📊OpenAI faturou US$ 13 bilhões, mas gastou US$ 34 bilhões

A OpenAI encerrou 2025 com receita auditada de US$ 13,07 bilhões, superando em mais de US$ 1 bilhão suas próprias projeções internas. O problema é que os custos totais da empresa chegaram a US$ 34 bilhões no mesmo período. O resultado funciona como um raio-X do modelo de negócios da líder em IA generativa: crescimento acelerado financiado por queima massiva de caixa, sustentado pela confiança de investidores como SoftBank e Microsoft.

Os números auditados

Os documentos financeiros revelam que quase 9% da receita da OpenAI em 2025 veio de uma única fonte: US$ 867 milhões pagos pelo SoftBank. Outros US$ 303 milhões saíram da Microsoft. Essa concentração expõe a fragilidade da carteira de clientes. Para desenvolvedores e startups que consomem a API da OpenAI, a dependência de contratos corporativos bilionários significa que decisões sobre preços, rate limits e acesso a novos modelos — como os da família o1, voltados a raciocínio multi-step — continuarão atreladas às demandas de poucos megaclientes, não necessariamente às necessidades de builders independentes.

Margens e custos operacionais

Analistas como Ed Zitron haviam previsto que os modelos de raciocínio, mais caros de treinar e rodar, comprimiriam as margens da empresa. Os números auditados mostraram o oposto: as margens brutas melhoraram, enquanto o faturamento cresceu acima do esperado. O que realmente inchou foi a linha de despesas com pesquisa e desenvolvimento (P&D) e marketing, não os custos diretos de inferência por token. Isso indica que o gargalo da OpenAI não é a tecnologia em si, mas a corrida armamentista por talentos de machine learning, aquisição de clusters de GPUs NVIDIA e posicionamento de mercado frente à Anthropic e ao Google DeepMind.

Implicações para builders e devs brasileiros

Para o ecossistema brasileiro, o balanço é um sinal de alerta misturado com oportunidade. Por um lado, a empresa provou que há demanda real e pagante por LLMs, embeddings e agentes autônomos. Por outro, a queima de caixa de mais de US$ 20 bilhões ao ano demonstra que competir no nível de fundação de modelos é economicamente inviável sem acesso a capital de risco em escala global. Isso reforça a estratégia de que devs e startups no Brasil devem focar em aplicações verticais, fine-tuning com dados locais e orquestração via frameworks como LangChain ou LlamaIndex, em vez de tentar replicar a stack de infraestrutura da OpenAI.

A concentração de receita em gigantes como Microsoft e SoftBank sugere que eventuais mudanças na política de parcerias ou nos preços de APIs podem ser decididas de cima para baixo, sem consulta ao mercado de long-tail. Para reduzir essa exposição, builders podem adotar algumas práticas concretas:

• Diversificar provedores de LLM, combinando APIs comerciais e modelos open source self-hosted;
• Monitorar custos de inferência por token e otimizar prompts para reduzir chamadas desnecessárias;
• Criar camadas de abstração na arquitetura que permitam trocar de modelo sem reescrever a aplicação;
• Focar em dados proprietários e fluxos de trabalho específicos, onde a vantagem competitiva não depende do modelo base.

O modelo de queima de caixa

A OpenAI opera como um experimento de capitalização em escala industrial, com um dos maiores burn rates da história da tecnologia. Enquanto investidores continuarem injetando recursos — e os números de 2025 mostram que ainda acreditam —, a empresa mantém sua liderança no mercado de LLMs. Mas o fosso entre receita e despesa mostra que IA generativa ainda não é um negócio lucrativo por si só. É uma máquina de crescimento que precisa de combustível constante, e builders que enxergam isso com clareza podem construir sobre a plataforma sem confundir o hype tecnológico com sustentabilidade financeira.