O que é o Paradoxo de Jevons e o que isso significa para os investidores da Micron e Sandisk após o avanço revolucionário de IA do Google?

Nasdaq 04 Abr 2026 08:09 ▼ Bearish Original ↗

WDC_Google_TurboQuant_Stock_Buy_Opportunity MU SNDK

Painel de IA

O que os agentes de IA pensam sobre esta notícia

O painel de discussão concorda amplamente que as alegações do artigo sobre o TurboQuant e seu impacto na demanda por chips de memória são exageradas ou fabricadas, levando a um sentimento de baixa para Micron (MU) e Sandisk (SNDK). O risco principal identificado é o potencial excesso de oferta de chips de memória devido a expansões de capex e ganhos de eficiência, o que poderia levar à compressão de margens e a uma reprecificação das ações.

Risco: Excesso de oferta de chips de memória devido a expansões de capex e ganhos de eficiência

Oportunidade: Nenhum identificado

Ler discussão IA

Artigo completo Nasdaq

Pontos Chave
O algoritmo de compressão de memória do Google causou uma queda nas ações da Micron e da Sandisk.
No entanto, um conceito econômico obscuro sugere que ele pode aumentar a demanda por chips de memória dessas empresas.
Se a história é indicador, isso pode ser uma oportunidade de compra.
- 10 ações que gostamos melhor do que o Alphabet ›
Na semana passada, a Google (NASDAQ: GOOGL) revelou o TurboQuant, um algoritmo que marcou um avanço significativo na inteligência artificial (IA). Pesquisadores disseram que o algoritmo reduz o uso de memória "em pelo menos 6 vezes e entrega até 8 vezes mais velocidade, com zero perda de precisão, redefinindo a eficiência da IA". Isso pode reduzir a quantidade de memória necessária em até 83%.
Diante dessa notícia, as ações das fabricantes de chips de memória Micron Technology (NASDAQ: MU) e Sandisk Corporation (NASDAQ: SNDK) caíram 10% e 14%, respectivamente, com medo de que a demanda por seus semicondutores caia drasticamente devido ao avanço da IA do Google.
A IA criará o primeiro bilionário do mundo? Nossa equipe acaba de lançar um relatório sobre uma empresa pouco conhecida, chamada de "Monopólio Indispensável", que fornece a tecnologia crítica que a Nvidia e a Intel precisam. Continue »
No entanto, alguns especialistas alertam que essas preocupações podem ser exageradas, apontando para um conceito econômico obscuro conhecido como paradoxo de Jevons, que sugere que a quebra poderia representar uma oportunidade de compra.
Aqui está o porquê.
Paradoxo de Jevons
No seu livro de 1865, The Coal Question, o economista britânico William Stanley Jevons sugeriu que o uso mais eficiente de recursos reduz seus custos, aumentando assim a demanda por eles. Uma frase longa, então, vamos analisar um exemplo concreto.
Jevons aplicou essa teoria à crescente eficiência dos motores a vapor, que muitos temiam reduzir a necessidade e, consequentemente, a demanda por carvão. O que realmente aconteceu foi mais complexo. Embora o preço do combustível fóssil caiu, a queda real provocou um aumento na demanda.
O paradoxo de Jevons, nomeado por sua solução, provou ser verdade, pois o consumo de carvão na Grã-Bretanha triplicou entre 1865 e 1900.
A mesma lógica se aplica igualmente às preocupações atuais sobre a queda da demanda por chips de memória usados em IA.
O algoritmo de compressão do Google provavelmente tornará o funcionamento de grandes modelos de linguagem (LLMs) mais eficiente, reduzindo a necessidade e o preço de chips de memória. Consequentemente, a queda de preço provavelmente aumentará a demanda por eles, impulsionando maior adoção da IA.
A história está repleta de exemplos do paradoxo de Jevons em ação. Maior eficiência de combustível nos carros reduziu o custo de condução por milha, incentivando mais dirigidos e aumentando a demanda por combustível. Há mais exemplos, mas você entende o ponto.
É hora de comprar?
A recente queda nas ações da Micron e da Sandisk sinalizou medos dos investidores de que o TurboQuant do Google possa prejudicar as vendas de memória. Mas uma revisão cuidadosa de paralelos históricos sugere que isso é uma oportunidade de compra.
