Internet, Inteligência Artificial e Infraestrutura de Semicondutores: As capacidades de IA de fronteira e a demanda por infraestrutura permanecem fortes, mas cortes nos preços de tokens e custos maiores de armazenamento são novas variáveis de valuation para ações de internet

Visão geral

Este relatório lança o Rastreador de Dados de IA de Fronteira do BofA, cobrindo rankings de capacidade de modelos, uso e gastos com modelos, preços de tokens, preços de aluguel de GPUs e preços de armazenamento para avaliar dinâmicas competitivas de IA, sentimento de valuation e variáveis de margem para ações de internet de grande capitalização.

Visões principais

Anthropic e OpenAI atualmente definem a fronteira das capacidades de grandes modelos, enquanto os melhores rankings de modelos da Meta indicam progresso em seu laboratório de IA. Modelos abertos de menor custo ganharam recentemente alguma participação de uso, enquanto os cortes de preços de tokens de API em agosto intensificaram a concorrência de preços. Os preços de aluguel de GPUs permanecem amplamente resilientes, refletindo uma demanda saudável por infraestrutura de IA e vidas úteis dos servidores; contudo, a inflação de DRAM e NAND continua pressionando as margens de nuvem e infraestrutura.

Estrutura de análise

O relatório constrói uma estrutura de monitoramento de toda a cadeia de valor de IA usando benchmarks de modelos de terceiros, dados de roteamento da OpenRouter e Vercel, índices de custo de tokens, índices de aluguel de GPUs e preços à vista de armazenamento, interpretados juntamente com valuations e divulgações de risco de grandes empresas de internet.

Notas metodológicas

• Avaliação de Capacidade de ModelosÍndice de Modelos da Artificial Analysis

  Índice de Inteligência, Índice Agêntico e Índice de Agentes de Programação

  Utiliza benchmarks padronizados para comparar as capacidades gerais, agênticas e de tarefas de programação dos modelos de fronteira.

• Adoção de ModelosDados de Roteamento da OpenRouter e Vercel

  Participação no Uso de Tokens e Participação nos Gastos

  Observa a adoção por desenvolvedores, as compensações de custo-eficiência e a tração comercial por meio de solicitações roteadas via OpenRouter ou Vercel AI Gateway; não representa o uso total do mercado.

• Economia de InferênciaÍndice de Preço de Tokens e Índice de Gastos com Tokens de LLM

  Custo Combinado por Milhão de Tokens

  Acompanha mudanças padronizadas de custo para modelos convencionais e o ecossistema real de inferência, a fim de avaliar a concorrência de preços e a economia da inferência em nuvem.

• Oferta e Demanda de InfraestruturaÍndice de Aluguel de GPUs da Silicon Data

  Preços Padronizados de Aluguel de GPUs por Hora

  Abrange preços de aluguel de GPUs em neoclouds, nuvens hiperescaláveis, plataformas gerenciadas e plataformas privadas de aluguel para observar a intensidade da demanda por computação de IA.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Alphabet

  Beneficia-se da iteração do modelo Gemini, da expansão do negócio de nuvem e da comercialização de ativos de IA.

  Pontos fortes

  O relatório acredita que seus fortes ativos de IA, o crescimento esperado de receita de dois dígitos e a expansão da margem de Cloud podem sustentar o valuation.

  Pontos fracos

  O ritmo de monetização e o impacto nas margens da integração de IA à busca permanecem incertos.

  Comparação

  Gemini 3.6 Flash ocupa o décimo terceiro lugar no Índice de Inteligência citado, atrás de Claude e GPT-5.6 Sol.

  Riscos

  Ferramentas competitivas de IA desviando tráfego de busca, integração de IA à busca pressionando receita, pressão de conformidade com a DMA e maiores investimentos de capital em IA reduzindo o fluxo de caixa livre.

• Amazon.com

  A AWS se beneficia da demanda por nuvem de IA, mas também enfrenta custos de infraestrutura e potencial disrupção do tráfego pela IA generativa.

  Pontos fortes

  AWS e publicidade oferecem fontes diversificadas de valor, e o relatório utiliza uma estrutura de valuation por soma das partes.

  Pontos fracos

  O aumento dos custos de infraestrutura de IA e armazenamento pode comprimir o fluxo de caixa livre da AWS.

  Comparação

  Em comparação com laboratórios de modelos puros, o principal caminho de benefício da Amazon.com é a infraestrutura de nuvem e a demanda de clientes empresariais.

  Riscos

  Concorrência de provedores de nuvem e grandes varejistas, aumento dos custos da AWS, IA agêntica pressionando o tráfego direto e a receita de publicidade de alta margem, e incerteza macroeconômica ampliando a volatilidade.

• Meta Platforms

  Melhorias nas capacidades dos modelos e sua estratégia de modelos com pesos abertos são catalisadores importantes para sua competitividade em IA e valuation.

  Pontos fortes

  Meta MuseSpark 1.2 ocupa o sétimo lugar no Índice de Inteligência, indicando progresso em seu laboratório de IA; o relatório mantém sua recomendação de Compra.

