Quando a inteligência entra em produção em massa: seis tendências dos grandes modelos a partir do IPO da Anthropic

IPO da AnthropicLei de EscalaAgente de IAComercialização de grandes modelosGovernança de segurança de IAEconomia do poder computacional
há 1 horaFonte: blockweeks.com
Quando a inteligência entra em produção em massa: seis tendências dos grandes modelos a partir do IPO da Anthropic

Hoje à noite (19 de novembro), a Anthropic, uma empresa fundada há menos de seis anos, será listada na Nasdaq sob o ticker ANT. Sua velocidade de desenvolvimento e escala devem ser chamadas de milagre na história da tecnologia e dos negócios, e também permitem vislumbrar o enorme impacto da IA na economia e na sociedade futuras.

Com um preço final de emissão de US$ 83 por ação, sua avaliação totalmente diluída é de cerca de US$ 1,5 trilhão. De acordo com as expectativas atuais, sua capitalização de mercado após a listagem pode ultrapassar US$ 2 trilhões. Sete empresas upstream—Google, Nvidia, AMD, Broadcom, Micron, Microsoft e TSMC—também subscreveram simultaneamente US$ 26 bilhões. O tamanho da oferta supera o tamanho base da oferta da SpaceX de US$ 75 bilhões em junho deste ano, colocando-a entre as maiores listagens da história do mercado de ações dos EUA.

O que vale mais a pena observar do que a avaliação é sua curva de crescimento. Esse tipo de crescimento contínuo de 10x supera em muito o crescimento acelerado da era da internet móvel do passado, mostrando ao mundo uma impressionante aceleração da IA.

No primeiro trimestre de 2023, o Claude começou a comercialização, com receita começando do zero. A receita anual foi de US$ 41 milhões em 2023, US$ 386 milhões em 2024 e US$ 4,585 bilhões em 2025. No terceiro trimestre de 2026, a receita trimestral foi de US$ 16,96 bilhões, 12,3 vezes o mesmo período do ano anterior. A receita anualizada em outubro deste ano já atingiu cerca de US$ 81 bilhões, e prevê-se que possa chegar a US$ 100-120 bilhões até o final do ano.

Inteligência Artificial

Na segunda página dos materiais para investidores do roadshow, há esta frase: Pela primeira vez na história humana, a inteligência tornou-se algo que os humanos podem construir; as capacidades cognitivas de raciocínio, análise, síntese, tomada de decisão e criação podem ser produzidas em escala e obtidas sob demanda. Li essa frase várias vezes. O que ela realmente diz não é sobre uma empresa, mas sobre um ponto de virada para um setor: pela primeira vez, a inteligência começa a existir separada dos próprios humanos e se torna um produto industrial que pode ser produzido em massa, precificado e agendado.

Em particular, o gráfico abaixo mostra a ambição da Anthropic. Os retornos que ela espera são muito mais do que a receita atual de programação, análise, trabalho de escritório e assim por diante, mas se estendem a áreas como descoberta de medicamentos, ciência dos materiais, manufatura avançada e robótica, bem como o setor de ciências da vida de US$ 2 trilhões, e até mesmo o futuro mercado global de trabalho do conhecimento de US$ 40 trilhões. Isso inevitavelmente nos lembra de um rumor controverso no setor: "No futuro, talvez apenas a Anthropic permaneça como empresa no mundo."

Inteligência Artificial

Fonte da imagem: Materiais para investidores do roadshow da Anthropic

Ao longo da última semana, lemos juntos o prospecto de mais de 400 páginas da Anthropic, os materiais para investidores do roadshow de 15 páginas, o vídeo do roadshow de 41 minutos e uma carta aberta assinada conjuntamente por sete fundadores. Como a receita entra, onde a computação é gasta, como os modelos iteram, como a organização opera e como o risco é precificado foram, pela primeira vez, totalmente divulgados por uma empresa de modelos de fronteira. Podemos ver seis mudanças ocorrendo no setor de grandes modelos.

Tendência 1: A Scaling Law ainda é eficaz, mas o motor principal de P&D mudou para a própria IA

Entre a equipe fundadora da Anthropic está o autor principal do artigo de 2020 "Scaling Laws for Neural Language Models". Na carta dos fundadores, diz-se que na época muitas pessoas não acreditavam que a inteligência de máquina dependeria tão fortemente de escala, mas as previsões baseadas nas leis de escala foram comprovadas repetidamente. O julgamento do prospecto também é claro: as capacidades de IA continuarão a melhorar e, no futuro previsível, a demanda continuará a exceder a oferta, enquanto a oferta é principalmente limitada pela computação.

