Grayscale prevê salto de 24 vezes na demanda por tokens de IA até 2030

Zach Pandl, chefe de pesquisa da Grayscale, projeta que o consumo de tokens de inteligência artificial pode crescer 24 vezes até 2030, conforme a queda de custos amplia a adoção e o uso dessas ferramentas. A avaliação foi divulgada pela Grayscale em publicação no X em 10 de outubro de 2026. Modelos mais baratos abrem a IA para mais aplicações e fluxos automatizados. O Sonnet mais recente da Anthropic custa até 30% menos por tarefa, segundo a própria empresa, e a concorrência de modelos abertos de preço reduzido pressiona o valor dos tokens. Tokens medem o texto que os modelos processam e geram, e os desenvolvedores pagam por esse consumo. Com preços menores, empresas passam a usar a IA em casos que antes eram caros demais. O relatório da Grayscale, "Investing for the Compute Bottleneck", analisa como a inteligência mais barata pode sustentar uma adoção mais ampla. Agentes de IA multiplicam a demanda por computação. Os "dots" da OpenAI, apresentados recentemente, são agentes sempre ativos, feitos para perseguir os objetivos do usuário sem pausa. Diferentemente de chatbots, que respondem perguntas isoladas, agentes cumprem várias etapas dentro de um mesmo fluxo: preparar uma reunião com cliente, por exemplo, exige revisar anotações, analisar mudanças na carteira e redigir uma pauta. Segundo a Grayscale, essas tarefas consomem de 5 a 50 vezes mais tokens que uma interação com chatbot, a depender da complexidade. O efeito é um impulso relevante à inferência, a computação necessária para rodar os modelos. O Goldman Sachs projeta alta de 24 vezes no consumo de tokens até 2030, em boa parte pela adoção de agentes. A infraestrutura física segue como gargalo. Mesmo com modelos mais eficientes, a demanda total por computação pode subir quando o uso cresce mais rápido. Montar a infraestrutura necessária leva tempo, e energia disponível, data centers e GPUs continuam essenciais para sustentar cargas de trabalho em expansão. A oferta limitada desses ativos restringe o ritmo de avanço da capacidade de computação diante da adoção da IA. A Grayscale citou a CoreWeave, que relatou recentemente a assinatura de novos contratos a preços mais altos de computação, exemplo de pressão persistente sobre preços apesar do barateamento das tarefas de IA. Na análise de Pandl, modelos mais baratos e agentes mais capazes elevam o uso a ponto de superar os ganhos de eficiência. Nesse cenário, a demanda favorece os donos de infraestrutura física de computação, que é escassa.