A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Al Gore afirmou em entrevista ao TechCrunch que a emissão de data centers de IA não é o principal motivo para preocupação pública, apesar das manifestações contra seus impactos ambientais. Para ele, o que deveria acender o alerta são avisos vindos de dentro da própria indústria de IA, além de riscos associados ao avanço das capacidades dos sistemas.
Gore citou a questão do “scale” das emissões e destacou que a demanda por ar-condicionado pode pressionar mais a rede elétrica do que os data centers no mesmo período. Ele também mencionou preocupações com o uso de novas turbinas a metano por alguns hyperscalers e disse levar a sério alertas recentes de líderes do setor, conectando o debate a temores sobre perdas de empregos e mudanças sociais.
O Brasil encerrou o primeiro semestre de 2026 com 706 megawatts (MW) de capacidade instalada em data centers, volume que supera em mais de seis vezes o registrado em 2012. Até o fim do ano, mais 134 MW devem entrar em operação, após 106 MW entregues nos primeiros seis meses, colocando 2026 como um ano recorde para o setor, segundo levantamento da JLL.
A expansão acompanha a demanda por processamento e armazenamento ligada ao avanço da inteligência artificial, com hyperscalers elevando a contratação de espaço de cerca de 230 MW (2021) para 780 MW no primeiro semestre de 2026. O investimento previsto para as entregas de 2026 é estimado em aproximadamente US$ 8 bilhões, e o governo federal sancionou o Redata para incentivar investimentos e exigir contrapartidas em pesquisa, desenvolvimento e oferta de capacidade no país.
Pesquisadora da Wharton, Jessica Wachter, analisou o impacto econômico do boom de infraestrutura de IA a partir de uma premissa: poucos hyperscalers estão colocando quantias enormes para construir data centers. Em estimativas com um colaborador, os gastos podem chegar a quase US$ 1,1 trilhão até 2027, enquanto as empresas precisariam elevar a própria produtividade em 2,7 vezes para empatar até 2030, considerando custo de capital e retorno de 15%.
O cenário também traz alertas financeiros. Wachter afirma que, se a produtividade não se materializar, as empresas podem ficar atrás do pagamento de juros e isso eleva o risco de falência, com a possibilidade de o buildout virar a maior má alocação de capital da história. Ao mesmo tempo, o texto aponta que os hyperscalers planejam investir cerca de US$ 750 bilhões neste ano, enquanto as receitas totais de IA ainda ficam na faixa de US$ 150 bilhões a US$ 200 bilhões, e parte dos custos é pressionada por novas gerações de chips.
Mohamed El-Erian afirmou que o mercado de capitais americano tem financiado a inteligência artificial em escala crescente, e que esse entusiasmo já aparece na ponta longa da curva de juros dos Estados Unidos. Em conversa no Macro Day do BTG Pactual, ele disse que a demanda por captação no mercado de dívida pelas grandes empresas de tecnologia saltou, com o volume de capital despejado na área quadruplicando em 12 meses.
El-Erian relacionou a pressão sobre os juros à disputa entre hyperscalers, já que “o vencedor leva tudo” e todas as empresas captam ao mesmo tempo. Ele citou estimativas de gastos de capital das big techs entre US$ 800 bilhões e US$ 900 bilhões em 2026, enquanto compradores tradicionais de títulos americanos recuam, elevando o preço do crédito e exigindo juros maiores, com efeitos mais concentrados nos prazos longos.
A Nvidia passou a sustentar sua vantagem na IA para além das GPUs, com a expansão do foco em como os sistemas ao redor do processador conseguem operar com eficiência em data centers de grande escala. Após a concorrência de chips próprios de hyperscalers e a desaceleração recente das ações, a empresa reforçou um novo argumento: à medida que a computação de IA chega ao patamar de gigawatts, a orquestração do ambiente de execução fica mais complexa.
A companhia está lançando a arquitetura Vera Rubin, que combina a GPU Rubin com outras unidades, incluindo a Vera CPU, um acelerador de inferência Groq 3 LPX e racks para armazenamento e redes. A Vera CPU tem como foco coordenar o fluxo de dados para a GPU, e a Nvidia cita melhorias de até 3x nas operações, além de permitir extrair mais desempenho do flash sem gargalos; a disputa, segundo o texto, migra para a eficiência do sistema completo, não apenas para a GPU.
O debate sobre o custo da infraestrutura de IA ganhou um novo teste com dados de Amazon, Alphabet e Microsoft, focados nos gastos de capex dos grandes provedores de nuvem. A análise aponta que o crescimento da demanda por IA está acelerando, que a lucratividade dos hyperscalers tende a escalar com o tamanho do negócio e que a eficiência do capex vem melhorando.
A discussão surge em meio a críticas financeiras de que AWS, Google Cloud e Azure estariam gastando demais em computação para IA, sem conseguir aproveitar toda a capacidade. Com os números reunidos, o argumento de “capex queimando recursos” perde força e sugere que a estratégia de investimento pode estar gerando retorno conforme a escala aumenta.
