As três camadas do estouro da bolha de IA: aplicações de “embalagem” em primeiro plano, enfrentando fusões no nível de modelos, apenas a infraestrutura mantém valor a longo prazo. As empresas precisam aprofundar-se em fluxos de trabalho e canais para sobreviver. Este artigo é uma tradução, compilação e organização do texto original de Val Bercovici, do WEKA AI, conforme abaixo.
（Contexto anterior: Passei uma semana na CES de eletrônica de consumo: tudo uma grande besteira vestida de IA）
（Complemento de contexto: As 25 ideias mais loucas da CES 2026, aqui mesmo）

Índice do artigo

• Terceira camada: empresas de “embalagem” (primeiras a cair)
• Segunda camada: modelos básicos (zona intermediária)
• Primeira camada: infraestrutura (que resiste ao teste do tempo)
• Efeito de cascata: por que isso é importante
• O que isso significa para os desenvolvedores
• Conclusão

Essa é a dúvida que todos têm na cabeça e na boca: Estamos realmente em uma bolha de IA? Mas essa é a pergunta errada. A verdadeira questão deveria ser: em qual bolha de IA estamos, e quando cada uma delas irá estourar?

A discussão sobre se a IA representa uma tecnologia de transformação ou uma bomba-relógio econômica já atingiu um ponto de ebulição. Mesmo líderes de tecnologia como o CEO do Meta, Mark Zuckerberg, reconhecem sinais de que uma bolha financeira instável está se formando ao redor da IA. Sam Altman, CEO da OpenAI, e Bill Gates, cofundador da Microsoft, também percebem dinâmicas evidentes de bolha:

Investidores excessivamente entusiasmados, avaliações infladas e inúmeros projetos destinados ao fracasso — mas ainda assim acreditando que a IA mudará a economia no final.

No entanto, tratar a “IA” como uma entidade única destinada a colapsar é fundamentalmente enganoso. O ecossistema de IA na verdade se divide em três camadas distintas, cada uma com seus próprios modelos econômicos, defesas e riscos. Compreender essas camadas é crucial, pois elas não irão todas romper ao mesmo tempo.

Terceira camada: empresas de “embalagem” (primeiras a cair)

O elo mais frágil não está no desenvolvimento de IA, mas na “reembalagem” dela.

Essas empresas conectam-se à API da OpenAI, adicionam uma interface elegante e algum Prompt Engineering, e cobram US$49 por mês por um produto que é basicamente uma “versão aprimorada do ChatGPT”. Algumas conseguiram sucesso inicial rápido, como a Jasper.ai, que ao embalar o GPT para profissionais de marketing, atingiu cerca de US$42 milhões em receita recorrente anual no primeiro ano.

Mas as fissuras já aparecem. Essas empresas enfrentam ameaças de todos os lados:

• Funcionalidade sendo incorporada: A Microsoft pode integrar sua ferramenta de escrita IA de US$50/mês ao Office 365 amanhã. O Google pode transformar seu assistente de e-mail IA em uma funcionalidade gratuita do Gmail. A Salesforce pode incorporar sua ferramenta de vendas IA diretamente no CRM. Quando plataformas maiores decidirem que seu produto é apenas uma “função” e não um “produto independente”, seu modelo de negócio pode evaporar da noite para o dia.

• A armadilha da mediocridade: Empresas de “embalagem” basicamente transmitem entrada e saída. Se a OpenAI melhorar o prompting, o valor dessas ferramentas diminui imediatamente. Com modelos básicos cada vez mais semelhantes em capacidade e preços em queda, a margem de lucro será comprimida até zero.

• Custo de troca zero: A maioria dessas empresas não possui dados proprietários, fluxos de trabalho integrados ou integrações profundas. Os clientes podem trocar de fornecedor em minutos ou usar diretamente o ChatGPT. Não há barreira de entrada, efeito de amarração ou defesa.

O mercado de IA de “marca branca” exemplifica essa vulnerabilidade. Empresas que usam plataformas de marca branca enfrentam riscos de dependência de fornecedores e limitações de API que dificultam integrações. Essas empresas operam em terrenos alugados, onde o proprietário pode alterar os termos ou demolir a propriedade a qualquer momento.

