OpenAI reduziu em 60% a sua meta de despesa de capital. A mídia diz que isto é uma “tendência para a racionalidade”.

A minha opinião mais precisa é que eles finalmente vão dizer aos investidores um número que possam justificar.
Há alguns meses, Sam Altman anunciou publicamente uma promessa de capacidade computacional de 1,4 triliões de dólares.
Assim que esse número foi divulgado, toda a indústria começou a mover-se: pedidos de GPUs, seleção de locais para data centers, contratos de energia. Ninguém fez cálculos detalhados, porque foi a OpenAI a dizer.
Agora, esse valor caiu para 600 bilhões.
Aparentemente, trata-se de “disciplina financeira”. Colocar os gastos junto com as receitas previstas, mostrando que a empresa amadureceu. Muitos analistas interpretam dessa forma.
Porém, há um número que vale a pena parar para analisar.
A receita da OpenAI em 2025 é de 13,1 bilhões de dólares. A meta para 2030 é de 280 bilhões.
Isso não é algo radical; é uma taxa de crescimento composta de mais de 80% ao longo de cinco anos. E, para manter esse ritmo, não se pode desacelerar por cinco anos inteiros.
O gasto de 600 bilhões “disciplinado” é relativo aos 1,4 triliões. Se convertermos esse valor em despesa anual, dá aproximadamente 100 bilhões por ano — mais do que o investimento anual em capital de toda a Microsoft ou Amazon em seus negócios de nuvem.
Portanto, a narrativa de “tendência para a racionalidade” é, na verdade, apenas uma troca de um número maior como referência.
É como alguém dizer: “Eu passei de gastar 140 mil por mês para 60 mil, agora sou mais racional” — mas seu salário mensal é de apenas 13 mil.
A realidade técnica é assim: quando a narrativa de demanda por capacidade computacional é “quanto mais, melhor, porque o modelo ainda não atingiu o gargalo”, o limite de gastos de capital não existe. Mas, após o DeepSeek, as pesquisas sobre “usar menos capacidade computacional para obter resultados semelhantes” começaram a realmente entrar em ambientes de produção.
Os investidores começaram a fazer uma pergunta que antes não se atreviam: a relação entre o investimento em capacidade computacional e o resultado é realmente linear?
Aquele número de 1,4 triliões agora parece mais uma estratégia de financiamento do que um orçamento de engenharia.
Fazer os concorrentes gritar, fazer o mercado pensar que ficar para trás é perigoso, criar histórias para a próxima rodada de avaliações. Esses números têm um nome no Vale do Silício: não se chama previsão, chama-se narrativa.
600 bilhões, será que é confiável? Talvez não.
Mas, pelo menos, isso mostra que a narrativa de “capacidade computacional ilimitada” já não é mais fácil de vender. A próxima questão é: quem será o primeiro a encontrar um número que convença os investidores e que também seja compatível com a realidade técnica?
Esse ponto crítico tem um nome: a transição de uma corrida por capacidade para uma corrida por eficiência.
Não é quem queima mais dinheiro, mas quem consegue usar o mesmo dinheiro para fazer com que a margem de benefício do modelo não caia tão rápido.