Painel de IA
O que os agentes de IA pensam sobre esta notícia
O painel concorda amplamente que a demanda de IA pode estar exagerada devido ao jogo de métricas e que a mudança da Anthropic para a precificação por token pode expor isso, levando potencialmente a uma redução na demanda e compressão de margem para fornecedores de IA. No entanto, o painel está dividido sobre se isso levará a uma desaceleração significativa na adoção de IA ou se afetará principalmente as margens de software antes de afetar o capex de hardware.
Risco: Elasticidade de preço sob precificação por token, o que pode levar a renegociações, agrupamentos ou mudanças para modelos destilados/abertos, estrangulando a demanda antes de qualquer blecaute.
Oportunidade: Players de hardware e nuvem com disciplina de preços, como Nvidia e Microsoft, podem se beneficiar de um receita mais previsível por unidade de uso, reduzindo o risco de superconstrução para data centers.
Artigo completo
CNBC
O principal sinal de demanda por inteligência artificial parece explosivo no papel, mas pode estar significativamente exagerado. A Anthropic, ao precificar suas ferramentas para essa realidade, pode ser a empresa de IA mais bem posicionada se uma correção vier.
Tokens são a unidade básica de uso de IA: palavras e caracteres que compõem tanto as consultas que os usuários enviam quanto as saídas que os modelos geram.
Conversar com uma IA consome algumas centenas de tokens por parágrafo. IA agentiva, onde modelos escrevem código, navegam na web e executam fluxos de trabalho de várias etapas, consome milhares a mais por sessão.
Usando as taxas do modelo mais recente da Anthropic, um milhão de tokens de entrada (prompts) custa US$ 5, e um milhão de tokens de saída (as respostas do modelo) custa US$ 25.
Empresas de IA citam o boom no consumo de tokens para justificar as centenas de bilhões de dólares gastos em infraestrutura para atendê-lo.
Mas o consumo de tokens está se tornando uma métrica distorcida.
Meta e Shopify dizem que criaram placares internos que rastreiam quantos tokens os funcionários usam. O CEO da Nvidia, Jensen Huang, disse que ficaria "profundamente alarmado" se um engenheiro ganhando US$ 500.000 por ano não estivesse usando pelo menos US$ 250.000 em poder computacional — medindo o que um engenheiro gasta em IA em vez do que ele produz com ela.
Uma vez que as empresas começam a medir a adoção de IA por volume, os funcionários otimizam para a métrica em vez do resultado.
"Se o seu objetivo é apenas queimar muito dinheiro, existem maneiras fáceis de fazer isso", disse Ali Ghodsi, CEO da Databricks, que processa cargas de trabalho de IA para milhares de empresas. "Reenvie a consulta para dez lugares. Coloque um loop que apenas faça isso repetidamente. Isso custará muito dinheiro e não levará a nada."
Jen Stave, diretora executiva do Instituto de IA da Harvard Business School, ouve o mesmo dos líderes empresariais.
"Conversei com uma dúzia de CTOs ou CIOs que estão todos dizendo: 'Na verdade, estou tendo muita dificuldade em encontrar uma estrutura de ROI para isso'", disse ela.
A Anthropic está planejando a possibilidade de as projeções de demanda estarem erradas.
O CEO Dario Amodei descreveu o que ele chama de "cone de incerteza" – os data centers levam de um a dois anos para serem construídos, então as empresas estão comprometendo bilhões agora para uma demanda que ainda não podem verificar. Compre pouco e perca clientes quando não tiver capacidade suficiente. Compre muito e a receita não chega no prazo, a matemática para de funcionar.
"Se você errar em alguns anos, isso pode ser desastroso", disse Amodei no podcast Dwarkesh Patel em fevereiro. "Tenho a impressão de que algumas das outras empresas não escreveram a planilha. Elas estão apenas fazendo coisas porque parece legal."
A resposta da Anthropic tem sido se afastar do preço fixo para empresas e em direção à cobrança por token, de modo que a receita que ela coleta reflita o uso real. Ela também cortou algumas ferramentas de terceiros que eram grandes consumidoras de tokens, enquanto a OpenAI tem tornado a IA mais barata e fácil de consumir em escala.
A precificação de taxa fixa dominou os primeiros anos de adoção de IA, com taxas mensais fixas para acesso generoso ou ilimitado à IA. Esse modelo funcionou quando as pessoas estavam conversando com IA. Mas o uso agentivo transformou o que custava milhares de tokens por sessão em milhões, e quebrou a economia.
A oferta mais generosa da Anthropic para consumidores, seu plano Max de US$ 200 por mês, tornou-se um estudo de caso.
Os desenvolvedores estavam roteando essa assinatura por meio de ferramentas agentivas de terceiros como OpenClaw, executando agentes de IA 24 horas por dia em um plano projetado para conversação. Com base nas taxas publicadas da Anthropic para seu modelo mais recente, um usuário pesado do Claude Code Max poderia estar pagando tão pouco quanto US$ 200 por mês por um uso que teria custado ao usuário até US$ 5.000 sem uma assinatura.
Em 4 de abril, a Anthropic cortou essas ferramentas. Boris Cherny, chefe do Claude Code, escreveu no X que as assinaturas "não foram construídas para os padrões de uso dessas ferramentas de terceiros".
A mesma recalibração está acontecendo no mercado corporativo.
Contratos mais antigos da Anthropic incluíam assentos padrão e premium — taxas mensais fixas com uma cota de uso embutida. Estes são agora rotulados como "tipos de assento legados que não estão mais disponíveis para novos contratos empresariais", de acordo com a página de suporte da empresa. Novos planos empresariais cobram por assento, com o consumo de tokens faturado a taxas de API adicionais.
A Anthropic foi a primeira a se mover, mas a pressão está aumentando em toda a indústria.
Nick Turley, chefe do ChatGPT na OpenAI, reconheceu em um podcast BG2 que "é possível que na era atual, ter um plano ilimitado seja como ter um plano de eletricidade ilimitado. Simplesmente não faz sentido."
Se cada token agora carrega um preço, empresas e consumidores que orçaram para IA de taxa fixa começarão a perguntar o que realmente obtiveram com isso.
O CEO da Ramp, Eric Glyman, que recentemente lançou uma ferramenta de rastreamento de tokens, vê a dinâmica do lado financeiro.
Os gastos com IA na base de clientes da Ramp cresceram 13 vezes no último ano e ninguém sabe como orçar para isso. Ele apontou a abordagem da Anthropic como a estratégia de longo prazo mais prudente e levantou uma questão que deveria preocupar os investidores da OpenAI: se o seu modelo de negócios depende de extrair o máximo de gastos com tokens, você tem o incentivo para ajudar os clientes a usar a IA de forma mais eficiente?
A Salesforce está fazendo uma aposta semelhante, lançando uma nova métrica que chama de "unidades de trabalho agentivo" que rastreia o trabalho que a IA completa em vez dos tokens que ela consome.
Espera-se que tanto a Anthropic quanto a OpenAI busquem IPOs este ano. Quando o fizerem, a questão da demanda será a primeira coisa que os investidores do mercado público tentarão responder.
A Anthropic, ao mudar para a cobrança por token, terá dados mais limpos sobre o que seus clientes realmente valorizam. A OpenAI terá números maiores, mas terá mais dificuldade em provar quanto deles é real.
Se mesmo uma fração significativa da demanda atual de IA for inflada, a empresa que precificou para a realidade será aquela que ainda estará de pé quando a correção chegar.
AI Talk Show
Quatro modelos AI líderes discutem este artigo
Posições iniciais
G
Gemini by Google
"A transição de assinaturas de taxa fixa para preços de tokens variáveis irá desencadear uma contração acentuada nos gastos com IA, à medida que as empresas priorizam a eficiência de custos em relação ao volume experimental."
O artigo identifica corretamente uma armadilha de métrica de "vaidade" onde o consumo de tokens está sendo confundido com produção produtiva. No entanto, o foco na precificação por token da Anthropic como uma "proteção" prudente ignora o risco de elasticidade de preço. Se as empresas perceberem que os fluxos de trabalho de agentes são proibitivamente caros nas taxas de API atuais, elas não apenas otimizarão o uso — elas mudarão para modelos menores e destilados ou alternativas de código aberto locais como Llama 3. A estratégia da Anthropic corre o risco de transformar seu próprio produto em uma utilidade onde as margens são comprimidas pela própria eficiência que eles forçam sobre os clientes. O perigo real não é apenas a demanda inflada; é a inevitável mudança de preços baseada em valor que exporá a falta de um ROI claro para muitos fluxos de trabalho pesados em IA.
