Nos últimos dois anos, a inteligência artificial, sem dúvida, foi o vento mais quente no mercado global de capitais, desencadeando uma celebração de riqueza que se espalhou por toda a cadeia da indústria.
Do upstream de hardware essencial à implementação no downstream, o setor de IA viveu uma rodada de行情 (tendência) épica. A Nvidia (NVDA.US), graças à sua posição de monopólio em poder de computação, teve sua capitalização disparando continuamente. Empresas de grandes modelos como Zhipu (02513.HK), OpenAI, Anthropic etc. tiveram suas avaliações infladas. Gigantes de semicondutores como SK Hynix (SKHY.US) e Intel (INTC.US) também ascenderam em sequência. Módulos ópticos, chips ópticos e materiais cerâmicos especiais em segmentos específicos explodiram em alta, com duplicação. Até mesmo plataformas mais tradicionais, como infraestrutura de centros de dados, suprimento de energia e dispositivos de armazenamento, aproveitaram a onda do investimento em capacidade de computação de IA para viver uma tendência contrária ao mercado.
Por um tempo, o capital entrou em fúria, as empresas reforçaram a implantação, e o sentimento otimista da indústria atingiu o máximo; todos estavam convencidos de que a IA daria início a mais uma revolução industrial de dezenas de anos e a um ciclo de crescimento.
No entanto, no auge do verão de 2026, a onda de calor continua a castigar o Vale do Silício, mas a indústria de IA recebeu uma “corrente fria” de capital que atravessa a espinha. O índice de semicondutores de Filadélfia caiu acumuladamente mais de 18% nos últimos 20 pregões; entre as ações de chips que tiveram o melhor desempenho este ano, a Micron Technology (MU.US) caiu quase 24% acumuladamente nos últimos 20 pregões. A estrela que foi ovacionada por Huang Renxun, a Marvell Technology (MRVL.US), caiu mais de 37% em 20 dias. A narrativa de “computação sempre em falta”, antes tratada como verdade, começou a apresentar rachaduras.
Essa queda repentina nas avaliações, talvez seja apenas a retirada do entusiasmo do mercado ou a realização de lucros por capital de curto prazo. Mas todos não conseguem deixar de encarar os perigos ocultos no processo de corrida desenfreada da onda de IA — e isso pode determinar a sustentabilidade desse boom.
Primeiro perigo oculto: impactos do “muro regulatório” em queda
A velocidade de iteração da tecnologia de IA é muito maior do que o ritmo de atualização das leis e regulamentações. Além disso, limites pouco claros da tecnologia habilitada, riscos de segurança de dados, armadilhas de ética algorítmica, problemas de monopólio e de violação de direitos autorais, entre outros fatores, podem acabar forçando a regulamentação global de IA a sair da exploração em branco e caminhar para um aperto abrangente, tornando-se uma importante barreira para impedir a expansão desordenada de IA.
Atualmente, o sistema global de regulamentação de IA entrou em uma fase de implementação intensiva. A União Europeia (Lei de IA) entrou formalmente em vigor: aplica controle rigoroso de acesso a sistemas de IA de alto risco e exige transparência e avaliação de riscos para modelos de IA de propósito geral; na China, as autoridades continuam aprimorando as regras de gestão de IA generativa, deixando claras exigências rígidas como registro de grandes modelos, conformidade de dados e revisão de conteúdo; nos Estados Unidos, decretos administrativos e normas da indústria vêm impondo supervisão direcionada ao treinamento de grandes modelos, à coleta de dados e a comportamentos de monopólio em IA. Além disso, regras específicas em diferentes países voltadas à transferência transfronteiriça de dados de IA, direitos autorais de conteúdo gerado por IA, e riscos de substituição de empregos por IA também estão sendo aplicadas continuamente.
O aperto abrangente da regulamentação eleva diretamente o patamar de acesso ao setor. Para as pequenas e médias empresas de IA, o aumento abrupto do custo de conformidade significa maior pressão para sobreviver; para os gigantes de tecnologia do topo, as restrições regulatórias fazem o ciclo de lançamento de produtos se alongar e forçam ajustes nas estratégias de implantação global. A regulamentação não pretende impedir a comercialização da IA, mas vai mudar as regras do jogo.
