- As maiores empresas de infraestrutura da era da nuvem cresceram ao vincular diretamente seus modelos de receita à unidade central de consumo da plataforma (compute), e na era da IA essa unidade está migrando para os tokens
- Snowflake, Datadog, Cloudflare e outras se posicionaram diretamente no caminho de execução das workloads e construíram uma estrutura em que a receita escala automaticamente conforme a atividade de compute aumenta
- O Docker foi uma tecnologia central do desenvolvimento cloud native, mas, por não conseguir conectar o modelo de receita ao primitivo de consumo de compute, deixou escapar um valor de dezenas de bilhões de dólares
- Na era da IA, empresas posicionadas diretamente no caminho de consumo de tokens, como a Cursor (agente de codificação), estão crescendo rapidamente, e a Cursor recentemente superou US$ 2 bilhões em ARR
- Estar simplesmente no caminho dos tokens não basta; como mostra o caso da falência da empresa de CDN Limelight (hoje Edgio), é impossível sobreviver sem diferenciação e custo de troca
O padrão central da era da nuvem: monetizar o primitivo de consumo
- O primitivo central da era da nuvem era o compute; storage, rede e banco de dados também eram importantes, mas o motor que fazia o sistema funcionar eram os ciclos de compute dentro do datacenter
- As maiores empresas de infraestrutura passaram a vincular diretamente sua receita à atividade de compute ou a cobrar pelo próprio compute, ou seja, a “ser dona do medidor”
- A AWS e os hyperscalers, literalmente, operam um negócio de venda de tempo de compute, e sua receita cresce automaticamente à medida que as workloads migram para a nuvem
- Não foram apenas os hyperscalers; os líderes de infraestrutura que surgiram com a expansão da nuvem seguiram o mesmo padrão
Modelos de monetização dos líderes de infraestrutura em nuvem
- A Databricks monetiza compute de jobs, e a receita cresce automaticamente sempre que pipelines de dados são executados, modelos são treinados ou workloads são processadas
- A Snowflake monetiza compute de consultas, e a receita aumenta sem vender mais seats quando novas queries, datasets ou workloads são adicionadas
- A Datadog monetiza a telemetria gerada pelas workloads de compute, e cada novo microsserviço, contêiner ou instância em nuvem gera receita incremental
- A Cloudflare monetiza as requisições (requests) geradas por aplicações executadas sobre o compute
- A MongoDB cobra pelo storage e compute consumidos por meio do Atlas
- Os detalhes variam, mas o padrão é consistente: posicionar-se diretamente no caminho de execução da workload e adotar um modelo de preço que escala automaticamente conforme a atividade de compute aumenta
Insight central: não é o modelo de preço por consumo em si, mas o acoplamento estrutural à unidade de crescimento do ecossistema
- O ponto central não é simplesmente “precificação por consumo” — há muitas empresas que adotam esse modelo e ainda assim crescem devagar
- O que tornou essas empresas especiais foi o fato de que sua própria unidade de consumo era a mesma unidade pela qual todo o ecossistema escalava
- Se o mundo passava a rodar mais compute, essas empresas cresciam sem fazer nada — a receita ficava estruturalmente acoplada ao vetor de crescimento da plataforma
- No início da nuvem, muitas empresas de infraestrutura ainda tentavam monetizar software com modelos antigos, como licença perpétua, licença por prazo, contrato de manutenção e assinatura de suporte sobre open source
- No ambiente on-premise, a expansão da infraestrutura era lenta, previsível e controlável, então esses modelos funcionavam; na nuvem, porém, as workloads podiam escalar instantaneamente e o consumo de compute podia crescer em múltiplos dígitos, o que mudou fundamentalmente a economia do setor
Docker: o caso mais instrutivo
- O Docker era a própria conteinerização e a tecnologia que tornou possível o desenvolvimento cloud native
- Foi usado por milhões de desenvolvedores e pode ser considerado a ferramenta de desenvolvedor mais importante da era da nuvem