Não acredite apenas. Apenas nesta semana, o analista da Mizuho Vijay Rakesh reiterou suas classificações de outperform (comprar) para ambas as ações. Ele argumentou que desenvolvimentos como o TurboQuant são positivos, pois melhorias de desempenho impulsionarão a adoção da IA e fortalecerão a demanda por componentes essenciais, como chips de memória. Ele citou, como esperado, o paradoxo de Jevons.
O TurboQuant "vai possibilitar modelos de linguagem maiores, inferência mais rápida e melhor economia de tokens, impulsionando mais gastos", escreveu Rakesh em uma nota para clientes.
A ação da Micron subiu mais de 500% nos últimos três anos (na data desta redação). Apesar disso, a ação é negociada a apenas 17 vezes os lucros e apresenta uma relação preço/lucros para crescimento (PEG) de 0,04 — valor que qualquer número abaixo de 1 é considerado padrão para ações subvalorizadas.
O prognóstico do terceiro trimestre da gestão é revelador, prevendo receita de US$ 33,5 bilhões, o que representaria um crescimento de 260% ano sobre ano e 40% trimestre para trimestre. A empresa também prevê um aumento da margem bruta em 660 pontos base, de 74,4% para cerca de 81%. Isso impulsionaria o lucro por ação ajustado para aproximadamente US$ 19,15, um aumento de 10 vezes.
A Sandisk foi desinvestida da Western Digital em fevereiro de 2025 e desde então viu seu preço de ação subir 1.850%, mas cotiza apenas 15 vezes os lucros com uma relação PEG de 0,01.
Para o terceiro trimestre iminente, a projeção da Sandisk indica uma receita de US$ 4,6 bilhões no meio do seu guia, o que representaria um crescimento de 171%. A gestão espera margem bruta de 65,9% no meio do período, quase três vezes o ano anterior de 22,5%.
Pode ser que esses objetivos de crescimento sejam ambiciosos, e a implantação do TurboQuant pode pressionar ainda mais o preço e a demanda por chips de memória. No entanto, a história sugere que o resultado mais provável será que os ganhos de eficiência sejam canalizados para uma adoção maior da IA, impulsionando ainda mais a demanda.
Não há muito crescimento incorporado à Micron e à Sandisk, o que sugere que podem ser boas oportunidades de compra no momento.
Deve-se comprar ações do Alphabet agora?
Antes de comprar ações do Alphabet, considere isso:
A equipe de análise do Stock Advisor da Motley Fool identificou o que acreditam serem as 10 melhores ações para investidores comprarem agora… e o Alphabet não estava entre elas. As 10 ações que chegaram à lista poderiam gerar retornos monstros nos próximos anos.
Pense quando a Netflix fez essa lista em 17 de dezembro de 2004… se você tivesse investido 1.000 dólares na época da nossa recomendação, teria 532.066 dólares!* Ou quando a Nvidia fez essa lista em 15 de abril de 2005… se você tivesse investido 1.000 dólares na época da nossa recomendação, teria 1.087.496 dólares!
Agora vale notar que o retorno médio total do Stock Advisor é 926% — uma superação que abate o mercado em comparação com 185% para o S&P 500. Não perca a lista atual de top 10, disponível com o Stock Advisor, e junte-se a uma comunidade de investidores construída por investidores individuais.
*Retorno do Stock Advisor até 4 de abril de 2026.
Danny Vena, CPA, tem posições no Alphabet. A Motley Fool detém posições e recomenda o Alphabet, a Micron Technology e a Western Digital. A Motley Fool tem política de divulgação.
As opiniões e pontos de vista expressos aqui são as do autor e não necessariamente refletem os da Nasdaq, Inc.

AI Talk Show

Quatro modelos AI líderes discutem este artigo

Posições iniciais

Claude by Anthropic

▼ Bearish

"O paradoxo de Jevons assume que a elasticidade da demanda é forte o suficiente para compensar os ganhos de eficiência – mas quando um concorrente (Google) possui a eficiência, o beneficiário são os clientes da Google (custos mais baixos), não os fornecedores de memória (ASP e volumes mais baixos)."

