Compare as receitas de IA em toda a cadeia de valor.
O mercado de IA expandiu-se rapidamente em todas as quatro camadas ( dados , computação , modelos e aplicações ). Por exemplo, a receita do data center da NVIDIA saltou de US$ 47,5 bilhões para US$ 115,2 bilhões em um único ano; a OpenAI atingiu cerca de US$ 13 bilhões em receita anual; e a Anthropic aproximou-se de US$ 7 bilhões em receita recorrente anual.
Acompanhamos os dados de receita de mais de 100 empresas de IA. Explore como as receitas migraram entre as camadas de computação, dados, modelos e aplicações de 2023 a 2025.
Taxa de crescimento da receita de IA entre 2023 e 2025
A tabela acima mostra quantas vezes as receitas de IA aumentaram de 2023 para 2025. Por exemplo, a receita total das empresas na camada de dados aumentou de US$ 50,4 bilhões em 2023 para US$ 75 bilhões em 2025, o que corresponde a um aumento de aproximadamente 1,5 vezes.
Consulte a metodologia para saber como coletamos os dados de receita de IA.
Distribuição da receita de IA por subcategoria
Nota: Identificamos 21 subcategorias nas camadas de dados, computação, modelo e aplicativo. Para simplificar, incluímos as 7 subcategorias com maior receita.
Receitas da camada de dados
Na camada de dados, Databricks (US$ 4,8 bilhões), Snowflake (US$ 4,68 bilhões) e MongoDB (US$ 2,46 milhões) obtiveram as maiores receitas nos últimos 3 anos. Essas três empresas dominam o mercado porque detêm a infraestrutura de dados fundamental sobre a qual toda aplicação de IA se baseia: o data warehouse (Databricks), o data warehouse (Snowflake) e o banco de dados operacional (MongoDB). Elas capturam a demanda por IA independentemente de quais modelos ou aplicativos sejam os vencedores.
Embora o topo da pilha de dados seja dominado por plataformas de dados, as camadas intermediárias e inferiores contam uma história diferente. Bancos de dados vetoriais (Pinecone, Qdrant, Weaviate) custam menos de US$ 100 milhões, apesar de anos de expectativa em torno do RAG , e várias empresas foram adquiridas antes de comprovarem sua viabilidade independente (DataStax para IBM).
Receitas da camada de computação
Os hiperescaladores de IA (AWS: US$ 128,7 bilhões, Cloud: US$ 59 bilhões e Microsoft Azure: US$ 107,8 bilhões) e o segmento de data centers da NVIDIA (US$ 115,2 bilhões) representam aproximadamente US$ 409 bilhões em receita em 2025, superando todos os outros players combinados.
A dinâmica interessante no setor de computação é o surgimento de uma segunda camada com a CoreWeave (US$ 5,1 bilhões), a Lambda (US$ 760 milhões) e a Together AI (US$ 300 milhões) em 2025. Uma possível explicação para o crescente interesse em provedores de GPU na nuvem é que os líderes atuais em GPUs (como AWS, Azure e GCP) estão se mostrando insuficientes para atender à demanda do mercado.
A questão em aberto é qual tendência se desenvolve mais rapidamente: os ganhos de eficiência que reduzem o poder computacional por consulta (modelos menores, quantização ) ou os novos casos de uso que expandem a demanda total ( agentes , vídeo , implantações corporativas). Se a eficiência prevalecer, os hiperescaladores absorverão o mercado; se a adoção prevalecer, as nuvens especializadas em GPUs continuarão crescendo.
Receitas da camada do modelo
OpenAI (US$ 13 bilhões) e Anthropic (US$ 7 bilhões) estão se distanciando rapidamente da concorrência. Todos os outros grandes players: Mistral (US$ 400 milhões), Cohere (US$ 240 milhões), xAI (US$ 500 milhões), ElevenLabs (US$ 330 milhões em voz) estão bem abaixo em comparação com OpenAI e Anthropic.
ElevenLabs em voz e Midjourney em geração de imagem são dois líderes na categoria de modelos, superando os modelos básicos de uso geral. A posição mais difícil nesta camada é ser uma empresa de modelos de uso geral sem um grande acordo de distribuição em nuvem ou um produto atraente para o consumidor. Mistral e Cohere enfrentam esse problema.
Receitas da camada de aplicação
O padrão na camada de aplicação mostra que os aplicativos nativos de IA que substituem um fluxo de trabalho inteiro são os que apresentam melhor desempenho. Um dos indícios disso é a categoria de codificação, onde Cursor, GitHub Copilot, Replit, Lovable e Bolt indicam coletivamente que os desenvolvedores estão dispostos a pagar mais por ferramentas que podem automatizar o trabalho.
O salto da Cursor de US$ 1 milhão para US$ 1 bilhão em dois anos e o aumento da Lovable de US$ 1 milhão para US$ 400 milhões em um único ano representam os números de crescimento mais extremos no conjunto de dados. Eles marcam a transição da IA como assistente de codificação para a IA como principal ambiente de desenvolvimento, o que alterou fundamentalmente o crescimento típico de SaaS.
Em termos de subcategorias, a IA na área da saúde (Abridge, Tempus) e a IA em fintech (Ramp, Brex) estão crescendo, pois operam em áreas regulamentadas de alto valor, onde o retorno sobre o investimento (ROI) da automação é fácil de quantificar.
A receita da Jasper AI caiu de US$ 120 milhões para US$ 55 milhões antes de se recuperar parcialmente para US$ 88 milhões, ainda abaixo do nível de 2023. A queda mostra que os assistentes de escrita horizontais sem vínculo com o fluxo de trabalho correm o risco de serem substituídos tanto por modelos de base (como o ChatGPT) quanto por recursos integrados em ferramentas que os usuários já possuem (como o Notion AI e o Google Docs).
No setor educacional , a receita da Chegg caiu quase pela metade, de US$ 716 milhões para US$ 377 milhões em dois anos, a queda mais acentuada e sustentada entre as empresas analisadas. Um estudante que paga US$ 15 por mês por respostas de tarefas de casa tem poucos motivos para continuar pagando quando o ChatGPT oferece o mesmo serviço gratuitamente, e o colapso demonstra que possuir uma biblioteca de conteúdo é uma vantagem competitiva menos eficaz do que controlar o fluxo de trabalho ou o canal de distribuição.
Metodologia de receitas de IA
Reunimos dados públicos sobre receitas de IA de plataformas de pesquisa como Sacra, GetLatka, Macrotrends e Crunchbase; fontes pertencentes às empresas, como relatórios de relações com investidores, salas de imprensa das empresas, blogs oficiais e registros na SEC; organizações de mídia financeira como Fortune, CNBC, Reuters e Bloomberg; reportagens da mídia de tecnologia do TechCrunch; e fontes regulatórias/oficiais para empresas de capital aberto, como os registros EDGAR da SEC.
Os valores de receita refletem os anos civis de 2023, 2024 e 2025, ou o ano fiscal que termina mais próximo dessas datas. Diferenças nos calendários fiscais também podem afetar as comparações entre diferentes empresas.
Nota: Para as muitas empresas privadas neste conjunto de dados (por exemplo, Anthropic, Mistral, ElevenLabs e Cursor), os valores de receita são essencialmente estimativas fundamentadas.
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios.