A receita anualizada de US$ 40 bilhões da OpenAI eleva as apostas em IA da Amazon e da AMD

A OpenAI teria elevado sua receita anualizada para mais de US$ 40 bilhões, transformando a história da infraestrutura da Amazon e da AMD em um teste de quão rapidamente a demanda por IA se torna um negócio sustentável. O número representaria aproximadamente o dobro da receita anualizada da OpenAI no fim de 2025. Também levanta uma questão mais difícil: quem captura o valor econômico gerado por esse crescimento?

A OpenAI está no centro do aumento da demanda, mas não controla todas as camadas necessárias para atender os clientes. Operadores de nuvem fornecem capacidade, fabricantes de chips entregam aceleradores, e fornecedores de energia sustentam a expansão dos data centers. Cada participante assume custos, riscos e poder de negociação distintos.

Essa tensão moldou a transmissão de 14 de agosto da Bloomberg Technology. O programa associou o crescimento da OpenAI a duas histórias aparentemente separadas. A cidade de Nova York está contestando o modelo de entregas terceirizadas da Amazon, enquanto o ex-líder de IA da Meta, Yann LeCun, aprofunda sua atuação em investimentos em startups.

Juntas, essas histórias descrevem uma mudança mais ampla. Empresas de tecnologia estão crescendo rapidamente, mas governos, trabalhadores, investidores e fornecedores de infraestrutura querem cada vez mais participar das decisões sobre como esse crescimento funciona.

Para a OpenAI, o desafio imediato é transformar a adoção acelerada em uma plataforma economicamente sustentável. Para Amazon e AMD, a oportunidade está em fornecer a capacidade de nuvem e os sistemas de computação por trás dessa adoção. O risco é investir antes da demanda sem garantir valor suficiente no longo prazo.

A receita anualizada da OpenAI entrou em outro patamar

A receita anualizada reportada de US$ 40 bilhões importa porque a OpenAI dobrou de tamanho a partir de uma base que já era extraordinariamente grande.

Receita anualizada é uma fotografia do momento, não um ano de vendas concluído. Ela considera o desempenho recente e projeta esse ritmo ao longo de doze meses. A métrica pode indicar impulso, mas não revela rentabilidade, retenção ou demanda futura.

Essa distinção é essencial neste caso. O ritmo atual da OpenAI indicaria mais de US$ 40 bilhões em receita anualizada. Isso não significa que a empresa já tenha recebido esse montante durante 2026.

Ainda assim, a direção é consistente com divulgações anteriores da própria OpenAI. A diretora financeira Sarah Friar escreveu em janeiro que a receita recorrente anual subiu de US$ 2 bilhões em 2023 para US$ 6 bilhões em 2024. Em seguida, ultrapassou US$ 20 bilhões em 2025.

Friar vinculou esse crescimento diretamente à capacidade computacional disponível. Tanto a receita quanto a computação da OpenAI cresceram fortemente entre 2023 e 2025. A empresa apresentou infraestrutura adicional como uma restrição à adoção, e não apenas como um centro de custos.

Esse argumento muda a forma como investidores devem interpretar o novo número. Se a OpenAI alcançou o ritmo reportado porque mais capacidade liberou mais uso, então a infraestrutura continua central para uma expansão futura. A demanda sozinha não pode gerar receita quando a empresa não dispõe de sistemas suficientes para atendê-la.

A receita anualizada também sugere que a IA generativa foi além de um único aplicativo de consumo. O ChatGPT continua sendo o produto mais conhecido da OpenAI, mas a empresa gera receita por meio de assinaturas, implantações empresariais, APIs para desenvolvedores e serviços de programação.

Esses canais têm economias diferentes. Assinaturas de consumo geram pagamentos recorrentes, enquanto a receita de APIs depende do uso. Contratos empresariais podem trazer estabilidade, mas grandes clientes normalmente esperam segurança, administração e termos de serviço previsíveis.

Produtos de programação podem gerar um uso especialmente frequente porque se inserem no trabalho diário de desenvolvimento. No entanto, uma atividade mais intensa também exige mais inferência, o processo computacional que gera respostas a partir de um modelo treinado.

Mais receita pode, portanto, produzir mais despesas de infraestrutura. O teste central é saber se a receita sobe mais rápido do que o custo de atender cada solicitação.

