A vantagem da China em IA: a economia dos tokens

Nos últimos dois anos, a questão central no campo da IA era simples: Qual modelo é o mais inteligente? Essa questão está se tornando menos determinante. A camada de modelos está se tornando um produto de uso comum mais rapidamente do que o esperado, com lacunas de capacidade que antes levavam um ano para serem superadas e que agora se reduzem em um trimestre — muitas vezes por meio de avanços de engenharia alheios ao próprio modelo. Uma nova variável está, portanto, entrando na matriz de decisão da IA: Quanto custa um token?

O token evoluiu muito além de sua definição técnica como unidade menor que uma palavra.

• A um agente, um token é a unidade fundamental de trabalho.
• A um diretor financeiro, um token é uma despesa operacional emergente.
• Para o mercado, um token se comporta cada vez mais como uma mercadoria negociável, com diferentes fornecedores, preços, mecanismos de roteamento e até mesmo instrumentos financeiros emergentes.

Nossa tese central é simples: a economia de tokens é, em essência, uma economia de energia disfarçada de software. À medida que as capacidades dos modelos convergem, a capacidade de gerar e distribuir tokens confiáveis a um custo menor e mais previsível se tornará uma fonte cada vez mais importante de vantagem competitiva.

Os agentes redefiniram a economia da IA

As interfaces tradicionais de bate-papo criaram um limite natural ao uso da IA: os seres humanos são lentos. Um usuário faz uma pergunta, aguarda uma resposta, lê-a e formula a próxima solicitação. A interação humana, portanto, funciona como um limitador do consumo de tokens.

Os agentes removem esse limitador. Um agente de codificação pode planejar uma tarefa, inspecionar arquivos, acionar ferramentas, executar comandos, avaliar resultados, corrigir erros e repetir o processo. Cada iteração pode ampliar o contexto repassado ao modelo. Estimativas do setor costumam situar as cargas de trabalho dos agentes em De 10 a 50 vezes o consumo de tokens das interações tradicionais de uma única rodada, dependendo da tarefa.

Isso altera a dinâmica econômica da IA. À medida que a adoção de agentes cresce, o consumo de tokens passa a depender menos do uso humano e mais de execução do programa. O mercado já está reagindo: o uso intensivo forçou produtos de IA, como o Cursor e o Claude Code, a repensar os modelos de assinatura fixa, introdução de limites de uso ou cobranças adicionais quando um pequeno número de usuários consome quantidades desproporcionalmente grandes de recursos computacionais.

A resposta lógica é roteamento multimodelo. Nem todas as etapas do fluxo de trabalho de um agente exigem um modelo de ponta. O planejamento complexo pode ser atribuído a um modelo de alta qualidade, enquanto a recuperação, a síntese, a classificação ou a execução de ferramentas de rotina podem ser realizadas por modelos menores e mais econômicos. Estruturas de pesquisa como o RouteLLM e o FrugalGPT demonstraram que é possível obter reduções substanciais de custos sem sacrificar proporcionalmente o desempenho.

É aqui que o conjunto de cabos do agente torna-se estrategicamente importante. O harness — a camada responsável pelo planejamento, pela orquestração de ferramentas, pelo gerenciamento de contexto, pela recuperação de erros e pelas integrações — pode compensar as deficiências do modelo subjacente.

Uma engenharia mais avançada pode, portanto, reduzir a lacuna prática entre modelos de ponta, que são caros, e alternativas mais econômicas.
A implicação é significativa: o valor agregado do modelo em termos de inteligência está diminuindo, enquanto os aspectos econômicos da inferência estão se tornando mais importantes.

O armazenamento em cache revela o custo físico de um token

O roteamento é apenas um dos aspectos da otimização de tokens. Armazenamento em cache de prompts ataca o outro: cálculo redundante.

Os fluxos de trabalho dos agentes enviam repetidamente as mesmas solicitações do sistema, definições de ferramentas e contexto persistente. Em vez de recalcular esses tokens a cada vez, os provedores podem armazenar em cache os estados KV subjacentes e reutilizá-los.

Atualmente, os principais provedores oferecem descontos substanciais para entradas em cache, em alguns casos aproximando-se de 90%. O preço exato varia de acordo com o modelo e a duração do cache, mas o princípio econômico é o mesmo: se o cálculo já tiver sido realizado, a reutilização posterior custa significativamente menos.

Essa distinção é importante porque a O desconto de cache do 90% não é o mesmo que a taxa de acerto de cache do 90%. Se 90% de tokens estiverem armazenados em cache, e os tokens em cache custarem apenas 10% do preço de tabela, o custo médio será de aproximadamente 19% do preço original: uma economia efetiva de cerca de 80%.

Para o planejamento financeiro empresarial, essas distinções são importantes. A economia de tokens não se resume simplesmente ao preço de tabela; trata-se do custo unitário efetivo em condições reais de carga de trabalho.

