Star Metro - A conta da IA chegou

Durante a primeira fase da corrida da inteligência artificial, o mercado premiou anúncios, demonstrações impressionantes e promessas de produtividade quase ilimitada. Em 2026, o centro da discussão mudou. A tecnologia continua avançando, mas a pergunta decisiva já não é se a IA será transformadora. A pergunta é quem conseguirá financiar a infraestrutura necessária, converter capacidade computacional em receita recorrente e preservar margens antes que o custo do capital comece a cobrar resultados.

Essa mudança explica a reação cada vez mais severa dos investidores aos balanços das grandes empresas de tecnologia. A IA deixou de ser apenas uma linha de inovação e passou a ocupar o centro dos orçamentos de capital. Servidores, chips, redes, energia, refrigeração, terrenos, contratos de longo prazo e centros de dados formam uma cadeia de despesas que cresce muito mais depressa do que os serviços pagos por consumidores e empresas. O mercado, que durante anos aceitou gastos em nome de uma futura liderança tecnológica, começou a exigir uma resposta simples: quando essa liderança produzirá caixa suficiente para pagar a própria expansão?

O investimento virou teste de caixa

Os números recentes da Alphabet mostram com clareza essa nova fase. A controladora do Google investiu 44,9 bilhões de dólares no segundo trimestre, sobretudo em infraestrutura técnica destinada à inteligência artificial, e encerrou o período com fluxo de caixa livre negativo de 5,9 bilhões de dólares. Ao mesmo tempo, elevou sua projeção de investimentos para 2026 a uma faixa entre 195 bilhões e 205 bilhões de dólares. Não se trata de uma empresa sem receitas para sustentar a estratégia. A divisão de computação em nuvem cresceu fortemente, ampliou a rentabilidade e acumulou uma carteira expressiva de contratos. O problema é a distância temporal entre a despesa imediata e o retorno que será reconhecido ao longo de vários anos.

A Tesla apresentou a mesma tensão sob outra forma. O grupo acelerou os gastos com autonomia, robótica, inteligência artificial e infraestrutura, elevou o investimento trimestral para 5,8 bilhões de dólares e registrou fluxo de caixa livre negativo de 1,1 bilhão de dólares. A empresa aposta que veículos autônomos, robôs humanoides e software gerarão margens superiores às do negócio automotivo tradicional. Contudo, essa tese exige capital antes de oferecer prova comercial suficiente. Quando o negócio principal enfrenta pressão sobre preços e rentabilidade, cada dólar destinado ao futuro passa a ser avaliado com mais rigor. A dimensão do movimento vai muito além de duas empresas. As estimativas para cinco grandes grupos de tecnologia e infraestrutura digital apontam investimentos de aproximadamente 730 bilhões de dólares em 2026. Mantida a trajetória atual, o conjunto poderá gastar mais em capital do que produzir em fluxo de caixa livre até 2027. Além disso, compromissos futuros de arrendamento ligados sobretudo a centros de dados já ultrapassam um trilhão de dólares. Parte relevante dessa conta ainda não aparece integralmente como dívida nos balanços, pois será reconhecida à medida que as instalações entrarem em operação.

Isso não prova que a inteligência artificial seja uma bolha sem utilidade. A demanda por computação, automação, programação assistida, atendimento e análise de dados é real. O que mudou foi o padrão de avaliação. Crescimento de receita já não basta quando a infraestrutura consome volumes históricos de capital. As empresas terão de demonstrar utilização crescente, poder de precificação, eficiência energética e capacidade de reduzir o custo por tarefa. A era da promessa tecnológica está sendo substituída pela era da produtividade mensurável.

A China mudou a lógica da disputa

A pergunta sobre uma possível liderança chinesa nos modelos de IA não admite uma resposta binária. Em desempenho absoluto, empresas norte-americanas ainda ocupam posições de destaque em diversos testes de fronteira, contam com amplo acesso a capital e operam o maior ecossistema comercial de computação avançada. No entanto, a diferença de qualidade entre os melhores modelos dos Estados Unidos e da China encolheu drasticamente. Desde 2025, sistemas dos dois países alternam posições de liderança, e a distância entre o melhor modelo norte-americano e o melhor modelo chinês tornou-se pequena em comparação com o cenário observado poucos anos antes.

A transformação mais importante, porém, ocorre na distribuição. Laboratórios chineses como Alibaba, DeepSeek, Moonshot e Z.ai adotaram uma estratégia agressiva de modelos com pesos abertos, preços reduzidos e ciclos rápidos de lançamento. Essa abordagem permite que empresas, universidades e desenvolvedores instalem, adaptem e integrem modelos sem depender integralmente de uma única plataforma estrangeira. Em plataformas de distribuição de modelos, sistemas chineses já representam a maior parcela dos downloads recentes e superaram os norte-americanos em volume agregado. Esse avanço não significa que todo modelo chinês seja superior nem que a China tenha vencido todas as dimensões da corrida. Significa que o país encontrou uma forma de transformar restrições em vantagem competitiva. A dificuldade de acesso aos chips mais avançados estimulou uma busca intensa por eficiência de treinamento e inferência. Ao mesmo tempo, a publicação de pesos ampliou a adoção internacional e pressionou os fornecedores ocidentais a justificar preços mais altos. A competição deixou de ser apenas por quem apresenta o modelo mais poderoso. Passou a incluir quem entrega desempenho suficiente, pelo menor custo, com maior liberdade de implantação.

