Quatro empresas ficaram com 60% do capital de risco global e isso muda as regras para todos os demais
O primeiro trimestre de 2026 produziu um número sem precedentes na história do capital de risco: 300 bilhões de dólares investidos em um único trimestre. Mais do que o dobro do trimestre anterior. Próximo de 70% de tudo que foi investido em startups durante 2025, comprimido em noventa dias. À primeira vista, parece o tipo de dado que confirma que o capital está fluindo com uma energia que não se via desde a bolha de 2021. A leitura superficial termina aí.
Por baixo desse número existe uma estrutura muito mais difícil de processar: 188 bilhões de dólares foram parar em quatro empresas. A OpenAI captou aproximadamente 122 bilhões em uma única rodada, a maior da história. A Anthropic recebeu cerca de 30 bilhões. A xAI, empresa fundada por Elon Musk, levantou cerca de 20 bilhões. A Waymo, subsidiária de condução autônoma da Alphabet, fechou uma rodada de cerca de 16 bilhões. Quatro nomes. Quatro rodadas. 65% de todo o capital de risco global em um trimestre.
O que está acontecendo não é um boom de investimento generalizado. É uma concentração de capital em escala histórica em torno de um punhado de apostas que os investidores estão tratando como se fossem infraestrutura econômica de nível soberano. Essa distinção importa porque muda as perguntas relevantes. A pergunta não é se o capital de risco está saudável. A pergunta é o que sobra para os demais e sob quais condições.
---
O que a concentração revela quando é lida como sinal estrutural
Um dado que caminha em paralelo ao dos 188 bilhões é igualmente revelador: enquanto o volume total de investimento nos Estados Unidos cresceu 190% em relação ao ano anterior, o número de operações caiu 26%. Menos acordos, cheques maiores, capital mais concentrado. Isso não é ruído estatístico. É o registro de um mercado que está reorganizando sua lógica de alocação em tempo real.
A área da Baía de São Francisco absorveu 82% de todos os dólares de capital de risco nos Estados Unidos durante esse período, o nível de concentração geográfica mais alto desde pelo menos 2014. Esse dado sozinho não diria muito se não viesse acompanhado de outro: a inteligência artificial capturou aproximadamente 80% do capital de risco global no trimestre, em comparação com os 55% que representava um ano antes. A velocidade do deslocamento importa tanto quanto o destino.
O que está acontecendo na camada dos gigantes, no entanto, não opera no mesmo circuito que o investimento em estágio inicial. As rodadas da OpenAI, Anthropic, xAI e Waymo não competem diretamente pelo mesmo capital que busca uma empresa em estágio semente ou Série A. Os 112 bilhões restantes do trimestre — os que não foram para essas quatro empresas — se distribuem em um ambiente que segue ativo e que, segundo dados da Stripe citados nas análises do período, está produzindo resultados notáveis: as 100 empresas nativas de IA com melhor desempenho estão escalando de 1 milhão para 30 milhões de dólares em receita recorrente anual cinco vezes mais rápido do que as gerações anteriores de software.
Isso não significa que o ambiente seja fácil. Significa que o ambiente recompensa algo muito específico e que esse algo mudou de forma acelerada nos últimos doze meses.
---
Por que o fosso importa mais do que o produto
Durante anos, a conversa sobre defensibilidade em startups girou em torno de perguntas relativamente abstratas sobre retenção, escalabilidade ou diferenciação de marca. Essas perguntas não desapareceram, mas o quadro em que são respondidas foi completamente reorganizado.
Quando os modelos de linguagem mais poderosos do mundo têm por trás dezenas de bilhões de dólares frescos para expandir capacidades, baixar preços e cobrir mais casos de uso, a pergunta sobre o que protege uma empresa pequena se torna muito mais concreta. Os investidores estão avaliando cada startup com uma lente que poderia ser resumida assim: se o modelo melhorar o suficiente nos próximos dezoito meses, qual parte desse negócio sobrevive com margens razoáveis e qual parte se torna uma função do sistema operacional de outro.
As respostas que estão ganhando credibilidade neste ciclo têm um denominador comum: ativos que a inteligência, por si só, não consegue replicar. Dados proprietários de difícil acesso. Hardware especializado que exige anos de desenvolvimento. Infraestrutura física que requer integração com o mundo real. Regulação que atua como barreira de entrada. Relacionamentos institucionais de longo prazo. Conhecimento científico que não está em nenhum corpus de treinamento público.