Advogado do diabo
A narrativa da "inflação de tokens" ignora que a adoção inicial geralmente requer um alto volume de experimentação ineficiente para descobrir os aplicativos "assinatura" que eventualmente impulsionarão uma escala massiva e sustentável.
AI infrastructure and large language model providers
G
Grok by xAI
"A inflação de tokens por meio de otimização de métricas ameaça expor infraestrutura de IA superdimensionada, pressionando a avaliação premium da NVDA."
Este artigo destaca inteligentemente o "jogo de métricas de tokens" — funcionários inchando o uso por meio de loops ou reenvios — arriscando sinais de demanda de IA exagerados que justificam US$ 200 bilhões+ de gastos anuais em capex por hiperescaladores. NVDA, com 38x P/E forward (vs. 15% de crescimento de EPS de consenso), incorpora suposições agressivas de crescimento de tokens; uma queda de demanda de 20-30% devido a ganhos de eficiência ou ceticismo em relação ao ROI pode desencadear uma desvalorização de 15-20% para 30x. O pivô por token da Anthropic (por exemplo, matar a exploração do plano Max de US$ 200 com uso de US$ 5.000) fornece maior visibilidade de receita do que o modelo de taxa fixa da OpenAI, mas ignora a destilação de modelos cortando custos em 5-10x, potencialmente alimentando a adoção real.
Advogado do diabo
IA Agêntica pode entregar ganhos de produtividade 10x para engenheiros de US$ 500.000, validando a queima de tokens à medida que as empresas escalam além dos pilotos, transformando métricas infladas em uma explosão de demanda genuína.
C
Claude by Anthropic
"A precificação por token revela a realidade da demanda apenas se os clientes permanecerem; se eles fugirem para concorrentes mais simples, a "honestidade" da Anthropic se torna uma desvantagem competitiva, não um ativo."
O artigo confunde dois problemas distintos: jogo de métricas (funcionários queimando tokens para atingir metas) e destruição real da demanda. Meta e Shopify medindo o consumo de tokens não provam que a demanda é falsa — provam que os incentivos internos estão desalinhados. Mais criticamente, o artigo assume que a precificação por token revela a demanda "verdadeira", mas pode simplesmente mudar quem paga e quando. O movimento da Anthropic pode ser gerenciamento de risco prudente OU uma desvantagem competitiva se os clientes fugirem para os planos de taxa fixa mais simples da OpenAI. O verdadeiro teste: o consumo de tokens corporativos realmente entra em colapso após 4 de abril ou os clientes simplesmente pagam de forma mais transparente? O artigo apresenta isso como um fato estabelecido quando ainda é uma pergunta em aberto.
Advogado do diabo
A mudança da Anthropic para a precificação por token pode ser uma ferida auto infligida — se os clientes desertarem dos planos de taxa fixa da OpenAI porque são mais simples de orçar, a Anthropic perde volume e participação de mercado, apesar dos "dados mais limpos".
ANTHROPIC (private), OpenAI (private), broad AI infrastructure sector
C
ChatGPT by OpenAI
"A precificação por token pode se tornar uma mudança estrutural que melhora a visibilidade e a resiliência da receita para os incumbentes de IA, compensando a volatilidade da demanda imediata."
Hoje, a peça argumenta que a demanda de IA pode estar inflada, enquanto a mudança da Anthropic para a precificação por token pode precificar a realidade no modelo. Se a demanda esfriar, a receita por unidade de uso pode se tornar mais previsível, alinhando incentivos e reduzindo o risco de superconstrução para data centers. Isso beneficia, em geral, ações de hardware/história com disciplina de preços, como Nvidia em demanda de computação e Microsoft/Cloud players que monetizam o uso, em vez daquelas dependentes de assinaturas de taxa fixa. No entanto, os principais riscos são ignorados: se o ROI para IA agêntica permanecer convincente em meio a restrições orçamentárias, quão durável é a monetização por token se os tokens forem mercadorizados e o ciclo de capex/financiamento para novos data centers e o tempo do IPO. Uma trajetória de demanda durável ainda importa.
Advogado do diabo
Contra-argumento: se a demanda se mostrar persistente e o uso se expandir apesar da precificação, a precificação por token pode apenas reclassificar o potencial de alta, e não limitá-lo. Nesse cenário, os players em escala (NVDA, MSFT) vencem mais com eficiência e alavancagem de data center do que com sinais de adoção de novos usuários.
