A conta de US$ 3,5 trilhões: quanto a inteligência artificial precisa faturar para justificar a maior aposta da economia americana

Nove por cento do PIB. Esse é o tamanho aproximado do faturamento que empresas e consumidores americanos precisariam destinar, a cada ano, aos serviços de inteligência artificial para que a montanha de dinheiro hoje enterrada em data centers faça sentido econômico. A cifra, destacada pelo colunista Greg Ip no The Wall Street Journal, coloca a IA no mesmo patamar de gasto que os americanos dedicam à alimentação e em torno do dobro do que o país paga por toda a energia que consome.¹

O número não é profecia de entusiasta nem alarme de cético. Ele é uma consequência aritmética. Está implícito nos cheques que as grandes empresas de tecnologia e seus financiadores estão assinando agora, e é justamente por isso que merece atenção de quem acompanha economia, inclusive no Brasil.

De onde vem a conta dos 9%

O cálculo é do professor de finanças Stijn Van Nieuwerburgh, da Columbia Business School, em estudo apresentado na conferência Brookings Papers on Economic Activity, em setembro.² O método é direto: partir dos planos efetivamente anunciados de construção de data centers e do custo médio de cada instalação, descontar uma parcela de projetos que devem ser cancelados e perguntar quanto de receita seria necessário para remunerar o capital.

As premissas, segundo o resumo do WSJ, são relativamente conservadoras para o padrão do setor: cada dólar de receita gera 50 centavos de fluxo de caixa, e os investidores exigem retorno de 10% ao ano sobre o capital investido, sem considerar alavancagem. O resultado é uma receita de cerca de US$ 3,5 trilhões em 2032, equivalente a 8,8% de um PIB americano que cresceria 4% ao ano em termos nominais.¹ Uma reportagem do Crypto Briefing sobre o mesmo estudo calcula que alcançar esse patamar exigiria do setor um crescimento composto de receita da ordem de 80% ao ano até 2032.³

O maior ciclo de investimento da história americana

O lado do gasto é ainda mais impressionante. De acordo com a cobertura da agência Cailian Press e do portal Sina Finance sobre o estudo, os investimentos americanos em data centers, energia, redes e chips entre 2025 e 2032 podem somar cerca de US$ 10,3 trilhões, uma média próxima de 3,6% do PIB por ano.⁴ Para efeito de comparação, a construção ferroviária entre 1870 e 1890 consumiu em média cerca de 2,2% do PIB anual; o sistema de rodovias interestaduais, entre 1956 e 1973, pouco mais de 1,1%; a febre da fibra óptica no fim dos anos 1990, em torno de 1,1%.⁴

O próprio autor admite que essas comparações dependem de definição. Em entrevista repercutida pelo International Business Times, Van Nieuwerburgh cita uma média em torno de 2,8% do PIB durante o ciclo, também acima do pico ferroviário, e chega a afirmar que, sem os data centers, os EUA provavelmente já estariam em recessão.⁵ Seja qual for o recorte, a conclusão se mantém: nunca a economia americana dependeu tanto da expansão de um único setor.

O calcanhar de aquiles: o preço da computação

A premissa mais frágil da conta não está no tamanho do investimento, mas no preço. Para chegar aos US$ 3,5 trilhões, o modelo supõe que as empresas de IA continuarão cobrando em 2032 o que cobram hoje. Ao WSJ, Van Nieuwerburgh observou que os preços atuais refletem escassez de capacidade, e que manter esse patamar depois de quadruplicar a oferta e enfrentar concorrência seria uma aposta ousada.¹

A história recente oferece um alerta concreto. Entre 1997 e 2001, o preço da banda em fibra óptica entre Londres e Nova York caiu 96%, à medida que mais cabos eram lançados e a tecnologia multiplicava a capacidade de cada fio. O colapso de preços apressou a falência de várias operadoras de longa distância.¹ A infraestrutura sobreviveu e virou a base da internet moderna; quem a financiou, nem sempre.

Na IA, a velocidade de queda é ainda maior. Dados da Epoch AI citados pelo WSJ indicam que o preço efetivo para um dado nível de capacidade dos modelos recua cerca de 47% por trimestre desde 2023, ritmo seis vezes mais rápido que o barateamento do poder computacional em si.¹

Os data centers estão sendo construídos sobre a premissa de que a computação continuará cara. A história das tecnologias de rede sugere que ela fica barata justamente quando sobra capacidade.

O contra-argumento dos otimistas é o Paradoxo de Jevons, batizado em homenagem ao economista britânico William Stanley Jevons, que notou no século XIX que motores a vapor mais eficientes aumentavam, em vez de reduzir, o consumo de carvão. Aplicado à IA, o raciocínio é que modelos mais baratos e mais capazes destravam tantos usos novos que o volume compensa a queda do preço unitário. Uma análise da The Economist, republicada pelo Der Standard, aponta exatamente essa tensão: o consumo de tokens, medida de uso dos modelos, parece crescer mais rápido que a receita, e talvez um terço ou mais do investimento não alcance retorno satisfatório.⁶

A lição do computador pessoal

Greg Ip recorre a um paralelo útil. Entre os anos 1960 e o início dos 2000, a densidade dos chips dobrava a cada dois anos e o preço real dos computadores caía cerca de 15% ao ano. No começo, a demanda mais que compensou: entre 1974 e 1984, o investimento empresarial em computadores triplicou, chegando a 0,8% do PIB. Depois, mesmo com máquinas cada vez melhores e mais baratas, o gasto estabilizou.¹

A explicação é a lei dos rendimentos decrescentes. As primeiras planilhas eletrônicas, como VisiCalc e Lotus 1-2-3, transformaram a gestão das empresas de um modo que versões posteriores, muito mais potentes, não conseguiram repetir. Cada dólar adicional passou a comprar menos produtividade extra. A dúvida central sobre a IA não é se ela vai encontrar esse teto, mas onde ele está.

