Empresas de inteligência artificial no mundo

Toda lista de “maiores empresas de inteligência artificial” comete o mesmo erro: mistura quem fabrica o chip com quem escreve o prompt. São negócios diferentes, com margens diferentes, riscos diferentes e poder de barganha radicalmente diferente.

O jeito útil de olhar não é um ranking. É um mapa de camadas. Cada camada tem uma lógica econômica própria, e entender em qual delas uma empresa opera diz mais sobre seu futuro do que qualquer número de valuation.

Camada 1 — Silício: quem fabrica a capacidade de pensar

Nada acontece sem hardware, e essa é a camada mais concentrada de todas.

A NVIDIA ocupa uma posição que raramente se vê em qualquer indústria: além dos chips, ela controla o CUDA, a camada de software que praticamente todo pesquisador de IA aprendeu a usar. Trocar de fornecedor não é trocar de peça, é reescrever ferramental. Esse é o fosso real, e ele é mais difícil de atravessar do que a vantagem no silício em si.

AMD disputa com a linha Instinct. Intel tenta reposicionar-se com Gaudi. E há o movimento mais interessante da camada: os próprios clientes virando fabricantes. Google projeta TPUs há mais de uma década, Amazon desenvolve Trainium e Inferentia, Microsoft anunciou os chips Maia. Todos pelo mesmo motivo — quando o custo de infraestrutura vira a maior linha do balanço, verticalizar deixa de ser luxo.

Atrás deles, invisível para o consumidor final, está a TSMC, que fabrica fisicamente boa parte desses projetos. E a ASML, na Holanda, única fornecedora mundial das máquinas de litografia ultravioleta extrema. É provavelmente o gargalo mais estreito da economia digital: uma empresa, num país, sem substituto viável.

Quem entende essa camada entende por que política industrial e IA viraram o mesmo assunto.

Camada 2 — Os laboratórios de modelos fundacionais

É a camada que aparece nos jornais, e a que mais queima caixa.

A OpenAI definiu o mercado de consumo com o ChatGPT e transformou uma tecnologia de laboratório em hábito cotidiano. A Anthropic construiu posição forte no mercado corporativo e de desenvolvedores com a família Claude, apoiada num discurso público sobre segurança e interpretabilidade. O Google DeepMind tem a vantagem estrutural mais óbvia: modelo próprio, chip próprio, nuvem própria e distribuição embutida em produtos que bilhões de pessoas já abrem todo dia.

A Meta seguiu por outro caminho, liberando pesos dos modelos Llama. Não é filantropia — é estratégia de commoditização: quando o modelo vira gratuito, o valor migra para onde a Meta é forte, que é distribuição e dados de rede social.

Fora do eixo americano, o mapa ficou mais interessante:

• Mistral AI, na França, virou a resposta europeia com modelos eficientes e forte apelo de soberania digital.
• DeepSeek, na China, chamou atenção mundial ao demonstrar que resultados competitivos podiam ser alcançados com muito menos gasto computacional do que se supunha — um choque de premissas que reprecificou o setor inteiro.
• Alibaba (Qwen) e Baidu (Ernie) sustentam o ecossistema chinês em escala.
• xAI, de Elon Musk, integrada à base de dados e à distribuição do X.
• Cohere, no Canadá, focada em empresa e dados privados.
• AI21 Labs, em Israel, com forte tradição em linguagem.

A economia dessa camada é brutal: custo fixo altíssimo, ciclo de vida curto de cada geração de modelo e pressão de preço constante. É a camada onde mais dinheiro entra e menos margem sobra.

Camada 3 — Nuvem e distribuição

Aqui está o poder silencioso.

Microsoft Azure, Amazon AWS e Google Cloud decidem, na prática, quais modelos chegam ao mercado corporativo com facilidade de contratação. Uma empresa que já tem contrato, compliance e crédito na nuvem tende a escolher o modelo que aparece no console — não necessariamente o melhor em benchmark.

É por isso que os grandes laboratórios firmaram acordos profundos com essas plataformas. Não é só dinheiro: é acesso ao canal.

Vale registrar uma camada intermediária que cresceu rápido: CoreWeave, Lambda e outros provedores especializados em GPU, que atendem quem precisa de capacidade sem o pacote completo de uma nuvem tradicional.

Camada 4 — Ferramental, dados e orquestração

A camada menos glamourosa e frequentemente a mais lucrativa por unidade de esforço.

Hugging Face virou a praça pública de modelos abertos. Databricks e Snowflake disputam o lugar onde os dados corporativos vivem — e quem controla os dados controla a aplicação da IA sobre eles. Scale AI construiu negócio sobre rotulagem e curadoria, lembrando que dado bom continua sendo trabalho humano caro. LangChain, LlamaIndex e a leva de ferramentas de orquestração cuidam de transformar chamadas de modelo em sistemas que fazem algo útil.

Bancos de dados vetoriais como Pinecone, Weaviate e Qdrant viabilizaram a busca semântica que sustenta a maioria das aplicações corporativas sérias.

Camada 5 — Aplicação

É onde a IA encontra um problema de negócio real, e é a camada mais fragmentada — portanto, a mais aberta.

Em código, GitHub Copilot, Cursor e Replit. Em busca, Perplexity propôs um formato de resposta com citação que pressionou o próprio Google. Em imagem e vídeo, Midjourney, Runway, Black Forest Labs e Stability AI. Em voz, ElevenLabs. Em atendimento e vendas, dezenas de empresas verticais que raramente aparecem em lista global mas resolvem problema caro.

O ponto estratégico dessa camada: ela é a única em que o fosso não vem da tecnologia. Vem de dados proprietários, de fluxo de trabalho embutido e de relacionamento. Uma aplicação que só embrulha um modelo de terceiros tem prazo de validade — a próxima versão do modelo base a torna redundante.

O que esse mapa revela

Três leituras que valem mais do que qualquer ranking.

A concentração não está onde parece. O debate público gira em torno de qual chatbot é melhor. O poder real está em litografia, fabricação e nuvem — camadas com pouquíssimos participantes e barreiras de entrada quase intransponíveis.

Modelo virou insumo. A diferença de qualidade entre os melhores modelos vem encolhendo enquanto o preço por token cai. Quando um insumo fica bom e barato, o valor migra para as pontas: para quem controla o acesso ao hardware e para quem controla o cliente.

A camada de aplicação é a única aberta de verdade. Nenhuma empresa brasileira vai construir uma fábrica de chips ou treinar um modelo de fronteira. Mas todas competem em igualdade na camada onde o problema é específico e o dado é próprio.

Para quem toma decisão fora do vale, essa é a conclusão prática: a pergunta não é qual empresa de IA vai vencer. É qual camada você consegue ocupar com vantagem defensável — e o que acontece com o seu negócio quando o modelo que você usa hoje ficar dez vezes mais barato no ano que vem.

---

Nota sobre este mapa. O setor se move rápido: posições mudam, empresas são adquiridas e novos laboratórios aparecem a cada trimestre. O que descrevi aqui é a estrutura de camadas, que tem se mostrado estável mesmo quando os nomes mudam de lugar. Números específicos de valuation, receita e participação de mercado foram deliberadamente omitidos — envelhecem rápido demais para caber num texto que pretende durar. Confira dados atuais na fonte antes de usá-los em qualquer decisão.

Se o seu interesse é o mercado local, escrevi também sobre empresas de inteligência artificial no Brasil e sobre o problema de rankear as maiores empresas de IA do Brasil.