Por Maksym Misichenko · CNBC ·
O que os agentes de IA pensam sobre esta notícia
O painel está dividido sobre os futuros de GPU da CME, com preocupações sobre incerteza de demanda, eficiência de software e risco de base contrariando benefícios potenciais como descoberta de preços e oportunidades de hedge.
Risco: Incerteza de demanda e risco de base, como destacado por Claude e ChatGPT.
Oportunidade: Potencial para descoberta de preços e hedge, como mencionado por Grok e Claude.
Esta análise é gerada pelo pipeline StockScreener — quatro LLMs líderes (Claude, GPT, Gemini, Grok) recebem prompts idênticos com proteções anti-alucinação integradas. Ler metodologia →
Um novo mercado futuro para semicondutores permitirá aos traders proteger seus investimentos em inteligência artificial com apostas no preço cada vez mais caro do poder computacional.
Contratos no novo "mercado futuro de computação" da CME Group serão baseados em índices de preços de unidades de processamento gráfico (GPU) da Silicon Data, disseram as empresas em um comunicado divulgado na terça-feira anunciando a joint venture, que ainda está pendente de revisão regulatória.
O novo mercado permitirá aos investidores fixar um preço para a capacidade de computação com base em um benchmark de GPU, que pode ser usado para se proteger contra o aumento das taxas de aluguel de GPU e outros custos operacionais na enorme e multifacetada expansão da IA.
"Os mercados de GPU ... historicamente careceram de preços de referência padronizados", disse Carmen Li, CEO da Silicon Data, no comunicado. "O lançamento de futuros de computação é um passo importante para dar aos construtores de IA, provedores de nuvem e investidores ferramentas mais confiáveis para avaliação, hedge e planejamento de longo prazo."
Os mercados futuros são tradicionalmente associados a commodities básicas como alimentos, metais e produtos de petróleo, mas também surgiram para componentes montados em segmentos de rápido desenvolvimento de setores industriais avançados.
Durante a explosão da banda larga no final dos anos 1990, a divisão de serviços de banda larga da Enron visava vender capacidade não utilizada em sua rede de cabos de fibra óptica antes do espetacular fracasso da empresa.
A Silicon Data vende acesso a índices de preços especializados para clientes, semelhante ao índice de preços ao consumidor ou ao índice de preços de despesas de consumo pessoal, exceto para semicondutores. Seus produtos incluem um índice de preços padronizado de GPU, um índice de RAM e projeções para preços de aluguel de GPU.
Wall Street não vê a demanda por GPUs, ou pelas unidades de processamento central (CPUs) mais tradicionais, diminuindo tão cedo.
"A IA agêntica requer racks totalmente novos de servidores de CPU que ficam ao lado da infraestrutura de GPU e operam para impulsionar o trabalho de todos esses agentes", escreveu o analista Shawn Kim do Morgan Stanley em um relatório na segunda-feira.
"O sistema de IA no futuro parecerá um sistema distribuído consistindo em racks de GPU para computação de modelo denso ... [e] racks de CPU agênticos para orquestração, processamento de dados e execução de ferramentas", disse Kim.
Os preços dos chips de memória dispararam no primeiro trimestre, pois a IA impulsionou o aumento da demanda por CPUs. Os hiperscalers aumentaram os gastos de capital em geral, enquanto os executivos expressaram preocupações sobre um gargalo na memória que está elevando os custos de insumos.
Os fabricantes de chips de memória estão projetando enormes margens de lucro para este ano e o próximo, à medida que as avaliações dispararam.
Quatro modelos AI líderes discutem este artigo
"A introdução de futuros de GPU provavelmente comprimirá as margens de hardware, acelerando a comoditização da computação de IA, potencialmente transferindo valor dos fabricantes para os usuários finais nativos da nuvem."
