OpenAI e Anthropic estão a caminho de absorver cerca de um terço de toda a computação de IA recém-adicionada em 2026, cerca de metade em 2027 e a maior parte da capacidade efetiva mundial até o fim de 2028. Dylan Patel, fundador da SemiAnalysis, apresentou toda a matemática no Dwarkesh Podcast em 25 de agosto, e a conclusão é direta: a corrida da IA não depende mais de contagem de parâmetros ou rankings de benchmarks. Ela depende da receita por megawatt.
Dois Laboratórios Estão Tomando um Terço de Toda a Nova Computação de IA
No início de 2026, a OpenAI tinha cerca de 2 gigawatts de computação e a Anthropic, menos de 2 GW. Ambas devem ultrapassar 5 GW até o fim do ano — um salto de três a quatro vezes em doze meses. Um gigawatt é aproximadamente a produção de uma grande usina nuclear, então os dois laboratórios estão efetivamente adicionando três usinas nucleares de nova capacidade por ano.
Globalmente, a computação recém-implantada é de cerca de 30 GW este ano, cerca de 50 GW no próximo ano e cerca de 70 GW até 2028. A fatia de um terço consumida pelos dois laboratórios sai direto desse pipeline. Há também um multiplicador oculto: um watt de computação comprado hoje não equivale a um watt instalado dois anos atrás. GB300, TPUv7 e Trainium3 entregam cerca de três a cinco vezes mais desempenho por watt que a geração anterior. É por isso que Patel enquadra o marco de 2027 como metade da nova computação, mas bem mais da metade da computação efetiva — e por que a concentração parece pior do que os números brutos sugerem.
A Nova Métrica Vencedora: Receita por Megawatt
Um ano atrás, o negócio de tokens dava prejuízo. A OpenAI, rodando o GPT-4 em chips Hopper, tinha margem bruta negativa em cada token, e a Anthropic queimava capital de investidores. Isso se reverteu. A Anthropic ficou lucrativa no segundo trimestre de 2026, e relatos indicam que a OpenAI seguirá o mesmo caminho no terceiro. Com a geração de modelos GPT-5.6, Opus 5 e Fable 5, ambos os laboratórios agora superam com folga a linha de custo de US$ 10-15 milhões por megawatt. A Anthropic lidera, com cerca de US$ 50 milhões por megawatt.
A competição não é mais sobre acumular GPUs. É sobre quanta receita um megawatt pode gerar. Ganhe mais, e você pode superar todos nos lances pela capacidade escassa, o que compra modelos melhores, que ganham ainda mais. O flywheel é todo o jogo.
Como o Flywheel Compõe a Concentração
Propriedade e uso se separaram. Segundo a Epoch AI, cerca de 71% da computação global ainda pertence às cinco grandes nuvens, mas o uso está se concentrando em dois laboratórios. As nuvens são as proprietárias que compram terrenos e constroem data centers; OpenAI e Anthropic são os dois inquilinos que alugam a maior parte dos prédios.
Um terceiro tipo de player surgiu: operadores que constroem primeiro, como Meta e SpaceX, que erguem capacidade antes de assinar contratos com inquilinos. Musk estaria vendendo computação a US$ 40 bilhões por gigawatt, contra um valor justo de cerca de US$ 15 bilhões, e a Anthropic aluga capacidade de data center da SpaceX por US$ 1,25 bilhão por mês, segundo o WSJ. Ambos os laboratórios também estão começando a construir sua própria infraestrutura — a OpenAI com chips de design próprio e a Anthropic com TPUs implantados via Fluidstack — enquanto o Stargate atingiu sua meta de 10 GW antes do prazo e a Anthropic fechou um pedido multi-gigawatt de TPUs com Google e Broadcom a partir de 2027.
A Maioria da Computação Vai para Pesquisa, Não para Treinamento
As cargas de trabalho dos laboratórios se dividem aproximadamente em 50% pesquisa, 10% desenvolvimento e 40% inferência. A maior fatia é pesquisa, não treinamento. A Anthropic treinou o Mythos com menos de 200 megawatts em um único site por cerca de dois meses, e o reinforcement learning usou ainda menos. A maior parte da capacidade está em sites distribuídos, onde o gargalo é o movimento de dados, não a computação. Treinar mais não significa automaticamente treinar melhor.
