Gastos da Meta com IA na Microsoft Revelam uma Dependência Inesperada do Azure

A Meta supostamente gasta centenas de milhões de dólares por ano no Microsoft Azure, apesar de construir uma das maiores infraestruturas de inteligência artificial do setor de tecnologia. A relação entre Meta e Microsoft agora envolve trilhões de tokens de IA por semana, segundo uma pessoa familiarizada com a atividade.

Um token é uma pequena unidade de texto processada por um modelo de IA. O volume de tokens reflete a intensidade da carga de trabalho, embora não revele o número de usuários ou tarefas envolvidos. Os gastos reportados com Azure pela Bloomberg tornam a Meta uma das maiores clientes de IA da Microsoft, segundo a fonte não identificada.

O gasto não é apenas mais um contrato de nuvem. A Meta desenvolve o Llama, opera seus próprios data centers, compra enormes quantidades de hardware de computação e disputa os mesmos usuários de IA que Microsoft e OpenAI. Ainda assim, supostamente usa modelos da OpenAI por meio da nuvem da Microsoft para ajudar a avaliar resultados de seus próprios sistemas.

Isso cria a inversão central. Uma das empresas mais agressivas do mundo na construção de infraestrutura independente de IA paga uma plataforma rival por acesso a modelos e capacidade computacional. A Microsoft, por sua vez, obtém receita de consumo de uma empresa que concorre com seus próprios produtos de IA.

Nenhuma das empresas confirmou os gastos ou o volume de tokens reportados. Microsoft e Meta recusaram comentar à Bloomberg, deixando sem resposta questões importantes sobre cargas de trabalho, duração dos contratos e seleção de modelos.

A revelação ainda oferece uma rara visão da economia por trás de grandes sistemas de IA. A demanda por nuvem está cada vez mais concentrada entre empresas de tecnologia que já possuem infraestrutura substancial. Elas desenvolvem internamente enquanto compram capacidade externa sempre que velocidade, disponibilidade ou qualidade de modelo justificam isso.

O Que a Meta Supostamente Compra da Microsoft

O uso do Azure pela Meta parece combinar capacidade computacional externa, acesso a modelos de terceiros e uma forma mais rápida de testar seus próprios sistemas de IA.

Segundo a Bloomberg, a Meta consome trilhões de tokens por semana por meio da nuvem da Microsoft. Seus desenvolvedores supostamente acessam modelos da OpenAI e de outros provedores via Microsoft Foundry, a plataforma da empresa para implantar e avaliar modelos de IA.

A reportagem afirma que a Meta escolhe o acesso a modelos em várias plataformas conforme custo e disponibilidade. Essa descrição aponta para uma estratégia de aquisição multicloud, e não para uma parceria exclusiva. A Meta pode direcionar tarefas individuais ao provedor que oferecer a capacidade ou o modelo necessário naquele momento.

Uma carga de trabalho relatada é particularmente reveladora. Desenvolvedores da Meta usaram tecnologia da OpenAI disponível por meio do Foundry para avaliar resultados produzidos pelos próprios modelos de IA da Meta.

A avaliação de modelos mede qualidades como precisão, relevância, segurança e capacidade de seguir instruções. Desenvolvedores podem comparar uma resposta com material de referência ou pedir a outro modelo que a pontue. A documentação de avaliação da Microsoft descreve fluxos de trabalho que usam modelos implantados para analisar resultados existentes e concluir conversas.

Usar o modelo de um concorrente como avaliador não significa que a Meta dependa da OpenAI para cada julgamento. Sistemas de avaliação normalmente combinam pontuação automatizada, revisão humana, testes e múltiplas verificações baseadas em modelos. A reportagem da Bloomberg não revela o equilíbrio entre esses métodos.

Ainda assim, o arranjo pode acelerar o desenvolvimento. Uma equipe que testa muitas versões de modelos precisa gerar resultados, pontuá-los, investigar falhas e repetir o processo. O acesso a modelos externos permite que essa equipe adicione outro avaliador sem esperar por infraestrutura interna adicional.

