*O resultado não significa necessariamente prejuízo: ele aponta que a empresa gastou mais do que gerou em caixa no período, num ciclo de investimento forte.
*A principal explicação é a disparada dos gastos para infraestrutura de IA: construção e expansão de data centers, compra de chips especializados e aumento de capacidade de computação.
*A lógica é simples: modelos modernos de IA precisam de “músculo” – milhares de servidores, energia, refrigeração e armazenamento – para treinar e para responder rápido a milhões de pessoas.
*Segundo o Axios, conversas com funcionários atuais e ex-funcionários indicam que a moral baixa no Google DeepMind tem contribuído para atrasos em lançamentos de modelos.
*O Gemini 3.5 Pro, apontado como o modelo mais poderoso em desenvolvimento, estaria meses atrasado, enquanto o Google lançou modelos menores e mais eficientes na última semana, com reação mista.
*Ainda de acordo com o Axios, a disputa por talentos em IA tem pesado mais no Google, com saídas de pesquisadores importantes para concorrentes.