A OpenAI não forneceu detalhes financeiros públicos suficientes para resolver essa questão. Seu crescimento reportado demonstra demanda dos clientes, mas a receita anualizada por si só não pode mostrar margem bruta ou fluxo de caixa livre.

Por isso, o número de US$ 40 bilhões é mais do que um marco comemorativo. Ele pressiona a OpenAI a demonstrar que a adoção pode sustentar os compromissos computacionais necessários para uma expansão contínua.

Também pressiona fornecedores. Empresas de nuvem e de semicondutores precisam decidir quanta capacidade construir antes que a demanda futura se torne certa. Se esperarem, podem perder clientes. Se avançarem cedo demais, sistemas caros podem ficar subutilizados.

Por que as apostas em infraestrutura da Amazon e da AMD importam mais agora

A conexão entre Amazon e AMD importa porque o crescimento da OpenAI precisa, em última instância, passar por capacidade de nuvem, aceleradores, redes e eletricidade.

A Amazon participa por meio da AWS, sua divisão de nuvem e uma grande fornecedora de serviços de computação. A AMD compete em processadores e aceleradores de IA, onde a demanda vem cada vez mais de grandes data centers e desenvolvedores de modelos.

Nenhuma das duas empresas precisa apenas da OpenAI para justificar sua estratégia. Ambas atendem amplas bases de clientes, incluindo empresas, startups, governos e fornecedores de modelos concorrentes. No entanto, a expansão da OpenAI oferece uma medida excepcionalmente visível do consumo subjacente de IA.

A AWS informou que sua receita anualizada de IA superou US$ 15 bilhões durante o primeiro trimestre de 2026. A Amazon também afirmou que a AWS atingiu uma receita anualizada de US$ 142 bilhões no último trimestre de 2025.

Esses números abrangem mais do que IA generativa. Incluem infraestrutura e serviços em todo o portfólio de nuvem da Amazon. Ainda assim, indicam que as cargas de trabalho de IA se tornaram relevantes em um negócio que já opera em escala global.

A posição da Amazon é diferente da OpenAI. A OpenAI pode vender diretamente aos usuários um assistente ou serviço de modelo concluído. A AWS vende o ambiente computacional no qual muitos aplicativos concorrentes operam.

Essa posição cria diversificação. Se uma empresa de modelos perde impulso, outro cliente pode usar a mesma infraestrutura ampla. No entanto, fornecedores de nuvem também enfrentam pressão constante para reduzir os custos computacionais enquanto financiam novos data centers.

A AMD atua em outra camada do mercado. Ela fornece processadores para servidores e aceleradores Instinct usados em sistemas de IA. Seu negócio de data centers se tornou uma fonte central de crescimento, em vez de uma extensão secundária da computação pessoal.

Em sua atualização do primeiro trimestre, a AMD afirmou que a receita de data centers chegou a US$ 5,8 bilhões, alta de 57% em relação ao ano anterior. A empresa atribuiu esse crescimento à demanda por processadores EPYC e GPUs Instinct em seus resultados financeiros.

Esses números explicam por que a trajetória da OpenAI pode influenciar expectativas muito além de uma empresa privada. Um aumento sustentado no uso de modelos favorece mais compras de aceleradores, implantações maiores de nuvem e maior demanda por redes.

No entanto, a relação não é automática. Uma receita maior de aplicações não garante ganhos equivalentes para todos os fornecedores de infraestrutura.

Operadores de nuvem podem projetar chips proprietários, negociar descontos ou transferir cargas de trabalho entre fornecedores. Desenvolvedores de modelos podem melhorar a eficiência de software. Clientes também podem direcionar tarefas mais simples a modelos menores, que exigem menos computação.

Portanto, a AMD precisa competir em mais do que disponibilidade bruta de processadores. Desenvolvedores precisam de software maduro, sistemas confiáveis e ferramentas que permitam transferir cargas de trabalho sem reescritas caras.

A Amazon enfrenta uma escolha relacionada. A AWS se beneficia quando clientes consomem mais computação, mas esses clientes querem custos menores por tarefa. Melhorias que tornam a inferência mais barata podem reduzir a receita por unidade, ao mesmo tempo que incentivam um uso total maior.

Esse é o mecanismo central por trás da oportunidade para Amazon e AMD. A queda nos custos unitários pode expandir o mercado, mas os fornecedores precisam preservar margens à medida que os clientes exigem melhor desempenho.

