A capacidade computacional virou o calcanhar de Aquiles da indústria de inteligência artificial — e nem os maiores players do mundo estão escapando disso.
Em março de 2025, o Google informou à Meta que simplesmente não conseguia fornecer toda a capacidade do Gemini que a empresa queria contratar.
Parece surreal, né?
Duas das maiores empresas de tecnologia do planeta, e uma não conseguia atender a demanda da outra.
Mas esse episódio não é só uma curiosidade de bastidor. Ele expõe algo muito maior: a infraestrutura de IA está chegando no limite, mesmo com bilhões sendo investidos em chips, data centers e energia elétrica todo ano. A demanda por computação cresceu tão rápido que até quem constrói os modelos está com dificuldade de acompanhar o ritmo. E quando isso acontece, os projetos travam — inclusive os internos de uma gigante como a Meta. 👇
O que aconteceu entre Google e Meta
De acordo com pessoas familiarizadas com o assunto, o Google avisou a Meta por volta de março de 2025 que não conseguiria fornecer toda a capacidade do Gemini que a empresa de Mark Zuckerberg pretendia comprar. A ideia da Meta era simples: complementar sua infraestrutura de inteligência artificial usando os modelos do Google em diversas frentes internas. Só que o plano esbarrou em uma barreira inesperada — o Google não tinha espaço para atender o volume que a Meta precisava. A resposta foi direta: não dá pra fornecer tudo isso agora.
Essas restrições, que continuam em vigor, acabaram atrapalhando e atrasando alguns projetos internos de IA da Meta. Como consequência, somada a um esforço mais amplo para enxugar os custos com inteligência artificial, a empresa passou a incentivar seus funcionários a serem mais eficientes no uso dos chamados tokens de IA — as unidades que medem o consumo dos modelos. Em outras palavras, a ordem virou economizar processamento sempre que possível.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
E a Meta não foi a única afetada. Vários outros clientes do Google também sentiram o impacto dessas restrições, ainda que em menor escala. O motivo da Meta ter sido tão atingida é justamente o volume excepcionalmente alto de demanda que a empresa tinha pelos modelos do Google. Quando você precisa de muito, e a fila está longa, o tombo é maior.
O que chama atenção aqui não é só o fato em si, mas o que ele representa para a indústria. Se o Google — que construiu o Gemini, que opera alguns dos maiores data centers do mundo e que investe dezenas de bilhões por ano em infraestrutura — não consegue dar conta de toda a demanda, o problema é estrutural. Não é uma falha pontual. É um sinal de que o crescimento da IA está superando a capacidade física de suporte, e isso tem consequências que vão muito além de uma negociação entre duas gigantes. 🔍
A crise de capacidade computacional que ninguém esperava
Durante anos, o mercado de tecnologia operou com uma lógica relativamente previsível: a demanda crescia, as empresas investiam em infraestrutura, e o ciclo se repetia em um ritmo controlado. A chegada dos large language models — modelos de linguagem de grande escala como o Gemini, o GPT e outros — mudou tudo isso. O treinamento desses modelos exige uma quantidade absurda de poder de processamento, e a inferência — ou seja, o momento em que o modelo responde uma pergunta ou gera um conteúdo — também consome recursos em escala enorme. Quando esses modelos foram disponibilizados para o público em massa, a demanda simplesmente explodiu em um ritmo que nenhuma projeção conseguiu prever com precisão.
Esse aumento das cargas de trabalho de inferência — todas as tarefas necessárias para rodar os modelos depois que eles já foram treinados — virou um dos maiores desafios do setor. O problema central está nos chips. As GPUs da NVIDIA, que são o coração da maioria dos sistemas de IA no mundo, viraram um recurso escasso e disputado. A cadeia de produção não consegue expandir na mesma velocidade que a demanda cresce. Data centers precisam ser construídos do zero, o que leva tempo, dinheiro e — cada vez mais — uma quantidade enorme de energia elétrica.
Por causa de toda essa pressão, principalmente vinda de grandes clientes corporativos como a Meta, o próprio Google correu para garantir capacidade adicional. No início de dezembro de 2025, a empresa fechou um acordo de impressionantes 920 milhões de dólares por mês para alugar capacidade computacional da SpaceX, de Elon Musk. Ou seja, nem o Google está apenas se virando com infraestrutura própria — ele também está buscando reforços externos para não ficar para trás.
O que aconteceu entre Google e Meta é um reflexo direto desse ambiente. Quando a capacidade computacional disponível é menor do que a demanda total — seja de clientes externos ou de projetos internos —, as empresas precisam fazer escolhas. E essas escolhas têm peso estratégico enorme. No mundo da IA, ter dinheiro para pagar não é suficiente — você ainda precisa que alguém tenha a estrutura para te atender. 💡
Os números que explicam o tamanho do problema
Para entender a dimensão dessa corrida, vale olhar para o que o próprio Google revelou. Nos resultados do primeiro trimestre de 2025, divulgados em abril, o CEO Sundar Pichai contou que a receita de nuvem da empresa ultrapassou 20 bilhões de dólares pela primeira vez. E mais: a carteira de contratos de nuvem já assinados, mas ainda não entregues, quase dobrou de um trimestre para o outro, chegando a mais de 460 bilhões de dólares.