O Azure também oferece uma camada de controle estabelecida em torno dessas cargas de trabalho. Engenheiros podem gerenciar implantações, permissões, monitoramento, conjuntos de dados e capacidade regional por uma única plataforma. Esses recursos operacionais podem ser tão importantes quanto o acesso a um modelo específico.

O volume relatado da Meta sugere que as cargas de trabalho vão além de experimentos ocasionais. Trilhões de tokens semanais representariam uso industrial sustentado, embora a reportagem não forneça um total preciso.

As contagens de tokens também exigem interpretação cuidadosa. Um prompt mais longo consome mais tokens de entrada, enquanto sistemas de raciocínio podem gerar volume substancial de texto interno e de saída. Avaliações repetidas multiplicam o uso porque vários modelos podem processar a mesma amostra.

Da mesma forma, os gastos anuais reportados abrangem uma combinação desconhecida. Eles podem incluir inferência de modelos, avaliação, armazenamento, rede, capacidade reservada ou serviços Azure relacionados. Nenhuma das empresas publicou uma divisão detalhada.

Essa incerteza impede comparações diretas com os custos internos de computação da Meta. Faturas de nuvem incluem infraestrutura e serviços gerenciados, enquanto cálculos de custos internos distribuem hardware, energia, instalações, rede e engenharia ao longo do tempo.

A mudança clara é estratégica, e não contábil. A Meta está disposta a comprar grandes cargas de trabalho externas enquanto financia sua própria e ampla expansão em IA. Isso torna o Azure um complemento prático para a infraestrutura da Meta, e não apenas um canal de distribuição do Llama.

Por Que a Relação Entre Meta e Microsoft Importa Agora

Os gastos reportados da Meta com a Microsoft dão ao Azure algo que investidores exigiam: evidências de que empresas independentes de tecnologia pagarão por consumo de IA em escala.

A Microsoft afirmou que seu negócio de IA superou uma taxa anualizada de receita de US$ 37 bilhões durante o terceiro trimestre fiscal. A empresa também informou que a receita do Azure e de outros serviços de nuvem cresceu 40% em relação ao ano anterior.

Esses números cobrem um amplo portfólio e não identificam a contribuição da Meta. Ainda assim, estabelecem o contexto da reportagem. A Microsoft está ampliando sua receita de IA enquanto a demanda dos clientes continua a superar a capacidade computacional disponível.

A teleconferência de resultados trimestrais da empresa descreveu a demanda pelo Azure como mais forte do que a oferta disponível em cargas de trabalho, segmentos de clientes e regiões. A Microsoft espera que essas restrições de capacidade continuem até 2026.

Isso torna a Meta valiosa por mais do que seus gastos reportados. Sua carga de trabalho oferece um exemplo visível de consumo de alta intensidade por parte de uma compradora sofisticada com alternativas.

Empresas de tecnologia entendem a economia dos modelos, o desempenho da infraestrutura e os preços de nuvem melhor do que a maioria dos clientes. Elas podem mover cargas de trabalho, negociar grandes compromissos e construir alternativas internas. Quando uma compradora assim ainda adquire capacidade externa, isso reforça o argumento da Microsoft de que o Azure oferece valor operacional escasso.

A Microsoft identificou ByteDance, Adobe, Perplexity e a empresa de IA corporativa Sierra entre outros clientes relevantes de IA, segundo a Bloomberg. A lista sugere que a demanda continua fortemente concentrada em negócios de tecnologia.

Essa concentração traz validação e risco. Um pequeno grupo de grandes clientes pode gerar enormes volumes de tokens rapidamente. Esses clientes também podem reduzir gastos quando mudam as arquiteturas de modelos, a capacidade interna ou a economia dos fornecedores.

Os compromissos de infraestrutura da Microsoft tornam essa distinção importante. A empresa reportou US$ 31,9 bilhões em despesas de capital no terceiro trimestre. Cerca de dois terços sustentaram ativos de vida útil mais curta, principalmente processadores gráficos e unidades centrais de processamento.

