Para além do exagero: por que motivo o gasto desenfreado das big tech em IA está a mudar a nossa perspetiva

Durante anos, a análise das principais ações tecnológicas dos EUA em torno da época de resultados seguiu um padrão familiar: sempre que um líder de mercado anunciava um compromisso financeiro massivo com tecnologia de próxima geração, os investidores geralmente recebiam a notícia com agrado. As despesas elevadas eram vistas como um sinal claro de domínio de mercado, inovação agressiva e crescimento futuro das receitas.

Atualmente, essa dinâmica mudou.

Durante as recentes chamadas de resultados trimestrais, os participantes do mercado testemunharam um padrão recorrente: uma gigante tecnológica de megacapitalização supera as expectativas de receita, reporta lucros operacionais sólidos, anuncia mais um compromisso de 50 a 80 mil milhões de dólares com infraestrutura de inteligência artificial e, em seguida, vê o preço das suas ações cair de um dia para o outro.

O que está a impulsionar esta mudança? Para compreender por que as ações tecnológicas dos EUA estão a movimentar-se de forma tão errática, os traders de retalho precisam de olhar para além dos títulos sobre software e examinar as realidades físicas e do balanço por trás dos bastidores.

A mudança de "ativo de refúgio": Como as gigantes tecnológicas alteraram os seus balanços

Para compreender a atual volatilidade das ações tecnológicas dos EUA, primeiro temos de analisar como as principais empresas tecnológicas, especificamente as gigantes da cloud como a Microsoft, a Amazon, a Alphabet, a Meta e a Oracle, transformaram a forma como gerem os seus balanços.

Na década seguinte à crise financeira global de 2008, os investidores tratavam as grandes empresas tecnológicas como locais fiáveis e de baixo risco para alocar capital durante períodos económicos incertos. Embora os ativos de refúgio tradicionais oferecessem estabilidade, os líderes tecnológicos ofereciam algo único: reservas de caixa massivas. Empresas como a Apple, a Alphabet, a Microsoft e a Meta acumularam centenas de milhares de milhões de dólares em dinheiro, enquanto operavam plataformas de software de alta margem. Durante desacelerações mais amplas do mercado, os investidores compravam estas ações porque as suas reservas de caixa proporcionavam uma forte almofada financeira.

No entanto, o atual desenvolvimento da inteligência artificial mudou completamente esta dinâmica. Estas gigantes da cloud já não se limitam a acumular o seu dinheiro.

As projeções de mercado mostram que as despesas de capital anuais totais nas cinco principais gigantes tecnológicas (Amazon, Alphabet, Microsoft, Meta e Oracle) estão a subir para 660 a 750 mil milhões de dólares. Esta escala de despesas representa 38% a 57% das suas receitas anuais totais, um

nível de intensidade de capital historicamente observado em oleodutos, indústria pesada e serviços públicos de eletricidade, e não em negócios de software leve.

Para financiar esta expansão, estas empresas tecnológicas já não dependem exclusivamente das suas reservas de caixa; estão a recorrer fortemente a empréstimos. A emissão combinada de obrigações corporativas entre as principais gigantes da cloud já ultrapassou os 175 a 200 mil milhões de dólares. Ao trocarem as suas almofadas de caixa por dívida de longo prazo, imóveis físicos e equipamento pesado, as empresas tecnológicas de megacapitalização assumiram encargos operacionais muito mais elevados.

O obstáculo oculto: Hardware rápido vs. redes elétricas lentas

Para além do balanço, as despesas das gigantes tecnológicas enfrentam um obstáculo físico: o que estas empresas estão a comprar e onde é ligado. A construção de sistemas modernos de inteligência artificial requer poder computacional bruto que depende de dois tipos principais de hardware:

• GPUs (Graphics Processing Units): Chips de computador especializados, pioneirados por empresas como a Nvidia, que processam milhares de cálculos simultaneamente, servindo como os principais motores para o treino de modelos de IA.
• TPUs (Tensor Processing Units): Chips desenhados à medida, construídos internamente por empresas tecnológicas como a Google, para lidar com tarefas dedicadas, reduzindo a dependência de fornecedores externos. Para executar dezenas de milhares destes chips de alta potência continuamente, as empresas têm de construir centros de dados massivos. Mas, ao contrário do software cloud tradicional, que pode ser lançado globalmente online em segundos, a construção de centros de dados modernos de IA esbarra num obstáculo físico incontornável: a rede elétrica.

Um único centro de dados de IA de alta densidade pode consumir tanta eletricidade quanto uma cidade de média dimensão. Na América do Norte e na Europa, as empresas de serviços públicos de eletricidade estão a informar as gigantes tecnológicas de que a ligação destas instalações massivas às linhas de alta tensão implica uma lista de espera de 4 a 7 anos.

Este atraso cria um grande problema de calendarização para os lucros das empresas:

1. Vida útil curta do hardware: Os chips de IA avançados tornam-se obsoletos rapidamente. Um conjunto de chips comprado hoje torna-se obsoleto em apenas 2 a 3 anos, à medida que são inventados chips mais novos e mais rápidos.
2. Atraso na Geração de Receita: Quando uma empresa de tecnologia gasta dezenas de milhares de milhões de dólares em chips hoje, mas não consegue operar esses servidores a plena capacidade durante vários anos enquanto aguarda ligações à rede elétrica, o hardware perde valor enquanto permanece inativo.

O dinheiro sai do balanço da empresa imediatamente, mas a nova receita de software materializa-se com um atraso de vários anos. Quando os mercados públicos recalculam este atraso plurianual, as margens de lucro esperadas ficam pressionadas, fazendo com que os preços das ações caiam.