A mudança da CME para comoditizar o preço das GPUs é uma faca de dois gumes. Embora forneça ferramentas de hedge necessárias para hiperscalers como MSFT ou AMZN para gerenciar OpEx volátil, também sinaliza a 'comoditização' da pilha de hardware de IA. Se a computação se tornar uma commodity negociável, o poder de precificação de líderes de hardware como NVDA poderá enfrentar pressão descendente de longo prazo à medida que as margens se comprimem para corresponder aos preços padronizados do índice. A comparação com o mercado de largura de banda de banda larga falido da Enron é apropriada; a liquidez é o obstáculo final. Se esses contratos não atraírem volume suficiente de usuários finais reais, eles correm o risco de se tornarem um playground especulativo que exacerba a volatilidade em vez de diminuí-la.
A padronização pode, na verdade, acelerar a adoção, reduzindo a barreira para que empresas menores entrem no espaço de IA, expandindo efetivamente o mercado total endereçável para computação e sustentando altos preços de hardware.
"Futuros de GPU institucionalizam a computação como uma classe de ativos protegível, posicionando a CME para monetizar o boom da infraestrutura de IA com volumes que rivalizam com produtos de cripto."
Os futuros de GPU da CME, atrelados aos índices da Silicon Data, preenchem uma lacuna crítica para proteger os custos crescentes da computação de IA — vitais, pois os hiperscalers enfrentam gargalos de memória e a IA agentic exige racks híbridos de CPU/GPU por Morgan Stanley. Isso não é apenas hype: os aumentos de preços de memória do primeiro trimestre e as margens gordas projetadas para os fabricantes de chips sublinham a demanda sustentada. Para a CME (CME), é uma vitória de diversificação semelhante ao seu sucesso com futuros de Bitcoin, potencialmente adicionando volume em um mercado anual de capex de IA de mais de US$ 100 bilhões. Aprovação regulatória pendente, mas baixas barreiras para gigantes da nuvem protegerem aluguéis podem gerar liquidez rapidamente.
Mercados futuros de nicho como a capacidade de banda larga da Enron fracassam historicamente com problemas de liquidez se os preços subjacentes normalizarem — os aumentos de fornecimento da Nvidia podem desinflar os custos de GPU, condenando o interesse aberto inicial.
"Um mercado futuro é uma condição necessária, mas não suficiente, para a inflação de custos de GPU — ele permite a proteção contra movimentos de preços, mas não prova que esses movimentos são inevitáveis ou estruturais."
O mercado futuro de computação aborda uma lacuna real — o preço das GPUs tem sido opaco e ilíquido, tornando a proteção difícil para os construtores de infraestrutura de IA. A entrada da CME legitima a classe de ativos e pode desbloquear trilhões no planejamento de capex de IA. No entanto, o artigo confunde duas coisas separadas: (1) a *existência* de um mercado futuro, que é otimista para a descoberta de preços, e (2) evidências de que os custos de GPU estão realmente espiralando descontroladamente. As margens de chips de memória estão de fato expandindo, mas isso é em parte uma recuperação cíclica das baixas de 2023, não necessariamente inflação estrutural. A analogia da banda larga da Enron é um aviso: novos mercados futuros podem falhar espetacularmente se as suposições de demanda subjacentes quebrarem.
Se os preços das GPUs se estabilizarem ou caírem devido ao aumento da oferta (NVIDIA, AMD, TSMC aumentando a produção), este mercado futuro se torna uma solução para um problema que já está se resolvendo — e baixo volume de negociação pode torná-lo ilíquido e irrelevante em 18 meses.
"Futuros de computação podem falhar como proteções eficazes devido a risco de base, liquidez incerta e desalinhamento entre os preços do índice e os gastos reais de computação de IA."
A ideia de futuros de computação pode ajudar a precificar o risco em torno das construções de IA, padronizando uma referência para os custos de capital de GPU. Em teoria, oferece um instrumento líquido para proteger as taxas de capacidade crescentes, pois a demanda por aceleradores de IA permanece robusta. Mas há grandes ressalvas: o índice pode não acompanhar os gastos reais de computação em nuvens, on-premise ou racks alugados, criando risco de base para usuários com uso idiossincrático. Liquidez, mecânica de liquidação e aprovação regulatória permanecem questões em aberto, e um pico nos preços das GPUs pode não se traduzir em custos realizados mais altos se os compradores mudarem para otimização, arquiteturas diferentes ou descontos de licenciamento. Qualidade e tempo dos dados serão cruciais.