O armazenamento em cache também revela algo mais profundo. Por que um token armazenado em cache é mais econômico? Porque exige menos computação. Menos computação significa menos ciclos da GPU. Os ciclos da GPU consomem energia elétrica. Em outras palavras, o preço de um token reflete, em última instância, a infraestrutura física.

Um token é eletricidade cristalizada

No nível da infraestrutura, o preço de um token leva em conta as GPUs e sua depreciação, a capacidade do datacenter, a rede, o resfriamento e, acima de tudo, eletricidade.

A composição exata dos custos varia de acordo com a arquitetura e a metodologia contábil, mas a tendência é clara: à medida que a inferência de IA ganha escala, A energia está se tornando um dos principais fatores restritivos para a economia da inteligência.

Os números já são significativos. Uma interação típica de IA pode consumir apenas uma fração de um watt-hora, mas, quando multiplicada por centenas de bilhões de interações e amplificada por fluxos de trabalho autônomos que envolvem raciocínio repetido e chamadas de ferramentas, a demanda agregada torna-se enorme.

A Agência Internacional de Energia prevê que o consumo global de eletricidade datacenter se aproxime de 950 TWh até 2030, quase o dobro dos níveis de 2025.

Consequentemente, a geografia é um fator importante. Os preços da eletricidade para o setor industrial variam significativamente entre os principais mercados de IA, enquanto a China expandiu a geração de energia renovável a uma velocidade extraordinária e investiu fortemente nas regiões ocidentais, ricas em energia, por meio de sua estratégia “East Data, West Computing”.

A inteligência de software pode ser expandida globalmente em questão de meses, mas eletricidade barata e confiável Não é possível. A construção de capacidade de geração, infraestrutura de transmissão e centros data requer anos de investimento de capital. À medida que as capacidades dos modelos se tornam cada vez mais substituíveis, o acesso a recursos computacionais abundantes e de baixo custo torna-se uma vantagem mais duradoura.

Os tokens transformam a energia em um serviço negociável globalmente

A eletricidade, por si só, é difícil de exportar para outros países. As redes elétricas continuam sendo, essencialmente, regionais. Os tokens resolvem esse problema.

No interior de um centro data, a eletricidade se transforma em computação. A computação se transforma em tokens. Os tokens podem, então, ser transmitidos instantaneamente por meio de APIs e redes de fibra óptica para usuários em qualquer lugar do mundo. O token é, portanto, uma forma de energia digitalizada: energia física transformada em um serviço que pode ser distribuído globalmente.

Isso ajuda a explicar a crescente competitividade dos modelos chineses de IA. Estimativas do setor sugerem que os custos de inferência dos principais modelos chineses podem ser substancialmente inferiores aos de seus equivalentes ocidentais, embora a diferença exata varie de acordo com o modelo, o provedor e a carga de trabalho.

A resposta do mercado está se tornando cada vez mais visível. O OpenRouter e outras plataformas de roteamento permitem que os desenvolvedores comparem modelos em termos de preço, latência e desempenho, além de redirecionarem dinamicamente o tráfego. Os modelos chineses conquistaram uma parcela significativa do tráfego roteado, enquanto modelos de ponderação aberta, como o Qwen e o DeepSeek, têm se tornado cada vez mais proeminentes nos ecossistemas globais de desenvolvedores.
Isso não significa que os modelos de ponta ocidentais estejam se tornando irrelevantes. Os modelos premium continuam a deter poder de fixação de preços para raciocínios complexos e de alto risco. Em vez disso, o mercado está se bifurcando: os modelos de ponta, mais caros, atendem às cargas de trabalho cognitivas de maior valor, enquanto os modelos mais baratos absorvem o volume muito maior de inferências rotineiras.

A questão estratégica, portanto, não é mais simplesmente quem possui o modelo mais capaz. Trata-se, cada vez mais, de ”Quem é capaz de fornecer o nível necessário de inteligência ao menor custo unitário confiável??”

Os pesos abertos aceleram a comoditização

As empresas chinesas do setor de modelos também adotaram uma estratégia comercial diferente: pesos livres.
O DeepSeek, o Qwen, o GLM, o Kimi e outras famílias de modelos chineses disponibilizaram pesos para download em diferentes graus, frequentemente sob licenças permissivas. Em contrapartida, os principais provedores ocidentais continuam focados predominantemente em ecossistemas de API fechados.

As duas abordagens refletem modelos econômicos distintos. Os modelos fechados monetizam capacidades cognitivas escassas por meio do acesso exclusivo. Os modelos de peso aberto utilizam o próprio modelo como mecanismo de adoção, deslocando a concorrência para as etapas posteriores, como infraestrutura de inferência, serviços cloud, ferramentas para desenvolvedores, ajuste fino e integração empresarial.