- Mas o Docker não encontrou uma forma de monetizar esse primitivo e não conseguiu conectar a adoção massiva por desenvolvedores ao gasto subjacente com compute que os contêineres possibilitavam
- O Kubernetes (open sourced pelo Google) capturou o negócio de orquestração, e todos os hyperscalers monetizaram a inovação do Docker por meio de serviços gerenciados de contêineres
- O Docker viabilizou dezenas de bilhões de dólares em gastos com compute, mas não capturou nada disso (a situação melhorou bastante nos últimos anos, mas esta análise trata da fase inicial)
- O ponto em comum entre o Docker e empresas parecidas, que tiveram adoção em massa mas esbarraram no muro do modelo de negócio: eram ferramentas importantes e profundamente embutidas na stack de infraestrutura em nuvem, mas não conseguiram transformar sua receita em um derivado do primitivo central de consumo
- Monetizaram de formas adjacentes, como seats, contratos de suporte e consultoria, e o mercado recompensou isso de acordo — ou seja, não recompensou
Mapeando para a era da IA: tokens são o novo primitivo
- Se a infraestrutura de nuvem foi construída sobre o primitivo de compute, a infraestrutura de IA está sendo construída sobre outro primitivo: tokens
- Toda workload de IA, no fim, se resume aos tokens que o modelo gera, processa e consome
- Prompt → tokens, contexto → tokens, resposta → tokens
- Agentes que executam workflows de múltiplas etapas podem gerar enormes quantidades de tokens ao raciocinar sobre tarefas
- Tokens são a unidade atômica de trabalho dos sistemas modernos de IA
Empresas de IA posicionadas no caminho dos tokens
- Provedores de modelo como OpenAI e Anthropic são o próprio primitivo de tokens (assim como os hyperscalers eram o primitivo de compute/storage na nuvem), cobrando por token de entrada e token de saída
- As empresas de IA que mais crescem hoje estão posicionadas diretamente no caminho dos tokens
- Agentes de codificação são o exemplo mais representativo, e, segundo reportagens publicadas, a Cursor recentemente alcançou US$ 2 bilhões em ARR
- Cada keystroke, autocomplete de código e ação do agente dispara inferência, e o modelo de negócio evoluiu de cobrança simples por seat para seat com limite de uso incluído
- A receita fica estruturalmente acoplada ao consumo de tokens
- Empresas de negócio de inferência como Inferact, Baseten, Fireworks e Together estão, em essência, vendendo o próprio primitivo bruto
- A receita das empresas posicionadas mais perto da geração e do consumo de tokens cresce naturalmente à medida que a atividade de IA aumenta
- Outras partes do ecossistema de IA estão experimentando modelos mais tradicionais de precificação SaaS (baseada em seats, assinatura de plataforma, licença enterprise sobre open source)
- Esses negócios também podem ter sucesso, mas, se a história servir de guia, as maiores empresas de infraestrutura surgirão onde a unidade central de atividade da plataforma é medida e monetizada
Condição necessária, mas não suficiente: a importância da diferenciação
- Estar no caminho dos tokens é uma condição necessária, não suficiente
- As empresas de CDN pure-play da era da nuvem estavam tecnicamente no “caminho do compute”, cobravam por largura de banda e requisições, e o tráfego explodiu
- Mas a largura de banda acabou se mostrando uma commodity — e os preços caíram continuamente
- A Limelight Networks viu sua receita cair mesmo com tráfego recorde durante o boom de streaming de 2020–2021; depois mudou a marca para Edgio, mas acabou falindo
- Já a Cloudflare, partindo de um ponto semelhante, adicionou segurança, ferramentas para desenvolvedores e edge compute, construindo diferenciação real e custo de troca sobre esse primitivo — resultados radicalmente diferentes a partir do mesmo ponto de partida
Lições para fundadores de IA
- Entre no caminho dos tokens, mas construa por cima dele algo diferenciado
- Não seja apenas um cano por onde os tokens passam; torne-se uma camada que faz os tokens valerem mais
- Melhor experiência de desenvolvedor (Cursor), modelos verticais especializados, ferramentas de segurança e compliance, moat de dados proprietários etc.