No entanto, após ler todo o prospecto, acho que o que é mais digno de nota do que a própria lei de escala são três mudanças na forma como a P&D é feita.

Primeiro, o pós-treinamento tornou-se a área com o maior investimento. O prospecto afirma que o pós-treinamento evoluiu de uma etapa de finalização para uma das maiores áreas de investimento em pesquisa da empresa, porque o mercado está migrando de assistentes conversacionais para agentes autônomos. O método de treinamento também mudou, utilizando tarefas completas, reais e complexas, próximas do trabalho profissional. A Anthropic acredita que a amplitude e o realismo dessa mistura de tarefas estão entre suas vantagens científicas mais duradouras, e que é difícil de observar de fora e, portanto, difícil de replicar.

Segundo, a arquitetura do modelo e a infraestrutura de inferência são projetadas em conjunto. Pesquisadores de IA e engenheiros de inferência compartilham ciclos de planejamento, linhas de reporte e metas de desempenho, e as decisões de arquitetura consideram os custos de inferência desde o primeiro dia. Isso explica por que cada geração do Claude pode ser ao mesmo tempo mais forte e mais econômica.

Terceiro, e mais importante, a IA começou a participar da construção da IA, que é também o RSI mais discutido no momento. Cada geração do Claude participa da construção da próxima geração, incluindo a execução de experimentos, a geração e o processamento de dados de treinamento, a automação de avaliações e auditorias de segurança, e a escrita e revisão de código.

人工智能

Alguns números ilustram bem o ponto. Em setembro de 2026, mais de 90% dos commits no código-fonte da Anthropic foram escritos pelo Claude; no terceiro trimestre, a quantidade de código contribuída por engenheiro por dia foi mais de 45 vezes a média diária de 2024. Em problemas de engenharia abertos que carecem de especificações claras e que antes dependiam fortemente do julgamento de engenheiros sêniores, de acordo com os benchmarks internos da empresa, a taxa de sucesso do Claude subiu cerca de 50 pontos percentuais em nove meses, atingindo cerca de 90%. Ao integrar chips AMD este ano, o Claude concluiu a adaptação basicamente sem intervenção humana em três dias, portando ou escrevendo quase todos os operadores, o que antes exigia dezenas de engenheiros e vários meses.

A preços de tabela, o valor do uso interno do Claude pela Anthropic cresceu mais de 250 vezes de janeiro a setembro deste ano. Em abril deste ano, esse valor mensal superou pela primeira vez as despesas mensais de pessoal da empresa (excluindo compensação baseada em ações).

人工智能

Fonte da imagem: materiais para investidores do roadshow da Anthropic

Há também um trade-off fácil de passar despercebido. O prospecto afirma claramente que, embora os modelos de geração de vídeo e imagem tenham apelo comercial, a empresa atualmente não está focada neles, e o poder computacional correspondente é redirecionado para programação, agentes e pesquisa de segurança. Há três razões: a programação tem um grande impacto econômico; as questões de segurança surgirão primeiro aqui; e a saída da programação é em grande parte verificável.

A chave para vencer na competição de grandes modelos está mudando para a velocidade do ciclo de P&D. A empresa cujo modelo conseguir primeiro realizar bem o trabalho da própria empresa terá seu modelo de próxima geração chegando mais cedo. Domínios verificáveis serão conquistados primeiro e também retroalimentarão a P&D primeiro.

É claro que esse ciclo tem outro lado. O prospecto menciona especificamente que usar IA para acelerar a IA trará riscos de segurança consideráveis, e a política de escalonamento responsável da empresa já inclui planos de monitoramento e mitigação para a aproximação da autoaperfeiçoamento recursivo. A carta dos fundadores coloca de forma mais direta: se necessário, a empresa pode desacelerar proativamente.

Tendência 2: Os produtos estão migrando de caixas de chat para colaboradores virtuais, entregando trabalho em vez de respostas

A carta do fundador contém um julgamento sobre gerações de produtos: os chatbots de IA tornaram-se utilizáveis por volta de 2022, os agentes de codificação de IA por volta de 2025, e os agentes para trabalho de conhecimento geral e descoberta científica estão gradualmente se tornando utilizáveis em 2026. A carta também diz que a Anthropic dedicará menos esforço a consolidar produtos existentes e mais esforço a definir novos produtos, porque cada nova geração de modelos continua abrindo categorias de produtos que não eram viáveis apenas alguns meses antes.