Exceções: Cursor é uma rara empresa de “embalagem” que construiu uma verdadeira defesa, integrando-se profundamente ao fluxo de trabalho dos desenvolvedores, criando funcionalidades proprietárias além de simples chamadas de API, e estabelecendo fortes efeitos de rede por meio de hábitos de uso e configurações personalizadas. Cursor mostra como uma ferramenta de embalagem pode evoluir para um produto mais substancial. Mas empresas como Cursor são exceções; a maioria das empresas de embalagem carece de tal nível de integração de fluxo de trabalho e fidelidade do usuário.

• Linha do tempo: espera-se que, entre o final de 2025 e 2026, com plataformas maiores absorvendo essas funcionalidades e os usuários percebendo que estão pagando por capacidades mediocres, essa área enfrentará uma grande onda de fracassos.

Segunda camada: modelos básicos (zona intermediária)

Empresas que desenvolvem grandes modelos de linguagem (LLMs): OpenAI, Anthropic, Mistral, ocupam uma posição mais defensável, mas ainda instável.

O analista Richard Bernstein, usando a OpenAI como exemplo, aponta a dinâmica de bolha, mencionando que a empresa realizou cerca de US$1 trilhão em transações de IA (incluindo US$500 bilhões em projetos de centros de dados), mas a receita gerada deve ser de apenas US$13 bilhões. Bernstein observa que a discrepância entre investimento e retorno razoável “parece realmente uma bolha”.

Por outro lado, essas empresas possuem vantagens tecnológicas reais: expertise em treinamento de modelos, canais de aquisição de computação e vantagens de desempenho. A questão é se essas vantagens são sustentáveis ou se os modelos irão mediocrizar a ponto de se tornarem ferramentas de infraestrutura de baixa margem.

A engenharia será decisiva: à medida que os modelos básicos se aproximam em capacidade, a vantagem competitiva virá de “otimizações de inferência” e “engenharia de sistemas”. Empresas capazes de superar a barreira de memória com arquiteturas de cache estendido (Extended KV cache), alcançar alto throughput de tokens e reduzir o tempo de resposta inicial terão vantagem de mercado e valor agregado.

Os vencedores não serão apenas aqueles com maior escala de treinamento, mas aqueles que tornarem a inferência de IA economicamente viável em grande escala. Avanços em gerenciamento de memória, estratégias de cache e eficiência de infraestrutura determinarão quais laboratórios de ponta sobreviverão às fusões.

Outra preocupação é o ciclo de investimentos: por exemplo, a Nvidia investe na OpenAI para financiar centros de dados, enquanto a própria OpenAI compra chips Nvidia com esse dinheiro. Isso pode artificialmente inflar a demanda real por IA.

Ainda assim, essas empresas dispõem de grandes recursos financeiros, tecnologia de ponta e parcerias estratégicas com principais provedores de nuvem e corporações. Algumas irão se fundir, outras serão adquiridas, mas esse segmento continuará existindo.

• Linha do tempo: fusões entre 2026 e 2028, levando à consolidação de 2 a 3 grandes players, enquanto fornecedores menores de modelos serão adquiridos ou fechados.

Primeira camada: infraestrutura (que resiste ao teste do tempo)

Aqui há uma visão contraintuitiva: a camada de infraestrutura — Nvidia, centros de dados, provedores de nuvem, sistemas de memória e armazenamento otimizados para IA — é a parte menos propensa a bolhas na febre de IA.

Sim, estimativas recentes indicam que, em 2025, os gastos globais com capital de IA e investimentos de risco ultrapassaram US$600 bilhões, e a Gartner estima que todos os gastos relacionados à IA podem ultrapassar US$1,5 trilhão. Parece uma bolha de fato.

Por outro lado, a infraestrutura tem uma característica chave: independentemente de qual aplicação específica venha a ter sucesso, ela mantém valor. Durante a bolha ponto-com, cabos de fibra óptica implantados não foram desperdiçados; eles facilitaram o surgimento do YouTube, Netflix e computação em nuvem.

