Este artigo ajudou-me a compreender a IA: a camada de aplicação é a mais popular, a camada base é a que mais lucra

Escrito por DeepThink Circle

A maioria das pessoas pensa que IA é apenas um robô que conversa. Você abre o ChatGPT, pede para ajudar a editar um email, e ele consegue — parece magia. Você fecha a página satisfeito, achando que entendeu o que é IA. Mas isso é como pagar com cartão de crédito num restaurante e achar que entende como a Visa ganha dinheiro — você usou o produto, mas não viu o sistema.

O investidor Anish Moonka publicou recentemente um artigo aprofundado, analisando sistematicamente a cadeia de valor da indústria de IA. Levou quase um ano para entender de fato como o dinheiro circula nesse setor. Ele admite que cometeu erros, focando em produtos visíveis como ChatGPT, Claude e Gemini, enquanto silenciosamente, US$ 700 bilhões estão sendo investidos em infraestrutura — chips, tecnologias de embalagem, sistemas de resfriamento, usinas de energia — coisas que a maioria nunca ouviu falar. Concreto sendo despejado no Texas, Iowa e Hyderabad.

Este artigo me inspirou bastante. Percebi que nossa compreensão de IA pode estar equivocada desde o início. Estamos vendo apenas a ponta do iceberg, enquanto a verdadeira criação de riqueza acontece abaixo da superfície.

O bolo de cinco camadas: por que ninguém fala das quatro inferiores

No Fórum de Davos de janeiro de 2026, Jensen Huang, CEO da Nvidia, descreveu a IA como um sistema de cinco camadas: energia, chips, computação em nuvem, modelos e aplicações. Ele chamou toda essa estrutura de “a maior construção de infraestrutura da história da humanidade”. Anish Moonka chama esse quadro de AI Stack (pilha de IA), destacando que cada camada sustenta a superior, com fluxo bidirecional de capital.

Essa estrutura de cinco camadas é fácil de entender. A camada de energia fornece eletricidade; os data centers de IA consomem energia de forma assustadora — uma grande rodada de treinamento consome energia equivalente a uma pequena cidade por um ano. A camada de chips fornece processadores especializados para cálculos massivos, diferentes dos chips de laptops comuns. A computação em nuvem é um enorme armazém desses chips, conectados por redes ultrarrápidas. A camada de modelos é o “cérebro” do software de IA, que aprende padrões a partir de dados. A camada de aplicações são os produtos que usamos — ChatGPT, Google Search, sistemas antifraude bancários, etc.

Percebi um fenômeno interessante: quase toda discussão sobre IA foca na camada de aplicações. Porque é o que podemos ver, tocar e usar. Mas Anish aponta um ponto-chave: focar só na camada de aplicações ignora 80% do quadro completo. Para investidores, empreendedores ou qualquer pessoa que queira entender o futuro, o mais importante é entender como o dinheiro circula entre essas camadas — ele se concentra, se reinveste, se acumula, e agora está se concentrando onde a maioria nem imagina.

Pense na palavra “infraestrutura”. Estradas, redes elétricas, sistemas de abastecimento de água — são essenciais para o funcionamento da civilização, e ninguém pensa nelas antes de uma crise. IA está se tornando esse tipo de coisa — invisível, indispensável, com custos de construção altíssimos. Isso explica por que ninguém discute sistemas de resfriamento de data centers ou capacidade de redes elétricas em festas, mas justamente essa “falta de discussão” indica que o dinheiro está fluindo ali.

Para onde foi o dinheiro: uma verdade contraintuitiva

Anish revela números surpreendentes: até 2026, as quatro maiores empresas de computação em nuvem — Amazon, Microsoft, Google e Meta — planejam investir entre US$ 650 bilhões e US$ 700 bilhões em capex. Isso equivale a aproximadamente o PIB de Suíça em um ano. Cerca de 75% desse valor, ou seja, US$ 450 bilhões, será direto em infraestrutura de IA — não em chatbots ou aplicativos, mas em edifícios, chips, cabos e sistemas de resfriamento.

Esse número me fez repensar toda a lógica da indústria de IA. Antes de usar o ChatGPT, alguém precisa construir um data center do tamanho de um shopping, cheio de milhares de processadores dedicados, conectado por equipamentos de rede que valem mais que a maior parte das empresas, e alimentado por energia suficiente para uma pequena cidade. Essa é a atividade das camadas 1 a 3 — as camadas invisíveis, onde o capital sério está sendo investido em grande escala.

