Do frenesi tecnológico ao livro-razão econômico: Acadêmicos debatem sobre crescimento, distribuição e novos paradigmas globais da IA na Conferência Bund

A IA está remodelando a economia, isso hoje já é inegável.

O que realmente tira o sono de formuladores de políticas, acadêmicos e líderes industriais é a próxima equação a ser resolvida: após enormes investimentos de capital em poder computacional e modelos, será possível sedimentar tudo isso em produtividade real na macroeconomia? Com uma expansão maciça da oferta, estaremos à beira da prosperidade ou diante de uma era prolongada de desinflação? Quando a “porta de entrada profissional” para os jovens é silenciosamente estreitada pela tecnologia, como evitar repetir o “estancamento de Engels” visto na história? No contexto atual de uma competição global cada vez mais complexa, como esse novo sistema digital pode construir regras comerciais globais inovadoras?

Essas são as principais preocupações do fórum de ideias “Novo Paradigma do Crescimento Econômico com IA e Reconstrução do Valor Social” da Conferência Inclusion·Bund 2026.

No dia 9 de setembro, esse fórum, reunindo o reitor da Shanghai University of Finance and Economics, Liu Yuanchun, o diretor do National School of Development da Peking University, Huang Yiping, a professora Jiang Xiaojuan da Chinese Academy of Social Sciences University, o economista-chefe da CICC, Miao Yanliang, o Prêmio Nobel de Economia Thomas Sargent e representantes da indústria, deixou de se ater à exibição funcional de aplicações tecnológicas e passou a enfrentar diretamente questões como medição do crescimento, flutuações inflacionárias, substituição de empregos e divisão internacional do trabalho. Todos abordam uma mesma questão fundamental: como a IA pode evoluir de uma variável tecnológica efervescente para um fator macroeconômico saudável e sustentável?

01 A economia de IA já começou, mas as contas do crescimento ainda não estão claras

“A nova forma da economia de IA já está estabelecida, mas a economia da IA ainda não começou de verdade.” Na abertura, Liu Yuanchun lançou essa reflexão fria e representativa.

As fases iniciais das revoluções tecnológicas geralmente vêm acompanhadas de intensos debates e bolhas de capital. O número de vezes que IA é citada nos relatórios de resultados globais dispara geometricamente, os preços dos chips sobem, investimentos em infraestrutura focada em poder computacional avançam rapidamente e até impulsionam o comércio e exportação globais. Porém, quando se olha para o panorama macroeconômico além do barulho micro, as divergências se ampliam drasticamente.

Previsões de produtividade de agentes comerciais são animadoras: McKinsey, Goldman Sachs e outros projetam aumentos anuais de até 3% na Produtividade Total dos Fatores (TFP). Mas entre economistas sérios e conservadores — como Daron Acemoglu do MIT — cálculos iniciais mostram que, nos próximos dez anos, a IA pode contribuir menos de décimos percentuais por ano ao TFP, praticamente insignificante.

Por que todos utilizam IA no micro, mas os dados macro demoram a refletir?

Huang Yiping alerta: hoje, provavelmente vivenciamos o clássico “Paradoxo de Solow” e o “Efeito J-Curve” da economia da tecnologia. Na popularização dos computadores, no fim do século XX, os dados de produção também ficaram estagnados por um bom tempo. Uma tecnologia habilitadora disruptiva (GPT) demanda uma longa reestruturação organizacional, adaptação de processos e treinamento de equipes. No início, dificilmente traz uma explosão de produção, e pode inclusive gerar custos de ajuste elevados.

Sargent compara o estágio atual da IA ao “estágio de Kepler” na astronomia: a IA já consegue ajustar padrões a dados astronômicos, mas a humanidade ainda não compreende totalmente a lógica econômica e estrutural subjacente.

Diante disso, os altos investimentos de capitais e a bolha de valorização atual serão em vão? Liu Yuanchun destaca que a bolha, na verdade, pode atuar como um “mecanismo de coordenação”. Se durar tempo suficiente, impulsionando a acumulação de capital real (infraestrutura computacional, energia, ativos digitais) até cruzar um ponto crítico, mesmo que o mercado financeiro faça ajustes, a infraestrutura de base permanecerá alavancando a economia em um novo estado de alto desempenho.

Daí, chega-se ao primeiro consenso dos economistas: a direção da tecnologia está definida, mas o ritmo de crescimento, a intensidade e a eficiência do acúmulo de ativos reais ainda carregam longos períodos de atraso e incertezas.