Segundo perigo oculto: sustentabilidade da expansão do capital — revisão de custos e benefícios
A explosão das avaliações da indústria de IA no primeiro semestre deste ano se concentrou claramente no upstream da cadeia. Gigantes de tecnologia voltados a usuários finais, como os relacionados a grandes modelos e aplicações no downstream, desembolsam grandes quantias para construir infraestrutura de computação, treinar modelos, desenvolver centros de dados e investir em pesquisa e desenvolvimento. Isso é um importante suporte para impulsionar o bom desempenho do upstream e, assim, fazer as avaliações dispararem. Analogamente, se esses gigantes de tecnologia — assim como entidades soberanas — reduzirem investimentos em IA ou desacelerarem os aportes, essa lógica de avaliação ficará abalada.
Ao avaliar investimentos em IA, principalmente são considerados dois pontos: taxa de retorno sobre investimento e sua capacidade de investimento. Os investimentos em IA já foram feitos ao longo de vários anos; os efeitos que podem ser produzidos já começam a aparecer. Na avaliação atual da cadeia da indústria de IA, ainda há expectativas de monetização de IA. Pela velocidade e pelo volume com que os preços foram empurrados no upstream nas últimas semanas, o mercado está bastante otimista quanto às perspectivas de investimento em IA. Se o desenvolvimento da IA não corresponder às expectativas, o ritmo dos investimentos em IA desacelera e os valores aportados também diminuem, levando à contração do valor de mercado geral do setor upstream.
Os resultados do trimestre fiscal de junho que vem pela frente se tornarão um indicador importante para prever para onde seguirão as despesas de capital em IA. Google (GOOG.US), Microsoft (MSFT.US), Amazon (AMZN.US), Meta (META.US) e outros gigantes de tecnologia no exterior, além de empresas de internet líderes no mercado doméstico como Tencent (00700.HK) e Alibaba (09988.HK), serão examinadas de perto sob uma lupa. O que elas esperam sobre investimentos em IA, o andamento do desenvolvimento de IA e como as aplicações de IA se integrarão aos seus ecossistemas de serviços também serão avaliados com ainda mais rigor. Se os negócios de IA desses gigantes ficarem abaixo do esperado e não houver uma visibilidade clara sobre a realização de fluxo de caixa positivo, a relação custo-benefício dos investimentos em computação, P&D e infraestrutura dificilmente melhorará. Com isso, inevitavelmente elas vão reduzir os futuros gastos de capital, levando diretamente ao enfraquecimento da demanda no upstream da cadeia da indústria de IA.
Ao mesmo tempo, o desempenho dos negócios atuais dessas empresas e a situação de seu fluxo de caixa também afetarão diretamente os futuros investimentos em IA. O lucro e o fluxo de caixa de seus negócios centrais são a base para que esses gigantes de tecnologia aumentem continuamente seus aportes na corrida tecnológica e planejem a implementação de IA.
Mas a rápida penetração da tecnologia de IA está, continuamente, desestruturando o cenário das indústrias tradicionais. O negócio de anúncios do Google, o varejo de e-commerce da Amazon, o pacote Office da Microsoft, os anúncios em redes sociais da Meta... são essas as fontes reais de gastos de capital dos gigantes de tecnologia. No entanto, a transformação das indústrias tradicionais pela IA está dando “o troco” em seu próprio “patrocinador”.
Por exemplo, no setor de publicidade: a IA generativa torna a criação de conteúdo extremamente barata. Uma grande quantidade de informações de baixa qualidade geradas por IA inunda as plataformas, e a taxa de alcance real dos espaços publicitários diminui; os anunciantes começam a questionar a relação custo-benefício da publicidade digital. Ao mesmo tempo, a busca com IA está corroendo a fatia de anúncios dos buscadores tradicionais — quando os usuários conseguem obter respostas diretamente dos grandes modelos, quem ainda vai querer clicar naqueles “links patrocinados”?
O mais importante, porém, é que os serviços centrais desses gigantes de tecnologia só conseguem gerar receita se os usuários tiverem capacidade de pagamento e demanda de consumo. A mão de obra que é substituída por IA, ao ter a renda reduzida, diminui o consumo; por fim, isso volta para esses gigantes de tecnologia e causa uma queda acentuada na receita daqueles que dependem de lucrar com indústrias tradicionais. Com a pressão sobre as próprias receitas, os investidores naturalmente também não conseguem sustentar gastos anuais na casa das centenas de bilhões/um trilhão em investimentos de capital em IA.
Terceiro perigo oculto: comercialização de IA “elogio sem vendas”
As ondas de IA podem continuar? No fim das contas, tudo depende de uma pergunta simples: ela consegue realmente gerar lucro?