A Microsoft também projetou aproximadamente US$ 190 bilhões em despesas de capital para o ano-calendário de 2026. Esse total incluiu um efeito estimado de US$ 25 bilhões decorrente de custos mais altos de componentes.

Esses investimentos exigem mais do que interesse experimental. A Microsoft precisa de clientes cujas cargas de trabalho permaneçam ativas após o fim dos projetos-piloto. Serviços baseados em consumo transformam cada solicitação, avaliação ou tarefa de agente em uso medido de nuvem.

A Meta oferece o tipo de carga de trabalho que pode absorver capacidade continuamente. O desenvolvimento de modelos exige suporte repetido para treinamento, inferência, avaliação, assistência de programação e testes de segurança. Cada ciclo de melhoria pode gerar outro grande lote de tokens.

É por isso que a reportagem importa mais do que o anúncio de mais um cliente corporativo. A Meta não está adotando IA pela primeira vez. Ela já opera produtos de consumo em escala global e emprega pesquisadores líderes em IA.

Portanto, suas compras reportadas de Azure representam capacidade excedente, especialização ou acesso estratégico a modelos. Cada explicação fortalece uma parte diferente do argumento da Microsoft para sua plataforma.

O uso de capacidade excedente mostra que até os maiores construtores internos encontram limites de capacidade. O uso especializado mostra que ferramentas de nuvem gerenciada podem continuar valiosas ao lado de infraestrutura privada. O acesso estratégico mostra que a diversidade de modelos pode influenciar onde as cargas de trabalho são executadas.

A Microsoft se beneficia em todas as três explicações. Ela pode vender infraestrutura sem exigir que os clientes abandonem seus modelos, nuvens ou sistemas internos.

O resultado também pressiona Amazon Web Services e Google Cloud. Ambos disputam as mesmas cargas de trabalho flexíveis, especialmente de empresas de IA que não querem depender de um único provedor. Disponibilidade e seleção de modelos podem deslocar gastos antes que a fidelidade de longo prazo à plataforma se consolide.

Azure Lucra com a Necessidade de Escolha de Modelos de uma Rival

A inversão central é que a Microsoft pode lucrar com as ambições de IA da Meta mesmo quando os produtos da Meta competem diretamente com Microsoft e OpenAI.

Meta e Microsoft já colaboraram antes. Em 2023, a Microsoft se tornou a parceira preferencial da Meta para o Llama 2, enquanto o Azure adicionou o modelo a seu catálogo para desenvolvedores.

Essa parceria do Llama posicionou a Microsoft como distribuidora da família de modelos abertos da Meta. Ela também deu aos clientes do Azure acesso às ferramentas de nuvem da Microsoft para filtragem de conteúdo e implantação.

A reportagem mais recente descreve tráfego na direção oposta. A Meta supostamente compra acesso a modelos por meio do Azure, incluindo tecnologia da OpenAI usada durante avaliações.

Essa relação de mão dupla mostra por que plataformas de nuvem evitam apostar em um único provedor de modelos. Um cliente pode oferecer seu próprio modelo por meio de um marketplace enquanto compra outro modelo para uma tarefa separada.

O Microsoft Foundry foi projetado em torno dessa flexibilidade. Ele reúne modelos, agentes, ferramentas de avaliação, controles de segurança e gerenciamento de implantações em um ambiente comum. Clientes podem escolher entre sistemas próprios e de terceiros sem reconstruir cada camada operacional.

Essa posição agnóstica em relação a modelos dá à Microsoft influência além de sua aliança com a OpenAI. Se um laboratório perder liderança técnica, o Azure poderá continuar vendendo acesso a outros modelos. Se clientes construírem seus próprios sistemas, a Microsoft poderá vender a infraestrutura e a camada de gestão.

O comportamento reportado da Meta sustenta esse mecanismo. A empresa não precisa declarar que um modelo é universalmente superior. Ela pode selecionar um modelo para programação, outro para avaliação e seus próprios modelos para produtos de consumo.

Essa abordagem reflete como equipes avançadas de IA realmente trabalham. A qualidade dos modelos varia conforme a tarefa, o idioma, a meta de latência, o requisito de segurança e o tamanho do contexto. A melhor escolha para gerar código pode não ser o melhor avaliador desse código.