Mas há uma contradição mais profunda. Todo mundo pensa que empresas como OpenAI estão ganhando muito dinheiro, e estão mesmo. Em 2025, a OpenAI atingiu US$ 20 bilhões em receita recorrente anual, subindo de US$ 6 bilhões um ano antes e US$ 2 bilhões há dois anos. Um crescimento de 10 vezes em dois anos — sem precedentes.

Porém, Anish revela um fato crucial: em 2025, a OpenAI queimou cerca de US$ 9 bilhões em caixa, e espera gastar até US$ 17 bilhões em 2026. Seus custos de inferência (quando você faz uma pergunta ao AI) atingiram US$ 8,4 bilhões em 2025, e devem chegar a US$ 14,1 bilhões em 2026. Eles só devem alcançar fluxo de caixa positivo por volta de 2029 ou 2030.

Para onde foi esse dinheiro? Anish explica: ele desce por toda a cadeia tecnológica. Vai para a Microsoft Azure (que até 2032, deve pagar 20% de toda sua receita à Microsoft), para a Nvidia na compra de chips, para empresas de construção de data centers, para companhias de energia elétrica. Há um ciclo quase fechado: Microsoft investe na OpenAI, que gasta na Azure, que compra mais chips Nvidia, que reporta lucros recordes, e assim por diante. O dinheiro flui para baixo.

Isso revela um erro de percepção fundamental: a maior parte do lucro está no topo da cadeia, enquanto o capital se concentra na base. Essa desconexão é o núcleo da lógica de investimento. Como diz Anish, essa é a primeira lição da cadeia de valor de IA: receita sobe, capital desce. Como investidores ou observadores, somos atraídos pelo crescimento de receita, mas a verdadeira barreira competitiva é o capital acumulado na base.

A história se repete: a lição da revolução elétrica

Anish faz uma analogia histórica brilhante. Para entender o que está acontecendo com IA, estude a revolução elétrica entre 1880 e 1920. Quando Thomas Edison construiu a primeira usina comercial em Pearl Street, Manhattan, em 1882, as pessoas achavam que eletricidade era uma novidade — uma forma de iluminar quartos com um toque de glamour. Por que precisar disso, se os lampiões a gás funcionavam bem?

Mas, em apenas 40 anos, a eletricidade transformou todos os setores — manufatura, transporte, comunicação, saúde, entretenimento. As empresas vencedoras não foram as que inventaram a lâmpada, mas as que construíram usinas, estenderam cabos de cobre, fabricaram geradores: General Electric, Westinghouse, empresas de utilidades, mineradoras de cobre, construtoras.

O mesmo padrão está se repetindo em IA, só que em uma escala de décadas comprimida em poucos anos. Anish chama isso de “atração de infraestrutura” (Infrastructure Gravity). Sempre que surge uma nova plataforma de computação, a riqueza inicial se concentra em “picaretas e pás” — as empresas que constroem a infraestrutura. As aplicações vêm depois, atraem mídia, mas a maior margem de lucro fica na infraestrutura.

Os números ilustram bem essa lógica. Nvidia, no ano fiscal de 2026 (até janeiro de 2026), reportou US$ 215,9 bilhões em receita anual, crescimento de 65% em relação ao ano anterior. Apenas seu setor de data centers gerou US$ 62,3 bilhões no último trimestre, aumento de 75%. Essa divisão responde por mais de 91% da receita total da Nvidia. Uma única divisão de um trimestre gera US$ 68 bilhões, quase tudo de uma única linha de negócios.

A TSMC, que fabrica chips da Nvidia e quase todos os principais chips do mercado, detém quase 70% do mercado global de wafers em 2025, com vendas de US$ 122,5 bilhões. A Samsung, a próxima maior, tem apenas 7,2%. Anish comenta que essa dominância assusta até as maiores empresas petrolíferas.

Concordo com uma visão de Anish: perguntar a alguém sobre a revolução da internet, eles dirão Google, Amazon, Facebook. Mas, na fase inicial, o dinheiro estava na Cisco, Corning e nas empresas de fibra óptica. A mesma história, décadas depois. Infraestrutura sempre vence primeiro — a questão é por quanto tempo essa janela permanece aberta.