Produtividade não é o mesmo que faturamento

Os ganhos existem e são mensuráveis. O WSJ cita um levantamento dos doutorandos de Harvard Fiona Chen e James Stratton com dados da plataforma Jellyfish, usada por empresas para monitorar equipes de engenharia. Assistentes de IA elevaram em 12% as linhas de código e em 5% os pull requests; agentes autônomos, em 30% e 23%, respectivamente. O efeito sobre projetos efetivamente concluídos, porém, foi pequeno e sem significância estatística, porque os desenvolvedores passaram a gastar muito mais tempo revisando e corrigindo o que a máquina produziu.¹

É uma distinção que importa para o investidor. A IA pode elevar a produtividade e o crescimento da economia como um todo sem que esse ganho se converta em receita proporcional para quem vende o serviço. Parte do valor fica com o usuário, parte se dilui em retrabalho, parte é capturada pela concorrência via preços menores.

O risco que fica fora do balanço

O que transforma uma possível frustração de receita em risco sistêmico é o financiamento. Van Nieuwerburgh descreve o caso do data center Hyperion, da Meta, na Louisiana: um projeto de cerca de 2 gigawatts e US$ 30 bilhões em ativos, no qual a Meta vendeu 80% da participação à gestora Blue Owl e a sociedade resultante levantou US$ 27 bilhões em dívida, levando o endividamento do projeto a perto de 90% dos ativos.⁴ Estruturas desse tipo, por meio de sociedades de propósito específico, mantêm a dívida fora do balanço da controladora e com pouca transparência pública.⁵

Excesso de capacidade bancado por lucros acumulados gera prejuízo para acionistas. Excesso de capacidade bancado por dívida pode gerar inadimplência, contágio e crise de crédito. Essa é a diferença que preocupa o autor do estudo, e que o mercado de derivativos de crédito já começou a precificar em empresas do segmento de nuvem especializada em IA.⁵

E o Brasil nessa conta?

O Brasil não está na linha de frente do faturamento com IA, mas acaba de se posicionar no lado da infraestrutura. Em setembro de 2026, foi sancionado o Regime Especial de Tributação para Serviços de Datacenter, o Redata, que reduz tributos federais sobre equipamentos e exige contrapartidas em pesquisa e desenvolvimento e em uso de energia e água, segundo a Times Brasil, licenciada da CNBC.⁷ O regime havia nascido de medida provisória assinada em setembro de 2025, que previa renúncia de R$ 5,2 bilhões em 2026, e ficou em suspenso depois que a MP perdeu validade em fevereiro.⁸

As projeções do setor variam bastante. A Brasscom, entidade das empresas de tecnologia, estima cerca de US$ 80 bilhões em investimentos até 2030 e uma capacidade que passaria de 1.340 MW para 2.529 MW no período, abaixo do teto de US$ 100 bilhões que chegou a ser cogitado antes dos atrasos na tramitação.⁹ Mais ambicioso, o CEO da Scala Data Centers, Marcos Peigo, afirmou ao Brazil Journal que, se o país se tornar exportador de capacidade para Estados Unidos e Europa, os investimentos podem se aproximar de US$ 1 trilhão em dez anos, condicionados ainda à aprovação de incentivos estaduais pelo Confaz.¹⁰

É aqui que o debate americano deixa de ser distante. A tese do Brasil como exportador de computação se apoia na saturação do mercado dos EUA e nos preços atuais da capacidade. Se a dinâmica descrita por Van Nieuwerburgh se confirmar, com oferta quadruplicada e preços em queda, a rentabilidade de projetos instalados aqui também será afetada, porque eles disputariam o mesmo mercado global. Há ainda o fator energia: o diretor-geral do ONS já alertou que data centers podem chegar a consumir parcela relevante da eletricidade do país, o que transfere parte do risco para o sistema elétrico e para o consumidor.⁷

Do lado da demanda doméstica, a adoção avança. A Pintec Semestral do IBGE mostra que a fatia de empresas industriais com 100 ou mais pessoas ocupadas que usam IA saltou de 16,9% em 2022 para 41,9% em 2024, com uso concentrado em administração e comercialização.¹¹ Adoção ampla, porém, não é sinônimo de gasto elevado. A pergunta que vale para os EUA vale também aqui: quanto dessas empresas estará disposta a pagar quando a ferramenta virar commodity?

O que observar nos próximos trimestres

• Preço por unidade de computação. Se o custo de acesso aos modelos continuar caindo no ritmo atual, a receita precisa crescer em volume muito acima disso para manter a conta de pé.
• Relação entre capex e fluxo de caixa das big techs. Investimento superando a geração de caixa operacional indica dependência crescente de dívida.
• Spreads de crédito de empresas de nuvem especializada. São o termômetro mais sensível de estresse financeiro no ciclo.
• Regulamentação estadual do Redata e planejamento do ONS. Definem se os projetos brasileiros saem do papel e a que custo para o sistema elétrico.
• Dados de produtividade com resultado final. Medidas de entrega concluída, e não apenas de volume produzido, dirão se a IA está gerando valor que alguém paga.

Perguntas frequentes

Ewerton Lopes — Curador Editorial | O Tecido, Caderno Economia