Investidores esperam números transparentes sobre a economia da IA nos IPOs de OpenAI e Anthropic

Investidores cobram cada vez mais provas de que os gastos de bilhões de dólares com IA trazem retorno. Quem disse isso foi David Fetherstonhaugh, gestor de portfólio da VistaShares e principal da DVX Ventures, em entrevista à Bloomberg Tech em 12 de outubro de 2026. A conversa foi conduzida por Ed Ludlow. A ideia central: os players mais influentes do setor, OpenAI e Anthropic, continuam sendo empresas privadas, e é justamente por isso que a parte central da economia da IA fica fechada para o mercado. Os futuros IPOs poderiam mudar esse quadro.

Na entrevista, não foram citados números concretos, e os prazos das ofertas não foram informados. Trata-se mais de uma tese sobre o que falta ao mercado do que de uma notícia sobre pedido de registro.

Onde a economia da IA está no escuro

A cadeia da IA é longa. Numa ponta estão os fabricantes de chips, os provedores de nuvem e as construtoras de data centers, que divulgam resultados publicamente. Dá para acompanhar a receita e o capex deles trimestre a trimestre. Na outra ponta estão os aplicativos e serviços, que precisam transformar computação em dinheiro. No meio ficam os desenvolvedores de modelos de fronteira, e é aí que há menos dados.

Daí vem a distorção. Os gastos com infraestrutura são observáveis, mas a receita que deveria justificá-los só é conhecida por vazamentos, entrevistas e divulgações raras. Enquanto OpenAI e Anthropic não publicarem demonstrações financeiras auditadas, o investidor não tem como verificar se a demanda corresponde à escala da capacidade já construída e contratada.

O que o IPO obrigaria a divulgar

Uma empresa de capital aberto precisa apresentar seus números segundo os padrões do regulador, e isso muda a qualidade da informação. Para laboratórios que gastam somas enormes com treinamento e inferência de modelos, o conjunto de métricas seria revelador:

• receita por produto: assinaturas, API, contratos corporativos;
• margem bruta considerando o custo de inferência;
• compromissos de compra de capacidade computacional com provedores de nuvem e fabricantes de chips;
• custos de treinamento de novos modelos e sua participação nas despesas operacionais;
• concentração de clientes e dependência de poucos contratos grandes;
• evolução do fluxo de caixa e necessidade de novo capital.

Hoje, cada uma dessas linhas é estimada no olho. Depois da oferta, seria possível compará-las ano a ano e com as concorrentes.

Efeito para toda a cadeia

A transparência dos laboratórios não interessa apenas aos seus próprios acionistas. Os resultados de OpenAI ou Anthropic virariam referência para fornecedores de chips, nuvem e energia, cujos investimentos dependem de uma demanda capaz de pagar a conta. Se a margem na inferência se mostrar alta e a receita crescer mais rápido que os custos, isso reforçaria os argumentos a favor dos capex atuais. Se ocorrer o contrário, a reavaliação atingiria não só os laboratórios, mas todos que constroem capacidade para eles.

É exatamente isso que o mercado espera, na lógica de Fetherstonhaugh: não mais declarações sobre escala, mas dados verificáveis.

O que acompanhar na prática

Enquanto não há ofertas, é preciso se guiar por sinais indiretos.

• Resultados de provedores de nuvem e fabricantes de chips. O crescimento do backlog e os comentários sobre clientes entre os laboratórios mostram como a demanda evolui.
• Preços de API. A queda no preço por token com aumento de carga sugere melhora na unit economics, enquanto a manutenção dos preços diante da escassez de capacidade indica o contrário.
• Contratos corporativos. A passagem das empresas de pilotos para implantações em grande escala é um sinal mais confiável do que o número de usuários de chatbots.
• Condições de novas rodadas de financiamento. Elas revelam como os investidores avaliam o retorno antes mesmo da entrada em bolsa.

Para equipes que escolhem um fornecedor de modelo, a conclusão é pé no chão: convém prever o risco de mudança de preços e condições enquanto a economia dos laboratórios não for validada por demonstrações financeiras públicas. Já para os investidores, a pergunta principal continua a mesma: quando a receita começará a alcançar as despesas, e por quanto tempo isso ainda ficará escondido atrás do status privado.