Edição #193 | Newsletter Semanal da Análise Macro

O PIB não está vendo a IA

Fala, Reader, tudo certo por aí?

Domingo, fim de tarde, semana fechando — e duas notícias aparentemente desconexas ficaram batendo na minha cabeça desde quarta. Uma é um working paper do Peterson Institute mostrando que a economia de IA dos EUA cresceu mais de 2.500% ao ano em 2024 e 2025 — e é praticamente invisível no PIB oficial. A outra é o S-1 confidencial da Anthropic, protocolado na SEC dia 1º de junho, a um valuation de quase US$ 1 trilhão.

Repare na simetria. A coisa que a estatística pública não consegue medir, o capital privado precifica em quase um trilhão de dólares. A verdade macro está no vão entre os dois termômetros.

Bora destrinchar isso.

🎯 O PIB não está vendo a IA

O paper é do Anton Korinek (UVA/Anthropic Institute) e Patrick McKelvey (Bank of Canada), saiu como PIIE Working Paper 26-9 em maio. Título direto: Measuring the AI Economy. E o achado é incômodo na medida certa para quem trabalha com contas nacionais.

O PIB nominal da IA nos EUA em 2025 é estimado em US$ 250 bilhões. Parece bastante até você lembrar que o PIB americano roda na casa dos US$ 29 trilhões — ou seja, menos de 1%. Só que essa fotografia nominal esconde o filme.

Os autores constroem três séries distintas que não se devem confundir: o AI GDP ajustado por qualidade cresceu mais de 2.500% ao ano em 2024 e 2025; a produção de IA ajustada por qualidade, mais de 2.000% ao ano; e o volume de inferência, ~39× ao ano.

E o capex que sustenta tudo isso? Gasto nominal em compute +144%/ano. Capacidade física (em H100-equivalentes) +213%/ano. Não é hipérbole de venture capitalist — é deflator de contas nacionais.

Aí vem a parte que interessa ao economista. Por que isso some no PIB? Porque o preço da inferência ajustado por qualidade cai cerca de 94% ao ano — fica ~16× mais barato a cada doze meses. Volume explodindo, preço despencando, participação nominal estável. Em linguagem de manual: estamos num choque de produtividade tão violento que o próprio deflator come o crescimento real antes dele aparecer.

Jack Clark, que destacou o paper no Import AI, tem a melhor imagem para isso: o economista hoje está como o banhista em Tubarão sem ouvir a trilha sonora. O tubarão está na água — mas os dados de superfície dizem que está tudo normal.

Os números — EUA, 2024–2025

PIB nominal da IA (2025): US$ 250 bi

AI GDP ajustado por qualidade: >2.500%/ano

Produção de IA (ajust. qualidade): >2.000%/ano

Volume de inferência: ~39× ao ano

Gasto em compute: ~144%/ano

Capacidade física (H100-eq.): ~213%/ano

Preço da inferência (ajust. qual.): −94%/ano

A recomendação dos autores é o que qualquer estatístico sério faria: criar contas-satélite de IA nos órgãos oficiais — como já existe para turismo, ambiente e cultura — e incorporar a capacidade produtiva de IA às projeções fiscais de médio prazo. Sem isso, o BC não consegue colocar o ganho no produto potencial, o fisco não consegue tributar a bonança e o ministro do Planejamento projeta receita com modelo cego.

Tem uma frase no resumo do Import AI sobre o paper que ficou comigo: "uma bonança que não pode ser vista não pode ser compartilhada."

Lembrando: são estimativas de working paper, preliminares por natureza. Mas a ordem de grandeza é grande demais para ignorar.

📊 O capital está vendo — e como

Enquanto o BEA não enxerga, o mercado privado precifica. Dia 1º de junho a Anthropic anunciou oficialmente o protocolo confidencial do S-1 na SEC. Listagem pode acontecer já em outubro de 2026.

Os números:

• Série H de US$ 65 bi a um valuation de ~US$ 965 bilhões, co-liderada por Altimeter, Dragoneer, Greenoaks e Sequoia (com Capital Group, Coatue, D1).
• Receita anualizada de US$ 10 milhões (2022) a US$ 47 bilhões (maio/2026) — passando por 100 mi (2023), 1 bi (2024) e 9 bi (2025). É a rampa de receita mais rápida do capitalismo moderno.
• Múltiplo implícito de receita: ~20×.

Vinte vezes receita é caro? Em qualquer comparação histórica de equity, sim. Comparado ao crescimento da própria receita, é discutível. É exatamente esse tipo de tensão que define ciclo de capex tecnológico.

E não é só a Anthropic. A Alphabet anunciou oferta de equity de US$ 80 bilhões (ampliada para US$ 84,75 bi) para financiar infraestrutura de compute — com a Berkshire Hathaway entrando com US$ 10 bi em private placement (US$ 5 bi em Classe A, US$ 5 bi em Classe C). Berkshire. Em compute de IA. Lê de novo.

E tem um detalhe que afia a pergunta da bolha: a Alphabet fechou 2025 com US$ 132 bilhões de lucro líquido. Por que uma empresa que lucra US$ 132 bi precisa emitir US$ 80 bi em ações? Porque o capex de IA para 2026 mira US$ 175–185 bi — quase o dobro de 2025. Quando nem o caixa de uma das empresas mais lucrativas do planeta basta, a escala da aposta fala por si.