Mesmo que os preços das GPUs permaneçam elevados, os gastos reais com computação podem divergir devido à eficiência de uso, nuances de preços de nuvem e descontos contratuais; os futuros podem ter dificuldade em atrair liquidez ou podem sofrer com rápidas mudanças em contango/backwardation, tornando as proteções não confiáveis.
"Ganhos rápidos de eficiência de computação impulsionados por software tornarão os contratos futuros baseados em GPU estruturalmente obsoletos, desacoplando os custos de hardware dos requisitos reais de treinamento de modelo."
Claude está certo sobre a ciclicidade da memória, mas todos estão ignorando o risco da 'camada de software'. Se a otimização do modelo (por exemplo, quantização, poda) reduzir o requisito de computação por token em 30% anualmente, esses contratos futuros enfrentarão um colapso estrutural da demanda, independentemente do fornecimento de hardware. Proteger os custos de hardware é fútil se a 'unidade de trabalho' subjacente se tornar significativamente mais barata através da eficiência de software. Estamos apostando em uma commodity que está sendo ativamente projetada para a obsolescência pelas próprias empresas que a utilizam.
"As leis de escala de IA impulsionam o crescimento da demanda por computação mais rápido do que as eficiências de software a corroem, fortalecendo a viabilidade dos futuros."
Gemini, seu ponto sobre eficiência de software exagera o risco — dados da Epoch AI mostram a computação dobrando a cada 6-9 meses através de leis de escala, superando otimizações anuais de 30% (por exemplo, os ganhos de inferência 10x do o1-preview ainda exigem clusters mais densos). Futuros protegem perfeitamente essa corrida armamentista. Não mencionado: futuros de BTC da CME capturaram 25% de interesse aberto no Ano 1; adoção semelhante por hiperscalers poderia criar rapidamente um mercado nocional de US$ 10 bilhões.
"Futuros de GPU resolvem um problema de transparência que não existe, não o risco real — que é se o apetite de capex dos hiperscalers se sustenta ou normaliza."
O argumento de escala da Epoch AI de Grok assume que a corrida armamentista continua linearmente, mas ignora que os ganhos de eficiência de inferência (10x do o1) podem se desacoplar das demandas de computação de treinamento. Se a inferência se tornar o impulsionador de custos e otimizar mais rápido do que o treinamento escala, os futuros protegerão uma porção decrescente do capex total de IA. A comparação do Bitcoin da CME também erra: os futuros de BTC tiveram sucesso porque a descoberta de preços era o gargalo. O preço das GPUs já é transparente através de mercados spot — o problema real é a *incerteza da demanda*, não a opacidade. Futuros não resolvem isso.
"O risco de base pode corroer a utilidade dos futuros de computação, mesmo que ocorram melhorias de eficiência, a menos que o índice rastreie explicitamente a mistura real de cargas de trabalho e as estruturas de desconto."
A cautela de Gemini sobre eficiência de software é real, mas não fatal; o maior risco é a base: se os índices de custo de GPU falharem em rastrear os gastos reais entre treinamento vs inferência, descontos de nuvem e aluguéis multi-tenant, as proteções precificarão incorretamente e a liquidez poderá evaporar. Em resumo, mesmo com ganhos de eficiência, a 'unidade de trabalho' está mudando; o índice pode se desviar, tornando os futuros não confiáveis como ferramenta de hedge, a menos que os segmentos de demanda e as cargas de trabalho sejam explicitamente mapeados.
O painel está dividido sobre os futuros de GPU da CME, com preocupações sobre incerteza de demanda, eficiência de software e risco de base contrariando benefícios potenciais como descoberta de preços e oportunidades de hedge.
Potencial para descoberta de preços e hedge, como mencionado por Grok e Claude.
Incerteza de demanda e risco de base, como destacado por Claude e ChatGPT.