Por Maksym Misichenko · CNBC ·
O que os agentes de IA pensam sobre esta notícia
O painel é em grande parte pessimista em relação à projeção de capex em IA de US$ 3-4 trilhões da Nvidia, citando adoção desigual, ganhos de produtividade não comprovados e potenciais atrasos de receita que poderiam levar a pausas abruptas nos gastos dos hiperscaladores.
Risco: Pausas abruptas nos gastos dos hiperscaladores devido à produtividade não medida e atrasos na receita
Oportunidade: Potenciais ganhos de participação de mercado se a IA se traduzir em crescimento de lucro sustentável
Esta análise é gerada pelo pipeline StockScreener — quatro LLMs líderes (Claude, GPT, Gemini, Grok) recebem prompts idênticos com proteções anti-alucinação integradas. Ler metodologia →
O CEO da Nvidia, Jensen Huang, está muito à frente das estimativas sobre o volume de gastos que virá para a IA – mesmo as mais otimistas.
Durante a teleconferência de resultados de quarta-feira à noite, Huang disse que achava que os gastos de capital em IA poderiam chegar a US$ 4 trilhões.
"O capex está em um trilhão de dólares e está crescendo em direção à marca de três a quatro [trilhões de dólares]", disse ele, falando apenas sobre o capex para hiperscalers como Alphabet e Amazon, o que exclui outros segmentos do mercado de supercomputação, como neoclouds.
A diretora financeira da Nvidia, Colette Kress, foi ainda mais específica na teleconferência.
"Com os analistas agora prevendo que o capex de hiperscalers excederá US$ 1 trilhão em 2027 e a IA agentiva começando a se proliferar [em] todas as indústrias, os gastos com infraestrutura de IA estão a caminho de atingir de US$ 3 a US$ 4 trilhões anualmente até o final desta década", disse ela.
Há apenas uma coisa: isso está muito à frente das trajetórias de estimativa de Wall Street.
Uma análise de Laura Martin, da Needham, mostra que a estimativa de consenso do capex de hiperscalers atingirá US$ 1,03 trilhão em 2028 – um terço a um quarto do que será apenas dois anos depois, se a previsão de Huang estiver correta.
"Se a previsão de Jensen Huang estiver correta… então as estimativas de consenso incluídas no gráfico abaixo serão revisadas para cima, acreditamos", escreveu ela na quinta-feira com seu colega Dan Medina. "[Sua] visão para os hiperscalers é diferente do que os hiperscalers estão dizendo em suas teleconferências de resultados, e mais interessante."
Alguns em Wall Street têm previsto que o capex atingirá US$ 1 trilhão até o final do próximo ano, mais rápido que o consenso, mas eles ainda estão substancialmente atrás da previsão de Huang, que veria o número quadruplicar nos três anos subsequentes.
Sem dúvida, mais investimento em infraestrutura de hiperscalers e outros beneficiaria o negócio da Nvidia como a fabricante dominante de chips de IA. Mas o crescimento das receitas de nuvem, juntamente com os avanços contínuos em algoritmos de ponta, parecem estar sustentando o otimismo de Huang até agora.
As receitas trimestrais vieram acima das expectativas para todas as grandes nuvens, com a Alphabet saltando 63%, a AWS 28% e a Microsoft 40%.
"O mundo tem um bilhão de usuários – usuários humanos. Minha sensação é que o mundo terá bilhões de agentes… e cada um desses agentes irá gerar subagentes", disse Huang.
## Cedo demais para um consenso de produtividade
Apesar dos avanços, do aumento da receita e das frequentes comparações históricas com ferrovias e outras fases intensivas em capital do desenvolvimento industrial, permanecem sérias dúvidas sobre o impacto de longo prazo da IA na lucratividade, produtividade e viabilidade final.
O JPMorgan estimou em novembro que um retorno de 10% sobre os investimentos em IA até 2030 exigiria cerca de US$ 650 bilhões em receita anual em perpetuidade, um número que eles chamaram de "assustadoramente grande", equivalente a 0,58 ponto percentual "do PIB global, ou US$ 34,72/mês de cada usuário atual de iPhone, ou US$ 180/mês de cada assinante da Netflix."
Para comparação, a receita de nuvem nos últimos 12 meses até abril atingiu US$ 455 bilhões, de acordo com a Synergy Research Group.
"Se os ganhos de eficiência se materializarem, não haverá problema; empresas prósperas terão recursos suficientes para pagar a conta", escreveu o economista da Universidade de Genebra, Cédric Durand, em janeiro. "Em alguns anos, quando a IA tiver se infiltrado nos processos de trabalho a ponto de os custos de saída serem proibitivos, a base de clientes não conseguirá escapar."
No entanto, os ganhos de produtividade da IA ainda não chegaram com força – muito menos produziram um consenso entre os economistas.