É importante distinguir modelos de código aberto de modelos com pesos abertos. A disponibilização dos pesos permite executar e modificar o sistema, mas não garante acesso aos dados de treinamento, ao processo completo de desenvolvimento ou a todos os componentes da arquitetura. Essa diferença importa para empresas que precisam avaliar propriedade intelectual, segurança, auditoria e conformidade. O rótulo aberto pode sugerir uma transparência que, na prática, varia bastante entre fornecedores.

A abertura também traz riscos

Modelos abertos oferecem soberania tecnológica, possibilidade de execução local, redução da dependência de fornecedores e maior controle sobre dados sensíveis. Para governos e empresas, essas vantagens podem ser decisivas. Contudo, a mesma liberdade facilita adaptações maliciosas, remove barreiras de uso e transfere para o operador a responsabilidade por atualizações, testes e proteção contra abusos.

Modelos fechados permitem monitoramento centralizado, correções rápidas e controles de acesso mais consistentes. Em contrapartida, aumentam a opacidade, a dependência contratual e o risco de aprisionamento em uma única plataforma. Também obrigam o cliente a confiar em políticas de dados, preços e disponibilidade definidas por terceiros. A disputa entre aberto e fechado não é apenas técnica. É uma escolha entre diferentes combinações de custo, controle, segurança e poder de mercado.

Por isso, afirmar que a China lidera a inteligência artificial exige definir o critério. Em modelos de pesos abertos, alcance global e relação entre preço e desempenho, a liderança chinesa tornou-se plausível e, em alguns segmentos, evidente. Na fronteira absoluta, na infraestrutura de computação, na confiança de grandes clientes e nos mecanismos de segurança, a vantagem continua dividida. O quadro mais preciso é o de uma corrida multipolar em que a China já não é uma seguidora distante.

A Argentina saiu da emergência, mas não do risco

A terceira questão é econômica e institucional. A Argentina está no caminho certo? Os indicadores mostram uma estabilização real, mas ainda insuficiente para declarar uma vitória definitiva. Em junho de 2026, a inflação ao consumidor ficou em 1,9 por cento no mês, acumulou 16,8 por cento no primeiro semestre e atingiu 33,5 por cento em doze meses. Para padrões internacionais, o nível anual continua elevado. Para um país que viveu uma aceleração inflacionária extrema, a mudança é substancial.

O ajuste fiscal também permanece como o principal pilar do programa. Apesar de um déficit mensal em junho, associado a efeitos sazonais, ao calendário tributário e ao pagamento de benefícios, o setor público encerrou o primeiro semestre com superávit primário equivalente a cerca de 0,6 por cento do produto interno bruto e superávit financeiro próximo de 0,1 por cento. Essa disciplina reduziu a necessidade de financiamento monetário e ajudou a reconstruir alguma previsibilidade. A economia cresceu 4,4 por cento em 2025, depois da contração anterior, e a projeção internacional para 2026 indica expansão próxima de 3,5 por cento. O país também passou a atrair mais investimentos para energia, mineração e agricultura, enquanto a produção de petróleo e gás em Vaca Muerta fortaleceu as exportações. A acumulação de reservas melhorou e a percepção de risco soberano recuou em relação aos momentos mais críticos.

Entretanto, a recuperação é desigual. O desemprego chegou a 7,8 por cento no primeiro trimestre, a indústria manufatureira voltou a apresentar retração e o crescimento recente concentrou-se em setores intensivos em recursos naturais, mas menos capazes de absorver grandes contingentes de trabalhadores. Para muitas famílias, a estabilização dos preços ainda não se converteu plenamente em renda disponível, emprego formal ou acesso mais barato ao crédito.

Também permanece o desafio externo. A Argentina precisa ampliar reservas, refinanciar vencimentos relevantes e demonstrar que consegue atravessar 2027 sem voltar a depender de improvisos cambiais ou monetários. A proposta de limitar por lei o financiamento do Tesouro pelo banco central é um passo institucional importante, mas sua eficácia dependerá da aprovação, da execução e da capacidade de resistir a futuras mudanças políticas. Um programa econômico só se torna duradouro quando deixa de depender exclusivamente da vontade do governo que o iniciou.

O caminho certo exige resultados amplos

A conclusão mais responsável é que a Argentina está em uma direção macroeconômica mais consistente do que aquela observada antes do atual programa, mas ainda não chegou a uma situação de normalidade. A queda da inflação, o equilíbrio fiscal e a retomada do crescimento são conquistas concretas. A fragilidade das reservas, a dívida futura, o desemprego e a concentração setorial mostram que a segunda etapa será mais difícil do que a primeira.

As três histórias tratam, no fundo, do mesmo problema. As grandes empresas de tecnologia precisam provar que a inteligência artificial gera retorno superior ao custo de construí-la. A China precisa mostrar que sua vantagem em eficiência e abertura pode se converter em confiança, segurança e liderança sustentável. A Argentina precisa transformar estabilização fiscal em investimento produtivo, emprego e instituições permanentes.

A conta chegou para todos. A tecnologia não será julgada apenas por sua capacidade de surpreender, mas por sua capacidade de produzir valor. Os modelos não serão avaliados somente por testes, mas por custo, controle e adoção. E a política econômica não será medida apenas por indicadores financeiros, mas pela capacidade de melhorar a vida cotidiana sem recriar os desequilíbrios que provocaram a crise. O próximo ciclo será vencido menos por quem promete mais e mais por quem demonstra, com resultados verificáveis, que consegue pagar pelo futuro que está construindo.