A tese que SpaceX, OpenAI e Anthropic não querem que você ouça antes dos IPOs

A corrida para ser o primeiro laboratório de inteligência artificial de ponta a abrir capital está em andamento. A Anthropic protocolou confidencialmente um pedido de IPO. A OpenAI, segundo relatos, prepara seu próprio processo. As avaliações são de dar vertigem: Anthropic a US$ 965 bilhões, OpenAI a US$ 852 bilhões, cada uma buscando captar US$ 60 bilhões. Somado ao veículo de lançamento e IA da SpaceX, que mira uma listagem de US$ 1,75 trilhão, o conjunto dessas estreias representa a mais concentrada formação de capital desde o auge da bolha das pontocom.

Mas vale olhar de onde virão as receitas dessas empresas. Os laboratórios que disputam entre si foram construídos para servir os 15% mais sofisticados do mercado global de IA: grandes corporações com redes rápidas, equipes qualificadas e orçamentos generosos de infraestrutura computacional, onde CEOs incentivam suas equipes a explorar os modelos em busca de ganhos de produtividade. É nesse ambiente que copilotos e modelos de fronteira entregam suas demonstrações mais impressionantes, mas não é onde está a maior parte do dinheiro.

Poucas horas após a Anthropic protocolar seus documentos pré-IPO, o CEO da OpenAI, Sam Altman, admitiu que a preocupação das empresas com os custos elevados de IA era uma “crítica justa”. Além disso, alternativas de código aberto mais baratas entregam resultados comparáveis. As empresas compradoras ainda não estão vendo os retornos que os laboratórios de IA já precificaram.

Agentes de IA superinteligentes dentro de empresas americanas podem não ser o produto definitivo, afinal. A história dos negócios mostra que o dinheiro de verdade está onde há demanda não atendida, e essa demanda existe em setores pouco glamorosos que os laboratórios de ponta não estão promovendo e que a maioria dos investidores não está acompanhando.

O Índice de Evolução Digital 2026, desenvolvido pela equipe Digital Planet, avalia 125 economias em 185 indicadores e aponta necessidades não atendidas tanto em países ricos quanto em desenvolvimento, justamente onde a receita de IA cresce de forma mais sustentável.

Nas economias mais digitalizadas, como EUA e Europa, a IA pode ser aplicada na modernização urgente de bancos, seguradoras e órgãos públicos. Cerca de 43% dos sistemas bancários centrais e 95% das transações em caixas eletrônicos ainda operam em COBOL, linguagem de programação que existe desde antes de os Beatles se formarem. Quando a Anthropic afirmou que seu modelo Claude poderia automatizar essa modernização, as ações da IBM, cujo negócio de mainframes depende justamente desse código legado, despencaram 13,2% em um único pregão, a pior sessão da empresa desde 2000.

Cinquenta e uma economias classificadas como “em aceleração”, entre elas Brasil, Índia, Indonésia, Quênia e Vietnã, apresentam digitalização menos avançada, mas com ritmo de crescimento superior ao da maior parte do mundo desenvolvido, e têm um produto definitivo claro à disposição. Centenas de milhões de usuários nessas regiões já adotaram carteiras digitais e acumularam históricos ricos de transações, mas ainda não têm acesso a crédito formal. Modelos de concessão de crédito baseados em IA, treinados em dados de pagamento, autenticação de identidade e detecção de fraudes, podem liberar um volume enorme de valor. O sistema de pagamentos instantâneos da Índia, o UPI, processou 22,6 bilhões de transações só em março de 2026, e o dinheiro móvel movimentou mais de US$ 2 trilhões no mundo em 2025. Não se trata de um nicho aguardando amadurecer, mas de valor real, em escala, já sendo monetizado, distribuído por populações vastas com demanda crescente. Mesmo assim, essas aplicações estão ausentes do debate sobre o potencial de receita da IA.

Há também as economias classificadas como “em alerta”, concentradas principalmente na África Subsaariana e no Sul da Ásia. Apenas em uma aplicação, detecção de doenças em lavouras com IA em sete países africanos, estima-se um potencial de US$ 6,1 bilhões para 14 milhões de pequenos agricultores. Essas populações registram, de forma contraintuitiva, o maior nível de confiança em IA de qualquer grupo pesquisado no mundo, superior ao dos próprios executivos do Vale do Silício cujo entusiasmo já está embutido nos preços dos IPOs.

Isso já aconteceu antes

No auge da bolha das pontocom, o capital inundou empresas como Pets.com e Webvan. As companhias que capturaram a receita de internet mais duradoura, porém, foram a Cisco, que vendia os roteadores; a Akamai, que entregava o conteúdo; e, posteriormente, a Amazon Web Services. A era dos smartphones seguiu o mesmo roteiro: os vencedores de longo prazo não foram os fabricantes de aparelhos, com exceção da Apple, mas as empresas de torres de telecomunicações, como American Tower e Crown Castle, donas da infraestrutura que todas as operadoras precisavam alugar independentemente de qual telefone dominasse o mercado. Quanto mais transformadora a tecnologia, mais o valor duradouro migra para a camada que todos que constroem sobre ela precisam pagar, sem parar.

Os compradores estratégicos já sabem disso. Em um mercado de fusões e aquisições retraído em 2025, o único segmento aquecido foi o de infraestrutura de dados, os trilhos pelos quais os modelos de IA trafegam: a IBM comprou a DataStax, a ServiceNow adquiriu a Data.world e a Salesforce pagou US$ 8 bilhões pela Informatica. Esses compradores não estão apostando em qual modelo vai vencer, mas adquirindo o que toda empresa que constrói sobre IA precisará pagar, indefinidamente.

A tese vendida

A aritmética da expansão é implacável. A consultoria Bain & Company estima que a IA precisará gerar US$ 2 trilhões em receita anual até 2030 para justificar seus gastos com infraestrutura computacional, representando um déficit de US$ 800 bilhões. A Oracle divulgou contratos de locação de data centers no valor de US$ 248 bilhões com prazo de 15 a 19 anos, frente a acordos com clientes que frequentemente têm duração de apenas cinco anos. Modelos de código aberto estão comprimindo os preços de processamento de IA a uma taxa estimada de 30% a 50% ao ano, corroendo as margens que qualquer empresa do setor de modelos consegue defender.

Nada disso significa que os mega-IPOs serão um fracasso. A OpenAI pode começar a bater as metas de receita que vem perdendo; a Anthropic pode convencer empresas suficientes na corrida para abrir capital primeiro; e a SpaceX pode justificar seu valuation pela eficiência de seus lançamentos. Mas a corrida para chegar primeiro ao mercado é também uma corrida para vender uma narrativa sobre a adoção sem fricção da IA por uma economia global de trabalhadores do conhecimento potencializados pela tecnologia, antes que os números de retorno sobre investimento confirmem esse discurso. Os dados mostram que essa economia ainda não existe.

Os investidores que acumularam fortunas em ciclos anteriores nunca compraram a história mais empolgante no momento do IPO. Fizeram uma pergunta mais simples: onde está a demanda real e pelo que todo participante dessa nova economia terá de pagar, repetidamente? Em 1999, a resposta apontava para os roteadores da Cisco. Em 2007, para as torres de telefonia. Hoje, aponta para contratos de modernização de sistemas legados em Stuttgart, infraestrutura de detecção de fraudes em São Paulo e modelos de diagnóstico de lavouras em Adis Abeba. Não é o pitch de roadshow mais empolgante, mas é uma tese de investimento real.

2026 Fortune Media IP Limited