人工智能

O prospecto dá um nome a esta geração de produtos: colaboradores virtuais. Eles têm permissões concedidas pela organização, conexões com sistemas e contexto; podem usar ferramentas internas; podem executar fluxos de trabalho que abrangem várias etapas e exigem raciocínio sustentado; e trabalham lado a lado com os funcionários.

人工智能

Fonte da imagem: materiais para investidores do roadshow da Anthropic

A programação foi a primeira categoria a cruzar o limiar. O Claude Code foi lançado como uma prévia de pesquisa em fevereiro de 2025. Em cerca de um ano, o Claude passou de sugerir linhas isoladas de código a operar clusters de agentes que trabalham de forma autônoma em bases de código de produção. O prospecto compara o impacto do Claude Code ao dos primeiros assistentes de IA conversacionais amplamente adotados. O uso muitas vezes é inesperado; por exemplo, engenheiros da NASA o usaram para planejar e escrever comandos de navegação para o rover Perseverance em Marte, concluindo a primeira condução planejada por IA em Marte.

A segurança cibernética pode ser a segunda. Em um benchmark de exploração de vulnerabilidades desenvolvido por pesquisadores da Universidade Carnegie Mellon, a pontuação do Claude subiu de 40% para 78% e depois para 91% em cerca de quatro meses.

O trabalho do conhecimento é o terceiro. Uma frase no prospecto me causou uma impressão profunda: todo trabalho digital é, em última análise, uma forma de expressão em código. Com base nesse julgamento, a Anthropic portou a arquitetura de agentes do Claude Code para os trabalhadores do conhecimento e criou o Cowork, que lê arquivos de forma autônoma, opera aplicativos e executa fluxos de trabalho de várias etapas na área de trabalho do usuário, com o código subjacente oculto. O Cowork foi lançado como uma prévia de pesquisa em janeiro de 2026, e, no final de setembro, sua taxa de adoção já havia superado o nível do Claude Code no mesmo ponto no tempo. Em setembro, o Cowork começou a se fundir com o Claude.ai, permitindo que os usuários passassem diretamente de uma pergunta simples para uma tarefa complexa de várias etapas dentro da mesma conversa.

Conversa e agentes estão se fundindo no mesmo produto.

Os casos de clientes também confirmam isso. A Rakuten usou o Claude Code para alcançar mais de 7 horas de programação autônoma, reduzindo o tempo para lançar novos recursos de 24 dias úteis para 5; a Salesforce concluiu uma migração de API que originalmente exigia 231 dias em 13 dias; a Bristol Myers Squibb habilitou o Claude para todos os seus 30.000 funcionários, reduzindo o tempo de resposta para uma questão de epidemiologia de um ou dois meses para quatro ou cinco minutos.

À medida que a forma do produto muda, a pilha de tecnologia deve mudar junto. Há uma frase muito simples no prospecto: um modelo sozinho não constitui um agente. Os agentes devem ser capazes de se recuperar de falhas, operar sistemas com credenciais com escopo definido e auditáveis, e escalar sob cargas variáveis; tudo isso exige uma estrutura de execução. A Anthropic abriu a mesma estrutura de execução que alimenta o Claude Code como o Agent SDK e também lançou uma versão hospedada, o Managed Agents; junto com o pacote de habilidades Agent Skills, o protocolo MCP que conecta dados e ferramentas empresariais, e o padrão de hardware de modelo MHS que permite aos agentes operar equipamentos de laboratório e de fabricação, estes formam a camada de plataforma intermediária.

人工智能

Fazer as três camadas juntas — modelos, plataforma e aplicações — já está mostrando benefícios nos dados de clientes. No final de setembro deste ano, entre os clientes que pagam mais de US$ 100.000 anualmente, mais da metade estava usando tanto a plataforma quanto pelo menos um aplicativo próprio; no quarto trimestre do ano passado, essa proporção era de cerca de 30%.

A unidade de produto dos grandes modelos está mudando de uma resposta única para uma entrega. O foco da competição passará dos benchmarks de modelos para capacidades de engenharia, como frameworks de execução, gestão de contexto, sistemas de permissão e conexões de ferramentas — o que as pessoas costumam chamar de Harness. Outra abordagem da qual vale a pena aprender é que a Anthropic projeta produtos em torno das capacidades que os modelos terão, e não em torno das capacidades atuais. Foi assim que o Claude Code foi construído, de modo que, quando a capacidade chegou, o produto pôde escalar rapidamente.

