Fundador da SemiAnalysis, Dylan Patel: Investimento em infraestrutura de IA é severamente subestimado, retornos reais vão além dos tokens

Patel acredita que o mercado, de modo geral, subestima a verdadeira escala da expansão da infraestrutura de IA. Segundo suas estimativas, os investimentos em capital relevantes nos EUA no próximo ano podem se aproximar de US$ 2 trilhões, representando de 5% a 6% do PIB dos EUA. Esse valor inclui não apenas data centers e GPUs, mas também investimentos em energia, sistemas de resfriamento, chips, equipamentos de construção e em toda a cadeia de suprimentos.

Há outra diferença fundamental entre a infraestrutura de IA e a construção tradicional de ferrovias e rodovias: a capacidade computacional instalada nos EUA não atende apenas aos EUA. Alguns serviços de IA utilizados por usuários na Europa e na Ásia dependem, na realidade, de data centers dos EUA para treinamento e inferência. Portanto, os investimentos em capital dos EUA sustentam em grande parte a demanda global por IA, e seu impacto econômico pode superar o de ciclos passados de infraestrutura doméstica em um único país.

Isso significa que a infraestrutura de IA não é mais apenas um setor tecnológico isolado, mas está se tornando gradualmente uma variável macroeconômica que impacta o PIB, os mercados de capitais e a política industrial.

Os investimentos em capital (capex) em IA não podem sustentar um crescimento acelerado indefinidamente. À medida que a base de investimentos se expande, torna-se difícil para as empresas continuarem dobrando o crescimento em uma escala maior. Ao mesmo tempo, energia, terrenos, capacidade de construção, oferta de chips e capacidade de financiamento vêm se tornando restrições cada vez mais evidentes.

Jordan destacou que, tanto para os grandes provedores de nuvem quanto para os fornecedores emergentes do setor, adicionar instalações de energia em escala de gigawatts além dos planos originais tornou-se significativamente mais difícil. Mesmo que o retorno sobre o investimento seja sólido, as empresas precisam primeiro captar volumes expressivos de capital antes de prosseguir com a construção.

No entanto, a desaceleração do crescimento não equivale a um colapso na demanda. A questão central enfrentada atualmente pelo setor continua sendo a oferta insuficiente, e não o excesso de capacidade computacional. A capacidade de produção de chips, a velocidade de construção de data centers e a capacidade de acesso à rede elétrica ainda enfrentam dificuldades para atender plenamente à demanda dos clientes.

O verdadeiro gatilho de risco seria uma queda significativa na demanda corporativa por inteligência e trabalho do conhecimento. Enquanto a demanda continuar superando a oferta, é improvável que o setor entre imediatamente em desaceleração apenas devido a uma redução no ritmo de crescimento dos investimentos em capital.

Outra característica do setor de IA é que a receita costuma ser defasada em relação às despesas de capital. Data centers e GPUs depreciam ao longo de vários anos, o que significa que o capital investido hoje deve ser recuperado gradualmente nos próximos anos por meio de chamadas de API dos modelos, softwares corporativos, serviços de automação e novos produtos.

Patel acredita que as previsões do mercado para a receita futura de IA ainda podem estar muito baixas. Isso ocorre porque o valor da IA vai além de chamadas de API, tarifas de tokens e serviços de assinatura, sendo provável que uma parcela maior das receitas venha de novos produtos e ganhos de eficiência gerados à medida que a IA se dissemina por outros setores.

Jordan citou um exemplo, destacando que, se os modelos de ponta conseguirem realizar um volume significativo de trabalho intelectual, eles poderão ingressar em áreas como robótica, condução autônoma, descoberta de medicamentos, saúde e ciências da vida. Nesses setores, o valor criado pela IA se refletirá em novos medicamentos, automóveis, chips e serviços, em vez de depender apenas da cobrança por chamada do modelo.

A indústria de design de chips é um excelente exemplo. Nas últimas décadas, o número de funcionários no setor de P&D em design de chips nos EUA não cresceu de forma significativa; no entanto, o valor gerado pela indústria continuou em expansão, em parte porque as ferramentas de engenharia aumentaram a produtividade dos desenvolvedores. A IA pode estender esses ganhos de produtividade a mais setores, permitindo que as empresas realizem mais trabalhos de P&D, design e produção com um quadro de funcionários semelhante.

