Investidores preocupados com os gastos da Oracle em IA

A Oracle está realizando a maior expansão de infraestrutura de IA da história da empresa: no ano fiscal de 2026 (encerrado em 31/05/2026), seus gastos de capital (capex) atingiram US$ 55,7 bilhões, um salto de 162% ante 2025, e para 2027 a projeção é de até US$ 95 bilhões em capex líquido, com reembolsos parciais de clientes estimados em até US$ 25 bilhões. Essa aceleração está vinculada à construção de data centers de escala sem precedentes, como o projeto 'Stargate' no Texas com a OpenAI, que deverá estar mais de 75% concluído até 10 de setembro de 2026. Ao mesmo tempo, a Oracle assinou mais de 30 contratos de IA no valor total de US$ 12 bilhões no quarto trimestre de 2024, e seu RPO (compromissos de desempenho restantes) explodiu para US$ 638 bilhões em maio de 2026, um aumento de 363% ano a ano, impulsionado por pré-pagamentos de GPUs e fornecimento direto de hardware por clientes.

O custo dessa corrida tem impacto direto nas finanças: o fluxo de caixa livre foi negativo em US$ 23,7 bilhões em 2026 (contra déficit de US$ 394 milhões em 2025), e a empresa precisa levantar US$ 40 bilhões adicionais em dívida e capital em 2027, somando-se aos US$ 48 bilhões já captados em 2026. Diferentemente de rivais como AWS ou Azure, a Oracle não contava com reservas de caixa robustas para financiar internamente essa transição, o que explica a queda de 10%, 13% nas ações após o relatório de junho de 2026 e a crescente pressão dos investidores sobre o retorno sobre o investimento (ROI), não apenas o crescimento da receita.

Essa situação importa porque a Oracle está tentando se posicionar como terceira grande nuvem de IA, ao lado de AWS e Microsoft Azure, em um momento em que a demanda por infraestrutura especializada (GPUs, interconexão, latência ultra-baixa) está explodindo. Seus contratos com OpenAI, Meta e outros players críticos de GPT-5.6, Claude Opus 4 e Gemini 3 exigem capacidade escalável, confiável e economicamente viável. O sucesso ou fracasso dessa aposta definirá se a Oracle consegue migrar de provedora tradicional de bancos de dados para líder em infraestrutura de IA multicloud, especialmente para cargas de trabalho de treinamento e inferência de modelos avançados como GPT-5.6 e Gemini 3. Caso os custos continuem superando a conversão em margens sustentáveis, o modelo pode comprometer sua competitividade frente a players com economias de escala consolidadas e fluxo de caixa positivo.

Além disso, o novo modelo de precificação baseado em tokens e resultados, já em teste com 33 organizações, incluindo Aon e Liberty Energy, é uma resposta direta à pressão por ROI. Ele busca alinhar o custo da infraestrutura Oracle com o valor real gerado por aplicações de IA, como fine-tuning de modelos GPT-5.6 ou execução de pipelines de inferência de Claude Opus 4. Isso mostra que a Oracle não está apenas construindo hardware, mas redesenhando sua proposta de valor para o ciclo de vida completo dos modelos de IA, desde treino até produção.

Para desenvolvedores e equipes de engenharia, o investimento da Oracle em IA significa acesso iminente a infraestrutura de última geração otimizada para cargas pesadas de LLMs: o OCI oferece instâncias com até 1.024 GPUs NVIDIA H100, conectividade NVLink de baixa latência e suporte nativo a frameworks como vLLM e TensorRT-LLM, essenciais para implantação eficiente de GPT-5.6, Gemini 3 e Claude Opus 4. A expansão do Stargate e a entrada de quase 1 GW de capacidade no primeiro trimestre de 2027 devem reduzir filas de provisionamento e melhorar a disponibilidade de recursos escassos, como GPUs H100 e B200.

No entanto, há trade-offs: a margem bruta prevista para diminuir em 2027 indica que preços iniciais podem ser agressivos, mas também que a estabilidade de preços e SLAs ainda está sendo testada. Desenvolvedores que dependem de APIs de inferência ou treinamento em larga escala na Oracle precisam monitorar não só a performance técnica, mas também a sustentabilidade financeira do modelo, pois ajustes futuros em precificação, termos contratuais ou políticas de reembolso poderão impactar diretamente orçamentos de ML Ops e custos de produção de modelos como GPT-5.6 e Gemini 3.