Compare as receitas de IA ao longo da pilha

O mercado de IA expandiu-se rapidamente em todas as quatro camadas (dados, computação, modelos e aplicações). Por exemplo, a receita do centro de dados da NVIDIA aumentou de $47.5B para $115.2B num único ano fiscal (AF2024 para AF2025, terminando em janeiro de 2024 e janeiro de 2025).

Acompanhámos dados de receitas de mais de 80 empresas de IA. Explore como as receitas evoluíram nas camadas de computação, dados, modelos e aplicações de 2023 a 2025.

Distribuição das receitas de IA por subcategoria

Nota: Identificámos mais de 20 subcategorias nas camadas de dados, computação, modelos e aplicações. Para simplificar, incluímos as 5 subcategorias com maior receita.

Consulte a metodologia para saber como reunimos os dados de receitas de IA.

Taxa de crescimento das receitas de IA

A tabela acima mostra o aumento percentual das receitas de IA de 2023 para 2024 e de 2024 para 2025. Por exemplo, a receita total das empresas na camada de dados aumentou de $7.907B em 2023 para $12.606B em 2024 e para $17.974B em 2025, um aumento de ~59% entre 2023–2024 e ~43% entre 2024–2025.

A tabela acima mostra como a receita está distribuída pelas camadas de dados, computação, modelos e aplicações em 2023, 2024 e 2025.

Receitas da camada de dados

Na camada de dados, Databricks ($4.8B), Snowflake ($4.68B) e MongoDB ($2.46B) têm a maior receita em 2025. Estes três dominam porque possuem a infraestrutura de dados fundamental sobre a qual todas as aplicações de IA assentam: o lakehouse (Databricks), o warehouse (Snowflake) e a base de dados operacional (MongoDB). Captam a procura de IA independentemente de quais modelos ou aplicações vencerem.

Embora o topo da pilha de dados seja dominado por plataformas de dados, as camadas intermédia e inferior contam uma história diferente. As bases de dados vetoriais (Pinecone, Qdrant, Weaviate) estão todas abaixo dos $100M, apesar de anos de entusiasmo em torno da RAG, e várias empresas foram adquiridas antes de provarem a sua viabilidade autónoma.

Receitas da camada de computação

NVIDIA lidera a camada de computação com $115.2B de receita de centro de dados no AF2025 (terminado em janeiro de 2025), em comparação com $47.5B no AF2024 e $15B no AF2023. O ano fiscal da NVIDIA termina no final de janeiro, pelo que estes períodos correspondem sensivelmente aos anos civis de 2024, 2023 e 2022.

Qualcomm ($44.3B) e AMD ($34.6B) são os seguintes maiores intervenientes na tabela, embora as suas receitas de chips de IA sejam reportadas em segmentos de semicondutores mais amplos, limitando a comparabilidade direta.

A dinâmica interessante na computação é o surgimento de um segundo nível, com CoreWeave ($5.1B), Lambda ($760M) e Together IA ($300M) em 2025. Uma possível explicação para o crescente interesse nos fornecedores de cloud GPU é que os atuais líderes de GPU (como AWS, Azure e GCP) estão a revelar-se insuficientes para satisfazer a procura do mercado.

A questão em aberto é qual avança mais rapidamente: os ganhos de eficiência que reduzem a computação por consulta (modelos mais pequenos, quantização), ou os novos casos de uso que expandem a procura total (agentes, vídeo, implementações empresariais). Se a eficiência vencer, os hyperscalers absorvem o mercado; se a adoção vencer, as clouds especializadas em GPU continuam a crescer.

Receitas da camada de modelos

OpenAI ($13B) e Anthropic ($7B) estão a destacar-se rapidamente do pelotão. Todos os outros grandes intervenientes: Mistral ($400M), Cohere ($240M), xAI ($500M), ElevenLabs ($330M em voz) estão agrupados bastante abaixo em comparação com a OpenAI e a Anthropic.

ElevenLabs na voz mostra que um foco numa única modalidade pode atingir a mesma faixa de receitas de concorrentes de uso geral como a Mistral ($400M) e a Cohere ($240M). A posição mais difícil nesta camada é ser uma empresa de modelos de uso geral sem um grande acordo de distribuição na cloud ou um produto de consumo atrativo. Tanto a Mistral como a Cohere enfrentam esse problema.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Receitas da camada de aplicações

O padrão na camada de aplicações mostra que as aplicações nativas de IA que substituem todo um fluxo de trabalho são as que têm melhor desempenho. Um dos sinais disso é a categoria de codificação, na qual o Cursor, Replit, Lovable e Bolt, em conjunto, indicam que os programadores pagarão mais por ferramentas que possam automatizar o trabalho.

O salto do Cursor de $1M para $1B em dois anos e o aumento do Lovable de $1M para $400M num único ano são os números de crescimento mais extremos no conjunto de dados. Marcaram a transição da IA como assistente de codificação para a IA como ambiente de desenvolvimento principal, o que alterou fundamentalmente o crescimento típico das SaaS.

Em termos de subcategorias, a IA na saúde (Abridge, Tempus) está a crescer, uma vez que opera em áreas reguladas de alto valor, onde o ROI da automação é fácil de quantificar.

A receita do Jasper IA caiu de $120M para $55M, antes de recuperar parcialmente para $88M, ainda abaixo do seu nível de 2023. A descida mostra que os assistentes de escrita horizontais, sem fidelização ao fluxo de trabalho, correm o risco de serem substituídos tanto pelos modelos de fundação (como o ChatGPT) como por funcionalidades integradas em ferramentas que os utilizadores já possuem (como a IA do Notion e o Google Docs).

Metodologia para as estimativas de receitas

Reunimos dados públicos sobre receitas de IA a partir de plataformas de investigação como Sacra, GetLatka, Macrotrends e Crunchbase; fontes das próprias empresas, como relatórios de relações com investidores, salas de imprensa, blogues oficiais e submissões à SEC; organizações de média financeira como Fortune, CNBC, Reuters, Bloomberg; relatórios da imprensa tecnológica, como TechCrunch; e fontes regulatórias/oficiais para empresas públicas, como os arquivos EDGAR da SEC.

Os valores das receitas refletem os anos civis de 2023, 2024 e 2025, ou o ano fiscal que termina mais próximo dessas datas. As 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 das receitas 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 ao longo da pilha}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/ai-revenues}},
  note   = {AIMultiple. Acessado em 6 Agosto 2026}
}

Sıla Ermut

Analista da Indústria

Siga-nos

Sıla Ermut é analista da indústria na AIMultiple, cobrindo modelos de IA, infraestrutura de IA, governança de IA e aplicações empresariais de IA. A sua investigação centra-se principalmente na utilização da IA em marketing, saúde, cadeias de abastecimento e sustentabilidade. Anteriormente, trabalhou como recrutadora em empresas de gestão de projetos e consultoria. Sıla possui um Mestrado em Psicologia Social e uma Licenciatura em Relações Internacionais.

Ver perfil completo

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.

Nome

Endereço de email

Comentário

0/450

Postar comentário