Citadel: Escassez de poder computacional continua sendo o maior gargalo da IA, e grandes provedores de nuvem podem ser os vencedores finais

A concorrência no setor de IA está se tornando cada vez mais segmentada, e a variável chave que determinará o vencedor não é a capacidade do modelo, mas 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 já energizado e pronto para uso imediato.

Este gargalo estrutural dificilmente será eliminado no curto prazo — a conexão à rede elétrica e os ciclos de aprovação de projetos geralmente levam anos, e mesmo grandes planos de investimento de capital não conseguem suprir essa lacuna rapidamente. Isso significa que o fluxo de caixa atual dos provedores de nuvem em larga escala (hyperscaler) pode estar subestimando o real potencial de lucro de suas infraestruturas existentes.

Segundo sinais do mercado, os preços de aluguel de poder computacional — incluindo GPUs de modelos antigos — permanecem elevados, indicando que a capacidade instalada continua sendo absorvida constantemente e o desequilíbrio entre oferta e demanda ainda não foi significativamente aliviado, apesar dos grandes investimentos em infraestrutura. Paralelamente, a ascensão dos agentes de IA está aumentando o consumo de poder computacional — uma única instrução humana pode acionar dezenas ou até centenas de chamadas de modelo, fazendo com que cada tarefa consuma ainda mais poder computacional, sustentando fortemente o lado da demanda.

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

O analista da Citadel Securities, Nohshad Shah, destacou que “poder computacional” não se refere apenas à GPU, mas sim a uma combinação de GPU, energia elétrica, espaço em data center, memória, rede, sistema de refrigeração e experiência operacional. O que é realmente escasso é o ‘poder computacional energizado e pronto para uso imediato’, e não o hardware parado em um depósito.

As curvas futuras do poder computacional mostram que, embora a oferta esteja crescendo, a demanda avança ainda mais rápido. Devido ao tempo de conexão à rede e ciclos de aprovação de projetos serem contados em anos, nem mesmo grandes planos de investimento conseguem cobrir esse déficit rapidamente. Atualmente, o maior obstáculo para o avanço da IA não é a falta de usuários, mas sim a insuficiência de poder computacional realmente disponível para operação.

Vale ressaltar que grande parte da capacidade de poder computacional atual está atrelada a contratos firmados entre 2024 e 2025, quando a intensidade da demanda ainda não estava completamente evidente. À medida que esses contratos forem expirando, há potencial de reprecificação para a infraestrutura existente devido ao aumento da taxa de utilização, enquanto a base de custos permanece fixa, liberando assim efeitos de alavancagem operacional. A análise acredita que o mercado atualmente tende a contabilizar imediatamente os custos de investimento, mas pode estar subestimando o potencial de lucratividade futura.

Além disso, a queda no preço dos tokens pode não ser negativa. Custos mais baixos de inteligência permitem a viabilidade econômica de mais casos de uso, e somando isso ao alto consumo de poder computacional pelos agentes de IA, a demanda global por poder computacional deve continuar a crescer. O principal fator é a elasticidade da demanda: se o volume de uso crescer mais rápido que a queda dos preços, o mercado se ampliará em vez de se contrair; o verdadeiro cenário negativo seria tokens mais baratos, mas sem crescimento real no uso.

Segmentação do setor se intensifica, nuvens em larga escala possuem dupla vantagem

A análise da Citadel Securities descreve uma estrutura cada vez mais clara para o setor de IA: de um lado, laboratórios de ponta como OpenAI e Anthropic, tendo a própria inteligência como produto; do outro, gigantes diversificados de nuvem como Google e Microsoft, capazes de monetizar toda a cadeia independente do modelo vencedor.

Nesse contexto, os modelos de ponta irão se concentrar em tarefas de alto valor, incluindo planejamento, raciocínio, programação e orquestração de tarefas, obtendo receitas premium sobre uma parcela menor de tokens; enquanto modelos mais baratos ou de código aberto assumem o trabalho de execução em larga escala. Os laboratórios de ponta podem manter o poder de precificação sobre tarefas sofisticadas, mas os hyperscalers e provedores de serviços de inferência se beneficiam em ambos os segmentos — pois independentemente da carga de trabalho, chips, memória, rede e energia sempre serão necessários.

O ponto central dessa lógica é: modelos de ponta ficam responsáveis pelo planejamento, modelos baratos executam, e quem é dono do “poder computacional energizado” captura o valor econômico dos dois lados. Para investidores, em um cenário onde a comercialização da IA ainda é incerta, controlar infraestrutura física de poder computacional pode ser a aposta mais segura em termos de relação risco-retorno nessa competição.