O CEO da Coinbase, Brian Armstrong, aposta que o próximo gargalo para a inteligência artificial não será quão inteligentes os modelos se tornarem, mas sim a quantidade de energia e hardware físico disponível para executá-los. Em uma série de comentários esta semana, Armstrong argumentou que a infraestrutura de energia e computação, não os aprimoramentos algorítmicos, determinarão até onde a IA pode escalar. Com o financiamento de capital de risco em IA atingindo US$ 242 bilhões apenas no primeiro trimestre de 2026, ele afirma que a verdadeira restrição já está surgindo na expansão dos centros de dados.
Para onde os custos estão caminhando
Armstrong prevê que, em 12 a 18 meses, cerca de 80% das cargas de trabalho de IA migrarão para modelos que custam até 99% menos que os sistemas de ponta atuais. Os restantes 20% ainda utilizarão modelos de alta qualidade para tarefas críticas, como pesquisas científicas. Ele comparou essa divisão com eletrônicos de consumo: a maioria das pessoas que compra um MacBook ou PC gamer opta por especificações intermediárias, não as máximas. A mesma lógica, segundo ele, se aplicará à IA — a maioria das tarefas será executada em modelos mais baratos e suficientemente bons.
A Coinbase já está implementando essa ideia. A empresa direciona os prompts ao modelo mais econômico disponível, o que permitiu que seus gastos com IA permanecessem estáveis, mesmo com o crescimento exponencial no uso de tokens. Alternativas de código aberto, como o DeepSeek V4, que apresenta desempenho próximo aos melhores sistemas proprietários a aproximadamente um trigésimo do custo, tornam essa estratégia viável.
Orçamentos empresariais já estão sobrecarregados
O investidor Tommy Shaughnessy citou a Uber como estudo de caso sobre como os gastos corporativos com IA podem ultrapassar rapidamente as projeções. Segundo Shaughnessy, a Uber esgotou todo o seu orçamento de IA para 2026 no início de abril — em menos de quatro meses do ano. Esse tipo de excesso de custos, argumenta Armstrong, levará as empresas a buscar alternativas mais baratas, em vez de perseguir o modelo mais avançado.
À medida que os custos por token diminuem, o gargalo se desloca para etapas anteriores. A verdadeira barreira torna-se a energia e o silício necessários para executar qualquer modelo em escala. Armstrong descreve a demanda por inteligência gerada por IA como tendo praticamente nenhum limite. Porém, a infraestrutura física para suprir essa demanda já está estagnada.
Por que Armstrong se opõe a uma regulamentação mais rigorosa da IA
Armstrong também manifestou oposição a regulamentações mais rígidas para a IA. Ele argumenta que as restrições políticas não devem moldar a trajetória da tecnologia quando o principal desafio prático já é a escassez de usinas de energia e centros de dados. Regular excessivamente, segundo ele, poderia retardar a construção dessa infraestrutura em um momento em que é mais necessária.
A capacidade dos centros de dados não consegue acompanhar
A capacidade global de centros de dados já está atrás da demanda. Mesmo com o fluxo intenso de investimentos em startups de IA no 1º trimestre de 2026, o ritmo físico da construção não acompanhou. O argumento central de Armstrong une todos os pontos: o limite real para a IA não é a qualidade do modelo ou mesmo o custo, mas a energia bruta e a infraestrutura de computação necessárias para processar trilhões de consultas.
A questão em aberto é quão rápido essa infraestrutura poderá se expandir — e se as concessionárias, reguladores e fabricantes de chips conseguem acompanhar um setor que não mostra sinais de desaceleração.