Tendência 3: Pagar pela Inteligência, com Modelos Tendo Prazo de Validade como Produtos Frescos

A Anthropic chama seu principal modelo de receita de pay-for-intelligence, ou seja, cobrança baseada no uso, medida em tokens e precificada de acordo com o modelo selecionado. Nos três primeiros trimestres de 2026, a cobrança baseada no uso representou 79% da receita e as assinaturas 21%; a receita por meio dos marketplaces das três principais plataformas de nuvem representou 44%; a receita fora dos Estados Unidos representou 29%.

Inteligência Artificial

Três detalhes ilustram especialmente as características desse modelo.

Primeiro, os cortes de preço estão trocando preço por volume, não são uma guerra de preços. Em novembro de 2025, a Anthropic lançou o Opus 4.5, que era mais capaz e tinha preço mais baixo e custo por tarefa menor. Depois disso, o crescimento trimestral da receita da empresa saltou de 48% no quarto trimestre do ano passado para 132% no primeiro trimestre deste ano. O Opus 5.5, lançado em setembro deste ano, reduziu o custo para os clientes concluírem as mesmas tarefas em cerca de 40%; o Fable 5.1 reduziu esse custo em cerca de 25% em comparação com a geração anterior e podia economizar até 45% em programação complexa e tarefas altamente agênticas. Segundo a divulgação do roadshow, no terceiro trimestre cerca de US$ 600 milhões a menos foram arrecadados por causa de cortes de preço e descontos contratuais, mas isso foi totalmente compensado pelo crescimento do uso. A declaração da administração é que esse corte de preço foi neutro para as margens porque os novos modelos em si são mais eficientes em computação.

Em outras palavras, por trás da queda do preço unitário do token está um dividendo de eficiência: a eficiência computacional precisa subir primeiro para que os preços possam cair, e os cortes de preço, por sua vez, liberam ainda mais demanda.

Segundo, os modelos têm prazo de validade. O prospecto divulga que, no terceiro trimestre, mais de 80% da receita veio de versões de modelos lançadas nos últimos seis meses. Nos três primeiros trimestres deste ano, a empresa lançou um total de 250 novas versões de modelos, recursos de plataforma e aplicações. Neste setor, um modelo não é um software desenvolvido uma vez e vendido por muito tempo; é mais como um produto fresco que precisa de reabastecimento constante. Quem parar verá os clientes migrarem para o modelo mais recente de outra pessoa.

Terceiro, a receita segue o ritmo do trabalho das pessoas. O prospecto menciona que, nas duas semanas terminadas em 2 de janeiro deste ano, o gasto total dos clientes caiu cerca de 20% em comparação com as duas semanas anteriores, porque muitas empresas programaram congelamentos de código durante os feriados, e os desenvolvedores desaceleraram os commits de código e os lançamentos de recursos. A receita de uma empresa de IA está começando a mostrar sazonalidade semelhante à do setor de serviços humanos. Isso mostra indiretamente que o Claude se tornou profundamente integrado às atividades reais de produção.

Há mais um compromisso que vale a pena mencionar: o Claude não exibe anúncios. A carta do fundador diz que a publicidade provavelmente seria uma fonte substancial de receita, mas, uma vez que a publicidade entra nas metas de receita, a pressão para buscar o tempo de permanência do usuário aumentaria, e a empresa quer que o único incentivo do Claude seja dar ao usuário uma resposta útil. O modelo de receita determina a direção do incentivo do produto, e isso se aplica a todas as empresas que constroem agentes.

A unidade de precificação dos grandes modelos está mudando de assentos para tokens, e o próximo passo pode se tornar tarefas e resultados. Quem conseguir reduzir continuamente o custo por tarefa será capaz de capturar a elasticidade da demanda; e se o custo por tarefa pode ser reduzido depende da eficiência computacional discutida abaixo.

Tendência Quatro: As Empresas São o Campo de Batalha Principal, os Desenvolvedores São o Ponto de Entrada, e a Capacidade de Entrega É o Novo Gargalo

A Anthropic focou nas empresas desde o início. A carta do fundador argumenta que o enorme valor da IA vem principalmente de como as empresas e organizações a implantam.

人工智能

Os números estão crescendo rapidamente. Os clientes que pagam mais de US$ 100.000 anualmente eram cerca de 20 no final de 2023, cerca de 200 no final de 2024, mais de 950 em setembro de 2025 e mais de 11.900 no final de setembro deste ano, um aumento de 12 vezes em um ano. Entre eles, mais de 1.900 pagam mais de US$ 1 milhão anualmente, e cerca de 250 pagam mais de US$ 10 milhões. A retenção líquida de receita é de cerca de 900%, o que significa que os clientes que já pagavam há um ano gastaram cerca de 9 vezes mais neste trimestre do que no mesmo período do ano anterior.

