- Com a combinação de capital inicial gigantesco e ciclos tecnológicos curtos, os laboratórios de IA de fronteira entraram em uma esteira no estilo dos semicondutores em que, assim que lançam um novo produto, já precisam preparar a próxima geração
- O custo de treinamento de modelos de fronteira aumentou cerca de 2,4 vezes por ano durante 8 anos, e os maiores treinamentos podem ultrapassar US$ 1 bilhão em 2027 e chegar a US$ 10 bilhões em 2028
- A indústria de semicondutores enfrenta recessões a cada 3 a 4 anos e se reorganizou em torno de poucas empresas, mas companhias como Nvidia, Apple e ARM criaram grande valor ao dominar design, software e ecossistemas um nível acima da manufatura
- Na IA, enquanto os custos de fronteira disparam, o custo para reproduzir o mesmo nível de desempenho cai, segundo algumas estimativas, para cerca de um décimo por ano, permitindo que empresas de aplicação como Cursor, Harvey e Abridge construam produtos e relacionamento com clientes sem treinar modelos diretamente
- Escala e capital são a principal vantagem competitiva dos laboratórios de fronteira, mas a oportunidade de negócios mais ampla está na camada de aplicações de uma inteligência mais barata e abundante, enquanto o risco de dependência de plataforma de fornecedores de modelos entrando no mercado dos clientes deve ser avaliado separadamente
A esteira dos semicondutores que nunca para
- Empresas de semicondutores de próxima geração investem enormes quantias em design, tape-out, qualificação de processo e expansão de manufatura e distribuição, mas quando o produto fica pronto o mercado já exige a geração seguinte
- Empresas que não conseguiram acompanhar esse ciclo foram adquiridas, consolidadas ou encerraram discretamente as operações, e o que dificultou o investimento não foi tanto a tecnologia em si, mas a intensidade de capital e a velocidade de desenvolvimento
- Os laboratórios de modelos de fronteira mostram o mesmo padrão: investem capital em grande escala para lançar produtos e, no momento do lançamento, já são pressionados a entregar o próximo modelo
O custo dos processos de semicondutores de próxima geração
- O custo de tape-out, que em processos antigos era de algumas centenas de milhares de dólares, pode passar de US$ 100 milhões considerando o conjunto completo de máscaras em 3 nm
- A maior parte do custo vem do conjunto de máscaras e da engenharia não recorrente, não dos wafers
- O custo total de projeto de novos chips estimado pela International Business Strategies sobe abruptamente à medida que o processo fica mais fino
- 28 nm: cerca de US$ 40 milhões
- 7 nm: cerca de US$ 217 milhões
- 5 nm: cerca de US$ 416 milhões
- 3 nm: cerca de US$ 590 milhões
- 2 nm: mais de US$ 725 milhões
- Ainda assim, esses números são discutíveis
- Segundo a SemiAnalysis, houve caso real de startup que lançou um chip de ponta em 7 nm por um total de US$ 50 milhões a US$ 75 milhões, então as estimativas mais altas devem ser vistas como teto
- Incluindo as instalações de fabricação, o peso fica ainda maior
- Uma instalação de produção em 3 nm custa de US$ 15 bilhões a US$ 20 bilhões
- Um único scanner EUV custa mais de US$ 350 milhões
- O plano de capex da TSMC para 2026 é de US$ 52 bilhões a US$ 56 bilhões
- O custo por transistor continua caindo, mas só obtêm viabilidade econômica as empresas capazes de garantir volume de produção suficiente para compensar isso
O custo da próxima geração de modelos de fronteira
- O custo de hardware depreciado usado no treinamento final do GPT-4 foi estimado pela Epoch AI em cerca de US$ 40 milhões
- O Stanford AI Index calcula cerca de US$ 78 milhões ao aplicar preços de aluguel em nuvem
- Sam Altman afirmou que o custo passou de US$ 100 milhões
- O custo estimado de treinamento do Gemini Ultra varia de US$ 30 milhões a US$ 191 milhões, dependendo do método de cálculo
- Mesmo que o primeiro dígito mude conforme a metodologia, a escala dos custos é parecida, e a tendência de crescimento de longo prazo importa mais do que estimativas individuais
- Segundo a Epoch AI, o custo de treinamento de fronteira cresceu cerca de 2,4 vezes por ano durante 8 anos seguidos
- Os maiores treinamentos podem ultrapassar US$ 1 bilhão em 2027
- Dario Amodei prevê que treinamentos na faixa de US$ 10 bilhões possam surgir em 2028
- Os treinamentos de fronteira em 2026 já são estimados em US$ 200 milhões a US$ 500 milhões ou mais
- Capital inicial gigantesco, ciclos de lançamento rápidos e um ambiente em que a próxima geração é exigida logo após o lançamento impõem aos laboratórios de IA pressões semelhantes às das empresas de semicondutores
Por que os ativos de treinamento em IA se depreciam mais rápido
- Fábricas de semicondutores podem ser reutilizadas ao longo de várias gerações de processo, e mesmo linhas antigas já totalmente depreciadas podem gerar receita por anos
- Já um modelo de fronteira treinado perde valor assim que um concorrente lança um modelo melhor, e não tem valor residual como uma fábrica antiga de semicondutores
- Essa diferença pode tornar a esteira econômica dos laboratórios de IA de fronteira ainda mais severa do que a da manufatura de semicondutores
Ciclos e consolidação na indústria de semicondutores
- Ao longo de cerca de 70 anos, a indústria de semicondutores passou por recessões a cada 3 ou 4 anos, somando mais de 15 ciclos até agora
- No estouro da bolha das pontocom, o PHLX Semiconductor Sector Index (SOX) caiu cerca de 82% em relação ao pico de 2000, e o valor de mercado da Nvidia também encolheu cerca de 90%
