Chips de IA enviados até 2027 podem rodar centenas de milhões de agentes

O que o estudo estima

Um relatório da Epoch AI, de Jason Li, calcula quantos agentes de IA o hardware com memória HBM (high-bandwidth memory) enviada entre 2025 e 2027 poderia suportar. A conclusão central: os chips enviados até 2027 poderiam rodar de dezenas a centenas de milhões de agentes simultâneos rodando os modelos de fronteira atuais - cerca de 30 a 170 milhões de agentes concorrentes, considerando plena implantação e alocação. Como um agente pode trabalhar as 168 horas da semana (4,2 vezes a jornada de 40 horas de um funcionário em tempo integral), isso equivale às horas semanais de cerca de 140 a 720 milhões de empregados em tempo integral.

Como a estimativa é construída

O método usa a HBM como denominador comum entre GPUs e aceleradores, porque é um gargalo de produção e da inferência - apenas três empresas a produzem (Micron, Samsung e SK hynix), ambas reportando demanda acima da oferta. A oferta é contada em unidades de 288 GB, equivalentes a uma GPU GB300, e ajustada pela performance de sistemas mais novos: a hipótese central é que sistemas com HBM4/4E suportam o dobro de agentes por gigabyte em relação aos com HBM3E, com cenários alternativos de 1x e 4x.

A concorrência por GPU vem de duas fontes: o benchmark AgentX da SemiAnalysis, que mede diretamente sessões de agentes concorrentes em modelos abertos (como DeepSeek V4 Pro, GLM-5.2, Kimi K3 e MiniMax M3), e o dataset TraceLab, com sessões reais de Codex e Claude Code, usado para inferir concorrência de modelos fechados a partir dos custos de API. Os gastos por hora de agente variam bastante: workloads do Codex custaram em média US$ 15,50 a US$ 18,20 por hora de atividade contínua, contra US$ 24,30 (Opus 4.8) e US$ 50,20 (Fable 5) no Claude Code. O estudo adota US$ 30 por agente-hora como referência, aluguel de US$ 5 por GB300-hora e uma razão de receita de API sobre custo de servir de 5 a 10 vezes - resultando em 0,833 a 1,667 sessões por GB300 equivalente.

Modelos mais baratos e a questão da demanda

Com modelos mais eficientes, a mesma oferta de hardware poderia suportar bilhões de agentes. Aplicando os benchmarks de servir do DeepSeek V4 Pro (31,4 sessões por GPU a 50 tokens/s por usuário) à oferta projetada, chega-se a aproximadamente 1,9 bilhão de agentes concorrentes - o equivalente a 8 bilhões de pessoas trabalhando 40 horas semanais.

O gargalo, argumenta o relatório, não será a oferta, mas a demanda. Usar apenas 20% da capacidade central implicaria de US$ 2,6 a 5,3 trilhões por ano em gastos equivalentes a API, contra cerca de US$ 1 trilhão de receita anualizada dos desenvolvedores até o fim de 2027, mesmo com crescimento de cinco vezes ao ano. Escassez de curto prazo pode coexistir com esse excedente potencial: Satya Nadella relatou que a Microsoft tinha chips em estoque sem data center energizado para instalá-los.

Conclusão

O estudo sugere um risco de que a expansão de compute corra à frente da demanda de inferência. Absorver a capacidade dependerá de quanto trabalho os usuários delegam, quão exigente ele é e quanto pagam. O preço da performance cai cerca de 47% por trimestre desde 2023, o que corta em ambos os sentidos: reduz custos, mas também o hardware necessário por tarefa. O crescimento da demanda via agentes persistentes (como os "dots" da OpenAI) e tarefas mais difíceis poderia compensar - um possível caso do paradoxo de Jevons. O buildout é, nas palavras do relatório, uma aposta de que a IA passará de responder perguntas a executar trabalho economicamente valioso em ampla gama de indústrias.