VentureBeat Pulse Research ouviu 107 companhias com mais de 100 funcionários e encontrou um paradoxo na infraestrutura de IA: enquanto apenas 21% operam aplicações de inteligência artificial em produção e escala, quase todas aceleram investimentos em novos hardwares e provedores que ainda não utilizam.
No horizonte imediato, 45% pretendem avaliar nuvens especializadas em IA como CoreWeave, Lambda e Crusoe, apesar de menos de 2% já contarem com esses fornecedores. Na prática, a corrida por infraestrutura de IA avança mais rápido que a capacidade de mensurar seu custo real — fissura que a própria pesquisa batiza de “compute gap”.
Essa disputa por infraestrutura de IA, tema central da categoria Inteligência Artificial em S&N, mostra que o próximo dólar de investimento tende a sair do bolso antes que o atual seja devidamente auditado.
Investimento supera maturidade
Três em cada quatro empresas ainda estão em fase de experimentos ou rodam poucos workloads em produção. Mesmo assim, a lista dos equipamentos que elas pretendem testar nos próximos 12 meses inclui:
- 45% – nuvens de GPU especializadas;
- 32% – aceleradores não Nvidia (TPU, Trainium, Gaudi, AMD Instinct);
- 28% – próxima geração de GPUs Nvidia Blackwell.
Além disso, 16% cogitam redes descentralizadas de computação e 11% discutem recursos soberanos ou por região. Para a S&N, esse movimento indica que o debate sobre soberania e diversificação tecnológica começa a chegar ao time executivo, não apenas aos laboratórios de P&D.
Troca de provedores à vista
A pesquisa detecta uma onda iminente de reconfiguração: 64% das organizações planejam trocar ou adicionar provedores de infraestrutura em até 12 meses; 38% querem fazê-lo em apenas um trimestre. Por ora, a migração tende a ocorrer entre os gigantes já consolidados — Google Cloud e Microsoft Azure aparecem em 33% das intenções, OpenAI em 30% e Gemini em 22%.
Quando o assunto é critério de escolha, integração com a pilha existente lidera (41%), seguida por custo total de propriedade (35%) e desempenho de latência ou throughput (24%). O preço por milhão de tokens, métrica muito usada no marketing das plataformas, convence somente 8% dos compradores.
Na leitura do Editorial S&N, essa combinação sugere um mercado pragmático: paga-se pelo encaixe no stack e pelo TCO, não pelo valor anunciado na etiqueta. O desafio é que a maioria ainda não tem visibilidade para calcular esse TCO com precisão.
Visibilidade de custos em segundo plano
Os números de utilização de GPU expõem o problema: 83% dos entrevistados operam abaixo de 50% da capacidade; quase metade fica sob 25%. Apesar disso, 28% estudam comprar GPUs Nvidia Blackwell e 16% analisam soluções descentralizadas.
“Idle accelerators are expensive accelerators”, resume o relatório, ao apontar que as placas ociosas representam dinheiro parado.
Quando questionadas sobre controle financeiro, apenas 44% afirmam medir rigorosamente custo e retorno do investimento em IA. Outros 39% fazem acompanhamento parcial e 20% sequer conseguem estimar.
Enquanto isso, uma nova restrição técnica ganha fôlego: a mudança do gargalo de computação para largura de banda de memória em grandes inferências. Somente 31% contam com soluções da Dell, 16% com a Nvidia, e 18% admitem não conhecer ou não ter enfrentado o tema. Trata-se de uma frente que pode redefinir requisitos de hardware antes mesmo de as empresas resolverem o subaproveitamento atual.
O próximo capítulo da corrida
Ao consolidar essas respostas de uma única onda do segundo trimestre de 2026, o VentureBeat ressalta que os dados são direcionais, com amostra concentrada no médio mercado. Ainda assim, o retrato é coerente: as organizações compram primeiro, medem depois.
No curto prazo, a tendência é de expansão dos gastos, troca acelerada de provedores e busca por novas arquiteturas de GPU ou aceleradores alternativos. No médio, a pressão virá da necessidade de usar melhor o que já foi comprado e de compreender o impacto do gargalo de memória.
Se o mercado não evoluir em métricas de eficiência, o “compute gap” tende a aumentar, não a diminuir. O resultado pode ser um ciclo em que cada camadas de infraestrutura de IA chegue antes que a anterior justifique seu custo. Em última instância, a discussão sobre valor real — e não apenas sobre capacidade de processamento — deverá pautar o próximo grande movimento de consolidação ou de ruptura nessa indústria.
Editorial S&N
Comentários
Participe com respeito. Comentários passam por proteção anti-spam simples.