A desaceleração que o mercado teme na inteligência artificial não é real — o gargalo verdadeiro é a disponibilidade de capacidade computacional, afirma Menlo Ventures, fundo que foi um dos primeiros apoiadores da Anthropic. O investidor distingue entre dois cenários: modelos de fronteira (aqueles que empurram os limites tecnológicos) continuam avançando rapidamente, mas o que falta é infraestrutura de processamento para colocá-los em escala.
Essa visão desafia o ceticismo crescente no setor sobre quando (ou se) a IA deixará de render retornos exponenciais. Enquanto alguns analistas preveem um platô nos ganhos de desempenho dos modelos, Menlo enxerga o problema de forma diferente: há IA de sobra; o que não há é energia, chips e data centers suficientes.
IA: computação, não inovação
O argumento de Menlo é direto. Modelos como o GPT-4 e o Claude continuam melhorando. Startups e empresas consolidadas anunciam breakthroughs em áreas específicas regularmente. O que efetivamente congela a adoção em larga escala é a fila por acesso à computação de alto desempenho.
Essa interpretação tem peso. Nvidia, maior fornecedora de processadores para IA, está com seus chips H100 e H200 em falta permanente. Fornecedores de serviço em nuvem (Amazon, Google, Microsoft) investem bilhões em data centers, mas a demanda ainda supera a oferta. Portanto, quem conseguir computação resolveu metade do problema — a outra metade é arquitetar a solução.
Para o investidor, isso significa que empresas focadas em infraestrutura e otimização de recursos computacionais ganham mais espaço que startups de modelo genérico. A IA não está desacelerando; está esperando por mais cabos, mais eletricidade e mais silício.
Pressão sobre startups e promessas de executivos
Enquanto Menlo fala de computação, o setor se move. Ola Electric, startup de scooters elétricos que abriu capital em Mumbai, viu seu presidente-executivo Bhavish Aggarwal prometer empenhar suas próprias ações caso a empresa não atingisse marcos operacionais.
Esse movimento é sintomático de uma mudança no apetite dos mercados de capitais. Startups que cresceram sob o hype da IA agora enfrentam escrutínio maior. Investidores pedem menos promessas e mais entrega concreta — receita, margem, rentabilidade.
A conexão entre as duas histórias é real: enquanto Menlo reposiciona a narrativa de IA como questão de computação (não de inovação), empresas do setor de tecnologia em geral precisam provar que de fato geram valor. Como o PratiqueTech já cobriu em outras análises, a diferença entre hype e resultado operacional nunca foi tão visível quanto agora.
O que muda para quem investe e constrói
Se computação é o fator limitante, três implicações saem claras:
- Consolidação de infraestrutura — Players estabelecidos (Amazon Web Services, Microsoft Azure, Google Cloud) consolidam ainda mais vantagem. Startups de IA pura têm dificuldade crescente de competir sem acesso garantido a computação.
- Oportunidade em chips e energia — Investidores atentos migram recursos de startups de modelo genérico para empresas que trabalham com semicondutores, resfriamento de data centers e eficiência energética.
- Realismo em metas de produtos — Empresas que prometem revolucionar o mercado com IA em seis meses enfrentam ceticismo maior. O mercado quer proof of concept e ROI mensurável antes de investir novamente.
Menlo Ventures não é apenas um investidor opinando. É um fundo com pele no jogo — responde a seus limited partners (fundos de pensão, family offices, endowments). Quando fala que a IA não está desacelerando, está sinalizando confiança em suas apostas. Quando diz que o gargalo é computação, está sugerindo onde o capital de risco deveria fluir a seguir.
Perguntas frequentes
A IA realmente está desacelerando?
Não segundo Menlo Ventures. Os modelos continuam melhorando. O que falta é acesso à capacidade computacional para escalá-los. Confundir escassez de recursos com escassez de inovação é um erro comum.
Por que Ola Electric pediu ao CEO que penhorasse suas ações?
É uma tática para restaurar confiança entre investidores. Após abrir capital, a startup enfrenta pressão para entregar resultados operacionais reais. A promessa pessoal do executivo sinaliza compromisso com marcos de desempenho.
Qual é a melhor oportunidade de investimento nesse cenário?
Segundo essa linha de raciocínio, infraestrutura: chips, energia renovável, data centers e software de otimização computacional. Startups de IA pura têm espaço menor sem acesso garantido a computação.
Quanto tempo leva para resolver o gargalo de computação?
Não há previsão certa. Nvidia expande capacidade, novos fabricantes entram no mercado (Intel, AMD, TSMC), mas a demanda pode crescer mais rápido que a oferta durante 2-3 anos ainda.
Isso afeta quem usa IA em produção hoje?
Sim. Empresas que precisam de modelos de fronteira enfrentam filas e custos mais altos. Alternativas mais enxutas (modelos menores, fine-tuning local) ganham espaço como solução intermediária.
Se você trabalha com IA em produção ou precisa otimizar seu uso de computação, o calculador de sub-rede do PratiqueTech ajuda a entender melhor como recursos de rede e infraestrutura se dividem — conceito fundamental quando se trata de arquitetar soluções em larga escala.
