o restante em centros de dados, energia e usinas elétricas locais construídas para produção acelerada.
Nesse cenário de taxas de juros, o fluxo de empréstimos revela um viés claro. O rendimento dos títulos do Tesouro norte-americano com vencimento em 10 anos subiu de 3,96% este ano para 5,31% no início de outubro, e a emissão de dívida relacionada à IA claramente desacelerou em setembro. Patel descreveu a situação de uma Neocloud de 100 megawatts querendo expandir-se para 1 gigawatt:
«Quem lhes emprestaria dinheiro? A única forma é vender esse 1 gigawatt a um provedor de nuvem hipermassivo, que então financiaria pelo mercado de dívida; você obtém o empréstimo, mas toda essa capacidade computacional não entra no mercado para toda a indústria.»
Como resultado, do poder computacional já contratado para o próximo ano, «cerca de 65% a 70%» flui para provedores de nuvem hipermassivos e laboratórios de IA. Para startups, alugar clusters exige pagamento antecipado de metade do valor, com entrega em três a nove meses:
«Procure qualquer novo laboratório que tenha captado muito dinheiro recentemente; para eles, obter poder computacional é um inferno.»
A abordagem da Nvidia é oferecer uma rede de segurança para clusters, que Patel resumiu em três categorias:
SoftBank Energy: Garante apenas terreno, energia e edifícios. Trata-se de uma instalação de 9 gigawatts em Ohio, prevista para operar por volta de 2030, totalmente reservada para a OpenAI.
Firmus: A Nvidia se compromete a alugar o cluster a um preço determinado, garantindo que a outra parte «não tenha lucro, mas também não tenha prejuízo», e, com essa garantia, outros ficam dispostos a emprestar. Para cada dólar por hora acima desse preço, a Nvidia fica com metade — segundo Patel, «muito inteligente, gosto disso.»
Garantia de valor residual: Ele mencionou apenas esse tipo, sem detalhá-lo.
Em termos de escala, a NVIDIA garantiu cerca de 6,5 gigawatts, que serão vendidos ao mercado aberto, não apenas fornecidos a laboratórios e grandes provedores de nuvem. O limite superior que ele indicou é de 45 gigawatts, «mesmo assim, representa apenas uma pequena fração do novo poder computacional adicionado até 2030.» Ele acredita que empresas como Fireworks e Modal, focadas em inferência, além de muitos novos laboratórios, estão construindo seus próprios clusters, tomando empréstimos e buscando endossos da NVIDIA.
No final da palestra, ele apresentou sua avaliação sobre a escala de tokens: vários provedores combinados processam mais de 100 trilhões de tokens diariamente, com a receita anual de cada empresa em ascensão. Sua observação final foi:
Espero que consigam garantir poder computacional; caso contrário, todos seremos escravos da Anthropic e da OpenAI.
Este artigo não constitui aconselhamento pessoal de investimento, nem representa as opiniões da plataforma. O mercado comporta riscos; invista com cautela. Faça suas próprias avaliações e decisões.
