Toda vez que um laboratório de IA registra US$ 100 de receita, entre US$ 35 e US$ 40 vão direto para AWS, Azure ou Google Cloud em forma de taxas de computação de inferência. Essa é a conclusão central de um modelo de unit economics do Barclays divulgado em 28 de agosto — e explica a realidade de negócio mais importante do boom da IA: o senhorio fica com uma fatia do aluguel de cada inquilino antes que o inquilino fique com um tostão. É a versão de demonstração de resultados da tendência de concentração de computação que temos acompanhado.
Aqui está o detalhamento completo de para onde o dinheiro realmente vai, por que as margens dos laboratórios explodiram de repente e por que o controle das nuvens começa a vacilar em 2028.
As margens de inferência acabaram de triplicar — porque agentes viraram compra obrigatória
O número de destaque do relatório não é a fatia das nuvens; é a velocidade da recuperação das margens. O Barclays estima que as margens de inferência paga nos laboratórios de fronteira subiram de dois dígitos baixos em 2025 para 50–65% ou mais em 2026, com margens brutas ajustadas subindo 30–50 pontos percentuais na comparação anual.
O motor é a estrutura de demanda, não mágica de precificação. Clientes corporativos e fluxos de trabalho agênticos se tornaram produtos de “compra obrigatória” — o tipo de carga de trabalho que não é cortada quando os orçamentos apertam. Isso muda o poder de precificação dos laboratórios mais do que qualquer aumento isolado de preço poderia.
Mas nem toda linha de produto gera dinheiro na mesma medida. O Barclays divide a escada de margens em três camadas:
- API direta — margem de inferência acima de 80%. A linha mais antiga e mais rica. Desenvolvedores em ferramentas como Cursor e Figma pagam por token consumido, e ganhos de eficiência de tokens, aumentos nominais de preço e melhorias de infraestrutura (quantização, decodificação especulativa, plataformas de computação mais novas) seguem empurrando a margem para cima. O Barclays observa que as margens de API do 2º trimestre de 2026 ficaram na verdade bem acima do que seus próprios gráficos publicados mostram.
- API indireta — mesma experiência, faturamento diferente. A experiência do usuário é idêntica à da API direta, mas a relação de faturamento corre entre o cliente e o provedor de nuvem. À medida que essa fatia cresce, as diferenças contábeis entre os laboratórios se ampliam e os demonstrativos financeiros ficam mais difíceis de comparar.
- Assinaturas — ~70%, a camada mais baixa. Produtos como o Claude Code da Anthropic e o Codex da OpenAI subsidiam deliberadamente os custos de token para proteger a retenção. Taxas mensais fixas com limites de uso, mais reinicializações de limite de uso cada vez mais frequentes, mantêm aqui as margens mais estreitas — uma tensão visível entre retenção de crescimento e unit economics.
O gap de 17 pontos que nenhum investidor deveria ignorar
Para tornar a bagunça contábil concreta, o Barclays construiu dois laboratórios de fronteira hipotéticos. O Lab A obtém ~70% da receita de API e ~30% de assinaturas; o Lab B é o espelho, com 20% de API / 80% de assinatura. Após alocação de custos e ajustes de rateio de receita com parceiros, as margens brutas ajustadas deles diferem em impressionantes 17 pontos percentuais — cerca de 55% para o Lab A contra 38% para o Lab B.
O gap não é toda economia real; parte é contabilidade. O Lab A reconhece a receita de API indireta na base bruta; o Lab B usa contabilidade líquida ou simplesmente ignora receita indireta operada por parceiros. O Barclays compara isso ao clássico gap contábil entre Uber e Lyft: negócios essenciais quase idênticos, receita e lucro reportados drasticamente diferentes, puramente por causa de como a receita é reconhecida.
A lição prática: não compare laboratórios de IA por receita ou margem reportada de forma direta. Um laboratório com peso em assinaturas parecerá estruturalmente mais pobre no papel mesmo quando o negócio por trás estiver saudável.