A parte contraintuitiva é que a fatia de inferência continuará encolhendo. A US$ 30-40 milhões por megawatt, dedicar 40% da capacidade à venda de tokens faz sentido. A US$ 60-70 milhões, um conselho de administração enfrenta uma escolha real: continuar vendendo tokens e pagar dividendos, ou recolher os megawatts para P&D e correr atrás da AGI.
A Pergunta de US$ 11 Trilhões: AGI ou Dividendos
A SemiAnalysis estima um gasto de capital acumulado em IA de cerca de US$ 11 trilhões entre 2024 e 2029, dos quais aproximadamente US$ 6 trilhões podem ser financiados com ganhos e US$ 5 trilhões precisam ser tomados emprestados. Tudo isso puxa do mesmo pool de crédito, o que eleva as taxas; a Meta emite dívida a 5-6% e, segundo relatos, pagaria até 8%. A tensão é estrutural porque ambos os laboratórios caminham para IPOs. Investidores querem retornos dignos de dividendos; os laboratórios querem despejar cada novo megawatt em pesquisa. O sinal já é visível: a nova computação mensal da Anthropic continua subindo enquanto o crescimento anualizado da receita se estagnou, o que significa que os novos megawatts estão indo para P&D, não para receita. Essa é a mesma pressão de consolidação que está remodelando o mercado de computação.
A regulação pode quebrar o ciclo. Nova York está limitando data centers, o Texas decretou moratória, e Ohio pausou as isenções fiscais para data centers em 27 de maio de 2026. Segurar modelos de fronteira também limita o flywheel: a OpenAI não lançou o Astra, e a Anthropic está retendo um modelo de próxima geração em revisão de segurança. Um modelo que não pode ser lançado não pode elevar a receita por megawatt — o que significa que não pode justificar superar rivais na disputa por computação.
Dwarkesh encerrou com uma projeção preocupante: a computação de fronteira cresce de quatro a cinco vezes por ano, enquanto a computação necessária para alcançar uma dada capacidade cai para cerca de um terço por ano, de modo que o trabalho efetivo de IA cresce aproximadamente dez vezes ao ano. Um laboratório que detém dez milhões de trabalhadores de IA efetivos este ano teria cem milhões no próximo e um bilhão no ano seguinte. A força de trabalho efetiva de uma única empresa em breve poderia exceder a população humana — o mesmo tipo de trabalho de agentes sempre ativos que os agentes persistentes estão começando a entregar.
O Que Isso Significa Para Você
Três lições práticas. Para builders: o fornecimento, a disponibilidade e o preço de GPUs agora acompanham dois balanços, então não construa uma stack que dependa de acesso a um único laboratório. Para empresas: o preço das APIs segue a receita por megawatt, então faça benchmark da sua própria economia unitária por token em vez de confiar nos preços de tabela. Para investidores: acompanhe a divisão pesquisa-versus-inferência e a receita por megawatt, não flopados nem posições em rankings. Três anos atrás, a corrida era sobre parâmetros; dois anos atrás, sobre benchmarks. Hoje, é sobre quanto cada megawatt rende, e a verdadeira questão não é mais quem constrói a AGI primeiro, mas quem tem o direito de chamá-la assim.
Perguntas Frequentes
Quais duas empresas estão consumindo mais computação de IA nova?
OpenAI e Anthropic. Elas estão a caminho de absorver cerca de um terço da computação global recém-adicionada em 2026, aproximadamente metade em 2027 e a maior parte da capacidade efetiva até o fim de 2028, segundo Dylan Patel, fundador da SemiAnalysis.
Por que a receita por megawatt é a métrica decisiva na IA?
Porque a computação agora custa cerca de US$ 10-15 milhões por megawatt, enquanto os modelos líderes ganham US$ 30-50 milhões por megawatt. Quem ganha mais pode superar rivais na disputa pela capacidade escassa, treinar modelos mais fortes e ampliar a vantagem.
A computação de IA continuará se concentrando em poucas empresas?
A tendência está acelerando, mas reguladores estão reagindo com limites a data centers, pausas fiscais e retenção de modelos de fronteira. O flywheel só gira se os melhores modelos continuarem sendo lançados.