A mesma lógica se aplica à capacidade. Uma empresa pode possuir infraestrutura suficiente para a demanda previsível de produção, mas ainda precisar de recursos de nuvem durante picos de testes. Construir todos os servidores para atender à demanda de pico deixa hardware caro subutilizado depois.

A capacidade externa reduz esse atraso. Uma equipe de desenvolvimento pode processar uma grande rodada de avaliações sem esperar por um novo data center ou cluster de aceleradores. Testes mais rápidos podem encurtar o intervalo entre uma alteração no modelo e o lançamento de um produto.

A Meta tem fortes razões para valorizar essa velocidade. Seu assistente de IA compete com ChatGPT, Microsoft Copilot, Google Gemini e outros produtos voltados ao consumidor. Melhorias nos modelos perdem valor quando os concorrentes as lançam primeiro.

A Microsoft enfrenta o incentivo oposto. Ela quer monetizar o máximo possível da atividade de IA, incluindo aquela que fortalece um concorrente. A receita do Azure não exige que o próprio assistente da Microsoft vença todas as interações com usuários.

Esse arranjo se assemelha à concorrência anterior na nuvem. A Netflix se tornou uma cliente relevante da AWS enquanto concorria com o negócio de vídeo da Amazon. Os provedores de nuvem aprenderam que a receita de infraestrutura podia coexistir com a rivalidade no nível de produtos.

A IA eleva as apostas porque as camadas de infraestrutura e aplicações estão mais estreitamente conectadas. Os provedores de modelos influenciam desempenho, segurança e viabilidade econômica. Os marketplaces de nuvem também determinam quais modelos os clientes podem acessar rapidamente.

Por isso, a Microsoft precisa convencer os clientes de que apoiará a escolha de modelos sem favorecer injustamente suas próprias aplicações. Grandes compradores de tecnologia acompanharão a alocação de capacidade, os termos contratuais, os controles de dados e o acesso a modelos concorrentes.

A participação da Meta dá credibilidade ao Azure, mas não garante lealdade. A reportagem afirma que a Meta compra em várias plataformas conforme custo e disponibilidade. Isso faz da Microsoft um fornecedor dentro de um mercado ativo de compras.

A inversão continua comercialmente atraente para a Microsoft. Cada carga de trabalho da Meta executada pelo Azure monetiza uma demanda que a própria infraestrutura da Meta não conseguiu atender, ou não atendeu com eficiência suficiente.

O que o Volume de Tokens Reportado Não Comprova

Trilhões de tokens semanais demonstram atividade, mas não provam que o Azure se tornou indispensável para a Meta ou que cada carga de trabalho gera lucro duradouro.

A primeira limitação é a fonte. A Bloomberg atribui as alegações centrais a uma pessoa familiarizada com o assunto. Meta e Microsoft se recusaram a comentar, e nenhuma delas divulgou o acordo em um registro regulatório.

Portanto, os leitores devem tratar os gastos, o volume e a classificação de clientes como informações reportadas. A direção geral é compatível com as declarações públicas das duas empresas, mas os números exatos continuam não confirmados.

A segunda limitação diz respeito aos tokens. O volume de tokens não é uma medida padronizada de valor econômico entre modelos. Sistemas diferentes usam métodos distintos de tokenização, extensões de prompts, processos de raciocínio, abordagens de cache e padrões de saída.

Um trilhão de tokens de entrada de baixo custo não gera a mesma receita que um trilhão de tokens de saída de um modelo maior. Entradas em cache também podem ter uma dinâmica econômica diferente do processamento sem cache.

As cargas de trabalho de avaliação podem ser especialmente intensivas em tokens. Uma única amostra pode ser gerada por um modelo, pontuada por outro e analisada com base em vários critérios. Repetir esse processo em muitas versões de modelos aumenta o volume sem adicionar usuários finais.

Isso não torna a atividade irrelevante. A avaliação é uma parte necessária do desenvolvimento de modelos. Mas significa que os totais de tokens não podem revelar adoção, receita ou valor para o negócio sem contexto adicional.