O crescimento da OpenAI reforça o argumento de que o uso pode se expandir rapidamente o suficiente para sustentar esse ciclo. Não garante que cada camada capturará o mesmo retorno.

Os fornecedores mais fortes provavelmente serão aqueles que reduzirem o custo total de operar serviços de IA. Isso inclui desempenho de hardware, compatibilidade de software, eficiência energética, redes e velocidade de implantação.

O crescimento rápido não responde à questão da rentabilidade

A receita reportada da OpenAI disparou, mas o custo de produzir essa receita continua sendo a incerteza decisiva.

Treinar um modelo de fronteira exige grandes clusters de aceleradores, amplo processamento de dados e equipes técnicas especializadas. Servir o modelo cria outra despesa contínua porque cada solicitação de usuário consome recursos computacionais.

Esse padrão difere da distribuição tradicional de software. Um aplicativo convencional muitas vezes pode atender outro usuário a um custo adicional relativamente pequeno. Sistemas de IA generativa precisam realizar computação substancial a cada resposta.

Ganhos de eficiência podem reduzir esse peso. Modelos menores podem lidar com solicitações rotineiras, enquanto sistemas maiores tratam tarefas difíceis. O armazenamento em cache pode reutilizar computações anteriores, e chips especializados podem processar operações comuns com mais eficiência.

No entanto, novas capacidades podem compensar essas economias. Janelas de contexto mais longas, cargas de trabalho de raciocínio, geração de vídeo e agentes autônomos frequentemente exigem mais computação por tarefa.

Um agente de IA é um software capaz de planejar e executar ações em diversas ferramentas com supervisão limitada. Agentes podem criar mais valor econômico do que uma única resposta de chatbot, mas também podem gerar muitas chamadas ao modelo.

Isso torna importante a composição de produtos da OpenAI. A receita de um fluxo de trabalho empresarial de alto valor pode suportar maior despesa computacional. A atividade de consumidores de baixo valor oferece menos espaço para uma inferência custosa.

A mesma questão se aplica a assistentes de programação. Um desenvolvedor pode aceitar um custo operacional maior quando um sistema conclui um trabalho relevante. No entanto, sugestões pouco confiáveis podem criar custos de revisão que reduzem o valor da ferramenta.

Empresas que avaliam esses serviços precisam de evidências além de demonstrações impressionantes. Elas precisam de melhorias mensuráveis no trabalho concluído, na precisão das respostas e no tempo dos funcionários.

É nesse ponto que um ritmo reportado de US$ 40 bilhões se torna ao mesmo tempo encorajador e incompleto. Ele indica que muitos clientes percebem valor suficiente para pagar. Não revela com que consistência esses clientes renovam ou ampliam contratos.

Também não divulga como a receita está distribuída. Um negócio impulsionado por alguns poucos contratos grandes apresenta riscos diferentes de outro sustentado por uso recorrente e diversificado.

Os compromissos de infraestrutura da OpenAI acrescentam outra incerteza. A capacidade costuma ser garantida por meio de acordos que se estendem por anos no futuro. Esses arranjos podem proteger o fornecimento, mas também podem criar obrigações que sobrevivam à demanda atual.

Amazon e AMD enfrentam suas próprias versões desse risco de timing. Data centers levam anos para ser planejados e construídos. Novas plataformas de processadores exigem longos ciclos de projeto, fabricação e implantação.

Os fornecedores não podem esperar que a demanda se torne evidente antes de investir. Caso contrário, os clientes enfrentariam escassez, e concorrentes poderiam ocupar seu lugar.

O resultado é um mercado construído sobre previsões sobrepostas. A OpenAI projeta o uso. A Amazon projeta o consumo de nuvem. A AMD projeta a demanda por processadores e aceleradores.

Se as três previsões estiverem corretas, o mercado poderá sustentar investimentos contínuos. Se a adoção empresarial desacelerar, a camada de infraestrutura poderá sentir as consequências antes que o entusiasmo dos consumidores mude visivelmente.

As divulgações financeiras públicas proporcionarão mais clareza sobre Amazon e AMD do que sobre OpenAI. Investidores podem analisar a receita de data centers, os gastos de capital, as margens e as projeções futuras.

OpenAI continua sendo uma empresa privada, portanto pessoas de fora recebem menos divulgações padronizadas. A receita anualizada divulgada é útil, mas não pode substituir demonstrações auditadas que cubram custos e geração de caixa.

