Tesla fabrica seus próprios chips: o impacto no custo da inteligência artificial
Em 14 de março de 2026, Elon Musk publicou seis palavras no X: "Projeto Terafab será lançado em 7 dias." Seis palavras para anunciar um investimento de 25 bilhões de dólares, uma fábrica projetada para produzir entre 100 e 200 bilhões de chips personalizados por ano, e uma aposta que, se for executada corretamente, pode mudar completamente como se calcula o custo de treinar um modelo de inteligência artificial.
Não é hipérbole. É aritmética.
Por que construir uma fábrica de chips é uma decisão financeira, não tecnológica
A indústria de semicondutores opera sob uma lógica que a maioria dos executivos fora do setor subestima: o custo marginal de produzir um chip adicional diminui drasticamente conforme se aumenta o volume, mas o custo fixo de entrada é tão brutal que, por décadas, atuou como uma barreira quase intransponível. A TSMC levou décadas e centenas de bilhões de dólares para alcançar sua posição dominante. A Samsung fez investimentos em escalas semelhantes. Nenhuma empresa privada fora deste duopólio havia tentado construir uma capacidade de fabricação equivalente.
A Tesla está tentando produzir, a partir de um único complexo, o equivalente a 70% da produção atual total da TSMC. O objetivo inicial é 100 mil inícios de wafer por mês, com um plano para chegar a um milhão mensalmente. A tecnologia de processo mira os 2 nanômetros, o nó mais avançado disponível comercialmente atualmente.
Isso não é um projeto de P&D. É uma reorganização estrutural da economia de custos da Tesla e, por extensão, do preço do computação para inteligência artificial em nível global.
A lógica por trás do Terafab não parte de uma ambição tecnológica abstrata. Parte de um cálculo concreto: a Tesla identificou que, mesmo sob o cenário mais otimista de seus fornecedores atuais, a oferta projetada não seria suficiente para cobrir a demanda que gerariam o programa Cybercab, a linha de produção do robô Optimus, o supercomputador Dojo e a infraestrutura de treinamento do Grok, o modelo da xAI. Musk formulou isso com uma clareza incomum durante a reunião anual de acionistas: "Mesmo quando extrapolamos o melhor cenário possível para a produção de chips de nossos fornecedores, ainda não é o suficiente." Quando o melhor cenário com seus fornecedores ainda é insuficiente, a única saída racional é se tornar seu próprio fornecedor.
O momento em que a infraestrutura deixa de ser um custo e se torna uma vantagem
Há uma diferença estrutural entre uma empresa que compra chips e uma empresa que os fabrica. Não se trata apenas de custos diretos. É sobre uma arquitetura competitiva completa.
Quando a Tesla adquire chips da TSMC ou da Samsung, paga não apenas o custo de fabricação, mas também a margem do intermediário, as restrições de capacidade compartilhadas com outros clientes de alto perfil como Apple, Nvidia ou Qualcomm, e os tempos de ciclo que nenhum contrato pode eliminar completamente. Cada dólar de margem que a TSMC captura da Tesla é um dólar que não pode ser investido na redução do preço do veículo autônomo ou do robô industrial.
Com o Terafab, essa margem desaparece do balanço. Porém, o que aparece em seu lugar é mais interessante: a capacidade de projetar o chip AI5, a quinta geração do processador de inteligência artificial da Tesla, com especificações exatamente alinhadas às suas próprias cargas de trabalho. Não chips genéricos otimizados para o mercado, mas chips cuja arquitetura combina processamento lógico, armazenamento em memória e embalagem avançada em uma única linha de fabricação verticalmente integrada. A diferença na eficiência operacional entre um chip projetado especificamente para treinar modelos de condução autônoma e um projetado para o mercado geral pode traduzir-se em uma economia de 20% a 40% no consumo de energia por ciclo de inferência, de acordo com os padrões da indústria para otimizações de nó dedicado.
Produção em pequenos lotes em 2026. Volume em 2027. Se esses prazos forem cumpridos, a Tesla terá completado em menos de dois anos o que a maioria dos jogadores do setor leva uma década para realizar.
Os 25% que o CFO ainda não havia orçado
Aqui é onde a análise financeira se torna mais desconfortável. O CFO da Tesla, Vaibhav Taneja, reconheceu durante a apresentação de resultados em 28 de janeiro de 2026 que o custo total do Terafab, estimado em 25 bilhões de dólares, não está completamente incorporado na cifra de gasto de capital declarada para 2026, que já supera os 20 bilhões. Isso significa que o plano de capital para o ano era ambicioso mesmo antes de incluir o maior investimento em infraestrutura que a empresa anunciou.
Esse é o risco mais concreto do projeto. A indústria de semicondutores não perdoa erros de planejamento. Os ciclos de construção de uma planta de fabricação avançada são longos, o talento especializado é escasso e as curvas de desempenho dos novos processos de fabricação são imprevisíveis. A Tesla começou a recrutar designers de chips de inteligência artificial na Coreia do Sul em fevereiro de 2026, buscando engenheiros para o que descreveu como os chips de maior volume do mundo. Esse recrutamento, a meses do lançamento declarado, sugere que a organização ainda está construindo capacidades que normalmente precederiam a operação.
A pergunta não é se o Terafab é uma boa ideia. A pergunta é se o ritmo de execução pode sustentar as ambições do cronograma. E na fabricação de semicondutores, a distância entre o anúncio e a produção em escala raramente é medida em meses.
Quando o custo de produzir inteligência artificial se aproxima de zero para quem controla o silício
Há um padrão que se repete em cada indústria onde a tecnologia amadurece: o custo marginal de produção colapsa para os atores que controlam a camada de infraestrutura, enquanto aqueles que dependem de intermediários ficam presos em uma estrutura de custos que não conseguem otimizar.
A Apple fez isso com os chips da série M, mas apenas no design, não na fabricação. O Google construiu suas TPUs para treinar modelos, mas ainda depende de fundições externas. A Amazon desenvolveu os chips Trainium e Graviton, com a mesma dependência. A Tesla está tentando dar o passo que nenhum deles deu: controlar tanto o design quanto a fabricação.
Se o Terafab atingir seu objetivo de um milhão de inícios de wafer mensais, a Tesla produzirá mais chips avançados do que qualquer entidade privada fora de Taiwan e Coreia do Sul. O custo marginal de adicionar capacidade de computação adicional para treinar novas versões de FSD ou para aumentar a produção do Optimus se aproximaria progressivamente do custo variável puro de energia e materiais, sem o sobrecusto estrutural dos contratos com terceiros.
Isso não muda apenas a economia da Tesla. Muda o preço de referência da computação em inteligência artificial para toda a indústria, porque estabelece um novo piso de custos alcançável para quem tiver a escala e o capital para replicar o modelo.
Os líderes que ainda calculam sua estratégia de inteligência artificial assumindo que o custo da computação é uma variável exógena que não controlam estão tomando decisões sobre um mapa que já está sendo redesenhado. A vantagem competitiva nos próximos dez anos não será de quem melhor usar os chips disponíveis no mercado, mas de quem construir a infraestrutura para produzi-los a seu próprio custo marginal.