"Poderia este ser o início de um boom de produtividade da IA? Talvez!", escreveu a economista Martha Gimbel, do Yale Budget Lab, em fevereiro. "Até obtermos um sinal claro em uma direção ou outra – não devemos colocar todos os nossos ovos na cesta de dados de produtividade."
Economistas do Federal Reserve em março encontraram "heterogeneidade substancial na adoção de IA entre as empresas", descrevendo uma incompatibilidade entre percepção e realidade sobre os efeitos da IA.
"Os ganhos de produtividade percebidos são maiores do que os ganhos de produtividade medidos, refletindo provavelmente um atraso na realização das receitas", escreveram eles.
Quatro modelos AI líderes discutem este artigo
"A perspectiva de gastos em IA de US$ 3-4 trilhões de Huang ignora a lacuna documentada entre os ganhos de produtividade percebidos e medidos, aumentando as chances de uma correção de capex pós-expansão."
O CEO da Nvidia, Jensen Huang, prevê US$ 3-4 trilhões em capex anual de IA até o final da década, o que ofusca as previsões de consenso de cerca de US$ 1 trilhão até 2028. A projeção depende da expansão dos hiperscaladores, além de bilhões de usuários de IA agentiva, que Huang argumenta que impulsionarão a demanda sustentada. No entanto, o artigo subestima o limite de receita necessário para a viabilidade: a JPMorgan calcula que um retorno de apenas 10% necessita de US$ 650 bilhões em receita anual perpétua, ou 0,58 ponto do PIB global. A análise do Federal Reserve mostra que os ganhos de produtividade percebidos excedem os medidos, com a adoção muito desigual entre as empresas. Caso a monetização atrase, os hiperscaladores podem desacelerar abruptamente os gastos, pressionando a Nvidia, apesar dos recentes resultados positivos de receita de nuvem na Microsoft, Amazon e Alphabet.
O rápido crescimento da receita de nuvem já em andamento, com a Alphabet em 63% e a Microsoft em 40%, indica que os caminhos iniciais de monetização estão se formando, o que poderia justificar o aumento do capex antes que os dados de produtividade se equiparem totalmente.
"O crescimento do capex e o crescimento da receita estão se desacoplando da realização do ROI, e as próprias citações do artigo mostram que os ganhos de produtividade medidos atrasam a percepção o suficiente para sinalizar uma potencial armadilha de avaliação."
A previsão de US$ 3-4 trilhões de Huang é um otimismo aspiracional, não uma previsão. Ele se beneficia diretamente da aceleração do capex e tem todo o incentivo para antecipar o otimismo. O próprio artigo esconde o verdadeiro problema: a matemática da JPMorgan mostra que a IA precisa de US$ 650 bilhões em *receita anual perpétua* apenas para justificar retornos de 10% – estamos em US$ 455 bilhões de receita de nuvem hoje e os ganhos de produtividade permanecem não medidos e contestados. O Fed encontrou 'heterogeneidade substancial' na adoção; os ganhos percebidos excedem os medidos. O capex pode de fato quadruplicar, mas isso não significa que o ROI se materialize. Estamos potencialmente financiando uma aposta de infraestrutura de um trilhão de dólares em produtividade não comprovada.
Se a IA agentiva realmente entregar – agentes autônomos lidando com trabalho de conhecimento em escala – a matemática do capex se inverte: US$ 4 trilhões anuais se tornam baratos em relação aos custos de mão de obra deslocada e novas fontes de receita. Huang já esteve certo antes em pontos de inflexão, e o crescimento da receita dos hiperscaladores (40-63%) sugere que eles veem algo concreto, não apenas hype.
"A discrepância entre a previsão de capex de US$ 4 trilhões de Huang e o atual crescimento da receita dos hiperscaladores sinaliza um alto risco de uma futura 'bolha de capex' em vez de um ciclo de infraestrutura sustentável."
A projeção de capex de US$ 4 trilhões de Jensen Huang é uma aula magna de previsão 'liderada pelo fornecedor', projetada para justificar a avaliação atual da Nvidia, ancorando as expectativas dos investidores em crescimento infinito de infraestrutura. Embora os hiperscaladores como Microsoft e Alphabet estejam atualmente relatando forte crescimento de nuvem, eles estão essencialmente engajados em uma corrida armamentista onde o capex é uma barreira defensiva, não apenas um motor de geração de lucro. O risco real é um 'excesso de capex', onde o custo da computação supera a monetização real da IA agentiva. Se a lacuna de ROI não fechar até 2026, corremos o risco de uma correção cíclica massiva nos gastos com hardware que atingiria a Nvidia e o setor de semicondutores mais amplamente do que o consenso atual sugere.
