Inteligência Artificial e Tecnologia: Modelos de pesos abertos impulsionam a redução de custos e ganhos de eficiência nas empresas, com a concorrência em IA migrando para um cenário multimodelo

Visão geral

O relatório se concentra em três desenvolvimentos nos modelos de pesos abertos na última semana: primeiro, modelos chineses melhorando a rentabilidade por meio de aumentos diretos de preços e licenciamento comercial; segundo, empresas americanas adotando modelos de pesos abertos e obtendo retornos claros sobre o investimento; e terceiro, a Meta retornando ao ecossistema de pesos abertos. O Morgan Stanley acredita que o mercado de IA está migrando rapidamente para um cenário multimodelo, no qual modelos abertos ajudam a reduzir custos unitários, acelerar a adoção empresarial e sustentar a demanda por computação, enquanto a diferença de preços de modelos entre EUA e China determinará as fronteiras competitivas entre modelos abertos e de código fechado.

Visões principais

Os modelos chineses estão migrando da concorrência por preços baixos para uma precificação escalonada e comercialização, entrando em uma fase de maior escala de modelos, maiores barreiras de entrada e melhor monetização. Ao mesmo tempo, espera-se que os preços dos modelos americanos de código fechado continuem caindo, e a participação crescente de modelos abertos também está reduzindo os preços gerais dos tokens. As empresas não escolherão simplesmente entre modelos abertos e de código fechado, mas farão roteamento dinâmico com base na complexidade da tarefa, custo, necessidades de customização, segurança e confiabilidade. Modelos de pesos abertos são mais adequados para tarefas de alta frequência, sensíveis a custos e específicas de setores, enquanto modelos de ponta de código fechado podem continuar dominando raciocínio complexo e cargas de trabalho agênticas.

Estrutura de análise

O relatório combina precificação de modelos, termos de licenciamento, estudos de caso de resultados empresariais e análise de cenários da cadeia industrial para avaliar o impacto de trajetórias de modelos abertos, de código fechado e híbridos sobre a velocidade de adoção empresarial, a demanda por tokens, os investimentos de capital em computação em nuvem e os beneficiários da cadeia industrial de tecnologia, e utiliza uma estrutura de “três estados do mundo” para mapear as ações relacionadas.

Notas metodológicas

• Análise de cenáriosTrês estados do mundo

  Pressupõe, respectivamente, que os modelos de código fechado vencem, que modelos abertos e de código fechado coexistem em uma combinação híbrida, e que os modelos abertos vencem.

  Essa estrutura é usada para comparar os benefícios relativos para serviços em nuvem, provedores de modelos, semicondutores, redes, centros de dados, cibersegurança, software empresarial e hardware de borda sob diferentes cenários de modelos.

• Elasticidade da demandaParadoxo de Jevons

  Uma queda nos custos unitários de computação ou de tokens pode estimular maior uso, fazendo com que a demanda total aumente em vez de diminuir.

  O relatório argumenta que reduções de preços dos modelos abertos e de código fechado aumentarão o uso de IA; portanto, uma queda nos custos unitários não deve ser diretamente equiparada a uma queda na demanda por infraestrutura de computação.

• Arquitetura técnicaRoteamento multimodelo

  Alocar diferentes cargas de trabalho ao modelo mais adequado com base no desempenho da tarefa, custo e risco.

  As empresas podem usar uma camada centralizada de roteamento para combinar modelos abertos e de código fechado, reduzindo gastos enquanto mantêm o uso de tokens e a qualidade do serviço.

Mapeamento e comparação de ativos

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

• Cesta de vencedores de modelos de código fechado: GOOGL, AMZN, META, PANW, CRWD, ANET, NVDA, AVGO

  Beneficiam-se de barreiras de capacidade dos modelos de ponta, cargas de trabalho centralizadas em nuvem e demanda de treinamento de alta intensidade.

  Pontos fortes

  Capital, computação, dados, segurança e capacidades de implantação criam barreiras relativamente altas, enquanto as empresas atribuem maior importância à precisão, confiabilidade e proteção de responsabilidade.

  Pontos fracos

  Um oligopólio de modelos pode manter os custos de computação relativamente altos e limitar o controle e a customização dos modelos pelas empresas.

  Comparação

  Em comparação com o cenário de modelos abertos, este está mais voltado a plataformas de nuvem hiperescaláveis, laboratórios de ponta e centros de dados centralizados.

  Riscos

  Rápida aproximação dos modelos abertos, cortes contínuos nos preços das APIs de código fechado e maior capacidade interna das empresas podem enfraquecer a concentração.

• Cesta de modelos híbridos: AMZN, GOOGL, MSFT, DDOG, PLTR, PANW, SAP, NOW, CSCO, NVDA

  Beneficiam-se da coexistência de modelos abertos e de código fechado, bem como da demanda empresarial por capacidades de roteamento, orquestração, observabilidade e segurança.

  Pontos fortes

  Podem abranger raciocínio complexo, tarefas de alta frequência e tarefas específicas de setores, permitindo que as empresas selecionem modelos de forma flexível com base em desempenho e custo.

  Pontos fracos

  A complexidade da arquitetura, os custos de governança e os requisitos de segurança de dados entre modelos são maiores.

  Comparação

  Mais adaptável do que um caminho único, e também o estado que o relatório acredita estar cada vez mais alinhado à adoção empresarial real.

