Na verdade, sou bastante pessimista em relação às avaliações dos laboratórios de IA de fronteira. Nunca vi os argumentos a favor dessas avaliações formulados de maneira que me convencesse; por isso, antes de dormir, quis registrar rapidamente aqui meu raciocínio.
O problema básico é que esses laboratórios apresentam prejuízos muito elevados. Isso pode parecer um ponto simples, mas as avaliações no mercado privado podem ser relativamente irracionais. No entanto, como provavelmente ocorrerá com a $SPCX, a precificação após a abertura de capital tende a ser muito mais severa, sobretudo quando terminar o período padrão de lock-up de seis meses e a pressão vendedora aumentar.
Muitas pessoas afirmam que os laboratórios possuem margens elevadas. Contudo, mesmo com margens altas, uma avaliação de US$ 1 trilhão só seria justificável se eles não fizessem nada além de fornecer inferência — limitando, portanto, seus custos àqueles diretamente relacionados à inferência — e registrassem receitas anuais entre US$ 100 bilhões e US$ 200 bilhões, supondo uma margem bruta de aproximadamente 80% e um múltiplo de 20 vezes o lucro.
Essa hipótese evidentemente não é verdadeira, porque os laboratórios de fronteira precisam gastar continuamente para treinar a próxima geração de modelos. Isso decorre da concorrência de empresas que vêm logo atrás. Por exemplo, se a OpenAI tivesse interrompido o desenvolvimento de modelos no ano passado, já não haveria motivo para pagar os preços da API do GPT-5 quando seria possível simplesmente usar Qwen ou Kimi por um custo muito menor.
Assim, os laboratórios são obrigados a investir quantias cada vez maiores no treinamento de modelos. A dinâmica é tal que, em qualquer momento, o valor que precisam investir no próximo modelo é dramaticamente superior ao dinheiro que efetivamente estão ganhando. Isso ocorre porque, ainda que a receita aumente com a maior capacidade dos modelos, os custos futuros de treinamento também aumentam. Trata-se de uma dinâmica profundamente desfavorável, que penaliza severamente as empresas que estão na liderança.
Há também um ponto relacionado: os laboratórios de fronteira afirmam que podem destilar seus modelos mais avançados e, assim, vencer também nos níveis inferiores de inteligência. Isso não faz sentido, porque as receitas envolvidas são muito baixas quando se considera a margem relativamente reduzida desse tipo de inferência.
As avaliações dos laboratórios de fronteira parecem estar amplamente baseadas na hipótese de que, à medida que a escala aumenta, as capacidades emergentes serão suficientemente gerais e profundas para produzir um crescimento explosivo, como discutido aqui: https://epoch.ai/publications/explosive-growth-from-ai-a-review-of-the-arguments. Isso incluiria, por exemplo, agentes de IA capazes de criar e administrar autonomamente empresas inteiras formadas por subagentes.
No entanto, não está claro para mim que isso realmente ocorrerá. Como mencionei em minha publicação anterior — https://x.com/andrewho03/status/2082615798011744270 —, acredito que o crescimento das capacidades será mais lento, mais irregular e mais limitado pela disponibilidade de dados do que as pessoas atualmente supõem.
É possível que, em algum momento, vejamos um crescimento explosivo dessa natureza, acompanhado pela automação completa da economia. Mas, no mínimo, minha visão implica horizontes muito mais longos, de várias décadas, até chegarmos a esse ponto. Não está claro para mim que os laboratórios de fronteira conseguirão operar com prejuízo durante tanto tempo, embora talvez isso antecipe algum tipo de nacionalização inevitável.
Também quero fazer uma observação mais ampla sobre a difusão tecnológica. A razão pela qual a difusão de tecnologias é lenta não é apenas porque, por exemplo, pessoas mais velhas demoram a aprender a utilizá-las, embora isso evidentemente contribua em alguma medida.
Na minha visão, quando surge uma tecnologia nova e revolucionária, nem sempre são óbvias as maneiras de incorporá-la aos desenvolvimentos subsequentes. Na verdade, essas maneiras não podem necessariamente ser descobertas apenas pela aplicação da razão pura. Caso pudessem, talvez os modelos de fronteira, a partir de determinado ponto, adquirissem uma compreensão perfeita de como a camada de aplicações baseada em grandes modelos de linguagem deveria ser desenvolvida. Em seguida, seriam capazes de programar, implantar e comercializar autonomamente essa camada.
Parece-me mais plausível, contudo, que essa difusão seja limitada sobretudo pelo difícil problema do cálculo econômico — isto é, pela concepção hayekiana segundo a qual o sistema de preços promove gradualmente a alocação eficiente de recursos, algo que não pode ser reproduzido por meio do planejamento central.
Mesmo que congelássemos hoje os níveis atuais de capacidade, provavelmente seriam necessárias bem mais de duas décadas para integrar plenamente os grandes modelos de linguagem à nossa vida cotidiana.
Essa perspectiva é, consequentemente, bastante pessimista em relação à continuidade da rentabilidade dos laboratórios, pois reduz as chances de que encontrem, por exemplo, outra aplicação com rentabilidade comparável à dos agentes de programação, cuja descoberta pela Anthropic parece ter envolvido certa dose de sorte.
Em outras palavras, mesmo que se mobilize um grande número de engenheiros de implantação avançada — os chamados FDEs, ou forward-deployed engineers —, isso não significa necessariamente que será possível descobrir com rapidez suficiente os formatos “corretos” de produto.
De modo geral, não acredito que as pessoas tenham refletido com clareza sobre os modelos mentais que sustentam a ideia de que as participações acionárias nesses laboratórios devam valer tanto quanto valem atualmente. Caso alguém realmente se disponha a formalizar esse modelo, talvez não chegue à conclusão a que gostaria de chegar.
Isso não significa que eu não espere que a inteligência artificial passe por uma enorme expansão, em toda a indústria, nas próximas décadas. Significa apenas que não tenho certeza de que compraria ações da OpenAI ou da Anthropic pelos seus valores mais recentes, caso tivesse a oportunidade de fazê-lo.
Naturalmente, como ex-funcionário de um desses laboratórios, pode-se dizer que estou falando contra os meus próprios interesses. Na verdade, eu deveria estar oferecendo às pessoas mais razões para serem otimistas. Mas, no fim das contas, minha influência é tão pequena que isso não faz diferença. Então, por que não se divertir um pouco?
Traduzido daqui
Resumindo, os valores projetados da OPA das empresas de IA são irreais, pois essas empresas não conseguiram entregar valor - lucro, no longo prazo. Será um prenúncio para uma crise no mercado acionário? O autor, Andrew Ho, foi funcionário da OpenAI. E o texto foi traduzido pelo GPT
Postagens