O mapa do investidor: desmembrando oportunidades por camadas

Anish dedica bastante espaço a decompor oportunidades de investimento por camada. Essa parte é especialmente valiosa, pois transforma conceitos abstratos em um quadro de investimento operacional.

Primeira camada: energia. Os data centers de IA consomem energia de forma assustadora — até 2026, devem consumir cerca de 90 TWh por ano, quase dez vezes mais que em 2022. Isso cria uma oportunidade direta: qualquer empresa capaz de gerar, transmitir e fornecer energia confiável para esses centros se beneficiará. Huang Huang, em outubro de 2025, disse algo que explica bem: “A velocidade de geração de energia própria para data centers pode superar a conexão à rede elétrica.” Isso significa que as empresas de tecnologia estão se tornando suas próprias fornecedoras de energia, bypassando a rede tradicional. Essa tendência torna a infraestrutura energética uma oportunidade de investimento mais próxima da tecnologia do que muitos imaginam.

Segunda camada: chips. Conhecida por Nvidia, mas muito mais complexa. Tem suas próprias subcamadas: designers (Nvidia, AMD, Broadcom), fabricantes (TSMC domina 70% do mercado), fornecedores de equipamentos (ASML, único fabricante de máquinas de litografia EUV), fornecedores de memória (SK Hynix, Samsung, Micron), e fornecedores de tecnologia de embalagem.

A concentração impressiona. Nvidia domina cerca de 92% do mercado de GPUs para data centers de IA. TSMC fabrica chips para quase todos os principais designers. ASML é o único fabricante de máquinas de litografia EUV. Uma empresa projeta, outra constrói, outra fabrica as máquinas. Essa concentração é tanto um argumento de investimento quanto um risco geopolítico. Essa alta dependência de poucos players significa lucros elevados, mas também vulnerabilidade.

Terceira camada: computação em nuvem e data centers. Dominada por três gigantes: AWS (31%), Azure (24%) e Google Cloud (11%). Mas há mais: Foxconn monta cerca de 40% dos servidores de IA globais, Arista e Credo constroem infraestrutura de rede, Vertiv cuida do resfriamento líquido, REITs de data centers possuem terrenos e edifícios, e há até quem precise despejar concreto.

Um dado me chocou: segundo o Bank of America, até 2026, esses gigantes usarão 90% do fluxo de caixa operacional em capex, acima dos 65% de 2025. Morgan Stanley estima que esses investimentos ultrapassarão US$ 400 bilhões em 2026, mais que o dobro de US$ 165 bilhões de 2025. Só para construir armazéns de servidores, um volume sem precedentes.

Quarta camada: modelos. O “cérebro” — inclui OpenAI (GPT, mais de US$ 20 bilhões em ARR), Anthropic (Claude, cerca de US$ 1,9 bilhão em receita anualizada em 2026), Google DeepMind (Gemini), Meta AI (Llama). Anish avalia bem: é a camada mais falada e também a menos lucrativa. O problema é estrutural: quanto mais se gasta em cálculo, melhor o modelo fica, mas esse gasto cresce mais rápido que a receita. É como administrar um restaurante: ingredientes mais caros a cada prato, mas clientes não querem pagar mais. A margem de lucro é comprimida.

Quinta camada: aplicações. É o que vemos todos os dias — ChatGPT, Google Search, Copilot. A camada mais ampla e competitiva, que provavelmente será a maior em mercado total endereçável, mas também a mais fina em margem e incerta em lucros. Anish destaca que o diferencial aqui é o dado. Empresas com dados exclusivos e proprietários terão vantagem duradoura — Salesforce com CRM corporativo, Bloomberg com dados financeiros, Epic com registros médicos.

Concordo com uma avaliação de Anish: nos próximos 3 a 5 anos, o melhor retorno virá de investir na infraestrutura agora, e depois nas aplicações. Os capitais mais inteligentes já estão posicionados assim. As empresas que vencerão na camada de aplicações serão aquelas que possuem dados que outros não podem obter — muitas nem se consideram empresas de IA.

