Todo mundo quer participar do boom da IA. Por enquanto, porém, você provavelmente pode contar nos dedos de uma mão o número de fornecedores lucrando.
O mais óbvio é a Nvidia, claro. A Nvidia ganhou níveis de dinheiro do estado-nação com suas GPUs (US$ 26 bilhões somente no primeiro trimestre de 2024). Além da Nvidia estão os três grandes fornecedores de nuvem e OpenAI. Além desse elenco de cinco, no entanto, é muito difícil encontrar muitos – ainda.
Esse “ainda” é a chave aqui. Estamos num período absolutamente turbulento para a IA, onde os fornecedores vendem “lúpulo” e as empresas compram apenas o suficiente para alimentar provas de conceito, sem muito uso de produção. Isso vai mudar, especialmente à medida que formos além do espanto de hoje (“Uau, veja como algumas linhas de texto podem criar um vídeo visualmente impressionante, mas praticamente inútil!”).
Ainda não chegamos a casos de uso reais nos quais as grandes empresas estejam dispostas a gastar. Porém, isso está chegando, e esse é um dos motivos pelos quais os fornecedores continuam gastando muito em IA, mesmo que (ainda) não esteja valendo a pena. Mas, por enquanto, alguém precisa responder à pergunta de US$ 200 bilhões da Sequoia.
Gastar dinheiro de IA para ganhar dinheiro de IA
Como argumenta David Cahn, sócio da Sequoia Capital, a Nvidia vendeu cerca de US$ 50 bilhões em GPUs no ano passado, o que, por sua vez, exige US$ 50 bilhões em custos de energia. Isso se traduz em US$ 100 bilhões em custos de data center. Como o usuário final da GPU também deve ganhar alguma coisa, adicione outros US$ 100 bilhões em margem (de 50%) para essas empresas (por exemplo, X, Tesla, OpenAI, GitHub Copilot, startups de IA). Tudo isso soma US$ 200 bilhões em receita que precisa ser gerada apenas para atingir o equilíbrio das GPUs Nvidia (ou seja, margem zero para os provedores de nuvem). No entanto, como mostra Cahn, mesmo a matemática mais generosa leva-nos a apenas 75 mil milhões de dólares em receitas da indústria (dos quais apenas cerca de 3 mil milhões de dólares vão para as startups de IA, como Jornal de Wall Street aponta).
Cahn pergunta: “Quanto deste aumento de investimentos está ligado à verdadeira demanda do cliente final, e quanto dele está sendo construído em antecipação à demanda futura do cliente final?” Ele não responde diretamente, mas a implicação clara é que esta construção excessiva imoderada de infraestrutura pode ser boa para alguns, mas todo esse dinheiro da IA neste momento está espalhado nos cofres de um pequeno grupo de empresas, com os verdadeiros beneficiários da IA ainda por emergir.
Antes que isso aconteça, poderemos ver uma falha na IA. Como O economista observa: “Se o passado servir de guia, uma crise está a caminho e as empresas têm um peso tão grande no mercado de ações que, se a sua sobreexcitação levar ao excesso de capacidade, as consequências seriam enormes”. Essa é a análise do copo meio vazio. Cahn, o VC, dá uma visão do copo meio cheio, argumentando que em ciclos de expansão anteriores, “a construção excessiva de infra-estruturas muitas vezes incinerou capital, ao mesmo tempo que desencadeou inovações futuras ao reduzir o custo marginal do desenvolvimento de novos produtos”.
Por outras palavras, os gastos excessivos das grandes empresas de infra-estruturas em IA poderão eventualmente destruir os seus balanços, mas levarão ao desenvolvimento a custos mais baixos de inovação real e centrada no cliente no futuro. Isso já está começando a acontecer, ainda que lentamente.
Enquanto isso, de volta ao mundo real
Estou começando a ver empresas considerando a IA para cargas de trabalho enfadonhas, o que talvez seja o sinal definitivo de que a IA está prestes a se tornar real. Estes não são os “Puxa, gênio! Esses LLMs são incríveis!” aplicativos que proporcionam uma ótima exibição on-line, mas têm aplicabilidade limitada no mundo real. Em vez disso, são aplicativos de geração aumentada de recuperação (RAG) que usam dados corporativos para melhorar coisas como a pesquisa. Pense nas empresas de comunicação social que criam ferramentas para permitir aos seus jornalistas pesquisar a totalidade da sua cobertura histórica, ou nos prestadores de cuidados de saúde que melhoram a pesquisa de dados relacionados com os pacientes provenientes de múltiplas fontes, ou nos escritórios de advogados que vectorizam contactos, contratos e outros dados para melhorar a pesquisa.
Nada disso iluminaria as redes sociais. No entanto, cada um ajuda as empresas a funcionar de forma mais eficaz e, portanto, é mais provável que obtenham aprovação orçamental.
Estamos em um estranho momento de espera pela IA nas empresas, mas acredito que estamos chegando ao fim desse período. Certamente a economia de expansão e queda que Cahn destaca ajudará a tornar a IA mais rentável, mas, ironicamente, o maior impulsionador poderá ser a redução das expectativas. Assim que as empresas conseguirem ultrapassar a ilusão de que a IA transformará magicamente a forma como fazem tudo numa data futura indeterminada e, em vez disso, encontrarem formas práticas de a colocar em funcionamento agora mesmo, começarão a investir. Não, eles não vão emitir cheques de US$ 200 bilhões, mas isso deveria compensar os gastos que já estão fazendo com seus fornecedores preferidos e confiáveis. Os vencedores serão fornecedores estabelecidos que já possuem relacionamentos sólidos com os clientes, e não aspirantes a soluções pontuais.
Como outros, A informaçãoAnita Ramaswamy, da empresa, sugere que “as empresas (podem estar) adiando grandes compromissos de software, dada a possibilidade de que a IA torne esse software menos necessário nos próximos anos”. Isto parece improvável. O mais provável, como afirma Jamin Ball, é que estejamos num período económico obscuro e a IA ainda não se transformou num vento favorável. Esse vento favorável está chegando, mas está começando com uma brisa suave e crescente de aplicativos RAG corporativos discretos e pouco atraentes, e não com demonstrações LLM como vistas no Twitter.