A terceira limitação é a concentração de clientes. Os maiores clientes de IA da Microsoft incluiriam outras empresas de tecnologia com considerável poder de negociação. A demanda delas pode crescer rapidamente, mas também pode se deslocar rapidamente.

A Meta pode reduzir o uso do Azure à medida que sua própria infraestrutura se expande. Pode transferir cargas de trabalho para AWS, Google Cloud, Oracle ou outro provedor. Também pode substituir modelos externos de avaliação caros por sistemas internos menores.

A escassez de capacidade na nuvem fortalece a posição da Microsoft hoje. Uma oferta maior poderia enfraquecê-la mais tarde ao ampliar a concorrência de preços. Novos aceleradores e modelos mais eficientes poderiam reduzir ainda mais a computação exigida para cada tarefa.

Reportagens recentes sobre o aumento das despesas com IA mostram claramente essa tensão. Microsoft e Meta estão comprometendo vastos recursos antes que o setor tenha estabelecido retornos estáveis de longo prazo para cada carga de trabalho.

A Microsoft afirma que modelos baseados em consumo alinham a receita ao valor para o cliente. Essa tese depende de os clientes continuarem a perceber benefícios mensuráveis em agentes, ferramentas de programação, avaliações e outros serviços de IA.

A Meta enfrenta um problema relacionado. O acesso a modelos externos pode acelerar o desenvolvimento, mas também pode expor a empresa a mudanças nos custos dos fornecedores e na alocação de capacidade. A dependência se torna arriscada quando um fluxo de trabalho crítico não tem um substituto prático.

As evidências disponíveis não estabelecem esse nível de dependência. As compras multicloud reportadas da Meta sugerem uma diversificação deliberada. Seu enorme investimento interno oferece outra fonte de poder de negociação.

Também não há evidência de que a Microsoft obtenha acesso às saídas proprietárias dos modelos da Meta além do processamento exigido pelos serviços contratados. Acordos corporativos de nuvem normalmente incluem termos específicos sobre dados e segurança, mas nenhuma das empresas divulgou esses detalhes aqui.

Privacidade, propriedade intelectual e sensibilidade competitiva continuam sendo questões centrais. Avaliações de modelos podem conter capacidades não publicadas, casos de falha e planos de produtos. Compradores sofisticados precisam de controles fortes sobre logs, retenção, uso para treinamento e acesso de funcionários.

A Microsoft publica orientações sobre IA responsável e segurança para o Foundry. A documentação pública, porém, não pode revelar as proteções exatas negociadas pela Meta.

A conclusão cautelosa é mais restrita do que a manchete. A Meta parece ser uma grande consumidora de IA do Azure, mas a duração e a profundidade estratégica desse relacionamento permanecem desconhecidas.

Três Sinais que Testarão a Tese Meta-Microsoft

As próximas evidências devem mostrar se o uso do Azure pela Meta é uma compra temporária de capacidade ou uma parte duradoura de seu sistema de desenvolvimento de IA.

O primeiro sinal é a próxima divulgação da Microsoft sobre consumo e capacidade de IA do Azure. Os investidores devem observar se o crescimento do Azure continua acelerando à medida que novos recursos computacionais se tornam disponíveis.

A Microsoft afirmou que a demanda excedeu a capacidade disponível durante seu terceiro trimestre fiscal. Também esperava uma aceleração moderada do Azure durante a segunda metade do ano-calendário de 2026, apesar das restrições contínuas de oferta.

Se o crescimento do Azure aumentar enquanto a capacidade se expande, a reportagem sobre Meta e Microsoft parecerá parte de um padrão mais amplo de consumo duradouro. Um crescimento mais lento após a melhora da oferta enfraqueceria essa interpretação.

A concentração de clientes merece igual atenção. A Microsoft pode identificar mais grandes clientes externos de IA ou descrever a adoção do Foundry com mais detalhes. Uma base de clientes mais ampla reduziria a dependência de algumas poucas empresas de tecnologia.

