Introdução
Enquanto gigantes da tecnologia como OpenAI, Meta e Google disputam uma corrida bilionária para construir data centers cada vez maiores, o LinkedIn decidiu seguir um caminho radicalmente diferente. A rede profissional da Microsoft anunciou que manterá seus investimentos em infraestrutura de IA completamente estáveis durante o próximo ano fiscal, apostando em eficiência ao invés de expansão. Esta decisão representa uma mudança significativa na narrativa dominante do setor, onde o crescimento exponencial de capacidade computacional tem sido visto como pré-requisito para competir no mercado de inteligência artificial.
Com mais de 1,3 bilhão de usuários globais, o LinkedIn é possivelmente a maior plataforma tecnológica a publicamente questionar a sustentabilidade do modelo de investimento massivo em hardware que tem caracterizado a era da IA generativa. A estratégia da empresa oferece uma perspectiva alternativa para executivos brasileiros que enfrentam pressões similares para investir pesadamente em infraestrutura de IA.
A Estratégia de Eficiência do LinkedIn
A decisão do LinkedIn de manter seu investimento em GPUs estável durante o ano fiscal que começou no mês passado e termina em junho de 2025 não foi tomada de forma leviana. Segundo Erran Berger, CTO de engenharia da empresa, e Raghu Hiremagalur, CTO de infraestrutura, a plataforma conseguiu dobrar a eficiência de uso de suas GPUs existentes nos últimos seis meses através de uma série de otimizações técnicas.
Esta abordagem contrasta drasticamente com o que vemos no mercado. Enquanto empresas como a Anthropic e a xAI de Elon Musk formam parcerias inusitadas e mobilizam bilhões de dólares para construir clusters computacionais massivos, o LinkedIn está provando que é possível fazer mais com menos. A empresa estima que suas iniciativas de eficiência economizaram aproximadamente 24 milhões de dólares nos últimos 12 meses – o equivalente a cerca de 1.100 GPUs rodando continuamente por um ano.
Para uma empresa com receita anual de 18 bilhões de dólares, esse valor pode parecer modesto. No entanto, o impacto vai além dos números. A agilidade criada pela liberação desses recursos permite que equipes de engenharia implementem novos recursos de IA mais rapidamente, sem precisar esperar por expansões de infraestrutura.
Inovações Técnicas e Otimizações
O LinkedIn implementou diversas técnicas sofisticadas para alcançar esses ganhos de eficiência. Uma das principais foi o desenvolvimento de ferramentas de medição precisas para entender exatamente quanto poder computacional e armazenamento cada equipe estava utilizando. Com esses dados, a empresa criou um sistema de alocação mais inteligente que reduziu drasticamente o tempo ocioso dos equipamentos.
A taxa de utilização de GPUs para treinamento de modelos ultrapassou os 95%, um número que Hiremagalur descreve como o melhor que já viu no setor. Para contexto, muitos data centers corporativos operam com taxas de utilização significativamente menores, representando um desperdício substancial de recursos caros.
A empresa também adotou técnicas de destilação de modelos, onde modelos menores são treinados a partir de modelos maiores, mantendo grande parte da capacidade com uma fração do custo computacional. Por exemplo, o sistema de recomendação de vagas do LinkedIn agora usa um único modelo que aprendeu com dois modelos maiores, conseguindo identificar oportunidades relevantes e prever quais usuários têm maior probabilidade de interagir com elas.
Outra inovação importante foi a reescrita de software fundamental dos processadores Nvidia para permitir que executassem tarefas maiores do que foram originalmente projetados. A empresa também migrou certas cargas de trabalho de GPUs caras para CPUs mais acessíveis quando possível, sem comprometer a performance.
O Contexto da Propriedade dos Data Centers
A jornada do LinkedIn para essa eficiência começou com uma decisão estratégica tomada em 2022. Após tentar migrar para o Azure, serviço de nuvem de sua empresa-mãe Microsoft, o LinkedIn percebeu que não fazia sentido econômico comprimir uma rede social gigante em data centers de propósito geral. Na época, tanto o Azure quanto o LinkedIn estavam crescendo rapidamente, criando conflitos de recursos.
A decisão de construir e operar seus próprios data centers em Oregon, Texas e Virgínia deu ao LinkedIn controle total sobre cada detalhe de sua infraestrutura tecnológica. Esse nível de controle provou ser crucial quando a empresa começou a desenvolver assistentes baseados em IA para ajudar usuários a escrever mensagens, encontrar empregos e recrutar candidatos.
No entanto, esse controle veio com responsabilidades. Hiremagalur observa que cada consulta ao site estava ficando progressivamente mais cara, e a quantidade de dados armazenados estava dobrando anualmente – uma trajetória claramente insustentável que motivou o foco atual em eficiência.
Implicações para o Mercado Brasileiro
A estratégia do LinkedIn oferece lições valiosas para empresas brasileiras que estão navegando o boom da IA. Primeiro, demonstra que nem toda empresa precisa seguir o modelo de investimento massivo em infraestrutura para competir efetivamente com IA. Para muitas organizações, especialmente aquelas com orçamentos mais limitados, focar em eficiência pode ser uma estratégia mais viável e sustentável.