- Segundo a PitchBook, o investimento de venture capital em startups de semicondutores atingiu o pico de cerca de US$ 14,5 bilhões em 2021 e depois caiu 46%, para US$ 7,8 bilhões, em 2022
- Startups de chips que não conseguiram transformar P&D em receita antes do congelamento do mercado de capital ficaram sem caixa operacional
- Uma indústria que já teve milhares de empresas se consolidou ao longo de décadas em torno de poucos operadores, especialmente no mercado de memória, que virou um oligopólio
- Quando se combinam intensidade extrema de capital e substituição geracional incessante, a indústria se concentra em poucos vencedores, e empresas que confundem boom com estado permanente sofrem fortemente na recessão seguinte
A camada que criou mais valor nos semicondutores
- A indústria de semicondutores não apenas levou à consolidação das empresas de processos de ponta, como também se tornou a base da enorme criação de valor em toda a indústria de tecnologia
- Nvidia, Apple, Qualcomm, Broadcom e AMD construíram negócios fortes com o modelo fabless, sem possuir fábricas próprias e deixando para TSMC e outras o peso de capital da manufatura de ponta
- A ARM entrou em praticamente todos os celulares licenciando seu conjunto de instruções sem lidar diretamente com o silício
- Essas empresas dominaram design, software e ecossistemas um nível acima da esteira da manufatura e empurraram para as foundries os riscos do balanço financeiro
- A mudança maior aconteceu sobre semicondutores baratos, abundantes e em melhora contínua
- indústria de software
- internet
- economia dos smartphones
- computação em nuvem
- Google, Amazon e a economia dos apps
- Ao longo de décadas, as empresas que construíram negócios sobre a computação barata criada por essa corrida cresceram mais do que aquelas que desapareceram na disputa pelos processos de ponta
Alta do custo de fronteira e queda do custo da inteligência
- Enquanto o teto de custo dos modelos de fronteira sobe para mais de US$ 1 bilhão, o custo para atingir um determinado nível de desempenho cai, segundo algumas estimativas, para cerca de um décimo por ano
- Um modelo que em 2023 exigia US$ 78 milhões em treinamento hoje poderia ser construído por menos de US$ 10 milhões
- A DeepSeek é conhecida por ter treinado um modelo de alto desempenho com alguns milhões de dólares
- Os números exatos ainda são debatidos e algumas estimativas podem ser otimistas demais, mas a direção da queda no custo para reproduzir o mesmo desempenho em modelos abertos é clara
- A inteligência está seguindo a curva de custo para baixo junto com a computação, e a corrida de fronteira e o mercado de aplicações construído acima dela têm economias diferentes
A estratégia fabless transplantada para a IA
- Só alguns laboratórios com acesso a recursos gigantescos conseguem participar do treinamento de modelos de fronteira, mas a camada de aplicações acima deles está aberta a muito mais empresas
- A Anysphere foi fundada em 2022 por quatro estudantes do MIT e construiu o Cursor sobre modelos de fronteira de outras empresas
- A receita anualizada subiu de cerca de US$ 100 milhões no início de 2025 para cerca de US$ 4 bilhões em meados de 2026
- A SpaceX concordou em adquirir a empresa por cerca de US$ 60 bilhões em junho de 2026
- O Cursor não treinou modelos de fronteira por conta própria; ele ficou com o produto e a relação com os desenvolvedores, deixando os laboratórios de modelos arcarem com os custos de treinamento
- A mesma estratégia está sendo aplicada em vários setores
- Perplexity: busca
- Harvey: trabalho jurídico
- Sierra: atendimento ao cliente
- Abridge: ambiente clínico
- Glean: trabalho interno nas empresas
- Foundry Robotics: manufatura
- Essas empresas não entram diretamente na esteira do treinamento, mas constroem produtos e negócios sobre ela
O risco separado da dependência de plataforma
- Ao criar produtos sobre modelos externos, o fornecedor do modelo pode subir para a camada de aplicações e competir diretamente com o negócio do cliente
- Os laboratórios já competem com alguns clientes importantes que usam seus próprios modelos
- O Cursor concorreu com as ferramentas de programação do próprio provedor de modelo enquanto arcava com o preço de varejo dos modelos, ao passo que o fornecedor podia operar com economia de escala no atacado
- A dependência de plataforma é um risco de investimento que não pode ser ignorado, mas sua natureza e o custo de entrada são diferentes do risco de treinamento e de substituição geracional enfrentado pelos laboratórios de fronteira
Dois tipos que precisam ser distinguidos no investimento
- Na era dos semicondutores, dois tipos de empresa tiveram sucesso
- Um pequeno número alcançou a escala necessária para continuar sustentando a esteira de ponta
- Um número muito maior construiu negócios sustentáveis e de alta margem uma ou duas camadas acima do silício barato e abundante
- Em volume total de criação de valor, o segundo tipo foi muito maior que o primeiro
- A era dos modelos de fronteira está se desenrolando na mesma direção, e não se deve tratar a esteira como se fosse o mercado inteiro
- A IA, como outros booms tecnológicos intensivos em capital, também pode passar por mais de um período de seca de financiamento, e empresas que bancam a geração mais nova com capital de mercado otimista sofrerão pressão nesse momento
- A oportunidade mais ampla não está em quem vence a corrida de fronteira, mas em o que se constrói depois que a inteligência se torna barata e abundante
- A Red Glass Ventures tem interesse especial em robótica, hardware e sistemas que agem diretamente no mundo real, onde a inteligência barata encontra o mundo físico
Ainda não há comentários.