Os números da Alphabet em IA que não podem ser ignorados

Quando a Alphabet divulgou seu balanço do segundo trimestre de 2026, a manchete mais óbvia foi financeira: receita de US$ 119,8 bilhões, alta de 24% na comparação anual, superando o consenso de mercado pelo 12º trimestre consecutivo de crescimento de dois dígitos. Mas escondido atrás dos números de capex — que dobrou para US$ 44,9 bilhões e levou o fluxo de caixa livre a ficar negativo em US$ 5,86 bilhões — está um conjunto de dados sobre adoção de IA que talvez importe mais, no longo prazo, do que qualquer linha do balanço deste trimestre.

Diante de questionamentos do mercado sobre o atraso do lançamento do Gemini 3.5 Pro, o CEO Sundar Pichai optou por responder com escala, não com desculpa. E os números que ele apresentou merecem mais atenção do que receberam.

950 milhões de usuários mensais: o Gemini já não é mais “aposta”

O primeiro dado que chama atenção é o volume de usuários ativos mensais do aplicativo Gemini: 950 milhões. Para colocar esse número em perspectiva, ele aproxima o Gemini de uma base de usuários que só um punhado de produtos de consumo no mundo já atingiu — e o fato de essa escala já existir, mesmo com o atraso relatado do modelo mais avançado da linha, sugere que a distribuição do Gemini através do ecossistema Google (Android, Busca, Workspace) está funcionando como um canal de adoção que nenhuma startup de IA, por mais avançada tecnicamente que seja, consegue replicar sem esse tipo de distribuição nativa.

Isso reposiciona a corrida de IA generativa de uma forma importante: a métrica que mais importa não é apenas “qual modelo pontua melhor em benchmark”, é “qual empresa consegue colocar esse modelo na frente de quase 1 bilhão de pessoas sem precisar convencê-las a instalar algo novo”. Nesse critério específico, a Alphabet já não está competindo — está, neste momento, à frente.

Quase 90% da Fortune 100 usa o Gemini Enterprise

O segundo dado é ainda mais relevante para quem toma decisão corporativa sobre adoção de IA: segundo Pichai, quase 90% das empresas da Fortune 100 já usam o Gemini Enterprise. Esse número importa porque descreve penetração em um segmento de cliente extremamente mais difícil de convencer do que o usuário comum de aplicativo — grandes corporações normalmente exigem ciclo de avaliação de segurança, compliance, integração com sistema legado e prova de retorno antes de qualquer adoção em escala.

Se quase toda a lista das cem maiores empresas americanas já usa o produto corporativo do Gemini, isso sinaliza que a Alphabet resolveu, para esse público, exatamente o tipo de barreira de confiança institucional que costuma travar adoção de IA generativa em ambiente corporativo — segurança de dado, governança e integração — muito antes da maioria dos concorrentes diretos.

22 bilhões de tokens de API por minuto: a métrica que poucos sabem interpretar

O terceiro número citado por Pichai é, talvez, o mais técnico e o mais subestimado: os modelos da Alphabet processam 22 bilhões de tokens de API por minuto. Para qualquer executivo de tecnologia, esse dado funciona como termômetro direto de quanto uso real — não teórico, não projetado — está acontecendo sobre a infraestrutura de IA da empresa neste exato momento.

Esse volume de processamento explica, em grande parte, por que o capex da empresa dobrou no trimestre: sustentar 22 bilhões de tokens por minuto exige uma quantidade de capacidade computacional que só se constrói com investimento massivo e contínuo em data center, chip e energia. O fluxo de caixa negativo do trimestre não é sinal de descontrole financeiro — é o custo direto e mensurável de manter essa escala de processamento funcionando sem gargalo, num momento em que a demanda por inferência de IA generativa segue crescendo em ritmo mais rápido do que qualquer onda tecnológica anterior.

Por que o atraso do Gemini 3.5 Pro importa menos do que parecia

O contexto por trás dessa apresentação de números é revelador: o mercado estava questionando a Alphabet sobre o atraso no lançamento do Gemini 3.5 Pro, temendo que isso ofuscasse os resultados recordes do trimestre. A resposta de Pichai foi deslocar a conversa de “qual modelo específico está atrasado” para “qual escala de adoção a plataforma como um todo já alcançou” — uma estratégia de comunicação que só funciona se os números de adoção realmente sustentarem o argumento, o que, neste caso, parecem sustentar.

Isso ensina algo relevante sobre como avaliar competição em IA generativa: o lançamento de um modelo específico gera manchete e debate técnico imediato, mas a métrica que realmente define vantagem competitiva de longo prazo é a curva de adoção acumulada — usuário ativo, cliente corporativo, volume de inferência — que continua crescendo independentemente de qual modelo específico está em manchete naquele mês.

O que os números da Alphabet ensinam sobre investimento em IA

Para conselhos e lideranças que avaliam a própria estratégia de investimento em infraestrutura de IA, o caso Alphabet oferece um contraponto importante ao ceticismo generalizado sobre retorno de capex em IA que circula em boa parte do mercado: aqui está uma empresa queimando caixa em ritmo recorde — capex dobrado, fluxo de caixa livre negativo, dívida de longo prazo mais que dobrada desde dezembro — e, ao mesmo tempo, apresentando indicadores de adoção que justificam, com dado concreto, por que esse investimento está sendo feito.

A diferença entre “queimar caixa apostando em produtividade futura que ainda não se confirmou” e “queimar caixa sustentando uma demanda que já está comprovadamente ali, em volume mensurável” é exatamente o que separa investimento de IA bem calibrado de aposta especulativa. Os números do Gemini sugerem que a Alphabet está, pelo menos por ora, no segundo grupo.

Entender de perto como uma empresa do porte da Alphabet equilibra queima de caixa recorde com prova de demanda real de IA em escala — e o que isso ensina sobre timing e disciplina de investimento em infraestrutura tecnológica — é o tipo de leitura de terreno que a Missão Vale do Silício da StartSe proporciona a executivos que decidem sobre investimento e adoção de IA nas próprias empresas.

O balanço da Alphabet deste trimestre vai ser lembrado, no curto prazo, pelo fluxo de caixa negativo e pelo capex recorde. Mas os números que realmente deveriam entrar na conversa de qualquer conselho que acompanha a corrida de IA são outros: 950 milhões de pessoas usando o Gemini todo mês, 90% da Fortune 100 já dentro do ecossistema corporativo, e 22 bilhões de tokens processados a cada 60 segundos. Nenhum desses três números depende de qual modelo específico está atrasado neste trimestre.