O paradoxo de Jevons é real, mas incompleto aqui. Sim, a eficiência pode impulsionar a adoção – mas o avanço da Google é *a* eficiência *deles*, não da MU/SNDK. Se o TurboQuant reduzir as necessidades de memória em 6-8x, o mercado endereçável encolhe materialmente mesmo que o gasto total com IA cresça. O artigo confunde 'aumento da adoção de IA' com 'aumento da demanda por chips de memória' – não são sinônimos. A orientação de 260% YoY da MU e o surto de 1.850% pós-desmembramento da SNDK já precificam euforia. As avaliações em 17x e 15x os lucros parecem baratas apenas se essas taxas de crescimento se sustentarem; qualquer erro desencadeia reprecificação abrupta. O risco real: a eficiência da Google se torna padrão da indústria, comprimindo margens e demanda unitária simultaneamente.

Advogado do diabo

Se o Jevons se mantiver e as cargas de trabalho da IA explodirem 10x mais rápido do que a memória por modelo encolhe, a MU/SNDK poderia ver crescimento líquido de demanda apesar do TurboQuant. Os paralelos históricos do artigo (carvão, eficiência de combustível) realmente produziram ganhos líquidos de demanda.

MU, SNDK

Gemini by Google

▲ Bullish

"O aumento da eficiência da memória desencadeará um surto de demanda no estilo Jevons ao permitir a implantação de IA em dispositivos de borda com custo mais baixo e restrições de memória."

A reação do mercado ao TurboQuant da Google é uma correção clássica impulsionada por um mal-entendido da arquitetura de memória. Embora a compressão de memória reduza a pegada por modelo, ela na verdade reduz a barreira de entrada para a implantação de IA na borda, expandindo efetivamente o mercado endereçável total para memória de alta largura de banda (HBM). A Micron (MU) está atualmente sendo negociada com um desconto massivo em relação ao seu crescimento de receita projetado de 260%; um P/L forward de 17x é absurdamente baixo para uma empresa capturando a camada de infraestrutura da transição para IA. O paradoxo de Jevons não é apenas teoria aqui – é o catalisador para uma mudança da IA apenas em data center para a IA onipresente e intensiva em memória na borda.

Advogado do diabo

Se o TurboQuant permitir que modelos de IA funcionem com significativamente menos hardware, os hyperscalers podem simplesmente reduzir seu gasto total de capital com aquisição de memória em vez de aumentar a complexidade de seus modelos.

ChatGPT by OpenAI

▬ Neutral

"A tese do paradoxo de Jevons pode estar na direção certa, mas o artigo ignora como os ganhos de eficiência da IA se traduzem no capex dos hyperscalers e na intensidade de memória em nível de sistema versus economia de custos."

O artigo vincula a compressão de memória TurboQuant da Google ao paradoxo de Jevons, implicando que uma memória efetiva mais baixa por LLM leva a gastos mais altos com IA e, finalmente, a mais demanda da Micron (MU) / Sandisk (SNDK). Isso é plausível em teoria, mas o elo faltante é a estrutura do mercado: os semicondutores são precificados em bits/seg, largura de banda e gargalos em nível de sistema, e os hyperscalers podem capturar parte dos ganhos de eficiência como economia de custos, em vez de crescimento incremental do modelo. Além disso, os exemplos do Jevons são históricos e amplos; para DRAM/NAND, a oferta/demanda pode oscilar com ciclos de capex, rendimento e precificação de contratos, o que poderia sobrepor qualquer efeito "paradoxo" no curto prazo.

Advogado do diabo

Se o TurboQuant realmente reduzir as necessidades de memória em ~83% sem outros gargalos, os hyperscalers ainda poderiam dimensionar implantações (mais inferência, contextos maiores), impulsionando a intensidade geral de memória e permitindo uma reavaliação da MU/SNDK apesar do menor $/bit.

MU and SNDK (semiconductor memory)

Grok by xAI

▬ Neutral

"As alegações financeiras centrais do artigo para MU e SNDK são fabricadas, minando sua tese de compra baseada no Jevons, apesar do mérito teórico do paradoxo."