Como o maior “front-end” de monetização na cadeia de IA, os grandes modelos funcionam como uma régua essencial para testar a capacidade comercial do setor. Atualmente, grandes modelos domésticos como Zhipu (02513.HK), Baidu (09888.HK) — Wenxin Yiyan —, Alibaba — Tongyi Qianwen —, e no exterior, as séries GPT, Claude etc. enfrentam dilemas semelhantes: o custo de treinamento por rodada chega a dezenas de milhões até centenas de milhões de dólares; enquanto isso, o consumo diário de poder de computação para inferência, iteração de dados e custos de operação e manutenção seguem subindo, mas os modelos de monetização ficam altamente concentrados em três vias: chamadas via API, serviços personalizados para empresas e assinaturas de membros.
O mais importante é que, para a maioria das empresas, após introduzir IA, é difícil quantificar de forma econômica seu retorno no curto prazo. Para usuários individuais, a capacidade de arcar com mensalidades é limitada e a taxa de conversão é geralmente baixa; já para clientes empresariais, embora o orçamento seja maior, um orçamento alto também implica retorno alto, e muitas vezes se espera acelerar o deslocamento do investimento em IA de “item de custo” para “item de receita”, algo que no curto prazo pode não ser alcançado.
Enquanto isso, os custos de inferência dos grandes modelos estão caindo rapidamente em alta velocidade. Isso é uma bênção e, ao mesmo tempo, uma maldição: custos menores tornam mais cenários de aplicação viáveis, mas também corroem continuamente o poder de precificação das empresas de grandes modelos, aumentando a dificuldade de sua monetização.
Quarto perigo oculto: o ciclo de alta de juros torna os investimentos em IA caros
A rápida expansão da indústria de IA não seria possível sem o “combustível” do ambiente global de baixas taxas de juros. Nos últimos anos, a política monetária global expansionista permitiu que empresas de tecnologia emitissem dívida, tomassem empréstimos e se financiassem a um custo extremamente baixo, aumentando sem freio os investimentos em infraestrutura de computação de IA e em pesquisa e desenvolvimento. Mas, com a entrada dos principais bancos centrais no ciclo de alta de juros, o bônus do afrouxamento monetário chega ao fim. Isso fará com que os custos de investimento e de financiamento em toda a cadeia de IA subam, e as exigências de retorno dos projetos de IA aumentem de forma significativa.
No momento, o mercado global de títulos enfrenta pressão contínua; os déficits fiscais dos países desenvolvidos permanecem altos, impulsionando uma alta contínua nas taxas de rendimento dos títulos do Tesouro, e elevando a taxa de juros de financiamento geral do mercado. Ao mesmo tempo, gigantes de tecnologia como Google, Amazon e Meta continuam fazendo investimentos em IA, emitindo grandes volumes de dívida para captação de recursos, o que pode elevar ainda mais as taxas de juros do mercado. Para as empresas de IA, o aumento do custo de financiamento significa que cada aporte em computação, cada investimento em P&D e cada gasto com infraestrutura precisam de retornos maiores. Quando os investidores avaliam esses projetos, eles também se tornam ainda mais rigorosos.
Quinto perigo oculto: a preocupação oculta com excesso de capacidade.
Durante o período de investimento febril, os gigantes muitas vezes caem na “idolatria de escala”, mas ignoram as leis de oferta e demanda. Em setores centrais como chips de armazenamento, chips de computação, módulos ópticos, servidores e outros, chegam investimentos com escala de trilhões em capacidade — e essa expansão cega está gerando uma crise séria de desbalanceamento entre oferta e demanda, com potencial de se tornar um fator importante que impede o setor de continuar avançando em alta.
Tomando como exemplo os chips de armazenamento: os aportes de mais de vários trilhões de dólares feitos pelos gigantes muito provavelmente se transformarão, em alguns anos, em uma onda séria de excesso de capacidade. Quando o mercado estiver saturado de grandes modelos homogêneos e de hardware em excesso, a guerra de preços será inevitável e as margens de lucro serão drasticamente comprimidas.
Sexto perigo oculto: o “efeito de retaliação econômica” causado pela substituição no emprego
A popularização da tecnologia de IA está migrando da substituição de tarefas repetitivas para a substituição de trabalho intelectual de nível médio e alto, provocando uma reestruturação em larga escala do emprego. Antes, o público em geral acreditava que a IA substituiria apenas trabalhadores de linhas de produção e prestadores de serviços básicos; agora, modelos de geração de código conseguem substituir programadores iniciantes e intermediários na execução de tarefas de programação. Ferramentas de escritório com IA podem substituir funções como redatores, operações, finanças e consultoria jurídica básica. A demissão em massa por grandes empresas de tecnologia virou uma prática comum, e muitos cargos intelectuais bem pagos estão sendo substituídos por IA.