É bolha? Uma dúvida que precisa ser enfrentada

Anish responde diretamente a uma dúvida central: “Isso não é uma repetição da bolha da internet? Investimentos maciços em infraestrutura, sem lucro, todos sendo levados pelo hype?” Sua resposta é convincente.

A diferença está no momento da demanda. Na bolha da internet, construímos infraestrutura antes de haver demanda real — redes de fibra, servidores, mas os usuários ainda usavam discado. A demanda só explodiu 5 a 7 anos depois, e tudo foi liquidado no meio do caminho.

Já em IA, a demanda existe e cresce rápido. Nvidia não consegue fabricar chips rápido o suficiente, a capacidade de embalagem da TSMC está esgotada, os preços de aluguel de computação em nuvem sobem, e a OpenAI, de março a outubro de 2025, aumentou 400 milhões de usuários ativos semanais. Os modelos estão sendo usados, o cálculo está sendo consumido, os clientes pagam.

Porém, Anish aponta três riscos principais: má alocação de capital — se a receita de serviços de IA não crescer rápido o suficiente para justificar os gastos de mais de US$ 650 bilhões, algumas empresas terão lucros severamente comprimidos; risco de concentração — dependência de poucos fornecedores como TSMC, ASML e Nvidia, qualquer interrupção geopolítica ou desastre natural pode afetar toda a cadeia; e o problema DeepSeek — em janeiro de 2025, o laboratório chinês DeepSeek treinou um modelo de ponta com custos baixos, desafiando a ideia de que mais gastos significam IA melhor.

A honestidade de Anish sobre esses riscos torna sua análise mais confiável. Ele não os ignora, apresenta claramente. Mesmo assim, estima-se que até 2030, o investimento global em data centers possa chegar a US$ 6,7 trilhões, e a IA pode contribuir com US$ 15,7 trilhões para o PIB mundial. Mesmo que errem pela metade, estamos falando da maior transformação econômica desde a internet.

Anish conclui com uma frase que compartilho: “Desconfie do modelo, desconfie do cronograma, mas não seja ignorante na cadeia de suprimentos. São coisas diferentes. Uma é uma postura inteligente, a outra pode custar dinheiro.”

Jogando no nível certo

Anish usa uma metáfora de jogo para resumir a estratégia de investimento: imagine a IA como um videogame com cinco níveis, cada um com dificuldades e recompensas diferentes. A camada de energia é o tutorial, de baixo risco e retorno estável. Os chips são o chefe final, com maior lucro, mas mais difícil. A nuvem é um servidor multiplayer, onde os gigantes extraem valor. Os modelos são o campo de batalha PvP, com competição brutal e eliminação de jogadores. As aplicações são o mundo aberto, com possibilidades ilimitadas, mas sem garantias de recompensa.

A estratégia dele é simples: você não precisa jogar todos os níveis. A maioria tenta avançar até o quinto, porque é o mais visível, mas o dinheiro inteligente está nas camadas 2 e 3, onde a experiência é maior agora.

Esse quadro ajuda a entender que sua posição na cadeia de tecnologia define o que deve focar. Para quem não é técnico, não precisa entender como funciona um GPU, mas quem fabrica, hospeda e fornece energia para eles. Para técnicos, já sabem que os modelos avançam, mas subestimam como as limitações físicas se tornam gargalos rapidamente. Para investidores, a cadeia de valor de IA é uma série de negociações com diferentes riscos e retornos, e tratar IA como um único setor é tão infantil quanto em 1998 tratar “tecnologia” como uma única indústria.

Anish finaliza dizendo que essa vantagem de infraestrutura não dura para sempre. Em algum momento, a infraestrutura amadurece, as aplicações se consolidam, e o valor se move para cima na cadeia — como na era da internet, quando Amazon, Google e Facebook capturaram mais valor do que as empresas de fibra ou fabricantes de servidores. Mas ainda não é assim. Estamos na fase de infraestrutura, na fase das picaretas. E essa fase está gerando dinheiro de verdade.

Ao ler esse artigo de Anish, minha maior lição foi entender uma verdade simples, mas profunda: consumidores veem produtos, investidores veem cadeia de suprimentos, e os melhores investidores enxergam a cadeia antes do produto chegar ao mercado. Daqui a cinco anos, entender a pilha de IA será tão básico quanto entender um balanço patrimonial. Aprenda a desenhar as camadas, seguir o capital. Essa é a jogada.