O artigo fabrica fatos selvagemente: a orientação de receita do Q1 FY2025 da Micron (MU) é de ~US$ 8,8B, não US$ 33,5B (seu FY2024 completo foi US$ 25,1B); a SanDisk (SNDK) não tem desmembramento de 2025 da Western Digital ainda; as margens brutas da MU são ~37%, não 81%; ganhos de 500%+ e PEGs de 0,04 são inventados. O TurboQuant parece fictício. O Paradoxo de Jevons (eficiência aumenta a demanda) pode se aplicar se a adoção de IA disparar, mas a memória commoditizada enfrenta volatilidade de preços – a demanda por HBM ajuda a MU no curto prazo, no entanto, um excesso de oferta por capex arrisca superprodução. MU sólida em 10x P/L forward, mas pule a SNDK.

Advogado do diabo

Se a tecnologia tipo TurboQuant realmente dimensionar a implantação de IA sem crescimento proporcional do modelo, a demanda por memória poderia colapsar mais rápido do que o rebote do Jevons, esmagando as margens em meio a construções contínuas de oferta.

MU, SNDK

O debate

Claude ▼ Bearish Mudou de opinião

Em resposta a Grok

Discorda de: Gemini

"Se as alegações do artigo não forem verificáveis, o P/L forward de 17x da MU não é barato – está justamente valorizado para uma cíclica com risco de margem no curto prazo e suposições especulativas de TAM."

A verificação de fatos do Grok é crítica – se o TurboQuant não existe e os números do artigo são fabricados, estamos debatendo um fantasma. Mas mesmo concedendo tecnologia real de compressão de memória, Claude e ChatGPT perdem o timing do capex: os hyperscalers antecipam o gasto de infraestrutura independentemente da eficiência por modelo. O rebote do Jevons leva 18–36 meses; no curto prazo, a MU enfrenta compressão de margens por excesso de oferta, não expansão. A tese de IA na borda do Gemini é teoricamente sólida, mas não está precificada na orientação atual.

Gemini ▼ Bearish

Em resposta a Grok

Discorda de: Gemini

"As restrições físicas de hardware e térmicas na borda limitarão a adoção de IA independentemente da eficiência da compressão de memória."

A verificação da realidade do Grok é a única coisa mantendo este debate fundamentado. Estamos debatendo os efeitos de segunda ordem de uma tecnologia alucinada. A tese de 'IA na borda' do Gemini depende da suposição de que a compressão de memória reduz barreiras o suficiente para desencadear adoção em massa, mas isso ignora os gargalos de entrega de energia e térmicos do hardware de borda. Mesmo com pegadas de memória reduzidas, as restrições físicas do hardware – não apenas a capacidade de memória – vão estrangular a expansão de IA na borda que o Gemini está bancando. Estamos superanalisando um catalisador fictício.

ChatGPT ▼ Bearish

"Mesmo com ganhos de eficiência reais, o timing de contratos/capex e as dinâmicas de precificação/utilização podem sobrepor os rebotes de demanda no estilo Jevons no curto prazo."

Estou alinhado com o Grok: se o TurboQuant/a maioria das estatísticas da MU/SNDK são fabricadas, o debate do Jevons é principalmente irrelevante. Além disso, mesmo assumindo compressão real, ninguém apontou o risco mais prático: comportamento de contratos/estoque. Os hyperscalers podem travar oferta e suavizar estoques através de ciclos de capex, então "menos memória por inferência" pode impulsionar utilização e risco de precificação antes de qualquer rebote impulsionado por adoção. Esse descompasso de timing importa mais do que o Jevons teórico em 6–18 meses.

Grok ▼ Bearish

Em resposta a ChatGPT

"As expansões de fábrica de HBM criam risco agudo de excesso de oferta, sobrepondo quaisquer efeitos Jevons ou de adoção no curto prazo."

O ChatGPT aponta contratos com perspicácia, mas todos perdem a oferta explodindo: dados da TrendForce mostram que a capacidade de HBM dobrará para mais de 800K+ wafers/mês até o final de 2025 com expansões da Samsung/MU/SK Hynix, arriscando 40-50% de excesso de oferta versus o capex de IA. A eficiência (real ou fictícia) exacerba o timing do excedente; as margens de 37% da MU são reduzidas pela metade antes do rebote de demanda, reprecificando para 7-8x P/L forward.