A corrida pela IA esquenta se intensifica: Qual modelo vai dominar?

Os avanços em IA chegam mais rápido do que os usuários conseguem acompanhá-los.

O lançamento do Gemini 3 do Google, as parcerias bilionárias em torno de Claude da Anthropic e novas atualizações da OpenAI condensaram anos de progresso em uma única temporada.

Todas as grandes empresas de tecnologia apostam em modelos maiores, novos chips e uma expansão agressiva na nuvem.

Mas a verdadeira questão é se modelos melhores são suficientes para capturar bilhões de usuários, reconfigurar indústrias inteiras e apoiar as expectativas econômicas sobre o boom da IA.

Um mercado que está se expandindo mais rápido do que o esperado

A IA está agora se expandindo de uma tecnologia especializada para se expandir para saúde, varejo, finanças, publicidade e operações empresariais.

A Bloomberg Intelligence projeta que a IA generativa sozinha pode gerar cerca de US$ 1,8 trilhão em receita anual até 2032, o que equivale a até 16% dos gastos globais com tecnologia.

Isso é acompanhado por uma mudança na infraestrutura.

Cargas de trabalho de IA já representam mais de 20% da receita global de servidores, com previsões apontando para 40% nos próximos anos.

O setor também está afetando a demanda por hardware. O treinamento de grandes modelos criou o primeiro pico nos gastos, mas a inferência, o uso cotidiano da IA em aplicações reais, está se tornando o fator mais persistente.

Essa mudança importa porque as cargas de trabalho de inferência não chegam em ondas.

Eles funcionam continuamente em sistemas de atendimento ao cliente, ferramentas de produtividade, motores de publicidade e assistentes de programação.

As empresas veem isso como o início de um longo ciclo de infraestrutura, e não como um breve aumento ligado a alguns laboratórios de pesquisa.

A Gemini consegue capturar o ChatGPT?

O Google acabou de anunciar o lançamento do Gemini 3, e isso mostra o quão intensa a competição se tornou.

Gemini 3 registrou pontuações recordes em grandes benchmarks de raciocínio e introduziu novas capacidades de codificação e agentes.

O modelo está integrado diretamente ao Search, ao aplicativo Gemini, ao Workspace e ao Modo IA do Google.

O Google reportou 650 milhões de usuários ativos mensais para Gemini e mais de 2 bilhões para Visões Gerais de IA dentro da Busca.

No papel, isso dá à empresa uma pegada de distribuição que iguala ou até supera o ChatGPT.

No entanto, melhorar um modelo não é o mesmo que mudar o comportamento do usuário.

O ChatGPT recentemente alcançou 800 milhões de usuários semanais e continua sendo a interface de IA mais familiar para muitos.

A força do produto não está apenas no modelo por trás dele, mas no ecossistema ao seu redor.

Milhões de pessoas usam o ChatGPT dentro do GitHub Copilot, Windows, Microsoft 365 e dezenas de ferramentas de terceiros construídas especificamente em torno de modelos OpenAI.

Mudar hábitos é difícil, mesmo quando um competidor é tecnicamente melhor em algumas áreas.

Isso cria uma dinâmica sutil. O Google pode igualar ou superar o ChatGPT no nível do modelo, mas isso sozinho não garante uma migração de usuários.

Melhorias no modelo importam, mas não funcionam isoladamente.

A mudança depende de fatores econômicos e de fluxo de trabalho mais profundos, como menor custo para tarefas de contexto longo, integração empresarial mais suave ou recursos únicos que reduzem o fardo operacional da empresa.

As pessoas se moverão se o ganho for claramente visível em seu trabalho diário, não porque uma pontuação de referência aumentou.

Consolidação, capital e a sombra de uma bolha

A escala financeira em torno da IA cresceu o suficiente para atrair perguntas dos investidores. Alguns acordos parecem circulares. Uma empresa modelo levanta capital de um provedor de nuvem e depois investe esse capital nos serviços de computação desse provedor.

Essa é uma das razões pelas quais analistas alertam que partes do setor podem estar inflando mais rápido do que os orçamentos corporativos conseguem absorver.