02 De “investir em IA” para “IA gerar lucro”: o segredo é criar nova demanda

Se a ênfase da narrativa anterior de IA era a corrida por investimento de capital (Capex), nesta fase, a sobrevivência depende do fechamento do ciclo comercial.

O CEO do Ant Group, Han Xinyi, aponta que a economia de IA não pode depender apenas de capital; nem as aplicações devem se limitar a ganhos de eficiência em estoques. Se as empresas enxergarem IA apenas como ferramenta para cortar custos, turbinando processos existentes sem gerar nova oferta ou demanda, o resultado será um grave desequilíbrio oferta-demanda e ruptura na relação investimento-resultado. É preciso ir além da redução de custos para criar valor real.

O diretor do Instituto de Pesquisa do Ant Group, Li Zhenhua, aponta uma diferença na cadeia produtiva: para o segmento upstream (infraestrutura e chips), a monetização é clara; mas para o intermediário (grandes modelos) e downstream (aplicações), os desafios comerciais ainda são grandes. A história de negócios da IA só faz sentido se ela mergulhar nos setores reais e criar ciclos de valor inéditos.

Zhao Bo, da Peking University, enxerga o ganho incremental na “expansão das fronteiras transacionais”. O valor econômico central da IA está em reduzir drasticamente as barreiras para adquirir habilidades e para experimentação inovadora. Ou seja, não é apenas acelerar em 10% o que já existe — é tornar viável, produtizável, vendável e transacionável o que antes era caro demais ou impossível de escalar.

Só ao passar de ganhos de eficiência para geração de incrementos é possível cruzar o abismo dos gastos de capital.

03 Respondendo indiretamente a Musk: a pressão desinflacionária e o “estreitamento de acesso” ao emprego jovem

Com capacidade de oferta explodindo pela IA, surge um dilema macroeconômico ainda mais agudo: se as máquinas produzem cada vez mais e mais rápido, as pessoas terão renda suficiente para consumir?

Huang Yiping resume esse potencial desequilíbrio macro como “oferta forte, demanda fraca” crônica. Se apenas os detentores de capital captarem os dividendos da tecnologia e os retornos ao trabalho permanecerem comprimidos, a demanda não acompanhará o ritmo da expansão da oferta e o ciclo econômico tradicional será rompido.

Do ponto de vista financeiro e de variáveis nominais, o economista-chefe da CICC, Miao Yanliang, traça uma análise profunda. Ele observa que tanto a segunda Revolução Industrial quanto a da Informação vieram acompanhadas de longos períodos de desinflação. A “Lei de Say” (a oferta cria sua própria demanda), frequentemente, não se aplica em ciclos de mudança tecnológica, pois desigualdades na renda e diferenças na propensão ao consumo impedem o ajuste natural entre oferta e demanda.

Miao Yanliang aponta quatro forças pelas quais as revoluções tecnológicas afetam a inflação:

• Efeito gargalo e efeito expectativa (aumentam a inflação no curto prazo): Elementos escassos, como memória e chips de ponta, saltam de preço num primeiro momento, mas tais gargalos duram em geral três a cinco anos e vêm cedendo.
• Efeito oferta e efeito substituição (pressionam preços para baixo no longo prazo): A difusão da IA é rápida e ela consegue assumir tarefas intelectuais sofisticadas. O efeito de substituição do capital sobre o trabalho supera ciclos anteriores. Como os detentores de capital têm menor propensão marginal a consumir, a queda da fatia do salário inibe o crescimento dos preços do lado da demanda.

“No longo prazo, a pressão desinflacionária ou até deflacionária pode ser maior do que em outras revoluções industriais.” Miao Yanliang alerta: se isso se consolidar, políticas monetárias tradicionais podem cair numa armadilha da liquidez, exigindo que o ajuste macroeconômico mude para políticas fiscais e de redistribuição mais intensas, bem como instrumentos de amparo ao trabalho.

Por trás da pressão desinflacionária está a fissura estrutural no mercado de trabalho.

Diferente das revoluções IT anteriores, que substituíram habilidades intermediárias e mantiveram empregos de menor e maior especialização, nesta rodada, a exposição ao risco da IA é diretamente proporcional ao nível de salário — empregos bem pagos nas áreas financeira, jurídica, consultoria e desenvolvimento de software estão mais vulneráveis.

Miao Yanliang observa que a IA ainda não provocou um salto no desemprego macro, pois sua substituição dos cargos maduros é um “desmonte de tarefas” progressivo.

