Quando as empresas começam a buscar "redução de custos em poder computacional", Goldman Sachs alerta que o investimento de 5,3 trilhões em capital para IA está se aproximando do limite de crédito!

A onda de investimentos em infraestrutura de IA está remodelando o panorama dos mercados de capitais globais, e os riscos de endividamento ocultos por trás dela não devem ser ignorados.

A previsão mais recente do Goldman Sachs mostra que entre 2025 e 2030, as empresas de computação em nuvem em larga escala terão um gasto de capital acumulado de 5,3 trilhões de dólares em IA e centros de dados, criando um superciclo de despesas de capital sem precedentes.

O Goldman Sachs prevê que as empresas em larga escala precisarão obter financiamento de vários mercados, pois podem encontrar as limitações de saturação do mercado de crédito de liquidez.

O professor honorário da Universidade de Nova York, Gary Marcus, ao compartilhar a análise relacionada, referiu-se à declaração do Goldman Sachs como uma "frase aterrorizante", dizendo:

Para mim, a questão agora não é mais se o modelo de larga escala irá colapsar, mas sim quão graves serão os danos colaterais.

Gary Marcus alertou ainda:

Os provedores de nuvem em larga escala não conseguirão recuperar o investimento de 5,3 trilhões de dólares, a menos que consigam extrair esse valor dos contribuintes por meio de enormes subsídios governamentais. É exatamente isso que pretendem fazer.

Enquanto isso, o Morgan Stanley estima que somente na construção de centros de dados globais, o gasto de capital até 2028 chegará a quase 2,9 trilhões de dólares, dos quais uma proporção significativa depende de financiamento via dívida. Isso significa que, se houver um ajuste de mercado, as perdas não ficarão restritas aos acionistas, podendo se espalhar por toda a sociedade através do mercado de crédito.

O outro lado desta festa de investimentos é o aperto progressivo do orçamento das empresas. Uber, Amazon, Walmart e outros primeiros grandes adotantes de IA, já impuseram limites ao uso de IA pelos funcionários ou implementaram medidas de redução de custos.

Após a Anthropic mudar seu modelo de cobrança para cobrança por tokens, o CIO da Workato, Carter Busse, viu os gastos diários dispararem em 7 vezes e lamentou:

Criamos um monstro.

Segundo analistas do Goldman Sachs, o gasto de capital em IA continua crescendo a uma velocidade maior que a construção real de centros de dados, o que indica que futuros gargalos podem migrar do lado da demanda por modelos para a capacidade de financiamento, fornecimento de energia e execução de projetos.

O cálculo do Morgan Stanley é ainda mais específico. A previsão é que, até 2028, dos 2,9 trilhões de dólares de gastos na construção de centros de dados globais, as fontes de recursos sejam as seguintes:

• Fluxo de caixa próprio das empresas de nuvem em larga escala: cerca de 1,4 trilhão de dólares;
• Dívida corporativa de cerca de 200 bilhões de dólares;
• Crédito securitizado de ativos de cerca de 150 bilhões de dólares;
• Crédito privado, financiamento garantido por ativos e dívida de joint venture de cerca de 800 bilhões de dólares;
• Outros capitais de cerca de 350 bilhões de dólares.

Essa estrutura significa que os investimentos em infraestrutura de IA são em grande parte movidos por crédito.

O especialista em mídia de IA, Rohan Paul, destacou na plataforma X que, como apenas poucas empresas de nuvem em larga escala não podem emitir dívida publicamente de forma ilimitada, os investidores já começaram a se preocupar com o risco de concentração de emissores.

A complexidade do financiamento de centros de dados aumenta ainda mais este problema.

Trata-se de um ativo composto — integrando terra, ligação elétrica, conexão de rede, construção, sistema de refrigeração e servidores de IA —, de maneira que as demandas de financiamento naturalmente se espalham para fundos de infraestrutura, fundos imobiliários, crédito privado e dívida corporativa, entre outros mercados.

Caso ocorra um ajuste sistêmico, a cadeia de transmissão das perdas será muito mais complexa do que na época da bolha da internet.

Do lado da demanda, o alto custo operacional da IA está forçando as empresas a reavaliar o valor de cada consulta ou fluxo de trabalho automatizado.

A Uber é o caso mais emblemático. De acordo com o WallstreetCN, a gigante das corridas por aplicativo gastou, em apenas um trimestre, todo o orçamento de IA previsto para 2026.

Após esgotar o orçamento já em abril, a Uber anunciou um teto de gasto de 1.500 dólares por mês para cada funcionário no uso de ferramentas de IA. O presidente e COO da Uber, Andrew Macdonald, reconheceu:

A cada dia, torna-se mais difícil justificar os gastos com tokens de IA, difícil traçar uma relação clara entre o gasto e a melhoria real nas funcionalidades do produto.

O Walmart também impôs um limite ao uso de tokens pelos funcionários em seu assistente interno de IA. Segundo o CTO global do Walmart, Suresh Kumar, o uso da plataforma de programação Code Puppy "disparou drasticamente", sendo o momento de "dar um passo atrás e reavaliar".

Por trás dessa tendência, há uma mudança estrutural no modelo de precificação. Laboratórios de IA como a Anthropic e OpenAI alteraram parte dos seus serviços de um modelo de assinatura fixa para cobrança por token, tornando as empresas mais sensíveis ao custo de cada prompt ou processo automatizado.

Costi Perricos, líder global de IA generativa da Deloitte, afirma:

O custo de poder computacional já entrou no radar dos CFOs e conselhos de administração. Consumidores e empresas vinham sendo informados de que IA era barato ou até mesmo gratuito, mas a realidade está longe disso.

O CEO da OpenAI, Sam Altman, também reconheceu neste mês que os custos se tornaram uma "questão importante" para os clientes em 2024, sendo um tema pouco mencionado em 2023.

As medidas de redução de custos nas empresas têm impacto relevante também para os elos superiores da cadeia da IA.

A Anthropic e a OpenAI planejam abrir capital ainda este ano, aproximando-se de uma avaliação de quase um trilhão de dólares. No entanto, a tendência de cortes nos gastos empresariais com IA começa a pressionar para baixo as projeções de crescimento de receita dessas empresas.

Grandes plataformas de IA já adotam medidas para estimular a adoção, direcionando usuários para modelos menos avançados e mais baratos.

O COO do GitHub, Kyle Daigle, disse que a Microsoft tem antecipado discussões de precificação com os clientes, buscando a "adequação e adaptabilidade ao cenário", ressaltando que "nem toda tarefa exige modelos de ponta".

Microsoft, Amazon e Google lançaram ferramentas nas quais solicitações dos usuários são roteadas automaticamente para modelos mais otimizados em termos de custo.

Algumas empresas migraram para modelos de código aberto, rodando em servidores locais ou dispositivos próprios, reduzindo os custos pagos a laboratórios de IA e provedores de nuvem.

Patel, da Cisco, resumiu a situação enfrentada por muitas empresas:

Nossos engenheiros querem mais tokens, precisamos encontrar formas de pagar por isso.

Esta frase reflete o dilema de todo o setor: o valor estratégico da IA já é amplamente aceito, mas a lógica comercial de pagamento constante por ela ainda precisa ser comprovada pelo mercado.