Isso explica por que os setores que estão recebendo mais atenção dos investidores além dos laboratórios de fronteira são robótica, defesa, fotônica, computação de nova geração e biotecnologia. Não porque estejam na moda, mas porque compartilham uma característica estrutural: a inteligência computacional é um insumo útil nesses domínios, mas não é suficiente para replicar o que uma empresa consolidada neles construiu ao longo de anos.
O risco para as startups que operam como camadas finas sobre modelos de terceiros é mais imediato. Não se trata de os laboratórios de fronteira irem destruir ativamente esse segmento. Trata-se de que a queda sustentada no custo de inferência, combinada com a expansão das capacidades nativas dos modelos, comprime as margens por baixo e por cima ao mesmo tempo. Uma empresa que não consegue responder com clareza o que lhe pertence quando o modelo faz o mesmo que ela de forma nativa tem um problema de arquitetura de negócio, não de marketing nem de distribuição.
---
O debate sobre o fim do software empresarial e por que ainda não tem uma resposta clara
Quando a Anthropic lançou o Claude Cowork em 2026, as avaliações de várias empresas de software importantes caíram em horas. O episódio gerou uma narrativa que se instalou rapidamente: os agentes de IA iriam engolir o software empresarial. A reação oposta também apareceu logo em seguida: aqueles que argumentavam que o medo era completamente desproporcional e que o software de gestão não iria desaparecer porque as organizações não mudam tão rapidamente.
Em meados de 2026, nenhuma das duas posições sustenta bem o peso dos dados. Sim, em teoria as empresas poderiam construir muito de seu próprio software com ferramentas de geração de código. Na prática, muito poucas estão fazendo isso em escala. Os ciclos de adoção institucional são lentos, a tolerância ao risco operacional é baixa e os custos de mudança em sistemas críticos continuam altos. Mas isso não significa que o software empresarial esteja seguro de forma indefinida. Significa que o vetor de pressão opera em uma escala temporal diferente da que sugeria o pânico inicial.
O que de fato está acontecendo de forma observável é uma bifurcação. As empresas de software que possuem dados proprietários profundamente integrados em seus fluxos de trabalho, que construíram redes de clientes com custos reais de saída e que resolvem problemas onde a precisão setorial importa mais do que a capacidade geral do modelo, estão saindo fortalecidas deste ciclo. As que construíram valor principalmente sobre acesso à capacidade de IA de terceiros e sobre experiências de usuário que os modelos conseguem replicar de forma nativa estão sendo reavaliadas com múltiplos mais baixos e prazos de captação mais longos.
A frase que começou a circular entre investidores como objeção reflexiva, quase automática, é "e se a OpenAI ou a Anthropic fizerem isso amanhã?" Em muitos casos, essa pergunta substitui a análise em vez de abri-la. Aplicada sem nuance, bloqueia conversas legítimas sobre negócios que têm fundamentos sólidos. Mas quando aparece com dados por trás, aponta exatamente o problema que muitas startups ainda não resolveram: a diferença entre construir um produto e construir uma vantagem que se acumula com o tempo.
---
A inteligência abundante e o que se torna escasso quando isso acontece
O quadro que começa a organizar melhor as decisões de investimento neste ciclo parte de uma hipótese que já tem evidência suficiente para ser levada a sério: a inteligência computacional está se tornando um insumo abundante e barato, com a mesma lógica que seguiram o processamento, o armazenamento e a largura de banda em ciclos anteriores. Quando um recurso se torna mais barato nessa velocidade, o que passa a ser escasso e valioso é o que esse recurso não consegue produzir por si só.
No ciclo anterior, quando o processamento ficou mais barato, o que se tornou escasso foi a distribuição, os dados de comportamento do usuário e as redes de efeitos que certos produtos haviam construído. As empresas que venceram o ciclo não foram as que tinham o melhor servidor, mas as que entenderam o que ficava fora do alcance do hardware mais barato.
A lógica se repete. Se a inteligência se torna mais barata, o que passa a ser escasso é o que ela não consegue sintetizar: dados que não estão em nenhum repositório público, relacionamentos institucionais que levam anos para ser construídos, infraestrutura física que exige capital e tempo para ser implantada, conhecimento regulatório que só existe em organizações que passaram uma década navegando em um setor específico.
O trimestre mais concentrado da história do capital de risco não é um sinal de que o mercado está se fechando para os demais. É um sinal de que o mercado está reescrevendo, com mais clareza do que nunca, que tipo de ativos considera defensáveis quando quatro empresas têm recursos para mover os parâmetros do jogo. As startups que estão construindo sobre ativos que a abundância de inteligência não consegue replicar têm uma posição mais sólida do que o pânico do momento sugere. As que não têm, enfrentam um problema que o próximo ciclo de modelos mais capazes vai tornar mais visível, não menos.