A estrutura de clientes também está se tornando mais saudável. A receita dos cinco maiores clientes caiu de 36% no primeiro trimestre deste ano para 21% no terceiro trimestre, sem que nenhum cliente individual representasse mais de 10%.

O que é mais notável é que ainda há muito espaço. Mais da metade das Fortune 500 já são clientes que pagam mais de US$ 100.000 anualmente, mas os gastos médios desses clientes com o Claude são inferiores a 0,1% de suas despesas totais; até mesmo os dez maiores gastadores ficam abaixo de 1%. O prospecto afirma textualmente que a lacuna entre o que o Claude pode fazer e a amplitude de seu uso é uma das maiores oportunidades de crescimento da empresa.

Como o dinheiro é gasto? A apresentação descreve o caminho típico em quatro etapas: os engenheiros primeiro usam o Claude Code, depois se expandem para funções adjacentes, em seguida entram nos processos de negócios e, por fim, o incorporam em produtos externos. O prospecto traz uma comparação: no terceiro trimestre, os usuários empresariais que não usavam o Claude Code gastavam em média menos de US$ 75 por mês, enquanto os 5% principais usuários que usavam o Claude Code gastavam cerca de 20 vezes esse valor. Os desenvolvedores são tanto os primeiros usuários mais exigentes quanto os promotores mais persuasivos dentro das empresas.

Mas apenas o modelo de baixo para cima não é suficiente. O prospecto admite francamente que um grande obstáculo à adoção do Claude é a resistência natural à mudança dentro das organizações. Para isso, a Anthropic construiu um sistema de entrega completo: equipes de vendas diretas e equipes de IA aplicada organizadas por geografia e depois por setor, trabalhando com os clientes para projetar e implantar soluções personalizadas; vendas conjuntas com as três principais nuvens AWS, Google Cloud e Azure, com os clientes assinando diretamente com a Anthropic e a Anthropic pagando aos provedores de nuvem; integradores de sistemas como Accenture, Deloitte, KPMG e PwC criaram equipes de negócios dedicadas ao Claude; a rede de parceiros certificou 150.000 profissionais de mais de 4.000 organizações; em outubro, investiu mais US$ 100 milhões para estabelecer uma academia, planejando treinar 10.000 engenheiros FDE até o final de 2027 no padrão de seus próprios engenheiros, capazes de levar a IA para ambientes de produção; também fez parceria com empresas de private equity para estabelecer uma empresa de serviços de IA voltada especificamente para empresas de médio porte.

Mesmo assim, no primeiro semestre deste ano, as despesas com vendas, marketing e parceiros representaram apenas 19% da receita.

As capacidades dos modelos já ultrapassaram a capacidade de absorção das organizações. O gargalo da IA empresarial na próxima etapa não é o modelo, mas a entrega: engenheiros FDE, equipes de aplicação e parceiros do ecossistema capazes de conectar modelos a processos de negócios reais se tornarão os recursos mais escassos. Este é o mesmo fenômeno que nossa observação anterior de que os cargos de engenheiro de entrega no local cresceram 15 vezes em um ano.

Tendência Cinco: A Computação É o Maior Custo e Também um Contrato Futuro Intertemporal

Primeiro, vejamos a eficiência. Do primeiro trimestre de 2025 ao terceiro trimestre de 2026, a receita da Anthropic cresceu 45 vezes, enquanto os gastos com computação e infraestrutura cresceram apenas 10,4 vezes. A receita gerada por cada US$ 1 de gasto em computação subiu de US$ 0,40 para US$ 1,72, e chegou a US$ 2,08 no segundo trimestre.

人工智能

Fonte da imagem: materiais para investidores da apresentação da Anthropic

A empresa dá duas razões. Primeiro, os avanços algorítmicos multiplicam a computação, de modo que o mesmo modelo pode ser treinado e executado com menos computação. Segundo, a arquitetura multichip: treinamento e inferência simultaneamente no Amazon Trainium, Google TPU, Nvidia GPU e AMD GPU, com toda a computação tratada como um único pool de recursos intercambiáveis e despachada de forma uniforme, movendo a computação para onde o produto marginal é mais alto. A integração de três dias com a AMD mencionada anteriormente é o resultado dessa capacidade combinada com o ciclo fechado.

A seguir, vejamos o descasamento. O prospecto afirma que a empresa normalmente compra computação com 12 a 18 meses de antecedência, e essa parcela do custo é basicamente fixa no curto prazo, enquanto a demanda dobra trimestre a trimestre.