A fatia do senhorio, em números concretos
Agora, o lado da nuvem no balanço. Para o Lab A, cada US$ 100 de receita do laboratório gera US$ 35 de receita do provedor de nuvem, cerca de US$ 11,8 de lucro, uma margem operacional de ~34%. Para o Lab B, a nuvem leva US$ 41, com US$ 19,1 de lucro e margem operacional de 47%.
Mas parte dessa margem da nuvem é uma ilusão criada pelos acordos de rateio de receita com parceiros — cerca de 20% da receita, limitada e cumulativa, que o Barclays espera que seja desativada após 2028. Descontado o rateio, o lucro por token da nuvem não é diferente entre os dois laboratórios.
Há também uma segunda fonte de receita, mais silenciosa: assinaturas de agentes puxam gasto adicional de nuvem. Cargas de trabalho agênticas salvam estado das tarefas de forma persistente e chamam bancos de dados, armazenamento e outros serviços de nuvem — então cada assinatura de agente vendida agrega receita de nuvem além da taxa de inferência em si. É o mesmo empilhamento de “vender apps por tokens, vender infraestrutura por lucro” que decompomos em nossa análise da economia de tokens.
A janela se fecha em 2028
A receita dos laboratórios de IA está escalando de forma absurda: de cerca de US$ 7 bi em 2024 para US$ 137 bi em 2026 e um estimado de US$ 690 bi em 2028 (receita recorrente anualizada alcançando ~US$ 200 bi no fim de 2026 e ~US$ 782 bi no fim de 2028).
Mais importante: a razão que define o poder das nuvens está desmoronando. A receita de IA das nuvens representava 153% da receita dos laboratórios de IA em 2024 — os laboratórios gastavam mais em computação do que faturavam. Essa razão cai para 90% em 2026 e 73% em 2028. O gasto com treinamento como fatia da receita dos laboratórios cai de 96% em 2024 para 48% hoje, com projeção de 35% em 2027 e 30% em 2028.
O mecanismo por trás da queda é físico: a partir de 2028, a infraestrutura de computação dedicada que os laboratórios já contrataram e garantiram começa a entrar em operação. AWS, Azure e GCP mantêm participação aproximadamente estável no gasto de computação dos laboratórios nos próximos dois anos — depois as nuvens começam a perder terreno, tanto em treinamento quanto em inferência, para a capacidade própria dos laboratórios.
O Barclays também alerta que as margens de inferência de 50–65% não permanecerão tão gordas. A concorrência entre modelos de fronteira está se intensificando e a oferta de computação segue crescendo, o que aponta para compressão de margens ao longo do tempo. O imposto de 40% do senhorio é real hoje — mas é uma janela, não uma constituição permanente.
O que fazer com isso
- Se você é fundador ou engenheiro de plataforma: as unit economics de inferência são o verdadeiro custo de fazer negócio. Avalie fornecedores por custo por token, quantização e ganhos de decodificação especulativa — não pelo preço de vidro do modelo. A fatia de 40% das nuvens é um imposto fixo até que sua própria capacidade entre no ar.
- Se você é investidor: a margem bruta ajustada é a métrica que importa, e ela só é comparável após normalizar o reconhecimento de receita bruta versus líquida. Trate qualquer comparação de margem entre laboratórios como suspeita até saber qual base contábil cada um usa — a mesma armadilha que sinalizamos em nossa análise das duas economias entre lucros de nuvem e perdas de aplicação.
- Se você é comprador corporativo: a fatura de uma assinatura de agente não é só taxa de token. Orce o gasto com estado, banco de dados e armazenamento que as cargas agênticas geram silenciosamente na mesma nuvem.
- Se você precifica produtos de IA: margens de API direta acima de 80% mostram que inferência é um ótimo negócio agora — mas a concorrência garante erosão. Desenhe a precificação para o mundo de 2028, em que os laboratórios rodarão sua própria computação e o imposto das nuvens encolherá.
Fonte: pesquisa de unit economics da indústria de IA do Barclays (28 de agosto), via Cailian Press / 36Kr.