AI infrastructure / cloud software (NVDA, MSFT)
O debate
G
Gemini
▼ Bearish
Em resposta a Grok
Discorda de:
Grok
"A utilidade marginal decrescente do conteúdo gerado por IA forçará as empresas a podar o uso de tokens, minando o caso de touro baseado em volume para provedores de hardware como a NVDA."
Grok, sua tese de desvalorização da NVDA depende do volume de tokens, mas você está ignorando o risco de "colapso do modelo": à medida que os modelos treinam em dados gerados por IA, a utilidade marginal de cada token adicional diminui. Se as empresas descobrirem que 10% dos tokens entregam 90% do valor, elas vão agressivamente podar fluxos de trabalho, independentemente dos modelos de preços. Isso torna o cenário de "explosão de demanda" para a NVDA altamente precário. Não se trata apenas de eficiência; trata-se da qualidade decrescente da saída.
G
Grok
▼ Bearish
Em resposta a Gemini
Discorda de:
Gemini
"As restrições de energia limitarão a escalabilidade da IA antes que a transparência do token mate a demanda, desvalorizando a NVDA, independentemente da qualidade do modelo."
Gemini, a preocupação com o "colapso do modelo" é hype especulativo — as evidências atuais mostram que os modelos como o GPT-4o estão melhorando por meio da curadoria de dados sintéticos, não se degradando. Um risco maior não mencionado: limites de energia. Se a transparência do token aumentar as contas de tokens em 5 a 10 vezes (por anedotas da Shopify), a adoção estancará antes da escala, deixando o ciclo de capex de US$ 3 trilhões da NVDA exposto a apagões/atrasos nas redes dos EUA/UE antes mesmo que a demanda se materialize.
C
Claude
▼ Bearish
Em resposta a Grok
Discorda de:
Gemini
"A transparência por token desencadeia a renegociação do fornecedor e a compressão da margem no software de IA antes que as restrições de energia ou a degradação do modelo importem."
O risco de limite de energia de Grok é concreto; a preocupação de colapso do modelo de Gemini permanece teórica. Mas ambos perdem a arbitragem imediata: se a precificação por token expuser a demanda falsa, as empresas não apenas podarão — elas renegociarão os contratos com os fornecedores para baixo. A OpenAI e a Anthropic enfrentam compressão de margem antes que a NVDA veja atrasos em capex. Esse é o vetor real de destruição da demanda, e atinge as margens de software mais rápido do que os ciclos de hardware.
C
ChatGPT
▼ Bearish
Em resposta a Grok
Discorda de:
Grok
"A precificação por token expõe a demanda a choques de preços; os limites de ROI, e não apenas os limites de energia, impulsionarão os gastos e a demanda de hardware."
O risco de precificação por token expõe a demanda a choques de preços; os limites de ROI, e não apenas os limites de energia, impulsionarão os gastos e a demanda de hardware das empresas.
Veredito do painel
Sem consensoO painel concorda amplamente que a demanda de IA pode estar exagerada devido ao jogo de métricas e que a mudança da Anthropic para a precificação por token pode expor isso, levando potencialmente a uma redução na demanda e compressão de margem para fornecedores de IA. No entanto, o painel está dividido sobre se isso levará a uma desaceleração significativa na adoção de IA ou se afetará principalmente as margens de software antes de afetar o capex de hardware.
Oportunidade
Players de hardware e nuvem com disciplina de preços, como Nvidia e Microsoft, podem se beneficiar de um receita mais previsível por unidade de uso, reduzindo o risco de superconstrução para data centers.
Risco
Elasticidade de preço sob precificação por token, o que pode levar a renegociações, agrupamentos ou mudanças para modelos destilados/abertos, estrangulando a demanda antes de qualquer blecaute.
Notícias Relacionadas
'Big Short' investor Michael Burry adverte sobre o risco de bolha de IA — por que apostar em um único vencedor pode dar errado
Yahoo Finance
·
5 dias, 14 horas atrás
NVDA
PLTR
Ações de IA Acabaram de Fazer Algo Que Só Foi Visto 4 Vezes em 62 Anos -- É Finalmente Hora de Soar o Alarme?
Nasdaq
·
6 dias, 9 horas atrás
QQQ
QQQM
State Street Segue BlackRock Com Filing Para Desafiar o QQQ da Invesco
Yahoo Finance
·
1 semana, 1 dia atrás
Isto não constitui aconselhamento financeiro. Faça sempre sua própria pesquisa.