Essa lacuna deve moldar a forma como os leitores interpretam a manchete. Crescimento explosivo é uma afirmação sobre velocidade. Crescimento sustentável exige evidências sobre a economia do negócio.

A Disputa da Amazon em Nova York Mostra que Escala Atrai Novas Obrigações

A disputa da Amazon sobre entregas mostra que a escala tecnológica acaba se tornando uma questão trabalhista e de governança.

A proposta Delivery Protection Act da cidade de Nova York mira instalações de última milha, os armazéns que coordenam a etapa final da entrega de pacotes. O projeto exigiria que os operadores abrangidos obtivessem licenças e empregassem diretamente trabalhadores essenciais de entrega e armazém.

A proposta se concentra em acordos de subcontratação como o programa Delivery Service Partner da Amazon. Nesse sistema, empresas locais empregam motoristas que entregam pacotes usando processos e tecnologia estreitamente associados à Amazon.

Os defensores argumentam que empresas dominantes devem aceitar responsabilidade direta pelos trabalhadores que realizam uma parte essencial de seu serviço. Eles também associam o emprego direto a treinamentos de segurança e uma responsabilização mais clara.

O Conselho Municipal discutiu essas questões durante uma audiência sobre o projeto em abril. O prefeito Zohran Mamdani posteriormente apoiou a proposta, elevando-a a um confronto político direto com a Amazon.

A Amazon rejeita a premissa central do projeto. A empresa afirma que seus parceiros de entrega são negócios independentes que contratam funcionários, gerenciam equipes e atendem suas comunidades.

Em um depoimento escrito da empresa, a Amazon afirmou trabalhar com mais de 40 parceiros de entrega que empregam mais de 5.000 pessoas na cidade de Nova York. A empresa argumentou que a proposta poderia ameaçar esses negócios e empregos.

Essas posições expõem um conflito conhecido. Plataformas e grandes empresas de tecnologia descrevem redes de parceiros como formas flexíveis de empreendedorismo. Reguladores e defensores dos trabalhadores frequentemente as veem como mecanismos que afastam as empresas de suas obrigações empregatícias.

A disputa não trata diretamente de infraestrutura de IA. Ela pertence à mesma análise porque mostra o que acontece quando uma empresa centrada em tecnologia se torna indispensável para a vida urbana.

A escala atrai mais do que clientes. Também atrai exigências de responsabilização por parte de governos, comunidades e trabalhadores.

A OpenAI se aproxima de um limiar comparável em outro domínio. À medida que seus produtos influenciam a educação, a programação, a saúde e o trabalho de escritório, formuladores de políticas examinarão a responsabilidade por erros, segurança, uso de dados e deslocamento de mão de obra.

A experiência da Amazon oferece um alerta. Uma empresa não pode presumir que as fronteiras organizacionais sempre determinarão a responsabilidade pública.

Em vez disso, reguladores podem se concentrar no controle prático. Eles podem perguntar quem define expectativas de desempenho, fornece a tecnologia essencial, controla as relações com clientes e se beneficia do serviço.

As mesmas questões podem surgir em toda a cadeia de suprimentos de IA. Um fornecedor de modelos pode depender de um operador de nuvem, avaliadores externos, contratados ou desenvolvedores de aplicações. Quando ocorre algum dano, contratos formais podem não determinar quem o público considera responsável.

Para a Amazon, as consequências imediatas dizem respeito às operações de entrega e à estrutura de emprego. Para o setor de tecnologia em geral, o caso testa se regras locais podem forçar grandes plataformas a internalizar custos antes assumidos por parceiros.

O projeto ainda enfrenta incerteza legislativa, jurídica e operacional. Os requisitos podem mudar antes da aprovação, e litígios podem atrasar a implementação.

As alegações da Amazon sobre a perda de flexibilidade também merecem análise, em vez de serem descartadas. O emprego direto poderia melhorar a responsabilização, ao mesmo tempo que desestruturaria pequenos operadores construídos em torno do modelo atual.

A questão central não é se todo subcontratado é ilegítimo. É se uma grande empresa exerce controle suficiente para justificar obrigações diretas.

Esse argumento será importante à medida que empresas de IA construírem redes igualmente complexas de fornecedores e intermediários. O crescimento da receita pode acelerar mais rápido do que os sistemas de governança, mas essa lacuna raramente permanece aberta para sempre.