Isso remete Huang Yiping ao “estancamento de Engels” após a primeira revolução industrial: mesmo com rápida expansão da produção, os salários dos trabalhadores comuns estagnaram por décadas. Lu Ming e Xing Ziqiang comentam a questão levantada por Musk, dizendo que IA não eliminará facilmente todas as profissões, mas transformará profundamente a essência dos cargos. Funções codificáveis e padronizáveis serão rapidamente assumidas pelos modelos, enquanto empatia, capacidade de organização e julgamento de valor — os “atributos humanos” — serão a linha de defesa dos trabalhadores. “Priorizar o emprego” não é frear a tecnologia, mas garantir, via desenho institucional, que cada vez mais pessoas possam fazer mais graças à IA.

04 Nova economia de IA: o diferencial será capacidade institucional e “globalização nativa”

À medida que indivíduos enfrentam a pressão de se reinventar em seus “atributos humanos”, os setores e organizações empresariais encaram um novo teste de regras.

A professora Jiang Xiaojuan, da Chinese Academy of Social Sciences University, ressalta que a economia da IA está rompendo de vez o caminho tradicional da globalização. No passado, a trajetória clássica de industrialização internacional era sequencial — introdução, absorção e validação da tecnologia, fortalecimento doméstico e só então avanço para o exterior.

Mas na era da IA, tecnologias e produtos já “nascem globais”.

A essência da inovação em IA está nos fundamentos algorítmicos e redes digitais mundiais, com baixíssimo custo marginal de reutilização e distribuição de modelos. Desde o lançamento, já visa desenvolvedores e mercados globais.

Jiang Xiaojuan mostra esse giro de paradigma com a prática chinesa:

O ciclo virtuoso dos grandes modelos abertos: Modelos open source chineses veem explosão de downloads e uso em comunidades globais, rompendo de vez a regra tácita onde big techs internacionais mantinham modelos de ponta fechados e abriam apenas versões simplificadas. A oferta de alto desempenho open source passa a ser produto público global.

Verticalização em IA4S e “venda de mudas” remodelando a indústria: Em áreas como pesquisa farmacêutica, empresas chinesas escalam capacidade produtiva de IA para descoberta de alvos e design molecular, mas, por ritmos clínicos variados, exportaram acordos de licenciamento de medicamentos inovadores acima de 100 bilhões de dólares só no primeiro semestre. Essa “venda de mudas” revela a reestruturação da cadeia global pela IA na biomedicina.

Aprendizado a partir de dados imperfeitos da indústria: Imensos volumes de dados industriais “imperfeitos” acumulados em cadeias de produção longas e amplas na China alimentam modelos verticais, que, após intensiva experimentação doméstica, já podem ser exportados rapidamente para o mundo.

Jiang Xiaojuan, porém, alerta que “nascer global” exige mais do que exportar tecnologia — envolve padrões institucionais internos, preparo empresarial e adaptação ao jogo internacional.

“Empresas precisam criar, desde o início, padrões globais rigorosos de compliance” — seja em relação a dados internacionais, privacidade, ética algorítmica ou propriedade intelectual, não cabe mais a mentalidade “primeiro no mercado doméstico, depois fora”. Em termos de comércio, a China caminha de buscar tratamento especial típico de países em desenvolvimento para competir e cooperar no mesmo nível com economias avançadas. Aprender a criar uma ecologia comercial de benefício mútuo com uma mentalidade de paridade nas negociações é o novo normal.

Conclusão

Da corrida por capital à rigorosa análise dos balanços, a Conferência de 2026 em Bund inseriu um filtro racional na festa radical da IA.

O que determinará se a IA será o próximo polo de crescimento histórico nunca será apenas o tamanho do cluster de placas computacionais, mas a adaptação sistêmica mais profunda: a eficiência algorítmica micro conseguirá superar o delay temporal e se traduzir em TFP da economia real? As regras de distribuição e os mecanismos fiscais serão capazes de absorver a pressão desinflacionária e criar novas oportunidades para as gerações mais jovens? O setor industrial conseguirá, respondendo a desafios de compliance e competição, capturar os dividendos da “natividade global” da era?

Como frisaram Han Xinyi e Huang Yiping ao final do fórum: o valor último da IA não pode ser provado somente pela valorização no balanço patrimonial; deve, em última análise, ser testado pelo crescimento macroeconômico real e medido pelo aumento concreto no bem-estar dos trabalhadores.