O pano de fundo é uma concentração de capital quase obscena: dos 857 unicórnios globais, quase metade não levantou rodada nos últimos três anos. O dinheiro está indo para meia dúzia de teses — e essas teses são todas de IA.

⚙️ O vão entre os dois termômetros

Aqui mora a tese. Os dois termômetros não estão errados — estão medindo coisas diferentes, em horizontes diferentes. A estatística mede valor adicionado nominal corrente, com deflator que mal acompanha qualidade. O mercado precifica fluxo de caixa descontado de um cenário onde a tecnologia se difunde pela economia inteira.

O vão entre eles tem três consequências macro de primeira ordem:

Para o banco central. Se o produto potencial está sendo subestimado porque o deflator engole o ganho real, a curva de Phillips fica enviesada — o BC pode estar lendo como pressão de demanda o que é, na verdade, ganho de produtividade não medido. É o tipo de erro que produz política monetária excessivamente apertada no momento errado do ciclo.

Para o fisco. Bonança invisível não se tributa, não se redistribui, não entra na regra fiscal. O excedente produtivo gerado pela IA está escapando do perímetro do Estado moderno — e isso tem implicação política, não só técnica.

Para o risco sistêmico. Quando o capital aposta em uma direção com a convicção que vemos hoje — Berkshire entrando, 5× de receita em 6 meses, US$ 965 bi de valuation pré-IPO — o próprio tamanho da aposta vira o risco macro a monitorar. Pode ser repricing de produtividade real. Pode ser a maior bolha desde as pontocom. Honestamente: os dados ainda não permitem decidir.

Gancho Brasil. Não temos chips, não temos big techs locais, não temos exposição relevante a essa bonança — nem como produtor, nem via portfólio. Se o cenário de produtividade se materializa, o descolamento estrutural vira problema de competitividade de longo prazo. Se vira bolha, o canal de contágio é só financeiro. Em qualquer dos dois, não somos protagonistas.
​
E há um canal mais sutil, que merece entrar no seu radar de Selic: esse capex de centenas de bilhões absorve poupança global e ajuda a sustentar os juros americanos altos por mais tempo. Resultado para nós — prêmio de risco mais persistente e normalização da Selic mais difícil. A onda de IA aperta o nosso juro mesmo sem um único chip em solo nacional.

📄 Papers da semana

Estreia da seção. Curadoria dos papers da semana que dialogam diretamente com nosso trabalho de analista macro e de dados. Links clicáveis para as páginas oficiais.

• ​Measuring the AI Economy — Korinek & McKelvey (PIIE WP 26-9) — constrói um "AI GDP" para os EUA e explica por que a economia de IA é quase invisível nas contas nacionais. Por que importa: é o paper que ancora esta edição — US$ 250 bi de PIB de IA em 2025, crescendo >2.500% ao ano, e a proposta de contas-satélite de IA.
• ​Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization — localiza onde agentes de pesquisa erram ao longo da trajetória. Por que importa: confiabilidade de research automatizado em análise econômica e financeira depende exatamente disso — saber onde o agente furou.
• ​Benchmarks are Not Enough: RAMP for Runtime Assessing of Agentic Models — framework para avaliação contínua de agentes em produção. Por que importa: dá métricas para precificar o ROI real de IA — exatamente a cobrança que o COO da Uber fez esta semana em público.
• ​On the Scaling of PEFT: Towards Million Personal Models of Trillion Parameters — leis de escala para fine-tuning barato. Por que importa: aponta para customização barata de LLMs em banking e varejo, o que redefine a curva de adoção corporativa nos próximos 24 meses.
• ​World Models Meet Language Models — complementaridade entre modelos de mundo e LLMs. Por que importa: fundamenta a próxima fronteira, com implicações diretas para previsão econômica e simulação macro.

Também na semana, vale o radar: Cosmos 3 (Physical AI), TASTE (benchmarks de agentes) e Language Models Need Sleep (memória de longo prazo).

🧠 Insight final

Economista sabe que o que não se mede não se gerencia — e a economia de IA é hoje o maior ponto cego das contas nacionais. Dois termômetros: a estatística pública, que mal registra US$ 250 bi de PIB de IA, e o mercado de capitais, que precifica uma única empresa em quase US$ 1 trilhão. A verdade está no vão entre eles.

É ali que mora o trabalho do analista macro nos próximos anos — estimar o produto potencial de uma bonança que o PIB não enxerga, e decidir, com método, se o que o capital precifica é repricing de produtividade real ou a maior bolha desde as pontocom. A verdade está nos dados — inclusive nos que ainda não aprendemos a medir.

📎 Material da semana

📄 Resumo da semana (PDF) — o digest completo das newsletters que embasou esta edição.

🔍 Aprofundamento (PDF) — o dossiê vertical sobre o tema da semana.

🎧 Ouça em podcast: “A inteligência artificial virou indústria pesada” — esta edição em áudio, gerada no NotebookLM.

Um abraço,
​Vítor Wilher — Análise Macro

A verdade está nos dados.