Talentos de IA Estão Saindo de Laboratórios Corporativos para o Capital

Os movimentos de Yann LeCun após a Meta mostram que a disputa por influência em IA agora se estende dos laboratórios de pesquisa ao financiamento de startups.

LeCun passou mais de doze anos liderando pesquisas influentes em IA na Meta. Ele também se tornou um dos críticos mais proeminentes do setor à dependência total de grandes modelos de linguagem.

Grandes modelos de linguagem preveem e geram sequências de texto usando padrões aprendidos com extensos dados de treinamento. LeCun argumenta que alcançar uma inteligência de máquina mais capaz exige sistemas que compreendam o mundo físico, memorizem, raciocinem e planejem.

Ele deixou a Meta para criar a Advanced Machine Intelligence Labs em torno dessa direção. Sua saída refletiu tanto uma divergência científica quanto uma mudança na estrutura corporativa da Meta.

A Meta avançou agressivamente em esforços comerciais de superinteligência, ao mesmo tempo que recruta novos líderes e pesquisadores. A abordagem de LeCun enfatiza modelos de mundo, sistemas projetados para aprender como os ambientes se comportam, em vez de apenas prever linguagem.

A saída de LeCun também mostrou como grandes empresas de tecnologia já não concentram todos os caminhos influentes de pesquisa em IA. Cientistas experientes podem reunir financiamento, talentos e parcerias fora dos laboratórios estabelecidos.

LeCun posteriormente ingressou no conselho consultivo da Hiro Capital, dando à empresa de venture capital acesso à sua perspectiva técnica. Ele também foi associado à Extelligence Invest, uma iniciativa de investimento em estágio inicial que, segundo relatos, terminou após um breve período.

Os detalhes importam porque “ingressar em uma empresa de venture capital” pode descrever vários níveis de envolvimento. Uma função de aconselhamento não significa necessariamente responsabilidade cotidiana pela escolha de investimentos.

Portanto, seria impreciso apresentar LeCun como alguém que simplesmente abandonou a pesquisa pelo venture capital. Seu principal foco operacional continua sendo a AMI Labs, enquanto relações de aconselhamento ampliam sua influência em empresas em estágio inicial.

Ainda assim, a direção é significativa. Pesquisadores de IA moldam cada vez mais os mercados não apenas ao publicar trabalhos ou criar produtos, mas também ao decidir quais abordagens técnicas recebem capital.

Isso pode ampliar a variedade de ideias financiadas. Investidores frequentemente se concentram na arquitetura de modelo que produz os resultados comerciais mais fortes no momento.

O crescimento da receita da OpenAI poderia intensificar essa concentração. Uma taxa anualizada divulgada de US$ 40 bilhões faz com que negócios de modelos de linguagem pareçam validados em uma escala extraordinária.

O envolvimento de LeCun com startups oferece um contrapeso. Ele pode ajudar investidores a avaliar empresas que buscam modelos de mundo, raciocínio baseado em energia, robótica e outras alternativas.

Isso não estabelece que seu caminho preferido terá sucesso. Modelos de mundo ainda enfrentam desafios difíceis de pesquisa e comercialização. Seu valor precisa ser demonstrado por meio de desempenho confiável em aplicações reais.

Ainda assim, o contraste reforça a principal tensão do artigo. A OpenAI representa a monetização rápida em torno dos sistemas de modelos atuais. LeCun representa o investimento contínuo em abordagens projetadas para superar suas limitações.

Amazon e AMD estão entre esses dois caminhos. Sua infraestrutura pode apoiar modelos de linguagem hoje e, potencialmente, arquiteturas diferentes amanhã.

Essa posição oferece opcionalidade, mas mudanças arquitetônicas podem alterar os requisitos de hardware. Um sistema otimizado para as cargas de trabalho atuais de transformers pode não ser ideal para todas as abordagens futuras.

Por isso, fornecedores devem acompanhar a pesquisa tão atentamente quanto a receita. A aplicação dominante de hoje pode impulsionar investimentos, enquanto a arquitetura de amanhã muda onde o valor computacional se acumula.

É por isso que o investimento em estágio inicial importa para empresas de infraestrutura estabelecidas. Pequenos laboratórios podem criar cargas de trabalho, estruturas de software ou métodos de eficiência que reformulam a demanda.

Para compradores empresariais, a movimentação de talentos também complica as decisões de compra. Um produto popular pode crescer rapidamente enquanto sua abordagem técnica subjacente continua sendo contestada.