Se a IA agentiva criar um aumento genuíno e exponencial na produtividade de software como serviço, o valor de US$ 4 trilhões pode ser conservador, pois o custo do deslocamento da mão de obra humana excede em muito os atuais orçamentos de TI.
"A Nvidia tem a ganhar com o aumento do capex em IA, mas o upside não é garantido – o verdadeiro motor será a velocidade com que a IA se traduz em lucratividade sustentável e quão resilientes se mostram a cadeia de suprimentos e a monetização de software."
O artigo enquadra o capex de IA como uma escalada imparável e linear para 3-4 trilhões anualmente até o final da década, o que é um poderoso catalisador otimista para a Nvidia. Mas a realidade é mais sutil: o capex é cíclico e irregular, atrelado à demanda de data centers, custos de energia e ciclos macro. O valor de 3-4T assume aceleração implacável dos hiperscaladores e ROI contínuo da produtividade de IA, o que pode se mostrar otimista, dadas as potenciais gargalos na cadeia de suprimentos (escassez de GPUs/semicondutores), ventos contrários regulatórios/políticos e retornos decrescentes de computação por dólar se a monetização de software estagnar. A Nvidia pode ganhar participação de mercado, mas a magnitude do upside depende de quão rápido a IA se traduz em crescimento de lucro sustentável, não apenas em vendas de hardware.
O aumento do capex pode não se materializar no ritmo assumido; os hiperscaladores podem desacelerar, diversificar para alternativas ou soluções internas, e qualquer aperto no fornecimento de GPU ou nos custos de energia pode limitar os gastos, atenuando o upside da Nvidia.
"A adoção desigual arrisca concentrar o capex em poucos hiperscaladores, amplificando a exposição à concentração de clientes da Nvidia."
Claude sinaliza o limite de receita com precisão, mas subestima como a adoção desigual documentada pelo Fed pode concentrar os gastos em IA em um punhado de hiperscaladores. Caso empresas menores priorizem o capex devido à produtividade não medida, a base de receita da Nvidia se estreita drasticamente. Esse risco de concentração, juntamente com as preocupações de fornecimento e macro do ChatGPT, aumenta a vulnerabilidade a pausas abruptas nos gastos além do que os atuais resultados positivos de nuvem implicam.
"A concentração de hiperscaladores é estruturalmente favorável para a Nvidia; a ameaça real é a fragmentação competitiva em escala, não as pausas nos gastos."
A tese de concentração do Grok é afiada, mas inverte o risco real. Se o capex se concentrar entre os hiperscaladores, *isso* é otimista para a Nvidia – clientes menores e maiores com bolsos mais fundos e horizontes de planejamento mais longos. O perigo é a difusão: se empresas de médio porte construírem chips internos ou adotarem alternativas mais baratas (AMD, silício customizado), o TAM da Nvidia encolhe, mesmo que os gastos dos hiperscaladores se mantenham. Ninguém modelou o risco de canibalização pela autossuficiência empresarial, que pode chegar mais rápido do que uma pausa macro.
"A restrição física da infraestrutura de energia, não a concorrência de software, é o teto rígido para o crescimento projetado do capex da Nvidia."
Claude, seu foco na autossuficiência empresarial perde a barreira principal: o 'fosso' não é apenas o silício, é o ecossistema de software CUDA. Os hiperscaladores não estão apenas comprando chips; eles estão comprando uma pilha de software proprietária que impede a migração fácil para silício customizado ou AMD. O risco real não é a canibalização do mercado intermediário, mas o 'muro de energia'. Se a capacidade da rede e os acordos de compra de energia (PPAs) não escalarem na mesma taxa que os clusters de GPU, a meta de capex de US$ 4 trilhões é fisicamente impossível, independentemente do ROI.
"As restrições de energia podem ser menos limitantes do que se temia, deslocando o risco para gargalos de fornecimento e monetização em vez de apenas energia."
Gemini acerta no muro de energia, mas esse risco depende de PPAs em escala de rede e custos de energia de base – não de uma pausa binária no capex. Na prática, os hiperscaladores otimizam para eficiência energética e contratos de energia baratos e de longo prazo; ganhos de densidade e eficiência de GPU podem realmente reduzir a energia por unidade de computação, diminuindo o 'muro de energia' ao longo do tempo. O risco real são os gargalos de fornecimento e a monetização de software, não apenas a energia.
O painel é em grande parte pessimista em relação à projeção de capex em IA de US$ 3-4 trilhões da Nvidia, citando adoção desigual, ganhos de produtividade não comprovados e potenciais atrasos de receita que poderiam levar a pausas abruptas nos gastos dos hiperscaladores.
Potenciais ganhos de participação de mercado se a IA se traduzir em crescimento de lucro sustentável
Pausas abruptas nos gastos dos hiperscaladores devido à produtividade não medida e atrasos na receita