Por que comprar GPU como se fosse um retângulo é o erro que todo founder de IA ainda comete

Erik Bernhardsson, CEO da Modal, descreve um problema que todo founder que roda agentes em produção já sentiu no bolso: contrato de nuvem é fixo, mas a demanda de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → nunca é. A diferença entre os dois formatos virou negócio de 16 bilhões de dólares.

O contrato que todo founder compra, mas ninguém deveria defender

Quando você assina um contrato de capacidade de GPU hoje, o formato é quase sempre o mesmo: um número fixo de placas, por um período fixo. Plote isso num gráfico de capacidade por tempo e você tem um retângulo perfeito. É assim que a Amazon, a Microsoft e a maioria dos provedores de GPU dedicada vendem compute há anos, e é assim que a maioria dos founders técnicos aprendeu a comprar.

O problema, como coloca Erik Bernhardsson, CEO e cofundador da Modal, numa entrevista ao podcast Latent Space publicada em 22 de outubro de 2026, é que nenhuma carga de trabalho real de IA se comporta como retângulo. Ela cresce, tem picos, cai de novo ao longo do dia. Comprar para o pico significa pagar por hardware parado na maior parte do tempo. Comprar menos que o pico significa perder demanda justamente quando ela aparece. Não é um detalhe técnico: é o buraco no orçamento de quase toda startup de IA que escalou rápido demais para um contrato que não acompanha o uso real.

A aposta da Modal: transformar duração em elasticidade

A tese da Modal, que Bernhardsson chama de uma espécie de transformação de duração, é simples de enunciar e difícil de executar: agregar a demanda de milhares de clientes, garantir a capacidade por baixo e deixar cada cliente usar exatamente o que precisa, quando precisa. Quanto mais suave fica a demanda agregada, mais eficiente o pool se torna, porque os picos de uns compensam os vales de outros.

A ideia não é nova em infraestrutura, mas o momento é. Depois de uma Série C de US$ 5 bilhões há cerca de cinco meses, a Modal relata ter cruzado US$ 1 bilhão em receita anualizada, levantou uma Série D de US$ 750 milhões avaliando a empresa em US$ 16 bilhões e já colocou no ar perto de três bilhões de sandboxes, ambientes efêmeros onde modelos e agentes executam código. São números que confirmam uma coisa: o mercado está pagando um prêmio real para não comprar retângulos.

O que as sandboxes revelam sobre demanda que não existia dois anos atrás

A parte mais reveladora da conversa não é o valuation, é a origem do produto que hoje sustenta esse crescimento. A Modal lançou sandboxes depois que Bernhardsson e o cofundador e CTO Akshat Bubna notaram que modelos de linguagem geravam código, e alguém precisaria de um lugar para rodar esse código. A adoção inicial foi tão modesta que o time chegou a discutir descontinuar o produto.

O que mudou o jogo foram agentes de codificação, agentes em background e reinforcement learning, cargas que criam um ambiente, rodam código, inspecionam o resultado e tentam de novo, várias vezes seguidas. Bernhardsson diz que sandboxes hoje respondem por cerca de um terço da receita da Modal, um resultado que ele próprio não previu no lançamento. Para quem constrói produto com agentes, essa é a curva de demanda real: nenhum contrato de capacidade fixa foi desenhado para um agente que decide, sozinho, quantas vezes vai tentar de novo.

Em resumo: o produto que quase foi cancelado por falta de uso virou o maior argumento a favor do modelo elástico, porque é exatamente o tipo de carga que nenhum contrato rígido antecipa.

O risco que a Modal assume no lugar do cliente

Tem um lado financeiro dessa equação que Bernhardsson não esconde. Se um provedor trava capacidade aos preços de hoje e o preço de GPU cai depois, ele fica segurando oferta cara. Ele diz não esperar um colapso iminente, mas trata a possibilidade como algo que pesa na construção do negócio, não como um cenário remoto a ignorar.

Isso é o ponto que todo founder deveria entender antes de migrar workload para um provedor de compute agregado: a elasticidade que você compra tem um preço embutido, que é o risco de mercado que o provedor assumiu por você. Quando funciona, você paga só pelo uso e dorme tranquilo. Quando o provedor erra a aposta, ou simplesmente não sobrevive ao próprio modelo de negócio, sua carga de trabalho depende da saúde financeira de outra empresa, não da sua.

O contra-argumento que merece ser levado a sério

Nem toda carga de trabalho ganha com elasticidade, e seria raso fingir o contrário. Treinamento de modelos grandes, em geral, roda em alta utilização por períodos longos e previsíveis: é exatamente o cenário em que capacidade reservada, comprada com desconto, sai mais barata por hora de GPU do que qualquer camada de pooling. É também por isso que a Modal convive, e não compete sozinha, com provedores como o SF Compute de Evan Conrad, que aposta em tornar a capacidade negociável e com liquidação física, em vez de fatiá-la em pedaços elásticos.

A diferença de abordagem importa:

Nenhuma das três é universalmente certa. A pergunta que todo founder técnico deveria fazer não é "qual é melhor", é "o formato da minha demanda parece mais com um retângulo ou com o eletrocardiograma de um agente rodando em loop".

O que muda pra quem constrói com agentes no Brasil

A maior parte das startups brasileiras que estão colocando agentes em produção hoje não tem a escala nem o poder de barganha para negociar contrato de capacidade reservada com desconto relevante. Isso, na prática, deveria jogar a favor do modelo elástico, não contra ele: é exatamente o founder que não consegue prever o pico de uso do próprio produto que mais precisa de um provedor que absorve essa variância.

Mas a lição da fala de Bernhardsson sobre risco de preço de GPU vale o dobro para quem está fora dos Estados Unidos: se o custo do compute que sustenta seu agente depende da aposta financeira de um provedor americano sobre o preço futuro de GPU, vale entender, antes de assinar, o que acontece com sua operação se essa aposta virar ao contrário.

Case como o da Mage, cliente que levou a Modal de US$ 100 de receita mensal em novembro de 2022 para US$ 30 mil em janeiro de 2023, segundo Bernhardsson, é o tipo de crescimento desproporcional que só um modelo elástico acompanha sem fricção. É também o tipo de dependência que todo founder deveria mapear antes de depender dela.

Minha posição, depois de ouvir a conversa inteira: para produto de agente em estágio de crescimento, compute elástico não é luxo, é a única forma de o custo de infraestrutura escalar junto com o uso real em vez de na frente dele. Mas elasticidade de fornecedor não substitui diligência de founder, principalmente quando o provedor que absorve seu risco de GPU está, ele mesmo, apostando contra o mercado.

Fonte: Latent Space