As empresas devem evitar tratar um marco de receita como o veredito final sobre a arquitetura de IA. Elas precisam de sistemas que preservem o acesso aos dados, avaliem resultados e permitam a troca de modelos.

Uma base de conhecimento de IA pesquisável pode ajudar equipes a reter esse contexto operacional. Os fornecedores de modelos mudarão, mas as organizações ainda precisam controlar suas próprias informações e decisões.

O Que Observar Após a Manchete dos US$ 40 Bilhões

Três sinais mostrarão se o crescimento da OpenAI sustenta a tese mais ampla de infraestrutura ou expõe suas premissas mais frágeis.

O primeiro sinal é a qualidade das futuras divulgações financeiras da OpenAI. Outro aumento na receita anualizada confirmaria o impulso, mas não responderia às questões econômicas centrais.

Observe evidências sobre retenção de clientes pagantes, uso empresarial, custos de inferência e obrigações de infraestrutura. Detalhes mais claros sobre essas métricas fortaleceriam o argumento de que o crescimento está se tornando duradouro.

O silêncio não provaria que o negócio é fraco. No entanto, depender principalmente de manchetes sobre taxa anualizada deixaria pessoas de fora incapazes de avaliar com que eficiência a receita se converte em caixa.

O segundo sinal são os relatórios públicos de fornecedores de infraestrutura. O crescimento da nuvem da Amazon, seus gastos de capital e suas margens podem revelar se as cargas de trabalho de IA estão gerando retornos atraentes.

A receita de data centers e as projeções futuras da AMD podem mostrar se a demanda está se ampliando entre os clientes. Seu progresso em software importará junto às vendas de chips, porque a adoção depende de ferramentas de implantação confiáveis.

Resultados sólidos dos fornecedores apoiariam a tese amazon amd de que a adoção de modelos está criando demanda duradoura em toda a pilha tecnológica. Crescimento mais lento ou margens menores sugeririam que a concorrência está absorvendo grande parte do valor.

O terceiro sinal é a ação governamental em torno dos modelos operacionais das empresas de tecnologia. O projeto de entregas da cidade de Nova York oferece um exemplo imediato.

Se a medida avançar, a Amazon precisará explicar como os requisitos de emprego direto afetam parceiros, custos e serviço. Outras jurisdições acompanharão o resultado.

Uma lei aprovada poderia incentivar governos a examinar onde empresas de plataformas alocam a responsabilidade. Esse escrutínio poderia se estender a contratados de IA, trabalho com dados, moderação de conteúdo e decisões automatizadas no local de trabalho.

Os leitores também devem acompanhar se empresas apoiadas por LeCun produzem demonstrações técnicas confiáveis. Alternativas de pesquisa tornam-se estrategicamente importantes quando resolvem tarefas que os modelos de linguagem atuais lidam mal.

Um modelo de mundo que compreenda de forma confiável ambientes físicos afetaria a robótica e os sistemas autônomos. Ele também poderia deslocar a demanda para diferentes combinações de processadores, memória e dados.

Nenhum desses sinais resolverá o mercado sozinho. Juntos, podem distinguir uma ampla transição econômica de um período de entusiasmo concentrado.

O ritmo de receita reportado da OpenAI é uma forte evidência de que os clientes estão pagando por IA em escala. Não é evidência de que todos os provedores, fornecedores ou implantações terão sucesso.

A próxima fase será sobre distribuição. A OpenAI quer reter o valor de seus produtos. A Amazon quer que a demanda por nuvem justifique a capacidade. A AMD quer que a demanda por computação se traduza em uma adoção duradoura de sua plataforma.

Trabalhadores e governos querem que empresas em expansão aceitem responsabilidades compatíveis com seu nível de controle. Pesquisadores e investidores querem espaço para seguir caminhos técnicos fora do modelo dominante.

É por isso que a manchete de US$ 40 bilhões importa. Ela coloca a OpenAI em uma nova categoria comercial, ao mesmo tempo que torna mais difíceis de ignorar os custos ainda não resolvidos.

Para líderes empresariais e de tecnologia, a resposta prática não é perseguir o maior número. Acompanhe se os sistemas de IA concluem trabalhos valiosos, se os custos caem com a escala e se os fornecedores preservam a concorrência. Em seguida, observe como a cadeia de infraestrutura amazon amd responde à medida que o crescimento da OpenAI encontra limites financeiros, técnicos e políticos.