Citadel: escassez de poder computacional ainda é o maior gargalo da IA, provedores de nuvem em larga escala podem ser os maiores vencedores

A competição na indústria de IA está se acelerando rumo a uma estrutura mais diferenciada, e a variável-chave que decidirá o vencedor não é a capacidade dos modelos, e sim a disponibilidade de poder computacional físico.

A análise mais recente da Citadel Securities aponta que a demanda por poder computacional continua superando o ritmo de crescimento da oferta,o verdadeiro ativo escasso não são os chips armazenados em depósitos, mas sim o poder computacional energizado e prontamente disponível para uso imediato.

Esse gargalo estrutural é difícil de ser eliminado no curto prazo—a conexão à rede elétrica e os ciclos de aprovação de projetos frequentemente levam anos. Mesmo planos de investimento em capital de grande escala não conseguem preencher essa lacuna rapidamente, o que significa que o fluxo de caixa atual das hyperscalers talvez esteja subestimando o real potencial de lucro de suas infraestruturas existentes.

Do ponto de vista dos sinais de mercado, os preços de aluguel do poder computacional, inclusive de GPUs antigas, continuam resilientes,indicando que a capacidade de produção existente ainda está sendo continuamente absorvida e que o quadro de escassez entre oferta e demanda no mercado não foi claramente aliviado, mesmo com grandes investimentos em construção.Ao mesmo tempo, a ascensão dos agentes de IA está amplificando o consumo de poder computacional—um único comando humano pode ativar dezenas ou até centenas de chamadas de modelos, fazendo com que o consumo de poder computacional por tarefa aumente e sustentando ainda mais o lado da demanda.

01

A natureza do gargalo do poder computacional: não são apenas chips

O analista da Citadel Securities, Nohshad Shah, aponta que "poder computacional" não se refere apenas a GPU,mas sim à soma de GPU, eletricidade, espaço em data center, memória, rede, sistemas de resfriamento e capacidades operacionais especializadas. O que é realmente escasso é o "poder computacional energizado, disponível a qualquer momento", não o hardware parado em um depósito.

As curvas de fornecimento futuro de poder computacional mostram que, embora a oferta esteja aumentando, a demanda cresce mais rapidamente. Devido aos longos prazos de conexão à rede elétrica e aprovação de projetos, mesmo investimentos de capital em larga escala não conseguem preencher essa lacuna no curto prazo. O atual desafio da IA não é a falta de usuários, mas sim a falta de poder computacional que realmente pode ser operado.

Vale destacar que atualmente grande parte da capacidade produtiva de poder computacional está atrelada a contratos assinados entre 2024 e 2025, período em que a intensidade da demanda ainda não havia se manifestado plenamente. Com o vencimento desses contratos em sequência, espera-se que a infraestrutura existente seja repricingada à medida que a taxa de utilização aumenta, sendo que a base de custos permanece fixa e o efeito de alavancagem operacional será gradualmente liberado.Essa análise acredita que, no momento, o mercado tende a contabilizar imediatamente os custos de investimento em capital, mas pode estar subestimando o potencial de crescimento futuro dos lucros.

Além disso, a queda no preço dos tokens pode não ser necessariamente negativa. Custos de inteligência mais baixos tornarão economicamente viáveis mais aplicações, e quando combinados com o consumo exponencial de poder computacional pelos agentes de IA, espera-se que a demanda total de poder computacional continue a crescer. A variável-chave é a elasticidade da demanda: se o crescimento do volume de uso superar a queda de preço por unidade, valores mais baixos ampliarão o mercado, ao invés de reduzi-lo; o real cenário negativo seria se os tokens se tornarem mais baratos, mas o volume de uso não crescer substancialmente.

02

Aumento da diferenciação do setor, hyperscalers ocupam dupla vantagem

A análise da Citadel Securities desenha um panorama bipolar cada vez mais claro para a indústria de IA:de um lado, laboratórios de ponta como OpenAI e Anthropic, cujo produto é a própria inteligência; do outro, hyperscalers diversificados como Google e Microsoft, que podem monetizar em toda a pilha independentemente de qual modelo prevaleça.

Dentro dessa lógica, os modelos de ponta se concentram em tarefas de alto valor, como planejamento, raciocínio, programação e orquestração de tarefas, obtendo receita premium sobre uma menor fatia de tokens; já os modelos mais baratos ou de código aberto são responsáveis pelas funções de execução de alta concorrência. Laboratórios de ponta podem manter seu poder de precificação em tarefas sofisticadas, mas hyperscalers e provedores de serviços de inferência usufruem de ambas as camadas—pois qualquer carga de trabalho depende de chips, memória, rede e eletricidade.

O ponto final dessa lógica é: modelos de ponta planejam, modelos baratos executam, e quem possui o "poder computacional energizado" colhe valor econômico de ambos os lados. Para investidores, num cenário de incerteza quanto ao caminho de comercialização da IA, as hyperscalers que detêm a infraestrutura física de poder computacional podem ser as apostas de melhor relação risco-retorno nessa corrida.

Se achou interessante, clique em "Ver"