人工智能

O resultado é que os lucros oscilam fortemente com as previsões de demanda. No segundo trimestre, a receita superou a computação encomendada mais de um ano antes, os gastos com computação representaram apenas 48% da receita, e o lucro operacional tornou-se positivo pela primeira vez entre os trimestres divulgados, com uma margem operacional de 8%. No terceiro trimestre, a demanda continuou a disparar, e a empresa comprou US$ 5 bilhões em computação de curto prazo a preços elevados, com preços unitários significativamente superiores aos contratos de vários anos, representando cerca de metade dos gastos com computação daquele trimestre; a parcela de computação voltou a 58%, e a margem operacional passou a negativo de 3%.

Há outro conjunto de números que vale a pena comparar. De acordo com a base do roadshow, a margem bruta dos primeiros três trimestres deste ano foi de 85%, mas se todos os gastos com computação, incluindo o treinamento de modelos, forem deduzidos, a margem é de apenas 43%. A margem bruta conta apenas a parcela da computação que atende os clientes; a computação para treinar a próxima geração de modelos não está incluída. Para empresas de grandes modelos, o custo verdadeiramente maior está precisamente fora da margem bruta.

Por fim, vejamos a escala. No final de setembro e depois disso, os compromissos assinados de computação e infraestrutura da Anthropic totalizam cerca de US$ 900 bilhões, dos quais cerca de US$ 451,6 bilhões ocorrerão antes do final de 2030, e o restante principalmente entre 2031 e 2045. Cerca de US$ 70,7 bilhões vencem nos próximos 12 meses, inferior à receita anualizada atual de cerca de US$ 81 bilhões; mas a parcela antes do final de 2030 já é 5,6 vezes a receita anualizada atual.

人工智能

Para ganhar mais margem de manobra neste jogo intertemporal, a Anthropic está transferindo mais computação para seu sistema próprio Anthropic Direct: alugando chips ela mesma e colocando-os em data centers dedicados construídos conforme suas próprias especificações. Sua esperteza está em separar duas coisas: a construção do data center leva muito tempo, mas representa apenas uma pequena parte do custo total, então pode ser travada primeiro; o investimento em chips é grande em valor, então a empresa pode esperar até que a demanda esteja mais clara antes de decidir quanto comprar. A meta de longo prazo da administração é reduzir os gastos com computação para 45% a 50% da receita, com margem operacional ajustada superior a 35%.

A carta do fundador é muito franca sobre isso: a empresa frequentemente faz investimentos prospectivos que, à primeira vista, parecem irresponsavelmente grandes, especialmente em computação. A carta usa a indústria farmacêutica como analogia: o investimento inicial em P&D é enorme, e as contas só fecham quando surge um medicamento bem-sucedido, exceto que esse processo é mais rápido e de maior escala para a IA. Ao mesmo tempo, a empresa está disposta a abrir mão de parte da valorização em troca de proteção contra quedas, como revender a computação excedente quando a demanda for superestimada, melhorar continuamente a eficiência para aumentar a tolerância a erros de julgamento e levantar financiamento antecipadamente quando necessário. Nas palavras da carta, seja ousado, mas com a cabeça no lugar.

As principais capacidades operacionais das empresas de grandes modelos começaram a se tornar previsão de demanda e agendamento de computação. Para julgar uma empresa de IA com investimentos pesados, primeiro observe sua curva de produção por unidade de computação, depois veja se o prazo de seus contratos de computação corresponde à sua taxa de crescimento da demanda. O primeiro determina se ela pode ganhar dinheiro; o segundo determina se ela será esmagada pelos custos de computação em algum trimestre.

Tendência Seis: Segurança e governança, de centro de custo a parte do produto

Em abril deste ano, a Anthropic treinou o Mythos, o modelo mais capaz da época, e julgou que sua capacidade de descobrir vulnerabilidades de rede era forte demais, por isso não o abriu de forma completa e direta. Em vez disso, por meio de um programa chamado Project Glasswing, forneceu apenas uma prévia de pesquisa restrita a algumas instituições para defesa em cibersegurança, ao mesmo tempo que concedeu aos defensores cerca de US$ 100 milhões em créditos de uso. Somente depois que salvaguardas de segurança adicionais foram implementadas é que a empresa o abriu totalmente em junho, sob o nome Fable 5. A carta dos fundadores reconheceu que esse atraso significou abrir mão de uma receita considerável e também ceder parte de sua posição competitiva.

