A maior parte do dinheiro da inteligência artificial não está indo, neste momento, para os aplicativos que aparecem na tela. Está indo para os ativos que tornam esses aplicativos possíveis: chips, servidores, redes, data centers, energia, refrigeração e terrenos conectados à rede elétrica.
Essa é a primeira verdade que empresários precisam entender para antecipar os próximos movimentos da IA. A disputa não acontece apenas entre modelos e aplicativos. Ela começa muito antes, na capacidade física de processar dados em escala.
Isso não significa que o software esteja perdendo valor. Significa que ele cresce sobre uma base de infraestrutura cujo investimento é maior, mais concentrado e mais urgente. A infraestrutura captura capital. O software captura distribuição, relacionamento com o cliente e, quando consegue provar resultado, retorno sobre produtividade.
O mapa do dinheiro
A economia da IA pode ser lida em cinco camadas. Na base estão energia e conexão, com geração, transmissão, baterias, contratos de fornecimento e subestações. Depois vêm os data centers, que reúnem terrenos, edifícios, racks, refrigeração, segurança e operação.
A terceira camada é formada por chips e sistemas. Ela inclui GPUs, ASICs, CPUs, memória, servidores e redes de alta velocidade. Acima dela estão os modelos e as APIs, responsáveis pelo treinamento, pela inferência e pelo acesso aos recursos de IA. No topo aparecem as aplicações, como copilotos, agentes, automações e softwares verticais.
Cada camada tem uma lógica de captura de valor. Energia e data centers trabalham com investimento de longo prazo e contratos de capacidade. Chips e sistemas se beneficiam da concentração de fornecedores e do poder de preço. Modelos e APIs crescem com o uso, mas enfrentam competição intensa. Aplicações têm acesso direto ao orçamento das empresas, porém convivem com maior risco de cópia e comoditização.
Em 2025, o investimento corporativo global em IA alcançou aproximadamente US$ 581,7 bilhões. O investimento privado chegou a US$ 344,7 bilhões, dos quais US$ 170,9 bilhões foram destinados a empresas de IA generativa. A categoria que reuniu infraestrutura, modelos, pesquisa e governança recebeu US$ 143,2 bilhões, segundo o Stanford AI Index.
Mais importante do que o volume é a concentração. O capital está se acumulando nas Big Techs, fabricantes de chips, laboratórios de modelos, fornecedores de energia e operadores de data centers. Não se trata de uma distribuição uniforme entre milhares de startups. Poucos negócios estão absorvendo a maior parte dos recursos.
Chips: o primeiro grande poder de preço
Os chips são o ponto mais poderoso da cadeia porque todo treinamento, consulta, agente ou aplicação depende de computação. A escassez de aceleradores avançados, memória de alta velocidade e redes de baixa latência permite que os fornecedores vendam sistemas completos, e não apenas componentes.
A NVIDIA é o exemplo mais claro. No segundo trimestre fiscal de 2026, sua receita de data center teria alcançado US$ 89 bilhões, equivalente a 92,7% da receita total no período. Os hyperscalers responderam por US$ 49 bilhões desse valor, de acordo com a transcrição de resultados.
O chip deixou de ser uma peça isolada. O cliente compra aceleradores, memória, servidores, networking, software de desenvolvimento, bibliotecas de inferência, suporte e capacidade de data center. Essa integração cria dependência e amplia as margens ao longo de todo o sistema.
A própria OpenAI descreve essa direção como o desenvolvimento conjunto de modelo, software de serving, chip, memória e rede, com o objetivo de otimizar custo, latência, energia e capacidade de processamento ao mesmo tempo. A disputa deixou de ser apenas por desempenho. Agora, é também por eficiência econômica.
Existe um risco nessa corrida. Se a eficiência dos modelos avançar mais rápido do que a demanda por computação, poderá haver excesso de GPUs, depreciação acelerada e pressão sobre preços. A tese de investimento depende de uma premissa: o volume de uso continuará crescendo mais rápido do que o custo por operação cairá.
Data centers e energia se tornam ativos estratégicos
A IA transformou energia em uma variável de tecnologia. Não basta comprar uma GPU. É preciso ter local, eletricidade firme, refrigeração, conexão de rede, licenças e capacidade operacional.
A Agência Internacional de Energia estima que o consumo global de eletricidade dos data centers subirá de aproximadamente 415 TWh em 2024 para 945 TWh em 2030. O consumo de servidores acelerados, associado principalmente à IA, deve crescer cerca de 30% ao ano no cenário base. Os dados estão no relatório da IEA sobre energia e IA.
A unidade econômica mais importante passa a ser o megawatt disponível, e não apenas o número de servidores instalados. Terreno sem energia vale pouco. Energia sem conexão rápida também. Por isso, empresas de tecnologia passaram a investir em terrenos energizados, baterias, geração distribuída, contratos de fornecimento e gestão da rede.