Seguindo o dinheiro: Para onde o capital está a rodar

Embora as despesas elevadas exerçam pressão a curto prazo sobre os programadores de software, essa onda de várias centenas de milhares de milhões de dólares está a fluir diretamente para os bolsos das empresas que fornecem o equipamento físico.

1. Rede Elétrica e Fornecedores de Serviços Públicos: Os centros de dados requerem eletricidade de base contínua e ininterrupta. Produtores independentes de energia e fabricantes de equipamentos que produzem transformadores de alta tensão e hardware de rede elétrica, como a Constellation Energy, a Vistra Corp, a GE Vernova e a Eaton Corporation, estão a registar atrasos de encomendas plurianuais.
2. Especialistas em Arrefecimento Líquido e Térmico: Os chips de IA de alto desempenho geram um calor intenso que os ventiladores tradicionais não conseguem dissipar. As empresas que constroem sistemas de arrefecimento líquido e infraestrutura de arrefecimento de precisão para bastidores de servidores, como a Vertiv Holdings, a Schneider Electric e a Modine Manufacturing, têm visto a procura estrutural disparar.
3. Memória Flash NAND e Arquitetura de Memória: Os aceleradores modernos de IA não conseguem funcionar isoladamente sem largura de banda massiva e armazenamento de alta densidade. Treinar e executar modelos complexos cria graves estrangulamentos de memória, uma vez que os GPUs bloqueiam se os dados não se moverem com rapidez suficiente. Esta limitação física desencadeou uma reavaliação massiva no mercado bolsista para especialistas em memória e armazenamento, como a Micron Technology (MU) e a SanDisk (SNDK). Historicamente, Wall Street avaliava estas ações como fornecedores voláteis de bens de consumo de baixa margem, ligados aos ciclos de PC e smartphone. No entanto, à medida que os gigantes da nuvem fizeram encomendas plurianuais massivas de DRAM/Memória de Alta Largura de Banda (HBM) e Unidades de Estado Sólido (eSSDs) empresariais de memória flash NAND, os múltiplos de avaliação expandiram-se. Com a capacidade de NAND e HBM de nível empresarial esgotada com anos de antecedência e as margens operacionais a expandir-se drasticamente, os mercados públicos reavaliaram os fornecedores de memória e flash, elevando-os a estrangulamentos essenciais e de alta margem na infraestrutura de IA.
4. Silício Personalizado e Parceiros de Semicondutores: Para reduzir a sua dependência de fornecedores únicos, os gigantes tecnológicos estão a conceber os seus próprios chips internos (como os TPUs da Google e os chips Trainium da Amazon). Isto cria negócio a longo prazo para parceiros especializados de conceção de chips e fundições, como a Broadcom, a Marvell Technology, a Taiwan Semiconductor Manufacturing Company (TSMC) e a ARM Holdings. Em vez de olhar para a inteligência artificial apenas através das aplicações para consumidores, o dinheiro inteligente tem-se movido cada vez mais para a cadeia de abastecimento física necessária para colocar estes centros de dados a funcionar.

Conclusão: Analisar a interligação entre classes de ativos

Navegar neste ciclo de mercado atual exige olhar para além dos anúncios de software em destaque e reconhecer como os limites físicos reavaliam o risco nos mercados globais.

O mercado não está a rejeitar a IA, está simplesmente a ajustar os preços das ações para ter em conta a dívida mais elevada, as despesas de tesouraria imediatas e os atrasos na infraestrutura física. Em ciclos tecnológicos anteriores, os investidores reagiam às despesas de capital com um otimismo direto, partindo do pressuposto de que investimentos mais elevados geravam automaticamente lucros futuros mais elevados. Atualmente, o mercado avalia as despesas através de uma lente muito mais crítica. Quando um gigante da nuvem compromete dezenas de milhares de milhões em infraestrutura sem um calendário imediato para nova receita de software, o mercado foca-se no encargo financeiro imediato: margens operacionais mais apertadas, reservas de caixa a diminuir e serviço da dívida a aumentar.

Esta mudança estrutural altera fundamentalmente a forma como as ações tecnológicas interagem com a economia em geral. Historicamente, as megaempresas tecnológicas detinham reservas de caixa massivas que isolavam estas empresas de mudanças económicas mais amplas. Atualmente, com centenas de milhares de milhões em obrigações empresariais emitidas para construir centros de dados e garantir linhas de energia, as margens de lucro das empresas tecnológicas tornaram-se muito mais sensíveis às taxas de juro, aos spreads de rendimento das obrigações e aos custos de financiamento.

Ao mesmo tempo, as fronteiras entre as classes de ativos estão a esbater-se. Os calendários de lançamento de software já não são decididos pela rapidez com que os programadores conseguem escrever código; são ditados pela capacidade da rede elétrica, pelos atrasos na produção de transformadores e pelas filas de espera para interligação com as concessionárias de energia. Consequentemente, matérias-primas energéticas como o Gás Natural e as ações de empresas de serviços públicos de energia estão a tornar-se indicadores avançados primários para a execução tecnológica.

Em última análise, uma vez que as grandes empresas tecnológicas detêm um peso esmagador em índices de referência importantes como o S&P 500 e o Nasdaq 100, os anúncios de despesas de ações individuais têm repercussões muito para além de Silicon Valley. Ao acompanhar a dívida no balanço, os tempos de espera da rede elétrica e os fluxos de capital físico, os observadores do mercado obtêm uma visão muito mais clara do que realmente impulsiona a formação de preços em ações, matérias-primas e índices globais.