Essa substituição no emprego não é um fenômeno isolado, mas uma mudança estrutural coletiva e setorial. A maioria dos trabalhadores substituídos carrega despesas fixas como empréstimos imobiliários, crédito ao consumo, aposentadoria e criação de filhos. Uma perda em massa de empregos significa um rompimento de renda, o que desencadeia uma série de efeitos econômicos em cadeia: a queda da renda dos residentes reduz o consumo; o risco de calote nos empréstimos imobiliários sobe; as taxas de inadimplência de crédito continuam aumentando. Isso, por sua vez, oprime o mercado imobiliário e a vitalidade do mercado de consumo, gerando pressão deflacionária em bolsões da economia.
Do ponto de vista da transmissão ao longo da cadeia industrial, a fraqueza contínua do mercado consumidor no downstream irá gradualmente ser repassada às indústrias físicas e de tecnologia. A pressão sobre a lucratividade das empresas em todos os setores fará com que elas ponderem com mais cautela a relação custo-benefício do investimento em IA e deixem de seguir modas cegamente para aumentar aportes na implantação de IA. Além disso, a pressão deflacionária na economia como um todo ainda forçará ajustes passivos na política monetária global, afetando ainda mais a liquidez do mercado de capitais e, assim, restringindo a expansão contínua da indústria de IA a partir da base.
Limites físicos e barreiras abstratas
Além das restrições econômicas e sociais, a própria IA também enfrenta um teto físico e cognitivo difícil de ultrapassar.
Primeiro, há um gargalo rígido da infraestrutura física. Treinar e fazer inferência com grandes modelos é, de fato, um “tigre elétrico”; estima-se que até 2030 o consumo de energia dos centros de dados globais dobre. Os fatores de restrição no futuro talvez deixem de ser a oferta de chips e passem a ser a eletricidade em nível de gigawatts para alimentá-los.
Além disso, há um abismo inevitável entre a simulação virtual da IA e o mundo material real. Modelos digitais só conseguem ajustar correlações; eles não conseguem replicar integralmente causas físicas como deformação e tensões de materiais. Em áreas com tolerância a falhas muito baixa, como manufatura e aviação, as “alucinações” da IA podem gerar riscos fatais.
Em termos cognitivos, atualmente os sistemas de IA ainda operam essencialmente dentro do quadro de cognição da humanidade. Eles apenas repetem padrões textuais, mas não possuem compreensão da lógica causal do mundo real. Além disso, eles não conseguem, como humanos, inventar novos conceitos e criar novas coisas por meio de interações com o mundo físico. Se não houver um fluxo constante de novos dados reais e frescos, por mais que se ampliem os parâmetros do modelo, também é possível cair em um beco sem saída de ajuste repetitivo.
Inspiração: do furor ao retorno ao respeito
O que bloqueia a onda de IA nunca foi apenas uma única limitação tecnológica; é uma grande rede formada pela interconexão de regulamentação, capital, economia, sociedade, física e cognição. Isso nos traz uma lição profunda: a principal virada das revoluções tecnológicas, muitas vezes, não ocorre no momento em que a tecnologia se fortalece, mas quando a sociedade e as empresas finalmente encontram novas formas organizacionais compatíveis com a nova tecnologia.
Depois de mais de meio século da invenção da máquina a vapor, o sistema de fábricas só então liberou de fato sua capacidade produtiva; após décadas do surgimento da eletricidade, a linha de montagem acabou por transformar completamente a indústria manufatureira. A IA é parecida: talvez seu verdadeiro ponto de inflexão não esteja no dia em que ocorrerem avanços no poder de computação, mas no dia em que finalmente aprendermos como organizar talentos, redefinir processos e desenhar mecanismos de incentivo, fazendo com que a IA e os seres humanos atuem cada um em sua função, evoluindo em conjunto.
A regulamentação precisa acompanhar; o capital precisa fazer contas; os modelos de negócio precisam ser validados; o emprego precisa se transformar; e gargalos físicos precisam ser superados. Nada disso é algo que se resolve da noite para o dia. Mas é justamente esse “atrito” que faz o desenvolvimento de IA sair do estado agitado para a calma, e sair da especulação para o valor.
Texto: Wu Yan