Compare as Receitas de IA em Toda a Pilha
O mercado de IA expandiu-se rapidamente em todas as quatro camadas (dados, computação, modelos e aplicações). Por exemplo, a receita de data center da NVIDIA saltou de US$ 47,5B para US$ 115,2B em um único ano; a OpenAI atingiu cerca de US$ 13B em receita anual; e a Anthropic aproximou-se de US$ 7B em ARR.
Rastreamos dados de receita de mais de 100 empresas de IA. Explore como as receitas mudaram nas camadas de computação, dados, modelos e aplicações de 2023 a 2025.
Taxa de crescimento da receita de IA
A tabela acima mostra quantas vezes as receitas de IA aumentaram de 2023 a 2025. Por exemplo, a receita total das empresas na camada de dados aumentou de US$ 50,4B em 2023 para US$ 75B em 2025, correspondendo a um aumento de aproximadamente 1,5 vezes.
Veja a metodologia para aprender como coletamos dados de receitas de IA.
Detalhamento da receita de IA por subcategoria
Nota: Identificamos 21 subcategorias sob as camadas de dados, computação, modelo e aplicativo. Para simplificar, incluímos 7 subcategorias com a maior receita.
Receitas da camada de dados
Para a camada de dados, a Databricks (US$ 4,8B), a Snowflake (US$ 4,68B) e a MongoDB (US$ 2.460M) têm a maior receita nos últimos 3 anos. Essas três dominam porque possuem a infraestrutura de dados fundamental sobre a qual cada aplicação de IA se assenta: o lakehouse (Databricks), o warehouse (Snowflake) e o banco de dados operacional (MongoDB). Elas capturam a demanda de IA independentemente de quais modelos ou aplicativos vencerem.
Embora o topo da pilha de dados seja dominado por plataformas de dados, as camadas do meio e do fundo contam uma história diferente. Os Vector DBs (Pinecone, Qdrant, Weaviate) estão todos abaixo de US$ 100M, apesar de anos de hype em torno do RAG, e várias empresas foram adquiridas antes de provar a viabilidade independente (DataStax para IBM).
Receitas da camada de computação
Os hyperscalers de IA (AWS: US$ 128,7B, Google Cloud: US$ 59B e Microsoft Azure: US$ 107,8B) e o segmento de data center da NVIDIA (US$ 115,2B) representam aproximadamente US$ 409B em receita de 2025, superando todos os outros jogadores combinados.
A dinâmica interessante dentro da computação é o surgimento de um segundo nível com a CoreWeave (US$ 5,1B), a Lambda (US$ 760M) e a Together AI (US$ 300M) em 2025. Uma possível explicação para o crescente interesse em jogadores de cloud GPU é que os líderes existentes de GPU (como AWS, Azure e GCP) estão provando ser insuficientes para atender à demanda do mercado.
A questão em aberto é qual se move mais rápido: ganhos de eficiência que reduzem a computação por consulta (modelos menores, quantização) ou novos casos de uso que expandem a demanda total (agentes, vídeo, implantações empresariais). Se a eficiência vencer, os hyperscalers absorvem o mercado; se a adoção vencer, as clouds especializadas de GPU continuam crescendo.
Adicionar como fonte preferencialReceitas da camada de modelos
A OpenAI (US$ 13B) e a Anthropic (US$ 7B) estão se separando rapidamente do restante. Todos os outros grandes jogadores: Mistral (US$ 400M), Cohere (US$ 240M), xAI (US$ 500M), ElevenLabs (US$ 330M em voz) estão agrupados bem abaixo em comparação com a OpenAI e a Anthropic.
A ElevenLabs em voz e a Midjourney em geração de imagem são dois líderes na categoria de modelos, superando os modelos de base de propósito geral. A posição mais difícil nesta camada é ser uma empresa de modelos de propósito geral sem um grande acordo de distribuição em nuvem ou um produto consumidor atraente. A Mistral e a Cohere enfrentam esse problema.
Receitas da camada de aplicações
O padrão na camada de aplicações mostra que aplicativos nativos de IA que substituem um fluxo de trabalho inteiro são os que têm melhor desempenho. Um dos sinais disso é a categoria de codificação, onde Cursor, GitHub Copilot, Replit, Lovable e Bolt indicam coletivamente que os desenvolvedores pagarão mais por ferramentas que podem automatizar o trabalho.
O salto do Cursor de US$ 1M para US$ 1B em dois anos e o aumento do Lovable de US$ 1M para US$ 400M em um único ano são as figuras de crescimento mais extremas no dataset. Eles marcam a mudança de IA como um assistente de codificação para IA como o ambiente de desenvolvimento principal, o que mudou fundamentalmente o crescimento típico de SaaS.
Em termos de subcategorias, a IA na saúde (Abridge, Tempus) e a IA fintech (Ramp, Brex) estão crescendo à medida que operam em áreas reguladas de alto valor onde o ROI da automação é fácil de quantificar.
A receita da Jasper AI caiu de US$ 120M para US$ 55M antes de se recuperar parcialmente para US$ 88M, ainda abaixo do nível de 2023. A queda mostra que assistentes de escrita horizontais sem bloqueio de fluxo de trabalho correm o risco de serem deslocados tanto por modelos de base (como ChatGPT) quanto por recursos incorporados em ferramentas que os usuários já possuem (como Notion AI e Google Docs).
Para educação, a receita da Chegg caiu quase pela metade de US$ 716M para US$ 377M em dois anos, o declínio sustentado mais acentuado entre as empresas no dataset. Um estudante pagando US$ 15/mês por respostas de tarefas de casa tem pouco motivo para continuar fazendo isso uma vez que o ChatGPT oferece o mesmo serviço gratuitamente, e o colapso mostra que possuir uma biblioteca de conteúdo é uma trincheira mais fraca do que possuir o fluxo de trabalho ou o canal de distribuição.
Metodologia para estimativas de receita
Coletamos dados públicos sobre receitas de IA de plataformas de pesquisa como Sacra, GetLatka, Macrotrends e Crunchbase; fontes de propriedade da empresa como relatórios de relações com investidores, salas de imprensa da empresa, blogs oficiais e arquivos da SEC; organizações de mídia financeira como Fortune, CNBC, Reuters, Bloomberg; relatórios de mídia de tecnologia da TechCrunch; e fontes regulatórias/oficiais para empresas públicas como arquivos SEC EDGAR.
Os valores de receita refletem o ano civil de 2023, 2024 e 2025, ou o ano fiscal que termina mais próximo dessas datas. Diferenças nos calendários fiscais também podem afetar comparações entre diferentes empresas.
Nota: Para as muitas empresas privadas neste dataset (por exemplo, Anthropic, Mistral, ElevenLabs e Cursor), os valores de receita são essencialmente estimativas informadas.
Cite este benchmark
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{ermut2026,
author = {Ermut, Sıla},
title = {{Compare as Receitas de IA em Toda a Pilha}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/ai-revenues}},
note = {AIMultiple. Acessado em 22 Maio 2026}
}Resultados e carimbos de data/hora de 88 pontos de dados. Baixe os dados utilizados neste artigo como um arquivo ZIP contendo um arquivo CSV e um README.
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.