O ativo escasso da próxima fase será a capacidade computacional instalada, com energia firme, em local adequado e conectada a redes eficientes. Um data center passou a combinar características de imóvel, infraestrutura de telecomunicações e ativo energético.
O software precisa provar resultado
O software continuará crescendo, mas terá de enfrentar uma exigência maior: demonstrar impacto econômico.
Segundo a Menlo Ventures, as empresas gastaram aproximadamente US$ 37 bilhões em software generativo de IA em 2025, contra US$ 11,5 bilhões em 2024. Cerca de US$ 19 bilhões foram direcionados a aplicações de usuário.
A IA departamental, voltada para programação, vendas, marketing, atendimento, operações, finanças e tecnologia, ganha espaço porque está ligada a processos concretos. A empresa não compra apenas um chatbot. Compra redução de tempo, aumento de capacidade, melhora na conversão ou menor custo operacional.
O problema é que uma função isolada pode ser copiada, incorporada a um CRM, ERP ou pacote de produtividade. Aplicativos genéricos tendem a perder valor à medida que os modelos ficam mais baratos e acessíveis.
O software mais defensável será aquele que combinar dados próprios, integração profunda, workflow específico, contexto setorial, governança, memória operacional e responsabilidade pelo resultado. O diferencial não estará em simplesmente acessar um modelo. Estará em fazer a operação funcionar melhor.
Comprar a infraestrutura, controlar a execução
A pergunta empresarial deixou de ser “vamos construir nossa própria IA?”. A pergunta mais útil é: “qual parte devemos comprar e qual parte precisamos controlar?”.
A pesquisa da Menlo indica que 76% dos casos de uso de IA já eram comprados, e não desenvolvidos internamente, na edição mais recente do estudo. Soluções prontas chegam mais rapidamente à produção e evitam que a empresa tenha de montar sozinha uma estrutura completa de dados, modelos, segurança e operação.
O caminho mais racional é comprar modelos, APIs e infraestrutura genérica. Ao mesmo tempo, a empresa deve controlar seus dados críticos, seus workflows centrais, suas integrações, sua governança e seus critérios de avaliação.
Essa combinação reduz desperdício e preserva diferenciação. Empresas comuns não precisam competir com NVIDIA, AWS, Microsoft, Google ou laboratórios de modelos. Precisam transformar capacidade computacional comprada de terceiros em melhoria operacional própria.
O Brasil tem uma oportunidade energética
O Brasil reúne uma vantagem relevante para a expansão de data centers: uma matriz elétrica majoritariamente renovável, com possibilidade de combinar energia hidrelétrica, eólica, solar, baterias e geração firme.
As estimativas disponíveis apontam que o setor brasileiro de data centers pode receber cerca de US$ 92 bilhões entre 2025 e 2031, elevando a capacidade de aproximadamente 1 GW para 3,1 GW, segundo levantamento publicado pelo Valor.
O gargalo está na conexão. Em uma rodada de 2026, data centers representaram 38 dos 43 pedidos selecionados pelo ONS, somando 7.040 MW e investimento estimado de R$ 159 bilhões. O interesse total chegou a 38 GW em pedidos de acesso, embora isso não signifique que toda essa capacidade será instalada, conforme reportagem do Valor International.
A oportunidade brasileira não está apenas em construir data centers. Ela também aparece em energia firme, armazenamento, refrigeração eficiente, conectividade, nuvens regionais, computação soberana e serviços gerenciados de IA.
Como empresários devem ler os próximos movimentos
Entre 2026 e 2030, chips, memória, networking, hyperscalers, operadores de data centers e empresas com acesso a energia tendem a capturar valor primeiro. Depois, modelos e APIs transformarão essa capacidade em serviço. Mais adiante, o retorno sustentável deverá ficar com quem controlar dados, workflows, distribuição e resultados econômicos.
Alguns recursos tendem a baratear: modelos básicos, geração de conteúdo, inferência de modelos menores, copilotos genéricos e funções isoladas. Outros ficarão mais valiosos: energia disponível, integração com sistemas legados, dados confiáveis, segurança, avaliação de agentes, automação de processos completos e conhecimento de domínio.
Para o empresário, a recomendação é direta. Não compre IA como símbolo de modernidade. Escolha um processo, estabeleça uma base de comparação, implemente a automação, integre os sistemas e acompanhe um indicador financeiro.
A infraestrutura pode capturar o capital da era da IA. Mas o valor empresarial será capturado por quem conseguir converter essa infraestrutura em decisões melhores, operações mais rápidas e resultados que apareçam no balanço. É nessa camada entre a tecnologia e o desempenho do negócio que a BOND pode construir sua posição.