Nos últimos três anos, a inteligência artificial (IA) mudou muita coisa. Programas como o ChatGPT fizeram um sucesso enorme, o governo americano está investindo pesado em infraestrutura para IA e surgiram ferramentas autônomas.
Com isso, a IA se tornou algo comum no nosso dia a dia. Gigantes da tecnologia como Amazon, Microsoft, Meta e Google gastaram bilhões em centros de dados para dar suporte a essa nova fase da tecnologia.
Só que, recentemente, algumas notícias fizeram muita gente questionar se esse crescimento da IA vai continuar no mesmo ritmo. No final de janeiro, um laboratório de pesquisa chinês chamado DeepSeek lançou o modelo DeepSeek-R1. Ele superou os melhores modelos do mercado em testes de matemática e raciocínio, usando muito menos poder de computação.
Essa novidade da DeepSeek fez as ações de grandes empresas de IA caírem na bolsa e levantou dúvidas sobre a necessidade de tanto investimento em equipamentos caros, chips potentes, energia e imóveis.
Pouco depois, o CEO da Microsoft, Satya Nadella, disse em uma entrevista que o setor poderia estar caminhando para um “excesso de construção”, aumentando o medo de que a expansão dos centros de dados pudesse estar chegando ao limite.
Para piorar, começaram a circular notícias de que a Microsoft teria desistido de alugar vários centros de dados e de acordos prévios em todo o país. Isso gerou preocupação de que aquele aumento esperado nos gastos com equipamentos – que se previa passar de 230 bilhões de dólares em 2024 para 320 bilhões em 2025 – talvez não acontecesse como o esperado.
Com essa discussão cada vez mais forte, vamos analisar de perto para entender se essa preocupação tem fundamento ou não.
O medo tem razão de ser?
A combinação do avanço da DeepSeek e da desistência de alugueis por grandes empresas de tecnologia realmente assustou o mercado. Mas a história nos mostra que esses acontecimentos podem ser apenas parte de uma mudança de estratégia, e não um sinal de que tudo está dando errado.
Essas grandes empresas de tecnologia geralmente seguem um plano de expansão parecido com o que a Amazon fez com seus armazéns durante o boom do comércio eletrônico na pandemia de COVID-19. Com a explosão das compras online, a Amazon construiu muitos centros de distribuição para conseguir entregar os produtos rapidamente.
Isso permitiu que a Amazon garantisse espaço, se tornasse mais competitiva e atendesse os clientes. Mas, depois que a pandemia passou e as compras online voltaram ao normal, a Amazon repensou sua rede de logística e diminuiu alguns investimentos para ser mais eficiente.
É provável que algo parecido aconteça com a IA. No começo, as grandes empresas correram para conseguir imóveis para treinar seus modelos de IA. Agora que o setor está mais maduro, elas estão sendo mais cuidadosas na hora de comprar ou alugar espaços. No longo prazo, os imóveis para centros de dados podem ser divididos em três tipos:
- Categoria A: imóveis próprios e estratégicos, para uso a longo prazo.
- Categoria B: uma mistura de imóveis próprios e alugados, com contratos de aluguel longos (cerca de 4 a 5 anos) e com grandes chances de serem renovados por serem bem localizados.
- Categoria C: espaços extras, que representam cerca de 5% a 15% da infraestrutura total. Eles foram adquiridos pensando nas necessidades futuras de treinamento de IA, mas agora estão sendo revisados para ver se são realmente necessários.
É nesses imóveis da Categoria C que o risco de cortes é maior. As mudanças recentes nas estratégias de aluguel indicam que as grandes empresas podem estar diminuindo esses espaços extras, não porque estão desistindo de investir em IA, mas sim para organizar seus imóveis de forma mais eficiente.
Se adaptando a um novo cenário
Nos últimos nove meses, várias dessas grandes empresas desistiram de aluguéis e de acordos prévios em diferentes lugares. Embora isso não seja comum, já aconteceu antes. Esses acordos prévios são usados justamente para dar às empresas a chance de mudar de ideia antes de assinar um contrato definitivo.
No final das contas, é importante entender o motivo dessas decisões. Elas não estão acontecendo por falta de dinheiro ou por uma perda de confiança na IA. O que está acontecendo é que a economia mundial e os problemas nas cadeias de produção estão forçando as empresas a escolherem com mais cuidado onde e como vão expandir.
Um problema importante é a falta de chips. Demora muito para conseguir os chips de alta performance necessários para IA, o que dificulta aumentar a capacidade de computação em algumas regiões. Por isso, algumas empresas estão mudando o foco para outros mercados onde é mais fácil conseguir esses componentes.
Por exemplo, se uma empresa planeja instalar novos servidores e espera receber os chips em três meses, mas a entrega atrasa para doze meses, ela pode decidir ir para um lugar onde consegue a infraestrutura necessária no prazo.
Olhando para o futuro
A construção de infraestrutura para IA não vai parar, mas pode mudar. Por exemplo, a maior parte dos investimentos pode deixar de ser em imóveis – tanto alugados quanto próprios – e passar para outras coisas, como equipamentos para os centros de dados que já existem ou reformas para torná-los mais eficientes.
No futuro, os centros de dados especializados em usar a IA para tarefas específicas (inferência), e não apenas para treinar os modelos, podem ter um aumento na demanda. O modelo da DeepSeek mostrou que o treinamento de IA pode se tornar mais eficiente, o que pode diminuir a necessidade de grandes complexos de treinamento e aumentar a procura por instalações otimizadas para a inferência.
Outra discussão importante é sobre o poder de definir preços. Com poucos espaços vagos, o preço dos aluguéis deve continuar subindo, o que é bom para quem aluga.
No entanto, existe uma preocupação crescente de que apenas algumas grandes empresas – como Amazon, Google, Meta e Microsoft – controlem a maior parte da demanda. Embora a falta de oferta geralmente faça os preços subirem, os proprietários podem ter dificuldade em negociar preços mais altos com essas empresas gigantes.
Os próximos anos vão mostrar se as boas condições do mercado vão realmente se traduzir em poder de definir preços.
No final das contas, o futuro da infraestrutura de IA depende de muitas coisas que ainda não sabemos. Será que vai surgir um modelo de IA superior que vai mudar completamente as necessidades de computação?
Uma descoberta na tecnologia de chips vai tornar os investimentos de hoje obsoletos? A indústria de telefonia pode nos dar um exemplo: cada nova geração de internet móvel (3G, 4G, 5G) exigiu muita infraestrutura nova, mas também trouxe melhorias que mudaram as estratégias de investimento nas redes.
Embora a próxima grande mudança na IA possa ainda levar de 5 a 10 anos, os centros de dados continuam sendo a base dessa indústria no futuro próximo. As empresas vão continuar ajustando suas estratégias, buscando um equilíbrio entre gastar de forma eficiente e ter a infraestrutura de computação mais moderna.