Essa também é a lógica central por trás dos investimentos em infraestrutura de IA: os investidores não estão apostando na receita atual dos chatbots, mas no valor incremental gerado à medida que a inteligência se difunde por toda a economia.

À medida que laboratórios de ponta e hyperscalers continuam a expandir suas demandas por capacidade computacional, os provedores emergentes de nuvem tornaram-se facilitadores-chave para a expansão da infraestrutura de IA.

O relatório ClusterMax da SemiAnalysis avalia principalmente a confiabilidade, a segurança, as redes, o armazenamento, o desempenho e as capacidades operacionais das nuvens de GPU. CoreWeave e Nebius foram listadas como provedoras de primeira linha, enquanto as capacidades de serviço da Oracle e do Google Cloud também foram reconhecidas.

No entanto, qualidade técnica e o valor das ações não são a mesma coisa. Embora a Oracle se destaque em serviços de cluster, ela enfrenta riscos como atrasos em data centers, licenciamento de infraestrutura, nível de endividamento e execução de projetos. Enquanto isso, alguns provedores emergentes de nuvem focam principalmente na captação de recursos e expansão, subinvestindo na segurança subjacente e na qualidade do serviço.

Isso reflete que o mercado continua favorável aos vendedores. Com os clientes precisando urgentemente de GPUs, os fornecedores conseguem garantir pedidos e financiamento rapidamente, o que, por sua vez, reduz a pressão para que aprimorem a experiência de serviço.

O papel da Nvidia no ecossistema emergente de nuvem vai além do de uma mera fornecedora de chips.

A SemiAnalysis estima que o volume de garantias fora do balanço e de apoio prestado pela Nvidia possa atingir US$ 588 bilhões, cobrindo construção, armazenamento, cadeias de suprimentos e a expansão de data centers, indo além da aquisição de GPUs. O objetivo da Nvidia é, por um lado, reduzir sua dependência de poucas hyperscalers e, por outro, ajudar mais clientes a obter capacidade computacional e financiamento.

Enquanto a demanda final permanecer forte, esse mecanismo de garantias, financiamento e leasing de GPUs pode formar um ciclo virtuoso. Ao mesmo tempo, a interdependência ao longo da cadeia do setor está se aprofundando. Se a demanda por IA desacelerar, os riscos poderão se propagar rapidamente por meio de contratos de longo prazo, dívidas e balanços patrimoniais.

Portanto, o "backstop" da Nvidia atua não apenas como um impulsionador da expansão do setor, mas também demonstra que a infraestrutura de IA formou uma rede financeira complexa.

Patel está muito otimista em relação às perspectivas de longo prazo da Anthropic, mas também acredita que, para atingir um valuation extremamente alto, a empresa precisa expandir seus negócios além das chamadas de modelos para outras áreas.

As vantagens da Anthropic não residem apenas nas capacidades dos modelos, mas também em margens brutas mais elevadas, menores custos de aquisição de clientes e uma forte fidelização dos clientes. Se os laboratórios de IA conseguirem aplicar modelos em software, no setor farmacêutico, na saúde e em serviços corporativos, suas margens de lucro poderão superar as dos negócios tradicionais de SaaS.

O Google, por sua vez, enfrenta um tipo diferente de pressão. No passado, o Google detinha uma vantagem significativa em capacidade computacional, mas hoje mais TPUs e infraestrutura são destinados a vendas externas e ao suporte à Anthropic, fazendo com que a participação da DeepMind nessa capacidade diminua.

O Google está tentando gerar receita em todas as frentes — chips, plataformas em nuvem e serviços de modelos —, mas o Gemini ainda precisa encontrar uma vantagem de produto suficientemente clara. Caso contrário, suas vantagens em capacidade computacional, modelos e talentos poderão continuar sendo corroídas pela OpenAI, Anthropic e Meta.

Este conteúdo foi traduzido por IA e revisado por humanos. Ele é fornecido apenas para fins informativos e de referência, não constituindo aconselhamento financeiro ou recomendação de investimento.