Segundo, a abordagem destaca a importância de métricas e governança rigorosas. Muitas empresas brasileiras ainda operam com uma visibilidade limitada sobre como seus recursos computacionais estão sendo utilizados. Implementar sistemas de medição e alocação mais sofisticados pode revelar oportunidades significativas de economia.
Terceiro, a experiência do LinkedIn sugere que a inovação em software pode ser tão importante quanto investimentos em hardware. Empresas brasileiras que não podem competir em termos de escala de infraestrutura podem focar em otimizações de software e técnicas como destilação de modelos para maximizar o retorno sobre investimentos existentes.
O Fenômeno da ‘Tokenomics’
A iniciativa do LinkedIn faz parte de uma tendência mais ampla no setor conhecida como ‘tokenomics’ – uma análise mais profunda e rigorosa dos custos de uso de ferramentas de IA generativa. Chirag Dekate, consultor da Gartner que ajuda empresas a desenvolver estratégias de IA na nuvem, observa que o mercado está evoluindo de uma era de ‘comprar mais’ para uma era de ‘fazer mais’.
Empresas menores, sem o mesmo nível de controle sobre infraestrutura que o LinkedIn possui, estão encontrando suas próprias formas de reduzir custos. Algumas estão migrando para provedores de ‘neocloud’ que oferecem preços mais competitivos que os gigantes tradicionais. Outras estão adotando modelos de IA de código aberto ou de menor custo quando possível, reservando modelos premium apenas para casos de uso críticos.
No contexto brasileiro, onde os custos de infraestrutura de TI são tradicionalmente mais altos devido a fatores como impostos e câmbio, essa abordagem de tokenomics é ainda mais relevante. Empresas locais precisam ser especialmente criativas e rigorosas em como alocam recursos limitados para iniciativas de IA.
Desafios e Limitações da Abordagem
Apesar do sucesso inicial, a estratégia do LinkedIn não está isenta de riscos. Dekate alerta que restrições financeiras excessivas podem eventualmente limitar as ambições de IA de uma empresa. Em algum momento, algo precisa ceder – ou as empresas comprometem suas metas de IA ou relaxam suas restrições orçamentárias.
O próprio LinkedIn reconhece essa tensão. A empresa não está jurando nunca mais expandir seus data centers, mas está mudando fundamentalmente como aloca infraestrutura. Ao invés de estimativas anuais baseadas em ‘chutes’, a empresa adotou uma abordagem trimestral mais ágil, mantendo o foco no retorno sobre investimento de longo prazo.
Há também o risco de que avanços tecnológicos rápidos tornem as otimizações atuais obsoletas. Se surgir uma nova arquitetura de modelo que exija fundamentalmente mais recursos computacionais para funcionar efetivamente, empresas que limitaram investimentos em infraestrutura podem ficar em desvantagem.
O Futuro da Infraestrutura de IA
A decisão do LinkedIn pode sinalizar o início de uma nova fase na evolução da infraestrutura de IA. Songyee Yoon, sócia-gerente da Principal Venture Partners e membro do conselho da HP, vê a estratégia como encorajadora para o setor. Ela sugere que a IA está começando a migrar da experimentação para a disciplina de produção, onde eficiência e retorno sobre investimento importam tanto quanto capacidade bruta.
Para o mercado brasileiro, isso pode significar oportunidades. Empresas locais que desenvolvem expertise em otimização e eficiência de IA podem encontrar nichos valiosos, oferecendo serviços para organizações que querem maximizar o valor de investimentos existentes em vez de constantemente expandir infraestrutura.
Também sugere que o futuro da competitividade em IA pode não pertencer necessariamente às empresas com os maiores orçamentos, mas àquelas que conseguem extrair o máximo valor de cada real investido em infraestrutura.
Conclusão
A decisão do LinkedIn de congelar investimentos em data centers enquanto mantém e expande suas capacidades de IA representa um momento de inflexão importante no setor. Enquanto a narrativa dominante tem sido de crescimento exponencial e investimentos massivos, o LinkedIn está provando que existe um caminho alternativo baseado em eficiência, otimização e uso inteligente de recursos.
Para executivos e empresas brasileiras, a lição é clara: competir no mundo da IA não necessariamente requer acompanhar os investimentos bilionários dos gigantes tecnológicos. Com foco em eficiência, métricas rigorosas e otimizações criativas, é possível entregar valor significativo com IA mantendo os custos sob controle.
À medida que a IA continua sua transição de tecnologia experimental para ferramenta de produção essencial, esperamos ver mais empresas adotando abordagens similares. O verdadeiro teste será se o LinkedIn consegue manter essa disciplina fiscal enquanto continua inovando e competindo com rivais que estão gastando agressivamente. Se tiver sucesso, pode estabelecer um novo paradigma para como empresas abordam investimentos em infraestrutura de IA.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em Wired, disponível em https://www.wired.com/story/how-linkedin-is-keeping-its-compute-capacity-flat/.
