Google não conseguiu atender ao volume solicitado pela empresa de Mark Zuckerberg; episódio revela os gargalos estruturais de uma indústria que cresce mais rápido do que sua própria infraestrutura
Há uma corrida em curso no coração da indústria tecnológica — e ela não é travada apenas entre empresas, mas contra os limites físicos do próprio planeta. Servidores, chips e energia elétrica tornaram-se os recursos mais disputados do momento. E, pela primeira vez, até os gigantes do setor estão chegando ao fim da fila.
Segundo o Financial Times, o Google, uma das maiores potências tecnológicas do mundo, foi obrigado a impor restrições ao uso dos seus modelos de inteligência artificial Gemini pela Meta — a empresa por trás do Facebook, Instagram e WhatsApp. Segundo três fontes familiarizadas com o assunto, a comunicação ocorreu por volta de março deste ano: o Google informou à Meta que simplesmente não conseguia fornecer toda a capacidade computacional que a empresa solicitava.
O impacto foi imediato. Projetos internos de IA da Meta sofreram interrupções e atrasos. Além disso, a empresa passou a orientar seus funcionários a usar com mais eficiência os chamados tokens de IA — as unidades que medem o consumo dos modelos. Em outras palavras: gastar menos para fazer mais. Uma medida de austeridade digital numa empresa que projeta investir centenas de bilhões de dólares em tecnologia até o fim da década.
Embora outros clientes do Google também tenham sido afetados pelas restrições, o impacto sobre a Meta foi desproporcional. A razão é direta: a empresa de Zuckerberg consome os modelos do Google em volumes muito superiores aos demais usuários corporativos.
Para entender o problema, é preciso olhar para o funcionamento da IA em larga escala. Após o treinamento dos modelos — processo que já exige enormes quantidades de energia e hardware — vem a etapa chamada de inferência: o conjunto de operações necessárias para que o modelo responda a cada pergunta, gere cada texto ou analise cada imagem. É nessa fase que os custos explodem na prática cotidiana.
À medida que empresas de todos os setores adotam chatbots, assistentes de programação e agentes autônomos, a carga sobre os data centers cresce de forma exponencial. O problema não é mais o treinamento dos modelos — é sustentá-los em uso constante.
O próprio CEO do Google, Sundar Pichai, reconheceu publicamente a situação no relatório de resultados do primeiro trimestre. Nessa ocasião, ele afirmou que a receita com serviços em nuvem superou US$ 20 bilhões pela primeira vez, enquanto a carteira de contratos fechados — mas ainda não entregues — quase dobrou em relação ao trimestre anterior, chegando a mais de US$ 460 bilhões. Em seguida, Pichai foi direto: “Obviamente, estamos com limitações de capacidade computacional no curto prazo. E, como exemplo, nossa receita com a nuvem teria sido maior se tivéssemos conseguido atender à demanda.”
A afirmação é reveladora. Mesmo numa empresa com capital e estrutura para investir dezenas de bilhões por ano, a demanda supera a oferta.
Diante da pressão crescente, o Google partiu para soluções emergenciais. No início deste mês, a empresa assinou um contrato de US$ 920 milhões mensais para alugar capacidade computacional da SpaceX, a empresa aeroespacial de Elon Musk. Trata-se de um valor expressivo — e um sinal claro de que a construção própria de infraestrutura não consegue acompanhar o ritmo da demanda.
Não é apenas o Google que busca alternativas. O laboratório de IA Anthropic, criador do chatbot Claude, fechou no mês passado um acordo semelhante com a SpaceX. A corrida por capacidade computacional tornou-se, portanto, um fenômeno setorial — e não uma exceção isolada.
O episódio com o Google expõe uma contradição central na estratégia da Meta. Enquanto Mark Zuckerberg investe bilhões na contratação de talentos e na construção de infraestrutura própria para desenvolver o que ele chama de “superinteligência pessoal”, a empresa ainda depende de modelos rivais para parte significativa de suas operações internas.
O Gemini, por exemplo, está presente em processos críticos da Meta: detectar golpes, remover conteúdo prejudicial, alimentar chatbots de atendimento ao cliente e apoiar fluxos de trabalho internos. A escolha inicial pelo modelo do Google não foi por acaso — o Gemini apresentava desempenho superior aos modelos de código aberto Llama, desenvolvidos pela própria Meta.
Diferentemente do Google, a Meta não possui um negócio de computação em nuvem para terceiros. Isso significa que a empresa depende completamente de fornecedores externos para suprir suas necessidades enquanto constrói sua própria rede de data centers. Para reduzir esse risco, a Meta se comprometeu a investir US$ 600 bilhões nos Estados Unidos até 2028.
Mais recentemente, a empresa passou a priorizar internamente o seu novo modelo, o Muse Spark. Segundo diversas fontes, o modelo já apresenta desempenho competitivo em relação ao Gemini e reduz a dependência da Meta em relação a fornecedores externos para determinadas aplicações. Trata-se de uma mudança estratégica importante: produzir internamente o que antes era necessário comprar de fora.
Por trás das limitações técnicas, há uma dimensão política e econômica que merece atenção. O fato de o Google ter imposto restrições a um cliente da magnitude da Meta — sua concorrente direta em diversas frentes — revela o quanto o poder computacional se tornou uma moeda de negociação estratégica.
Quem controla os chips, os data centers e a energia elétrica necessários para rodar modelos de IA controla, em grande medida, o ritmo e a direção do desenvolvimento tecnológico global. Nesse cenário, empresas sem infraestrutura própria ficam vulneráveis às escolhas e prioridades de seus fornecedores.
A crise de capacidade que o setor enfrenta hoje não é um problema passageiro. Trata-se de um sinal estrutural: a indústria de inteligência artificial cresceu mais rápido do que a capacidade humana — e financeira — de sustentá-la.