Google como holding de capital: a nova corrida pelo compute

O Google não está só construindo mais data centers: está se reinventando como uma holding de capital para compute. Com capex projetado entre US$ 180 bi e US$ 190 bi em 2026, quase o dobro do ano anterior , , a Alphabet está levantando até US$ 84,75 bi em capital próprio, incluindo uma oferta pública de US$ 30 bi, um programa de venda contínua de US$ 40 bi e um aporte de US$ 10 bi da Berkshire Hathaway. Essa escala não é só financeira: o Google já detém cerca de 25% da capacidade computacional global de IA, impulsionada por suas TPUs próprias, agora na 8ª geração (8t e 8i), co-desenvolvidas com o DeepMind e otimizadas para agentes de IA. A parceria com a Blackstone (US$ 5 bi para 500 MW) e até o aluguel de compute da SpaceX mostram que a escassez virou prioridade operacional, não há mais margem para esperar.

Enquanto isso, os preços dos insumos explodem: aluguel de GPUs H100 subiu 38% desde 2024; o custo do HBM disparou 260%. Treinar um modelo como o Gemini Ultra 1.0 custa entre US$ 191 mi e US$ 192 mi, mais que o dobro do GPT-4. Esse cenário transforma o compute de recurso técnico em ativo financeiro, onde quem controla o capital controla o ritmo da inovação em IA.

Em 22 de maio, o CEVIU destacou que o Google usava sua escala e recursos financeiros para implantar IA como o 'G'. Agora, em 3 de junho, a estratégia deixou de ser implantação e virou infraestrutura soberana: o Google não só investe pesado, mas estrutura-se como provedor de compute para terceiros (via joint ventures) e reduz dependência de fornecedores, a participação da Broadcom nas receitas de TPUs cairá de 95% para 65% entre 2026 e 2028. O que era rumour sobre financiamento massivo virou anúncio concreto de US$ 84,75 bi, e o que era foco em integração de IA nos produtos virou posicionamento como 'holding de capital', uma mudança de natureza, não só de grau.

Essa virada define quem vai ditar os padrões da próxima década de IA: não apenas quem tem os melhores modelos, mas quem controla o pipeline de treinamento, inferência e escalabilidade. Empresas menores, mesmo com boas arquiteturas, ficam reféns de preços voláteis de GPU ou de filas em nuvens sobrecarregadas. Para desenvolvedores, startups e até governos, a disponibilidade de compute passa a ser uma questão de acesso, não de habilidade técnica. E para o Brasil, onde a infraestrutura local de IA ainda é incipiente, essa corrida pode acelerar a dependência de provedores estrangeiros ou forçar movimentos estratégicos de soberania digital antes do previsto.