- Há também uma dimensão de timing: as empresas que se tornaram padrão no caminho do compute logo no início da era da nuvem capturaram a maior parte do valor
- Datadog, Snowflake e Cloudflare alcançaram escala antes que o primitivo fosse totalmente comoditizado
- A janela para entrar no caminho dos tokens é agora: os custos de inferência estão caindo rapidamente (o que significa mais consumo de tokens, mas também compressão da economia por unidade)
- Essa compressão avança antes da construção do moat, então é preciso entrar no caminho e construir o moat ao mesmo tempo
- Se você controla o medidor, o crescimento vem por si só
Atualização de valuation do mercado SaaS
- Empresas SaaS geralmente são avaliadas por múltiplos de receita (na maioria dos casos, receita projetada para os próximos 12 meses, NTM Revenue)
- Como a maioria das empresas de software não é lucrativa ou não gera FCF relevante, esse é o único indicador que permite comparar o setor inteiro
- O DCF também é carregado de premissas de longo prazo, e a promessa do SaaS é que o crescimento inicial leve a lucros na fase madura
- O cálculo é feito por Enterprise Value (valor de mercado + dívida - caixa) / receita NTM
- Mediana geral: 3.5x, mediana das 5 maiores: 17.7x, Treasury de 10 anos: 4.1%
Buckets de valuation por taxa de crescimento
- Alta expansão (crescimento NTM >22%) mediana: 10.4x
- Crescimento intermediário (15%~22%) mediana: 6.5x
- Baixo crescimento (<15%) mediana: 2.7x
- O corte de 22% para alta expansão é um pouco arbitrário, mas foi definido para garantir uma amostra estatisticamente significativa de cerca de 10 empresas nesse bucket
EV / NTM Rev / NTM Growth
- Indicador que divide o múltiplo EV / receita NTM pela expectativa de crescimento consenso NTM
- Ex.: uma empresa negociada a 20x receita NTM com expectativa de crescer 100% negocia a 0.2x
- O objetivo é mostrar o quão relativamente barata/cara cada ação está em relação à sua expectativa de crescimento
EV / NTM FCF
- Um gráfico de linha mostra a mediana das empresas com múltiplo de FCF >0x e <100x
- A ideia é mostrar o subconjunto de empresas para as quais FCF é um indicador de valuation relevante
- Empresas com NTM FCF negativo são excluídas do gráfico
Correlação entre taxa de crescimento e múltiplo de valuation
- É fornecido um scatter plot de EV / receita NTM versus taxa de crescimento de receita NTM
- O objetivo é visualizar a correlação entre crescimento e múltiplos de valuation
Métricas operacionais (Operating Metrics)
- Mediana da taxa de crescimento NTM: 13%
- Mediana da taxa de crescimento LTM: 15%
- Mediana da margem bruta (Gross Margin): 75%
- Mediana da margem operacional (Operating Margin): (1%)
- Mediana da margem de FCF: 20%
- Mediana de retenção líquida (Net Retention): 109%
- Mediana do período de payback de CAC: 34 meses
- Mediana da relação S&M: 35% da receita
- Mediana da relação R&D: 23% da receita
- Mediana da relação G&A: 15% da receita
Comps Output: Rule of 40 e GM Adjusted Payback
- Rule of 40 é exibida como taxa de crescimento da receita + margem de FCF (tanto LTM quanto NTM)
- FCF = fluxo de caixa operacional - capex
- GM Adjusted Payback = (S&M do trimestre anterior) / (ARR líquido novo do trimestre × margem bruta) × 12
- Número de meses que uma empresa SaaS leva para recuperar o CAC totalmente carregado com base em margem bruta
- Como a maioria das empresas listadas não informa ARR líquido novo, calcula-se um ARR implícito como receita recorrente trimestral × 4
- ARR líquido novo = ARR do trimestre atual - ARR do trimestre anterior
- Empresas que não divulgam receita de assinatura são excluídas da análise (marcadas como NA)
Ainda não há comentários.