O segundo sinal são as projeções de infraestrutura e o cronograma de lançamento de modelos da Meta. A Meta atualmente planeja investimentos extraordinários de capital em data centers, processadores, redes e pesquisa em IA.

Maior capacidade interna não reduz automaticamente os gastos com nuvem. Um desenvolvimento de produtos mais rápido pode aumentar a demanda total o suficiente para que tanto a infraestrutura interna quanto a externa cresçam.

A questão importante é para onde a Meta direciona as cargas de trabalho marginais. A continuidade da avaliação de modelos externos após a entrada em operação de nova capacidade da Meta indicaria que o Azure oferece mais do que um alívio temporário de capacidade.

Uma queda acentuada no acesso comprado a modelos sugeriria uma estratégia de transição. A Meta pode estar alugando capacidade até que seus próprios clusters, modelos ou ferramentas de avaliação se tornem suficientes.

Os lançamentos de modelos oferecerão evidências indiretas. Ciclos de lançamento mais rápidos, sistemas de programação aprimorados ou novas alegações de avaliação podem mostrar como a Meta usa recursos externos. A empresa ainda precisaria divulgar metodologia suficiente para que observadores externos conectassem essas mudanças ao Azure.

O terceiro sinal é o movimento entre provedores concorrentes de nuvem e modelos. AWS e Google Cloud podem responder com compromissos de capacidade, marketplaces de modelos, serviços de avaliação ou contratos voltados a grandes desenvolvedores de IA.

Mudanças de preços seriam relevantes, mas preços brutos não decidirão todas as cargas de trabalho. Disponibilidade, latência, segurança, qualidade do modelo e velocidade de implantação influenciam as decisões de compra. Uma plataforma com capacidade imediata pode vencer mesmo quando outra opção parece mais barata no papel.

A relação da OpenAI com a Microsoft também continua relevante. A Meta supostamente usa tecnologia da OpenAI por meio do Azure, mas a Microsoft promove cada vez mais uma seleção mais ampla de modelos. Mudanças nessa aliança poderiam afetar acesso, dinâmica econômica ou confiança dos clientes.

Um Foundry mais forte e multiforncedor reforçaria o papel da Microsoft como provedora de utilidade pública de IA. Uma dependência mais estreita de um único laboratório de modelos deixaria o Azure mais exposto ao desempenho e à estratégia desse provedor.

Para desenvolvedores e compradores corporativos, a lição prática não é copiar os gastos da Meta. É separar a escolha de modelos da lealdade à infraestrutura.

Uma equipe pode manter sistemas internos enquanto usa modelos externos para avaliação. Também pode distribuir cargas de trabalho entre provedores quando a capacidade ou o desempenho mudarem. Essa flexibilidade exige conjuntos de dados portáteis, testes reproduzíveis e controles de segurança claros.

Os compradores devem medir o valor produzido por cada carga de trabalho, não apenas seu volume de tokens. A assistência de programação deve melhorar o tempo de entrega ou as taxas de defeitos. As avaliações devem detectar falhas que afetam os usuários. Os agentes devem reduzir os custos das tarefas ou aumentar resultados mensuráveis.

Eles também devem preservar uma rota de saída. Um avaliador baseado em modelos pode se integrar às decisões de lançamento, tornando sua substituição difícil. As equipes precisam de conjuntos de referência e processos de revisão humana que sobrevivam a uma mudança de provedor.

A relação reportada revela, em última análise, um mercado no qual concorrentes também são clientes, distribuidores e fornecedores de infraestrutura. A Meta pode desafiar as aplicações da Microsoft enquanto sustenta a receita do Azure. A Microsoft pode distribuir Llama enquanto vende à Meta acesso a modelos da OpenAI.

Esse arranjo persistirá apenas enquanto cada lado receber mais valor do que cede. As evidências mais claras virão do consumo futuro, das divulgações de infraestrutura e do movimento das cargas de trabalho entre nuvens.

Observe esses sinais em vez de tratar trilhões de tokens como um veredito final. Eles mostrarão se isso é arbitragem de capacidade de curto prazo ou uma camada duradoura da estrutura de desenvolvimento de IA da Meta.