Há vinte e cinco anos, a primeira bolha de internet quebrou após a construção de fibra óptica financiada por dívida, mas o futuro chegou, e a infraestrutura permaneceu lá, esperando.

Apesar da pressão sobre os preços das ações, a Nvidia reportou cerca de US$57 bilhões em receita no terceiro trimestre fiscal de 2025, crescimento de 22% trimestral e 62% anual, sendo aproximadamente US$51 bilhões provenientes de centros de dados. Esses números não são indicadores de vaidade; representam uma demanda real por investimentos em infraestrutura de IA.

Os chips, centros de dados, sistemas de memória e arquiteturas de armazenamento construídos hoje suportarão qualquer aplicação de IA bem-sucedida no futuro, seja um chatbot de hoje, agentes autônomos de amanhã ou aplicações ainda não imaginadas. Diferente de armazenamento mediocrizado, a infraestrutura moderna de IA cobre toda a hierarquia de memória — desde HBM de GPU, DRAM, até sistemas de armazenamento de alto desempenho para cargas de inferência. Essa integração de memória e armazenamento representa uma inovação arquitetural fundamental, não uma competição por commodities.

• Linha do tempo: pode haver excesso de construção e baixa eficiência em 2026, mas à medida que as cargas de trabalho de IA se expandirem na próxima década, o valor de longo prazo será preservado.

Efeito de cascata: por que isso é importante

A atual febre de IA não terminará com um colapso dramático. Em vez disso, veremos uma cadeia de falências começando pelas mais frágeis, com sinais de alerta já visíveis.

• Primeira fase: empresas de “embalagem” e de marca branca enfrentam compressão de margens e incorporação de funcionalidades. Centenas de startups de IA sem diferenciais fecharão ou serão vendidas por preços baixos. Hoje, mais de 1.300 startups de IA valem mais de US$100 milhões, sendo 498 “unicórnios” avaliados acima de US$1 bilhão; muitas não conseguirão justificar esses valores.

• Segunda fase: com a convergência de desempenho, modelos básicos começarão a se fundir, restando apenas os players mais capitalizados. Espera-se de 3 a 5 aquisições de grande porte por grandes empresas de tecnologia, absorvendo startups promissoras.

• Terceira fase: os gastos com infraestrutura voltarão a níveis normais, embora ainda elevados. Alguns centros de dados podem ficar ociosos por anos (como a fibra óptica em 2002), mas à medida que as cargas de trabalho de IA realmente se expandirem, eles serão utilizados ao máximo.

O que isso significa para os desenvolvedores

O maior risco não é “tornar-se” uma empresa de embalagem, mas “permanecer” na fase de embalagem. Se você domina a experiência do usuário, possui usuários. Se você desenvolve na camada de aplicação, precisa avançar:

2. De embalagem → camada de aplicação: não basta gerar saída. É preciso dominar o fluxo de trabalho de interação com IA.

3. De aplicação → SaaS vertical: construa uma camada de execução que mantenha o usuário dentro do seu produto. Crie dados proprietários, integrações profundas e propriedade do fluxo de trabalho, dificultando a troca.

4. Barreira de entrada no canal: seu verdadeiro diferencial não é o LLM, mas como você conquista, retém e expande a atividade dos usuários na sua plataforma. Empresas de IA bem-sucedidas não são apenas software — são empresas de canais.

Conclusão

Chegou a hora de parar de perguntar se estamos na “bolha” de IA. Na verdade, estamos em várias bolhas com características e cronogramas diferentes.

As empresas de embalagem serão as primeiras a romper, possivelmente em 18 meses. Os modelos básicos passarão por fusões nos próximos 2 a 4 anos. Acredito que os investimentos em infraestrutura atualmente feitos serão, a longo prazo, justificados, embora passem por dores de excesso de construção no curto prazo.

Isso não é motivo para pessimismo, mas um roteiro. Conhecer em qual camada você está e em qual bolha pode te transformar de vítima potencial em construtor de negócios capazes de resistir às ondas de mudança.

A revolução da IA é real. Mas nem toda empresa que embarcar na onda chegará ao outro lado.