Analista da Bloomberg: revisão da receita da OpenAI não vai frear a demanda por infraestrutura de IA

As dúvidas sobre como a OpenAI contabiliza sua receita não anulam o ponto central: o mercado de infraestrutura de IA vive de consumo, e não de linhas em relatórios financeiros. Essa é a conclusão de Mandeep Singh, analista da Bloomberg Intelligence. Na avaliação dele, o rápido crescimento no número de tokens processados indica uma demanda sólida por computação, mesmo que os números de receita precisem ser revistos. A nota da Bloomberg não traz novos indicadores concretos, por isso o texto abaixo analisa a lógica do argumento, sem reproduzir tabelas.

Dois contadores diferentes

Receita é uma grandeza contábil. Ela depende das regras de reconhecimento de receita: se o valor é contabilizado de forma bruta ou líquida da parcela dos parceiros, e como entram descontos, créditos e contratos de longo prazo. Tokens são uma grandeza física. Representam o volume de texto, código e outros dados que os modelos de fato processaram nos aceleradores. O recálculo da receita mexe no primeiro contador. O segundo não depende dele.

Para donos de data centers, fornecedores de chips e plataformas de nuvem, o que importa é o segundo. Cada token ocupa GPU, memória, banda de rede e energia elétrica. Se o número de tokens aumenta, a carga sobre a infraestrutura cresce, independentemente de como os contadores distribuam o dinheiro entre as contas.

Onde o argumento é mais fraco

Tokens não equivalem a dinheiro. O preço por token caiu de forma expressiva nos últimos anos, e cenários com agentes e modelos de raciocínio longo gastam muitas vezes mais tokens por tarefa do que um chat comum. Parte do aumento de volume pode refletir barateamento, planos gratuitos e consumo subsidiado, e não disposição de pagar. Por isso, a tese de Singh funciona como indicador de utilização da capacidade, mas não como prova de retorno sobre o investimento.

A distância entre essas duas coisas é o principal risco para quem constrói capacidade de IA contando com a receita futura. Um cluster ocupado que opera com margem baixa continua sendo um ativo deficitário.

Há ainda uma segunda ressalva. A OpenAI não é o mercado inteiro. O consumo também cresce com Google, Anthropic, Meta, laboratórios chineses e milhares de empresas que rodam modelos abertos em hardware próprio. Um problema de contabilidade em uma única empresa não anula uma demanda distribuída entre muitos players.

Quais indicadores vale acompanhar

• Volume diário e trimestral de tokens em provedores de API e nuvens.
• Preço médio por milhão de tokens e participação do tráfego pago.
• Metodologia de reconhecimento de receita: bruta ou líquida, e condições de divisão da receita com parceiros.
• Utilização de GPUs e prazos de entrega de aceleradores.
• Investimentos de capital (capex) dos hyperscalers e seus comentários sobre a demanda nos relatórios trimestrais.

Como ler esses sinais

É prudente que investidores separem duas perguntas: a demanda será suficiente para ocupar a capacidade já construída, e essa demanda vai gerar dinheiro suficiente? Os tokens respondem à primeira; receita e margem respondem à segunda. Misturar as duas é arriscado nos dois sentidos: o recálculo da receita não é motivo para descartar a infraestrutura de IA, e o crescimento de tokens não é motivo para considerá-la paga.

Para equipes que desenvolvem produtos sobre APIs, o que importa é outra coisa. Se a demanda de fato crescer mais rápido que a oferta, preços e limites podem mudar as condições dentro do horizonte dos contratos. Vale incluir na arquitetura a possibilidade de alternar entre modelos e provedores e calcular o custo de uma tarefa em tokens, e não apenas em assinaturas. A fonte lembra: por enquanto há poucos dados, e os números principais ainda estão por vir, nos relatórios da própria OpenAI e nos resultados trimestrais de seus fornecedores.