Isso vale a pena comercialmente? A resposta do prospecto é: salvaguardas de segurança rigorosas, comportamento previsível do modelo e mecanismos de responsabilização comprováveis tornaram-se os critérios decisivos para as empresas escolherem parceiros de IA para tarefas críticas. Modelos bem alinhados são melhores em seguir instruções, não tomam precipitadamente ações destrutivas antes de esclarecer a intenção do usuário e são mais resistentes a ataques de injeção de prompt. Quando os modelos começam a se conectar a sistemas críticos de negócios como agentes, segurança é confiabilidade, e confiabilidade é se ele pode ser vendido.

Para isso, a Anthropic trabalhou com mais de 100 clientes em finanças, saúde e setor público para desenvolver salvaguardas de segurança de fronteira de nível empresarial: os dados de monitoramento são armazenados na própria conta de nuvem do cliente, criptografados com as chaves do cliente, e os alertas de abuso são enviados diretamente à equipe de segurança do cliente, sem que funcionários da Anthropic os manipulem.

Inteligência Artificial

Em termos de governança, a Anthropic é uma corporação de benefício público de Delaware, e seu conselho deve ponderar os interesses dos acionistas em relação à sua missão de benefício público. O poder é compartilhado entre três partes: os sete cofundadores detêm um poder de voto fixo de 50,1% por meio de uma ação Classe F e elegem 3 diretores; um fundo fiduciário de benefício de longo prazo sem interesse financeiro na empresa elege 4 dos 7 diretores, um dos quais tem um mecanismo de proteção para nomeação e destituição, e quando a empresa e o fundo fiduciário discordam, os funcionários votam. Os direitos de voto especiais dos fundadores não são permanentes; quando restarem menos de 3 fundadores na entidade votante, eles revertem para acionistas ordinários.

O arranjo de benefício público também está escrito no capital: antes da listagem, 5% do capital foi reservado para estabelecer um fundo de benefício público, e depois disso, para cada aumento sustentado de 50% no preço das ações, o conselho pode reservar outros 2%. Todos os sete cofundadores se comprometeram a doar 80% de seu capital detido pessoalmente, e mais da metade dos funcionários também se comprometeu a doar parte de seu capital.

Há uma passagem na carta dos fundadores que considero a parte mais sóbria de todo o documento de listagem. Eles disseram que, antes de lançar o IPO, consultaram muitos empreendedores que já haviam passado por listagens, e vários deram um conselho semelhante: nunca deixe sua empresa valer um dólar mais do que seu valor real. Porque é muito perigoso quando as pessoas compram ações com base em expectativas que você não pode cumprir, ou avaliam mal como você agirá. Por isso esta carta estabelece especificamente dois tipos de decisões em que a empresa pode se desviar das expectativas dos investidores: uma são apostas de negócios que surgem do desenvolvimento exponencial da IA e parecem um tanto anormais por si só, e a outra são escolhas que se desviam da maximização do lucro para equilibrar o interesse público.

A segurança também é o adesivo que ajuda a Anthropic a atrair talentos. Todos os sete cofundadores ainda estão empregados, a taxa de atrito inesperada é de cerca de 1%, e dos funcionários que a empresa esperava reter mas que saíram, 19% retornaram depois; mais de três quartos dos primeiros 100 funcionários ainda estão na empresa.

Quando os modelos passam de responder perguntas a agir em nome das pessoas, a confiança torna-se a própria característica do produto. O investimento em segurança não é mais apenas um custo de conformidade, mas está pagando pelo acesso aos negócios críticos dos clientes empresariais.

Quatro incertezas no prospecto também merecem atenção

Primeiro, o crescimento está fadado a desacelerar. O crescimento sequencial do terceiro trimestre foi de 47%, significativamente inferior aos 144% do segundo trimestre. O próprio prospecto afirma claramente que o crescimento da receita diminuirá com o tempo, e a queda pode ser maior e chegar mais cedo do que o esperado; à medida que o crescimento desacelera, as flutuações sazonais se tornarão mais pronunciadas, e o desempenho será mais difícil de prever.

Segundo, a qualidade da receita. O prospecto divulga que cerca de 5% a 7% da receita nos primeiros nove meses deste ano veio de clientes posteriormente identificados como tendo violado políticas de uso ou termos comerciais. A empresa reforçou a detecção e a aplicação em agosto e setembro, e essa parcela da receita diminuirá gradualmente, mas qual será o tamanho do impacto sobre o crescimento e quando ele se manifestará atualmente é incerto.

Terceiro, o descasamento de capacidade computacional. Compromissos de cerca de US$ 900 bilhões geralmente precisam ser cumpridos independentemente da receita e da utilização. Parte da expansão de capacidade computacional também depende de financiamento ou apoio de crédito fornecido por fornecedores de nuvem e parceiros de chips. A Amazon e o Google são ambos acionistas relevantes com participações superiores a 5%, ao mesmo tempo em que são clientes, canais de distribuição e concorrentes; essa relação múltipla é, por si só, uma fonte de incerteza.

