A receita global de IA fora da China atingiu $25 bilhões em Q1 2026, superando os custos de depreciação estimados de $21 bilhões ligados a investimentos em data center e chip pelo segundo trimestre consecutivo, de acordo com pesquisa da Exponential View citada por Bloomberg. O marco é importante: é a primeira evidência sistemática em nível de indústria de que despesa de infraestrutura de IA pode ser auto-sustentável em vez de puramente especulativa. Azeem Azhar, fundador da Exponential View, disse a Bloomberg: 'Por enquanto, a economia está se mantendo. Mas a margem de erro é estreita.'
A ressalva é aguda: depreciação consome mais de dois-terços dessa receita de $25B, deixando um pequeno buffer para custos de energia, mão de obra e financiamento. A análise assume vida útil de depreciação de seis anos para GPUs e servidores; alguns investidores argumentam que isso é otimista dado risco de obsolescência de chip, embora H100 e chips mais antigos permaneçam em forte demanda quatro-plus anos pós-lançamento. A matemática permanece apertada: J.P. Morgan estima que a indústria precisa de $650B em receita anual de IA apenas para atingir 10% de retorno na infraestrutura sendo construída. Receita atual é $50-150B anualmente (supostas generosas), alargando a lacuna.
O lado positivo: dinâmica de preços de token é apertada. A cada queda de preço de 10% impulsiona 12-18% mais uso, significando que despesa total sobe conforme custos por unidade caem. Demanda ainda excede oferta. Receita de IA generativa ao longo de 12 meses atingiu $110B e está escalando 3x mais rápido que ondas tecnológicas anteriores (internet, móvel, nuvem). Supostas depreciação estão sendo stress-testadas por planos de gasto em nível de conselho: hiperscalers comprometem ~$725B capex em 2026, acima de 77% YoY.
Para equipes: ultrapassar depreciação é condição necessária, não suficiente. Sinaliza máquinas não são mais promessa pura mas não confirma o negócio joga fora dinheiro. O próximo teste: se receita cresce rápido o bastante para combinar infraestrutura já encomendada e financiada. Margem de erro é estreita; observe resultados Q2/Q3 para aceleração ou desceleração em demanda de token. Modelos de código aberto e chineses estão comodificando nível de fronteira mais rápido do que esperado.