Por que o mau investimento, e não o excesso de oferta de chips, pode encerrar o boom da IA

A corrida do ouro da inteligência artificial é atualmente impulsionada por um ciclo de despesas de capital sem precedentes, mas um alerta significativo surgiu em relação à sua sustentabilidade a longo prazo. Chris Wood, Chefe Global de Estratégia de Ações da Jefferies, sugere que a tendência de investimento em IA pode não terminar por falta de demanda, mas sim por uma crise de lucratividade.

O Risco de Mau Investimento e Financiamento Circular

Ao contrário dos ciclos tradicionais de semicondutores, que normalmente terminam devido a excessos repentinos de estoque ou choques de oferta, Wood identifica o "mau investimento" (malinvestment) como o principal risco para o setor de IA. A preocupação central é que os hyperscalers e os principais laboratórios de IA possam não conseguir gerar um retorno adequado sobre as massivas despesas de capital (capex) que estão realizando.

Wood destaca um ciclo de feedback potencialmente precário dentro do ecossistema: arranjos de financiamento circular onde empresas como a Nvidia fornecem financiamento para laboratórios de IA como a OpenAI, que então utilizam esse capital para comprar mais chips da Nvidia. Embora isso impulsione o crescimento de curto prazo, cria uma vulnerabilidade. Se os investidores começarem a duvidar da capacidade de monetização a longo prazo desses investimentos em IA, esse ciclo de feedback pode reverter bruscamente, desencadeando uma pausa dolorosa no mercado.

Capex Massivo e o Paradoxo de Jevons

A escala de investimento que se testemunha atualmente é histórica. A TSMC elevou sua projeção de capex para 2026 para aproximadamente US$ 56 bilhões, ante os US$ 41 bilhões do ano passado, com algumas projeções sugerindo que os gastos possam atingir entre US$ 65 e US$ 70 bilhões até 2027. Esse surto já impulsionou significativamente a economia taiwanesa, com o crescimento do PIB real atingindo 14,55% em termos anuais no primeiro trimestre de 2026.

Wood vê isso através da lente do "Paradoxo de Jevons" — a ideia de que, à medida que o custo de um recurso (neste caso, tokens de computação) cai devido ao aumento da eficiência, o consumo total desse recurso na verdade aumenta. Esse paradoxo beneficia os players de "picaretas e pás" (picks and shovels), especificamente os fornecedores de memória e DRAM. Empresas como a Micron já estão observando essa mudança estrutural, com a Micron assinando 16 acordos estratégicos com clientes que cobrem 20% de seu volume de DRAM e um terço de seu volume de NAND, muitas vezes com prazos de cinco anos.

A Comoditização dos Modelos de IA

Outra pressão crescente sobre a economia dos provedores premium de IA ocidentais é a rápida comoditização dos Grandes Modelos de Linguagem (LLMs). O surgimento de modelos de alta qualidade e baixo custo — particularmente da China — está desafiando a dominância das empresas sediadas nos EUA.

Por exemplo, o lançamento do GLM-5.2 da Z.ai foi descrito como quase equivalente ao da Anthropic para uso corporativo, mas por apenas um quarto do custo por token. Dados do OpenRouter mostram uma mudança significativa no volume; no final de junho, os principais modelos de IA chineses processaram 21,37 trilhões de tokens, superando significativamente os 5,76 trilhões de tokens processados pelos principais modelos dos EUA. Esse influxo de alternativas baratas e capazes exerce uma pressão imensa sobre as margens de lucro das empresas que lideram a corrida da IA.

Principais Conclusões

  • O Risco Principal: O fim da tendência de investimento em IA tem maior probabilidade de ser desencadeado pela percepção de "mau investimento" e baixos retornos sobre o capex, em vez de um excesso de oferta tradicional de semicondutores.
  • Mudança Estrutural em Memória: Os fornecedores de DRAM e memória são atualmente os beneficiários de "picaretas e pás" mais protegidos, aproveitando acordos estratégicos de longo prazo para manter o poder de precificação.
  • Ameaça de Comoditização: O rápido surgimento de modelos de IA de baixo custo e alto desempenho (notadamente da China) está comoditizando o cenário de LLMs, ameaçando os modelos de alta margem dos líderes de IA ocidentais.