Quarto, os prejuízos contábeis. O prejuízo líquido do terceiro trimestre foi de US$ 23,3 bilhões, dos quais US$ 21,9 bilhões foram variações de valor justo em notas conversíveis, passivos de derivativos e SAFEs decorrentes de aumentos de valuation, que são itens não caixa; mas as despesas de incentivo em ações reconhecidas sucessivamente após a abertura de capital ainda continuarão a pesar sobre a demonstração de resultados. Em relação à concorrência, a OpenAI, o Google e modelos de pesos abertos cada vez mais capazes estão todos na mesma trilha.

Do ponto de vista da precificação da emissão, o mercado, na verdade, já está fazendo essas contas.

Cinco insights para a indústria de grandes modelos

Reunindo as seis tendências, chega-se a cinco insights para a indústria.

Primeiro, em P&D, torne-se o primeiro usuário do seu próprio modelo. O ciclo fechado da Anthropic mostra que a profundidade do uso interno determina a velocidade de iteração mais do que as posições em rankings externos. Comece por domínios em que os resultados são verificáveis, como código, deixe o modelo primeiro transformar o seu próprio processo de P&D e, em seguida, transfira essa capacidade para os clientes.

Segundo, em produtos, mude da conversa para a entrega. Modelos, frameworks de execução, protocolos de conexão e pacotes de habilidades devem ser construídos em conjunto, e os produtos devem ser projetados em torno dos resultados de entrega, e não da qualidade das respostas; ao mesmo tempo, planeje produtos em torno das capacidades do modelo daqui a seis meses, em vez de se concentrar apenas nas capacidades atuais.

Terceiro, comercialmente, trate a produção por unidade de capacidade computacional como a primeira métrica operacional. O modelo de cobrança por uso mais cortes contínuos de preços pressupõe uma queda contínua no custo por tarefa. Cortes de preços sem ganhos de eficiência são apenas subsídios; cortes de preços sustentados por ganhos de eficiência podem trazer elasticidade de demanda.

Quarto, no mercado, os serviços empresariais dependem do sistema de entrega. Penetração de baixo para cima por desenvolvedores, entrega profunda por equipes de IA aplicada, cobertura de ecossistema por plataformas de nuvem e integradores, certificação e treinamento de engenheiros FDE, além de formas de serviço voltadas para empresas de médio porte—nada disso pode faltar. Quando as capacidades dos modelos estão em excesso, quem conseguir transformar capacidades em resultados nos processos dos clientes poderá capturar receita.

Quinto, em capacidade computacional, o agrupamento de capacidade computacional heterogênea e a combinação de contratos de longo e curto prazo são habilidades básicas. Se uma empresa de modelos consegue treinar e inferir com eficiência em múltiplos chips, se consegue usar IA para concluir automaticamente a migração de operadores e se consegue travar data centers e chips separadamente e combinar contratos de longo prazo com contratos de curto prazo determina diretamente sua elasticidade de lucro quando a demanda flutua. Para empresas que precisam executar modelos em múltiplos chips ao mesmo tempo, isso é especialmente instrutivo.

Por fim, voltando àquela frase: nunca deixe sua empresa valer um dólar mais do que seu valor real.

O significado da abertura de capital da Anthropic não é que exista mais uma empresa de um trilhão de dólares, mas que, pela primeira vez, a indústria de grandes modelos precisa aceitar a reconciliação trimestral pelo mercado público. Depois que a inteligência começa a produção em massa, o que é mais difícil do que criar modelos mais inteligentes é provar continuamente que alguém está disposto a pagar pelo uso da inteligência obtida de cada unidade de capacidade computacional.

Este exame começa com a abertura do mercado hoje à noite, 19 de novembro.

(Este artigo baseia-se no prospecto divulgado publicamente pela Anthropic, nos materiais para investidores do roadshow, nos vídeos do roadshow e na carta dos fundadores. Os dados operacionais autorrelatados pela empresa e as declarações da administração no roadshow não foram verificados de forma independente; o preço e o tamanho da emissão estão sujeitos à precificação final e não constituem qualquer recomendação de investimento.)

Wang Qiang, Diretor do Centro de Pesquisa de Tecnologia de Fronteira do Tencent Research Institute

Este artigo vem da conta pública do WeChat "Tencent Research Institute" (ID: cyberlawrc), autor: Wang Qiang