  Pontos fracos

  O alto investimento em IA pode pressionar as margens no curto prazo, e a concentração da receita de publicidade permanece elevada.

  Comparação

  Seu ranking de modelo ainda fica atrás dos líderes Claude e GPT-5.6 Sol, mas supera o ranking no Índice de Inteligência do Gemini 3.6 Flash citado no relatório.

  Riscos

  Sensibilidade macroeconômica da publicidade digital, investimento em IA corroendo margens, aumento dos ativos fixos reduzindo a flexibilidade de custos, plataformas nativas de IA competindo pelo tempo dos usuários e orçamentos de publicidade, e riscos regulatórios e de litígios.

Dados principais

• Rankings de Modelos de FronteiraClaude Opus 5 ocupa o primeiro lugar no Índice de Inteligência; GPT-5.6 Sol está entre os primeirosMeta MuseSpark 1.2 ocupa o sétimo lugar no Índice de Inteligência, enquanto Gemini 3.6 Flash ocupa o décimo terceiro.
• Uso de Modelos AbertosMiMo-V2.5: 32,8 trilhões de tokens; DeepSeek V4 Flash: 26,4 trilhões de tokensDados cumulativos acumulados no mês de agosto da OpenRouter.
• Participação de Uso de Tokens da VercelDeepSeek 29,7%; Anthropic 24,7%; OpenAI 16,3%; Google 5,1%DeepSeek e OpenAI ganharam participação em relação ao mês anterior, enquanto Google e Anthropic recuaram.
• Participação nos Gastos da VercelAnthropic 64,8%; OpenAI 11,2%; Google 7,8%; Moonshot.ai 6,4%Esta métrica é calculada de forma padronizada usando preços de mercado publicamente disponíveis.
• Índice de Preço de Tokens de IAUS$ 2,21Em 13 de agosto, o resumo do relatório afirma que caiu 9% em relação ao mês anterior e subiu 87% em relação ao ano anterior; cortes de preços e substituição por modelos mais eficientes em custo foram os principais vetores.
• Índice de Gastos com Tokens de LLMUS$ 1,15Queda de 27% em relação ao mês anterior em agosto, versus US$ 1,57 em julho.
• Preços de Aluguel de GPUsB200 US$ 5,63/hora; H100 US$ 2,77/hora; A100 US$ 1,65/horaAs variações em relação ao mês anterior foram de -2%, +2% e estáveis, respectivamente; as variações em relação ao ano anterior foram de +7%, +33% e +17%, respectivamente.
• Preços de ArmazenamentoDDR5 aproximadamente +8% em relação ao mês anterior; NAND estável em relação ao mês anteriorAmbos subiram aproximadamente 483% e 432% em relação ao ano anterior, respectivamente.

Impacto e implicações

Para ações de internet de grande capitalização, lançamentos de modelos e rankings de capacidade afetam as narrativas competitivas de IA e os valuations. Preços mais baixos de tokens beneficiam os custos de inferência do lado do usuário, mas podem reduzir a receita por unidade e as margens de serviços de nuvem e provedores de modelos. Preços estáveis de aluguel de GPUs sustentam a tese de demanda de investimentos de capital em IA, enquanto os preços persistentemente crescentes de armazenamento adicionam pressão de custos de infraestrutura.

Riscos

• Os dados da OpenRouter e da Vercel abrangem apenas o tráfego roteado por seus gateways e excluem APIs diretas, plataformas de nuvem, implantações privadas, inferência auto-hospedada e cargas de trabalho internas de nuvens hiperescaláveis; não devem ser considerados uso total do mercado.
• A concorrência de preços de tokens pode superar o crescimento da demanda, comprimindo as margens de monetização de IA para plataformas de nuvem, provedores de modelos e empresas de internet.
• A continuidade dos aumentos nos preços de DRAM e NAND pode compensar parte dos ganhos de eficiência de GPUs e elevar o custo total de propriedade da infraestrutura de IA.
• Os rankings dos principais modelos mudam rapidamente; lançamentos subsequentes, como Meta Watermelon ou Google Gemini 4, podem alterar rapidamente o cenário competitivo e o sentimento de mercado.
• Ações de internet de grande capitalização permanecem expostas a riscos específicos de empresas, incluindo ciclos de publicidade, regulação, investimentos de capital e desvio de tráfego por produtos de IA.

Pontos a observar

• Lançamentos subsequentes de modelos, mudanças nos rankings de capacidade e estratégias de pesos abertos de provedores de nuvem hiperescaláveis e laboratórios de modelos.
• Se o Índice de Preço de Tokens de IA, os ajustes de preços dos modelos e os ganhos de eficiência de custo continuarão, particularmente seu impacto nas margens dos negócios de nuvem.
• Mudanças na participação de uso e na participação nos gastos entre modelos abertos e fechados na Vercel e na OpenRouter.
• Se os preços de aluguel de B200, H100 e A100 permanecem resilientes, validando a demanda por infraestrutura de IA e as vidas úteis dos servidores.
• Tendências dos preços à vista de DRAM e NAND e sua transmissão para investimentos de capital em infraestrutura de nuvem e margens brutas.