Investidores preocupados com os gastos da Oracle em IA

A Oracle está investindo US$ 70 bilhões em despesas de capital líquidas no ano fiscal encerrado em maio de 2027, com estimativas que chegam a US$ 95 bilhões, parte reembolsável por clientes. Esses recursos financiam a expansão dos OCI Superclusters, projetados para suportar até 131.072 GPUs NVIDIA Blackwell e cargas de trabalho de LLMs. O impulso veio de contratos estratégicos, como o acordo de computação com a OpenAI, avaliado em US$ 300 bilhões, e acordos com a Meta Platforms. A receita de infraestrutura em nuvem saltou 93% no quarto trimestre de 2026, atingindo US$ 5,8 bilhões, enquanto as obrigações de desempenho restantes (RPO) dispararam para US$ 638 bilhões, aumento de 363% ano a ano.

Para bancar isso, a Oracle levantou US$ 43 bilhões em dívida e US$ 5 bilhões em capital próprio em 2026, e planeja mais US$ 40 bilhões em 2027, incluindo uma emissão de ações de US$ 20 bilhões já anunciada. Sua dívida de longo prazo está entre US$ 99,6 bilhões e US$ 108 bilhões, com passivos totais acima de US$ 160 bilhões. O fluxo de caixa livre foi negativo em US$ 23,7 bilhões no ano fiscal de 2026, e analistas preveem que permanecerá negativo até 2030.

Essa escalada não é só sobre gastos: é uma mudança estrutural na posição da Oracle no mercado de IA em nuvem. Enquanto AWS, Azure e Google Cloud dominam o software e serviços de IA, a Oracle está apostando pesado em capacidade física, hardware especializado, interconexão de baixa latência e escala zettascala. Se der certo, ela se torna fornecedora crítica para treinamento de modelos como GPT-5.6, Claude Opus 4 ou Gemini 3, não apenas um hospedeiro genérico. Se falhar, o custo será diluição acionária, pressão sobre margens e risco de desaceleração no crescimento de receita antes que os data centers gerem retorno.

Desenvolvedores que usam Oracle Cloud Infrastructure (OCI) já têm acesso antecipado a clusters Blackwell otimizados para inferência e fine-tuning de modelos grandes. APIs nativas para LLMs estão sendo integradas diretamente ao Oracle Database e ao MySQL HeatWave, com foco em RAG e agentes. Mas há trade-offs reais: a migração para esses ambientes exige adaptação a ferramentas proprietárias como o OCI Generative AI Agent Framework, e a documentação ainda é menos madura que a do Azure AI Studio ou do Vertex AI. A estabilidade de preços também é uma incógnita, tarifas para GPU horas ainda não são publicamente detalhadas para todos os perfis de uso, e contratos de longo prazo com pré-pagamento estão sendo oferecidos como forma de garantir prioridade de alocação.