Ao mesmo tempo, várias empresas continuam apresentando números fortes de adoção.

A Anthropic disse aos investidores que tem mais de 300.000 clientes empresariais e corporativos e projeta dobrar ou até triplicar a receita, chegando a cerca de 26 bilhões de dólares no próximo ano.

O Google conta 13 milhões de desenvolvedores usando o Gemini como parte de seu fluxo de trabalho.

Embora esses números mostrem tração genuína, eles também destacam o quanto é caro expandir nesse nível. Essa tensão entre o uso real e expectativas exageradas cria um ambiente que se assemelha ao ciclo inicial da internet.

O Capex é pesado, as avaliações são altas e algumas empresas vão se estender demais.

A tendência subjacente, no entanto, dificilmente será revertida.

A IA já está se tornando parte do software e da infraestrutura do dia a dia, independentemente de quais empresas dominem a linha final.

A NVIDIA é vulnerável em um mundo de silício personalizado

A posição da NVIDIA no centro das cargas de trabalho de treinamento gerou preocupações sobre riscos de longo prazo, à medida que Google, Amazon e outros promovem seus próprios chips.

A linha TPU do Google e os chips Trainium e Inferentia da Amazon são sinais de uma tendência maior para silício personalizado projetado para cargas de trabalho específicas.

A recente parceria com a Anthropic complica ainda mais o cenário.

Apesar do grande investimento do Google em seus próprios chips, a Anthropic comprometeu até um gigawatt de capacidade de computação usando os sistemas Grace Blackwell e Vera Rubin da NVIDIA, apoiados por até 10 bilhões de dólares da NVIDIA e 5 bilhões da Microsoft.

No curto prazo, a NVIDIA não está perdendo terreno.

A demanda por computação está crescendo tão rapidamente que tanto GPUs quanto aceleradores personalizados são necessários ao mesmo tempo.

O risco para a NVIDIA parece estar mais distante.

Se a inferência se tornar a carga de trabalho dominante e os hyperscalers transferirem a maior parte desse tráfego para seus próprios chips internos, a NVIDIA pode enfrentar pressão sobre margens em vez de volumes.

O treinamento pode continuar lucrativo, mas a mistura de cargas de trabalho se afastaria do segmento mais lucrativo da NVIDIA.

Isso não significa que a NVIDIA esteja em apuros hoje. Os próximos três a cinco anos parecem estáveis porque o apetite por treinamentos, corridas e computação geral continua enorme.

A ameaça competitiva está mais relacionada ao poder de precificação de longo prazo.

Hiperescaladores querem evitar dependência de um único fornecedor.

Eles estão investindo em seu próprio silício, não para eliminar a NVIDIA, mas para negociar a partir de uma posição mais forte.

O que vai decidir os próximos vencedores

A corrida da IA está entrando em uma fase em que a liderança depende de mais do que avanços nos modelos.

A distribuição é extremamente importante, especialmente a capacidade de entregar recursos de IA para centenas de milhões de usuários por meio de plataformas que as pessoas já usam diariamente.

A integração também importa, porque as empresas querem ferramentas que se encaixem em seus fluxos de trabalho existentes sem interrupções.

Não existe um único caminho para a dominância.

O Google pode aproveitar a busca e o Android. A Microsoft tem Windows, Office e GitHub.

A Anthropic está conquistando uma posição entre as empresas que querem modelos confiáveis e transparentes.

A OpenAI continua impulsionando a atenção dos consumidores por meio do ChatGPT.

O campo é moldado por alianças e rivalidades sobrepostas, onde os parceiros também costumam ser concorrentes.

A próxima fase da economia da IA não recompensará as empresas apenas pelo tamanho de seus modelos.

Ele recompensará aqueles que conseguem conectar inteligência a tarefas reais, decisões reais e valor econômico real.

O poder dos modelos está se tornando abundante. O que ainda é escasso é a capacidade de transformar esse poder em comportamento duradouro, fluxos de trabalho exigentes e demanda de longo prazo.