Chips de IA se tornam descartáveis em poucos anos com corrida bilionária da inteligência artificial

Chips de IA movimentaram cerca de US$ 400 bilhões em investimentos globais neste ano, mas o ritmo inédito de inovação já encurta sua vida útil a apenas alguns anos, pressionando lucros, balanços corporativos e a sustentabilidade de todo o ecossistema de data centers.

Investimento recorde em chips de IA impulsiona data centers

O crescente apetite por aplicações de inteligência artificial generativa levou a indústria a destinar aproximadamente dois trilhões de reais, ou 400 bilhões de dólares, à compra de semicondutores especializados e à construção ou expansão de data centers. Esse montante contempla tanto fabricantes de hardware quanto provedores de nuvem que precisam de estruturas capazes de treinar e executar modelos cada vez mais complexos. A escala das cifras evidencia uma aposta coletiva de longo prazo: empresas de todos os portes contam com retornos sustentáveis provenientes de serviços, assinaturas e produtos habilitados por IA.

No entanto, o volume de capital imobilizado também eleva a exposição a riscos. Os chips de uso geral tradicionalmente permaneciam em operação por até seis anos antes de serem substituídos. A expectativa de amortização se baseava em ciclos tecnológicos mais estáveis, nos quais ganhos de desempenho ocorriam em intervalos previsíveis. A maratona atual, impulsionada pela necessidade de placas gráficas e aceleradores cada vez mais potentes, rompe esse padrão histórico.

Ciclo de vida dos chips de IA encolhe de seis para três anos

Antes do boom da IA generativa, provedores de nuvem calculavam que servidores e processadores pudessem ser úteis por, em média, seis anos. Essa estimativa agora se mostra irrealista. A combinação de desgaste físico intenso e obsolescência tecnológica acelerada tem reduzido a expectativa para um intervalo entre dois e três anos, segundo analistas que acompanham o mercado.

Esse encurtamento se deve, em primeiro lugar, à velocidade com que novos modelos chegam ao mercado. Cada geração entrega saltos de desempenho tão significativos que equipamentos recém-adquiridos perdem competitividade quase imediatamente. Em segundo lugar, as cargas de trabalho focadas em IA exigem processamento paralelizado contínuo, elevando temperatura e consumo de energia, fatores que contribuem para uma degradação mais rápida dos componentes.

Nvidia acelera ritmo de inovação e deprecia gerações anteriores

A Nvidia, líder absoluta no fornecimento de aceleradores para IA, ilustra esse fenômeno. Menos de um ano depois de anunciar o chip Blackwell, a companhia revelou o próximo salto: o Rubin, programado para 2026, deverá oferecer performance 7,5 vezes maior. Esse anúncio não apenas define um novo patamar de capacidade, mas também deprecia equipamentos que ainda nem completaram um ciclo operacional.

A reação do mercado foi imediata. Logo após a divulgação do Blackwell, a procura por linhas anteriores despencou, refletindo a percepção de que a diferença de desempenho entre gerações inviabiliza manter projetos em hardware mais antigo. De acordo com estimativas do setor financeiro, esses ativos podem perder entre 85% e 90% do valor de revenda em apenas três ou quatro anos, pressionando a contabilidade das empresas que os adquiriram a preços máximos.

Falhas técnicas agravam custo total dos chips de IA

Além da obsolescência, a confiabilidade do hardware enfrenta novos desafios. Processadores dedicados a IA operam em cargas contínuas que se aproximam dos limites térmicos especificados. Estudos de campo indicam taxas anuais de falha próximas de 9% em determinados clusters, cenário que exige manutenção constante, substituição de peças e redundância de infraestrutura.

A soma de falhas mais frequentes com ciclos de substituição acelerados impacta diretamente o custo total de propriedade. Equipamentos que deveriam gerar retorno ao longo de vários anos precisam ser depreciados mais rapidamente, elevando despesas contábeis e exigindo novos aportes de capital em intervalos curtos. Para investidores, esse retrato alimenta a preocupação de uma sobrevalorização semelhante a bolhas tecnológicas anteriores.

Empresas expostas e riscos financeiros no curto prazo

Nem todas as companhias que investem em IA possuem a mesma resiliência. Gigantes diversificadas, como grandes provedores de nuvem pública, compensam eventuais perdas de valor dos chips com receitas provenientes de publicidade, comércio eletrônico ou assinaturas de software. Contudo, organizações cujo modelo de negócios depende majoritariamente da venda de horas de processamento ou do aluguel de máquinas virtuais especializadas enfrentam maior vulnerabilidade.

Entre os principais riscos mapeados estão:

Endividamento elevado para adquirir a geração mais recente de processadores, pois a competição por capacidade leva empresas a contrair empréstimos de grande porte.

Dependência de poucos clientes capazes de consumir volumes maciços de computação. Caso esses clientes migrem para concorrentes ou optem por hardware próprio, a receita pode cair abruptamente.

Atualização frequente de data centers, prática necessária para manter competitividade, mas que eleva custos de capex e dificulta a previsibilidade de fluxo de caixa.

Uso de chips como garantia em financiamentos. A desvalorização acelerada do ativo compromete a qualidade das garantias apresentadas aos credores.

Dificuldade de captar recursos novos caso a lucratividade não acompanhe o ritmo de investimento, sobretudo em cenários macroeconômicos mais restritivos.

Estratégias emergentes para prolongar a utilidade dos chips de IA

Diante desse quadro, algumas empresas buscam amortecer o impacto estendendo a vida útil funcional dos processadores. Uma tática consiste em migrar chips de penúltima geração para tarefas menos exigentes, como inferências de modelos menores, rotinas de backup ou ambientes de teste. Modelos lançados em 2023, por exemplo, ainda oferecem desempenho suficiente para aplicações de média complexidade, desde que o custo de energia e manutenção continue favorável.

Outra iniciativa envolve a segmentação de workloads de acordo com a criticidade do desempenho. Processamento de treinamento pesado é alocado nos aceleradores mais recentes, enquanto processos de pós-processamento, indexação e análise podem rodar em hardware legado. Dessa forma, organiza-se um gradiente de capacidade que retarda a necessidade de troca integral do parque instalador.

Embora úteis, essas soluções demandam planejamento rigoroso. Se o preço de mercado do chip cair mais rápido que a economia gerada pela sua reutilização, a estratégia deixa de ser viável. Além disso, a arquitetura dos data centers precisa permitir a convivência de diferentes gerações sem criar gargalos de comunicação ou disparidades excessivas de consumo energético.

Para o médio prazo, a expectativa de novos lançamentos permanece inalterada, com o Rubin da Nvidia previsto para 2026. Esse marco representará mais um fator de pressão sobre a base instalada, sinalizando que o ciclo de evolução dos chips de IA seguirá comprimido e exigindo revisões constantes nas projeções de amortização e retorno sobre investimento das empresas do setor.