Uma observação interessante sobre o paradoxo de Jevons, que está se desenrolando na IA neste momento. Os preços dos tokens estão caindo, enquanto os preços das GPUs continuam elevados — um caso clássico em que os ganhos de eficiência não reduzem a demanda: eles a fazem disparar.
Os custos de inferência estão caindo rapidamente (modelos melhores, concorrência, escala no nível da Blackwell). Isso não reduz o uso de capacidade computacional — libera uma demanda enorme. Tokens mais baratos significam mais fluxos de trabalho com agentes, mais automação de programação e mais usuários colocando ferramentas de IA em funcionamento. O volume total de tokens está crescendo muito mais rápido do que os custos unitários estão caindo. Resultado: recursos escassos (GPUs, HBM, energia, centros de dados) continuam em falta.
O que isso significa para a infraestrutura de IA:
A $NVDA e os fabricantes de GPUs ainda se beneficiam. A alta utilização, somada à escassez persistente, mantém os preços e o volume elevados.
Memória (HBM/GDDR), redes e infraestrutura de energia contam com uma demanda duradoura à medida que a inferência se expande.
Os hyperscalers e as neoclouds enfrentam pressão sobre as margens se a queda no preço dos tokens superar o crescimento do volume — mas, até agora, as limitações de capacidade e o aumento dos gastos absolutos indicam que a demanda está prevalecendo.
A mudança para cargas de trabalho centradas em inferência favorece chips especializados e sistemas de alto rendimento, em vez de clusters dedicados exclusivamente ao treinamento.
Em resumo: a IA está se disseminando mais rápido do que os ganhos de eficiência reduzem a necessidade de hardware. Os preços unitários despencam, mas os gastos totais e a demanda por infraestrutura continuam crescendo. Uma perspectiva otimista para a camada física, enquanto o crescimento do volume continuar sendo a força dominante.
Os custos de inferência estão caindo rapidamente (modelos melhores, concorrência, escala no nível da Blackwell). Isso não reduz o uso de capacidade computacional — libera uma demanda enorme. Tokens mais baratos significam mais fluxos de trabalho com agentes, mais automação de programação e mais usuários colocando ferramentas de IA em funcionamento. O volume total de tokens está crescendo muito mais rápido do que os custos unitários estão caindo. Resultado: recursos escassos (GPUs, HBM, energia, centros de dados) continuam em falta.
O que isso significa para a infraestrutura de IA:
A $NVDA e os fabricantes de GPUs ainda se beneficiam. A alta utilização, somada à escassez persistente, mantém os preços e o volume elevados.
Memória (HBM/GDDR), redes e infraestrutura de energia contam com uma demanda duradoura à medida que a inferência se expande.
Os hyperscalers e as neoclouds enfrentam pressão sobre as margens se a queda no preço dos tokens superar o crescimento do volume — mas, até agora, as limitações de capacidade e o aumento dos gastos absolutos indicam que a demanda está prevalecendo.
A mudança para cargas de trabalho centradas em inferência favorece chips especializados e sistemas de alto rendimento, em vez de clusters dedicados exclusivamente ao treinamento.
Em resumo: a IA está se disseminando mais rápido do que os ganhos de eficiência reduzem a necessidade de hardware. Os preços unitários despencam, mas os gastos totais e a demanda por infraestrutura continuam crescendo. Uma perspectiva otimista para a camada física, enquanto o crescimento do volume continuar sendo a força dominante.