O próprio Pichai foi sincero sobre a situação. Segundo ele, a empresa está limitada em termos de capacidade no curto prazo, e a receita de nuvem teria sido ainda maior se eles conseguissem atender toda a demanda. Quando o CEO de uma das maiores empresas de tecnologia do mundo admite publicamente que está deixando dinheiro na mesa por falta de infraestrutura, fica claro que o gargalo é real e gigante.
A demanda por computação de IA disparou conforme as empresas passaram a implementar chatbots, assistentes de programação e agentes de inteligência artificial em suas operações. E não é só o Google que está correndo atrás. A Anthropic, criadora do popular chatbot Claude, fechou em novembro de 2025 um acordo com a SpaceX parecido com o que já tem com o Google. Todo mundo está atrás da mesma coisa: mais capacidade para continuar crescendo. 🚀
Por que a Meta dependia tanto do Gemini
Essas restrições mostram o quanto a Meta vinha se apoiando em modelos rivais como o Gemini, justamente enquanto gasta de forma agressiva para se tornar líder em IA e melhorar seus próprios modelos. Mark Zuckerberg tem despejado bilhões de dólares para atrair talentos e garantir infraestrutura, tudo em nome do que ele chama de superinteligência pessoal.
Diferente do Google, a Meta não tem um negócio de nuvem e está correndo para construir sua própria frota de data centers, voltada tanto para treinamento quanto para inferência dos seus modelos. Como parte desse esforço, a empresa se comprometeu a investir nada menos que 600 bilhões de dólares nos Estados Unidos até 2028. É um número que dá tontura, mas que mostra o tamanho da aposta.
O Gemini vinha sendo usado internamente pela Meta em várias frentes. Uma delas é a automação de processos de segurança, como identificar golpes e remover conteúdo prejudicial das plataformas. O modelo também aparecia em chatbots de atendimento ao cliente e de ajuda com anúncios, além de ser usado em alguns fluxos de trabalho internos e em programação — ao lado de outros modelos, como o Claude, da Anthropic.
E por que a Meta escolheu o Gemini logo de cara? Simples: ele tinha um desempenho melhor do que os modelos open-source da própria empresa, os Llama. Mas as coisas estão mudando. Mais recentemente, a Meta começou a priorizar seu novo modelo Muse Spark, visto como mais competitivo em relação ao Gemini e capaz de reduzir a dependência de modelos externos em algumas aplicações. Ou seja, a empresa está aprendendo a andar com as próprias pernas — e rápido.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
O que isso muda para o futuro da IA
Esse episódio abre uma discussão importante sobre como o mercado de inteligência artificial vai se organizar nos próximos anos. Se até as maiores empresas do setor estão enfrentando limitações de capacidade computacional, o que sobra para startups, empresas médias e desenvolvedores independentes que dependem de APIs e serviços em nuvem para rodar seus produtos? A resposta, por enquanto, é incerta — e isso gera uma instabilidade que o mercado ainda está tentando absorver. Quem depende de provedores externos para acessar modelos como o Gemini está sujeito a limitações que nem sempre aparecem no contrato, mas que aparecem na prática quando a fila aperta.
Por outro lado, esse cenário está acelerando movimentos que já estavam em curso. A Meta, ao priorizar o Muse Spark e o Llama, mostra exatamente esse caminho de busca por autonomia. Outras empresas também estão seguindo direções parecidas, buscando maior independência sobre sua infraestrutura de IA. Mas construir essa independência tem um custo altíssimo, e nem todo mundo tem o tamanho para bancar isso. O resultado é um mercado cada vez mais concentrado nas mãos de quem tem os recursos para construir e manter sua própria capacidade computacional — o que pode criar desequilíbrios significativos em termos de competição e inovação.
O Google, por sua vez, sabe que a escassez de infraestrutura é tanto um problema quanto uma oportunidade. Quem conseguir escalar sua capacidade computacional mais rápido — seja através de novos chips, de parcerias estratégicas como a da SpaceX, ou de avanços em eficiência energética — vai sair na frente. O caminho é longo, os investimentos são massivos e os resultados nem sempre aparecem no ritmo que o mercado exige. O que está claro é que a corrida pela IA virou também uma corrida por infraestrutura — e essa parte da disputa acontece longe dos holofotes, mas tem um impacto enorme no que vemos nas telas.
A limitação imposta pelo Google à Meta não é um acidente isolado. É um termômetro do momento em que a indústria de inteligência artificial se encontra: crescimento acelerado demais para a infraestrutura atual acompanhar, com consequências reais para empresas de todos os tamanhos.
O mercado de IA vai continuar crescendo — isso é praticamente certo. Mas a forma como ele vai crescer, e quem vai conseguir acompanhar esse ritmo, depende muito de como a questão da capacidade computacional vai ser resolvida nos próximos anos. E se um episódio como esse entre Google e Meta serve para alguma coisa, é para lembrar que por trás de cada resposta gerada por um modelo como o Gemini, existe uma infraestrutura física enorme — e finita.
