a16z: tokens ficam mais baratos, mas o aluguel da H100 não cai — o paradoxo de Jevons na IA

Analistas da a16z identificaram no mercado de IA um paradoxo de Jevons clássico: o preço dos tokens continua caindo, enquanto o aluguel por hora das GPUs H100 se mantém no mesmo patamar ou sobe. O barateamento da inferência não reduz a carga sobre o hardware, e sim a aumenta, porque a demanda cresce mais rápido do que cai o preço por unidade. Para Jensen Huang, esse é o melhor cenário possível. Mas ele depende de uma única premissa: a curva de demanda não pode se nivelar.

O paradoxo de Jevons no mundo dos tokens

William Stanley Jevons descreveu esse efeito em 1865, usando o carvão como exemplo. As máquinas a vapor ficaram mais eficientes, e o país passou a queimar mais carvão, não menos. Com os tokens, a mecânica é a mesma. Quando uma consulta ao modelo custa centavos, ela passa a ser enviada muito mais vezes: a IA é embutida em cada produto, agentes disparam dezenas de chamadas para uma única tarefa, o contexto incha e as cadeias de raciocínio são ativadas. O preço do token cai, o número de tokens cresce ainda mais rápido, e o consumo total de computação aumenta.

O aluguel da H100 funciona aqui como um indicador direto de escassez. O chip é da geração de 2022 e, em um ciclo de vida normal, o aluguel deveria ficar mais barato com a chegada de novas arquiteturas. Se o preço se mantém ou sobe, ainda faltam recursos computacionais disponíveis.

O que os dados mostram

O The Decoder publicou, em seu resumo, as conclusões do estudo, e não a tabela completa de números. O quadro se resume a quatro pontos:

• o preço por token entre os provedores de modelos continua caindo;
• o custo de aluguel da H100 está estável e, em alguns casos, subindo;
• a demanda por tokens cresce mais rápido do que seu preço cai;
• o principal risco está em um possível platô de demanda: nesse caso, a pressão recairia sobre toda a cadeia de suprimento de computação.

Percentuais exatos e períodos de observação é melhor consultar na fonte original da a16z. A conclusão em si não muda: por enquanto, o barateamento da IA não libera capacidade, e sim a absorve.

Quem ganha e quem corre risco

A cadeia é longa. Nela estão fabricantes de aceleradores, provedores de nuvem, nuvens especializadas em GPU, construtoras de data centers e credores que financiam tudo isso com base na utilização esperada. Cada elo aposta que a demanda continuará crescendo em ritmo igual ou superior ao atual.

Enquanto os tokens ficam mais baratos e o aluguel não cai, o modelo funciona em todos os níveis. Os desenvolvedores de modelos reduzem preços e atraem novos clientes. Os clientes consomem mais. As nuvens mantêm a margem no aluguel de hardware. A Nvidia vende novos aceleradores para um volume crescente.

Se o crescimento desacelerar, primeiro cairá o preço do aluguel e, depois, a utilização dos clusters. Aí sofrerão os operadores que compraram GPUs a crédito e contavam com as tarifas atuais. A estrutura é sensível a qualquer esfriamento da demanda, porque a capacidade é encomendada com anos de antecedência, enquanto a demanda pode ser perdida em um trimestre.

O que fazer: equipes e investidores

Para empresas que constroem produtos sobre LLMs, a conclusão é simples: o orçamento de inferência deve ser planejado a partir do volume de uso, e não da tabela de preços. A queda no preço do token não reduz a fatura se o número de chamadas de agentes e o tamanho do contexto crescem ao mesmo tempo. Vale calcular o custo da tarefa inteira, e não o custo da requisição, e otimizar com antecedência o roteamento entre modelos grandes e pequenos.

Quem compra capacidade deveria acompanhar o preço de aluguel da H100, e não apenas os preços dos tokens. Esse é um sinal mais antecipado: se ele começar a cair, significa que a oferta alcançou a demanda, e as condições de contratos de longo prazo podem ser renegociadas. Investidores em infraestrutura devem olhar a utilização dos clusters e as tarifas de aluguel antes da receita dos fornecedores. O crescimento dos tokens parece sólido por enquanto, mas é justamente esse par de indicadores que mostrará primeiro o momento em que o paradoxo deixar de funcionar.