As grandes empresas de tecnologia aumentam os gastos em IA à medida que os modelos de raciocínio dominam
- Gigantes da tecnologia, como Microsoft, Amazon e Meta, aumentarão os investimentos em IA para mais de US$ 500 bilhões anuais na próxima década.
- O investimento em IA está migrando do treinamento de modelos para a inferência, que poderá representar quase 50% dos orçamentos de IA até 2032.
- Os modelos de raciocínio da DeepSeek e da OpenAI estão transformando a IA ao melhorar a eficiência e reduzir a dependência de chips caros.
As maiores empresas de tecnologia aumentarão seus gastos em inteligência artificial para mais de US$ 500 bilhões no início da próxima década, impulsionados em parte pela metodologia mais recente de IA da DeepSeek e da OpenAI.
A Microsoft Corp., Amazon.com Inc. e Meta Platforms Inc., coletivamente conhecidas como hiperscalares, estão projetadas para gastar US$ 371 bilhões em data centers de IA e recursos de computação em 2025, um aumento de 44% em relação ao ano anterior. Até 2032, esse valor deve saltar para US$ 525 bilhões.
Historicamente, grande parte do investimento em IA foi direcionada a data centers e chips para treinar ou criar modelos de IA significativamente complexos. Agora, as empresas querem adotar uma abordagem diferente. Seguindo essa tendência, espera-se que as empresas de tecnologia transfiram mais gastos para a inferência ou o processo de execução desses sistemas após terem sido treinados.
Como a DeepSeek e a OpenAI estão moldando as tendências de gastos em IA
A DeepSeek, da China, a OpenAI e várias outras empresas introduziram novos modelos de raciocínio, intensificando a competição entre empresas que ainda não adotaram uma abordagem semelhante.
Esses sistemas imitam a resolução de problemas humanos, levando mais tempo para processar e calcular respostas às consultas dos usuários.
A ascensão da DeepSeek, que afirmou poder criar um modelo competitivo a um custo mais baixo em comparação com alguns de seus principais concorrentes dos EUA, levantou preocupações sobre os pesados investimentos em desenvolvimento de IA no setor de tecnologia dos Estados Unidos. Como resultado, algumas empresas de tecnologia líderes preferem sistemas de IA mais eficientes que possam ser executados com menos chips.
No entanto, os modelos de raciocínio também apresentam novas oportunidades de lucrar com o software e possivelmente transferir mais custos de desenvolvimento após o lançamento do modelo. Isso provavelmente encorajará mais investimentos nessa estratégia e aumentará os gastos gerais em IA.
Um analista da Bloomberg Intelligence, Mandeep Singh, escreveu: “O crescimento dos gastos de capital para o treinamento de IA pode ser muito mais lento do que nossas expectativas anteriores.”
No entanto, ele observou que o enorme foco na DeepSeek provavelmente encorajará as empresas de tecnologia a "aumentar os investimentos" na inferência, tornando-a o segmento de mercado com a taxa de crescimento mais rápida em IA generativa.
De acordo com relatórios, mais de 40% dos orçamentos de IA dos hiperscalares deste ano devem ser destinados ao treinamento; no entanto, em 2032, essa porcentagem cairá para apenas 14%. Em contraste, quase metade de todos os gastos anuais em IA pode ser alocada para investimentos impulsionados pela inferência.
Por outro lado, Singh escreveu que o Google da Alphabet Inc. parece estar melhor posicionado para fazer essa transição rapidamente, graças aos seus chips internos que lidam com treinamento e inferência. Outras empresas de tecnologia, como Microsoft e Meta, podem não ter tanta flexibilidade porque confiaram tanto nos chips da Nvidia Corp.
Como os modelos de raciocínio estão remodelando a IA com pensamento estruturado e lógico
Modelos de raciocínio são modelos de linguagem especializados projetados para resolver problemas por meio de raciocínio lógico explícito, que emergiram como um novo paradigma na IA, superando os LLMs convencionais em tarefas desafiadoras ao decompor problemas, "pensar" antes de responder e melhorar iterativamente as soluções.
Historicamente, os LLMs de propósito geral podiam gerar respostas simples. Com a introdução dos modelos de raciocínio, as respostas seguem um processo de pensamento mais estruturado, e o processo de chegar a essa resposta é indicado. No entanto, enquanto alguns modelos exibem claramente sua fase de raciocínio lógico, outros não.
A fase de raciocínio mostra como o modelo pode decompor o problema declarado em problemas menores (decomposição), tentar diferentes abordagens (ideação), escolher as melhores abordagens (validação), rejeitar abordagens inválidas (possivelmente retrocedendo) e, finalmente, escolher a melhor resposta (execução/resolução).
Se você está lendo isso, já está à frente. Mantenha-se assim com nosso boletim informativo.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta com um profissional qualificado antes de tomar quaisquer decisões de investimento.
Nellius Irene
Nellius é graduada em Gestão de Negócios e TI, com cinco anos de experiência no setor de criptomoedas. Também é formada pela Bitcoin Dada. Nellius contribuiu para publicações de mídia de destaque, incluindo BanklessTimes, Cryptobasic e Riseup Media.