  Riscos

  Padronização de modelos, rápida convergência de preços ou a formação de uma vantagem avassaladora por uma única plataforma poderiam reduzir o valor de ferramentas independentes de orquestração.

• Cesta de vencedores de modelos abertos: MSFT, BABA, Tencent, PLTR, DELL, HPE, NTAP, AAPL, SAP, NOW, SHOP, NVDA

  Beneficiam-se da popularização de modelos abertos, da queda dos custos de tokens e da transferência de mais cargas de trabalho para implantação local ou na borda.

  Pontos fortes

  Suporta customização com dados setoriais, controle de modelos, implantação privada e menores custos de inferência, ajudando a ampliar a adoção empresarial.

  Pontos fracos

  As empresas precisam assumir mais responsabilidade por implantação, segurança, atualizações e governança de modelos.

  Comparação

  Em comparação com o cenário de modelos de código fechado, este é mais favorável à infraestrutura local, dispositivos de borda, parceiros de canal e provedores de modelos abertos.

  Riscos

  Aperto do licenciamento comercial, aumentos de preços dos modelos abertos, cortes de preços dos modelos de ponta de código fechado e restrições regulatórias podem enfraquecer a vantagem de custo.

Dados principais

• Precificação relativa de API dos grandes modelos chinesesCerca de 15% a 20% dos produtos americanos comparáveisA diferença de preços continua significativa, mas espera-se que os aumentos de preços dos modelos chineses e os cortes de preços dos modelos americanos reduzam essa diferença.
• Preço-base do DeepSeek V4-FlashUS$0,14 por 1 milhão de tokens de entrada; US$0,28 por 1 milhão de tokens de saídaO relatório estima que, se os preços dobrarem, a margem de lucro de um centro de dados de 200 MW que execute esse modelo poderia se aproximar daquela do Kimi K3 e de outros modelos de ponta.
• Participação na receita de licenciamento comercialMoonshot pode cobrar até 30%Destina-se principalmente a clientes que geram mais de US$20 milhões em receita usando os modelos relevantes, com o impacto provavelmente recaindo mais sobre provedores de nuvem hiperescaláveis que oferecem serviços de modelos.
• Gastos da Rippling com tokensCaíram de 40% dos custos de pessoal de P&D para 15%Alcançado após a adoção do GLM 5.2 e de roteamento de modelos customizado, enquanto o uso de tokens permaneceu estável em cerca de 600 bilhões por mês.
• Custo de transação com modelo aberto do PinterestMenos de 8% do custo de modelos proprietários comparáveis de código fechadoAlcançado pelo uso de modelos abertos pós-treinados com dados proprietários e uma camada de roteamento de modelos.

Impacto e implicações

Um cenário multimodelo é favorável à orquestração de modelos, observabilidade, cibersegurança e infraestrutura distribuída, e pode acelerar a penetração da IA nas empresas por meio de custos mais baixos. Uma vitória dos modelos de código fechado beneficiaria plataformas de nuvem hiperescaláveis, laboratórios de modelos de ponta e infraestrutura centralizada de treinamento; um cenário híbrido beneficiaria roteamento entre modelos, software de infraestrutura e fornecedores de segurança; e uma vitória dos modelos abertos seria mais favorável à implantação local, dispositivos de borda, hardware empresarial e distribuidores de canais. Fornecedores de semicondutores e de energia no local têm certa base para se beneficiarem em múltiplos cenários.

Riscos

• A melhora da rentabilidade dos modelos chineses pode criar um ciclo de reinvestimento em P&D, acelerando a redução da diferença de capacidade em relação aos modelos americanos de ponta e alterando o cenário competitivo.
• Restrições a modelos chineses pelos Estados Unidos ou outras regiões podem causar interrupções de fornecimento, riscos de conformidade e riscos de continuidade dos negócios.
• Se os modelos abertos substituírem significativamente chamadas de código fechado de alto preço, enquanto o uso incremental for insuficiente para compensar a queda dos preços unitários, a receita de tokens e parte da demanda por infraestrutura poderão ficar sob pressão.
• Requisitos mais rigorosos de licenciamento comercial e compartilhamento de receita podem enfraquecer as vantagens originais dos modelos abertos de baixo custo e uso permissivo.
• As empresas precisam arcar com custos adicionais de segurança, governança, manutenção, proteção de responsabilidade e talentos ao implantar modelos abertos.
• Os cenários discutidos no relatório ainda estão evoluindo rapidamente, e a classificação dos beneficiários em toda a cadeia industrial relevante é altamente incerta.

Pontos a observar

• Se a diferença de preços de API de grandes modelos entre EUA e China continuará diminuindo, e o ritmo dos cortes de preços para modelos americanos de baixa e média categoria.
• A escala dos aumentos de preços e a implementação de licenciamento comercial por provedores chineses de modelos, como DeepSeek, Moonshot e Alibaba.
• As taxas de adoção empresarial de modelos de pesos abertos, a penetração do roteamento de modelos e casos verificáveis de economia de custos.
• Se a queda dos preços gerais dos tokens leva a maior uso e valida o paradoxo de Jevons.
• As capacidades, taxas de adoção e progresso de construção de ecossistema do Meta Muse Spark 1.2 e de outros modelos americanos de pesos abertos.
• A política de IA entre EUA e China, os requisitos de IA soberana e possíveis proibições de modelos.
• Mudanças nos investimentos de capital em nuvem, energia para centros de dados e demanda por semicondutores sob os três cenários de modelos abertos, de código fechado e híbridos.