O lançamento do DeepSeek-R1, em janeiro de 2025, marcou um importante ponto de inflexão. À medida que os pesos de modelos de alto desempenho se tornaram cada vez mais acessíveis, o próprio modelo base deixou de ser uma vantagem competitiva tão significativa.

Quando os pesos do modelo se aproximarem do custo marginal de distribuição igual a zero, o campo de batalha competitivo passa a se concentrar na economia da inferência e na camada empresarial. Essa é a essência da comoditização: quando a inteligência se torna abundante, os recursos escassos são direcionados para outras áreas.

A economia dos tokens se assemelha cada vez mais a um mercado de commodities

A estrutura que está se formando em torno dos tokens já se assemelha a um mercado de commodities maduro:

• Diferenciação de preços: O mesmo modelo pode apresentar custos de inferência significativamente diferentes, dependendo do provedor, da região e da infraestrutura.
• Roteamento e arbitragem: Plataformas como o OpenRouter permitem que os usuários escolham dinamicamente entre modelos e provedores com base no preço, na latência e na taxa de transferência.
• Estrutura de preços por níveis: Os provedores diferenciam cada vez mais os preços de acordo com a prioridade, a velocidade, o processamento em lote e a capacidade garantida.
• Cotas e alocação: Os limites de uso e os planos corporativos alocam de forma eficaz os recursos computacionais escassos de acordo com o valor e a demanda do cliente.
• Financeirização: Índices emergentes e contratos futuros de computação apontam para um futuro em que as empresas poderão gerenciar sua exposição à computação de maneira muito semelhante à de outros custos variáveis de insumos.

O resultado é uma rápida compressão do ciclo das commodities. O roteamento, o armazenamento em cache, a substituição de modelos e a eletricidade de baixo custo estão, todos, resolvendo o mesmo problema subjacente: Como minimizar o custo de fornecimento de informações úteis. E nos mercados de commodities, a rentabilidade por unidade é, em última análise, o que importa.

A perspectiva da Artefact: As empresas precisam gerenciar sua economia de tokens

Para as empresas, a economia de tokens deve, portanto, tornar-se uma disciplina de gestão, e não simplesmente uma questão de infraestrutura.

1. Trate os tokens como uma questão de FinOps: O custo da IA precisa estar vinculado aos resultados comerciais. Quantos tokens são necessários para resolver um ticket de suporte? Qual é o custo em tokens de uma solicitação de pull automatizada? Qual é o custo combinado da IA por interação com o cliente? Sem essa atribuição, as empresas não conseguem distinguir o consumo produtivo de IA do desperdício.

2. Transforme o roteamento multimodelo em um princípio arquitetônico: Os modelos de ponta não devem ser a opção padrão para todas as tarefas. As empresas devem adequar dinamicamente a capacidade do modelo à complexidade da tarefa, com o apoio de roteamento inteligente, armazenamento em cache e observabilidade. O valor duradouro residirá cada vez mais fora do modelo: fluxos de trabalho proprietários, contexto corporativo, lógica de orquestração, conhecimento especializado na área e data de confiança.

3. Avalie os tokens chineses de forma pragmática: A crescente diferença de custo entre os modelos chineses e ocidentais merece uma avaliação séria, especialmente no que diz respeito a cargas de trabalho de alto volume e baixa sensibilidade.
No caso de data sensíveis, os modelos de peso aberto implantados em ambientes privados ou soberanos podem proporcionar maior controle sobre a localização e a infraestrutura do data. Para tarefas padronizadas e de alta frequência, pontos de extremidade de API com boa relação custo-benefício podem oferecer melhorias significativas na economia unitária.

4. Incorporem a redução dos custos dos modelos aos modelos de negócios: Os preços dos modelos continuarão a cair. As margens sustentáveis dependerão, portanto, menos do acesso a inteligência bruta e mais de integração de fluxos de trabalho, solução proprietária data, orquestração, conhecimento especializado no setor e confiança do cliente.

5. Inclua a questão da energia na agenda da estratégia de IA: Para empresas de tecnologia, provedores de cloud, fabricantes e formuladores de políticas, a infraestrutura de IA não pode mais ser dissociada da estratégia energética. A próxima vantagem competitiva pode não vir do fato de se possuir o modelo mais inteligente, mas sim de garantir recursos computacionais abundantes, resilientes e acessíveis.

Conclusão: A transição do conceito de “inteligente” para o de “alta qualidade/baixo custo”

O principal eixo de competição da IA mudou de “Qual modelo é o mais inteligente?” para “Quem é capaz de gerar e fornecer tokens de alta qualidade ao menor custo?”

Como um token é, em última análise, computação e eletricidade cristalizadas, o mapa futuro do domínio da IA não será traçado exclusivamente por laboratórios de pesquisa de elite, mas pela distribuição de infraestrutura energética abundante, de baixo custo e resiliente.