O maior ciclo de investimento da história tecnológica está chegando nos limites do que o sistema financeiro consegue absorver
Existe um momento em todo ciclo de investimento tecnológico quando o entusiasmo sobre as possibilidades da tecnologia começa a colidir com as restrições muito mais mundanas de quem vai financiar tudo isso e em que condições. Para as ferrovias, esse momento chegou. Para a eletricidade também. Para a internet, chegou de forma dramática no início dos anos 2000.
O Goldman Sachs está sinalizando que esse momento está chegando para a IA, e o número que o banco está projetando é suficientemente grande para tornar o aviso difícil de ignorar. As quatro principais empresas de nuvem em hiperescala, Meta, Microsoft, Amazon e Alphabet, vão gastar coletivamente US$ 5,3 trilhões em despesas de capital com IA e data centers entre 2025 e 2030. Esse número já é uma revisão para cima de uma estimativa anterior de US$ 4,5 trilhões feita antes dos resultados do primeiro trimestre.
Mas o que preocupa a estrategista-chefe de crédito do Goldman, Amanda Lynam, não é a escala dos gastos em si. É de onde vem o dinheiro para pagá-los.
A anatomia do gargalo financeiro que está se formando
Para entender o alerta do Goldman, é preciso entender como o financiamento de infraestrutura de IA em escala funciona na prática. Uma única instalação de data center combina terreno, acesso a energia elétrica em grande escala, infraestrutura de rede, sistemas de resfriamento e servidores, com necessidades de financiamento distribuídas entre fundos de infraestrutura, veículos imobiliários, crédito privado e mercados de títulos corporativos.
Essa complexidade de financiamento é ao mesmo tempo uma característica que tornou o ciclo de investimento possível até agora, distribuindo o risco entre diferentes classes de investidores, e uma vulnerabilidade que o tornará mais difícil de gerenciar à medida que o volume cresce. Quando uma correção de mercado acontece num ciclo com esse nível de complexidade de financiamento, a transmissão de perdas é muito mais difícil de rastrear e gerenciar do que em booms tecnológicos anteriores onde o financiamento era mais concentrado.
O cálculo específico que o Goldman apresenta é revelador: do total estimado de US$ 2,9 trilhões em capex global de data centers até 2028, apenas cerca de US$ 1,4 trilhão viria do fluxo de caixa próprio das hyperscalers. Isso deixa uma lacuna de financiamento de US$ 1,5 trilhão que precisa ser preenchida por alguma combinação de crédito privado, títulos corporativos, produtos securitizados e capital soberano.
O problema específico do mercado de crédito corporativo
O alerta de Lynam sobre saturação do mercado de crédito líquido e restrições de concentração de emissores aponta para um problema estrutural que vai além de uma questão de apetite de risco momentâneo. Empresas de hiperescala já respondem por uma grande parcela das novas emissões corporativas de dívida. Investidores em dívida pública têm limites de concentração que os impedem de absorver volumes cada vez maiores dos mesmos poucos emissores, independentemente da qualidade de crédito.
Em termos simples: se a Meta, Microsoft, Amazon e Alphabet estiverem todas simultaneamente no mercado emitindo dívida em volumes sem precedente para financiar seus planos de capex, o mercado de crédito corporativo pode simplesmente não ter capacidade de absorver toda essa emissão aos preços que as empresas desejam pagar. A alternativa, pagar mais por esse financiamento, comprime margens e pode mudar os cálculos econômicos que sustentam as projeções de ROI desses investimentos.
Os gargalos que estão migrando da demanda para o financiamento e a execução
Uma das observações mais importantes do relatório do Goldman é sobre onde os gargalos futuros do ciclo de IA vão se concentrar. Os analistas do banco notaram que as estimativas de capex relacionadas à IA estão crescendo mais rápido do que a construção real de data centers, e alertaram que os gargalos podem migrar da demanda por modelos para a capacidade de financiamento, o fornecimento de energia elétrica e a execução de projetos.
Essa migração de gargalo tem implicações específicas para diferentes categorias de investidores e empresas. Desenvolvedores de modelos de IA que hoje enfrentam principalmente gargalos de capacidade computacional vão eventualmente enfrentar o limite de quanto as empresas de infraestrutura conseguem construir num dado período. E as empresas de infraestrutura vão enfrentar os limites de quanto o sistema elétrico pode fornecer e de quanto capital está disponível para financiar a construção.
A questão de energia elétrica merece atenção específica. Data centers para IA consomem energia em escala que está criando tensões reais com a infraestrutura elétrica em múltiplas regiões do mundo. Construir capacidade de geração elétrica suficiente para alimentar a expansão planejada de infraestrutura de IA leva anos, enfrenta resistências regulatórias e ambientais, e tem seu próprio conjunto de gargalos de financiamento e execução que se somam aos da infraestrutura de dados em si.
O mercado privado como válvula de escape e seus limites
Diante das restrições dos mercados de crédito público, o Goldman aponta fundos privados de infraestrutura e imóveis como essenciais para fechar a lacuna de financiamento. Os fundos privados de infraestrutura captaram um recorde de US$ 221 bilhões em 2025 e detinham cerca de US$ 400 bilhões em capital disponível até setembro daquele ano. O total de ativos sob gestão em infraestrutura privada pode ultrapassar US$ 3 trilhões até 2030, caso o crescimento se acelere.
Esses números são impressionantes, mas precisam ser contextualizados pela magnitude da lacuna que precisam preencher. US$ 1,5 trilhão em financiamento adicional necessário representa uma escala que mesmo US$ 3 trilhões em ativos sob gestão de infraestrutura privada não cobre confortavelmente, especialmente considerando que esse capital tem outras aplicações além de data centers de IA e que os gestores de fundos têm suas próprias restrições de diversificação e risco de concentração.
O que está acontecendo no lado da demanda enquanto os gargalos de oferta crescem
Enquanto o Goldman documenta os limites do financiamento de infraestrutura, outro fenômeno está acontecendo no lado da demanda que complica as projeções de crescimento de receita que sustentam as avaliações das empresas de IA: os custos crescentes de uso estão fazendo empresas aprender a usar menos IA do que poderiam.
O CEO da OpenAI, Sam Altman, reconheceu que os custos se tornaram um grande desafio para os clientes. Empresas como Uber e Walmart impuseram limites ao uso interno de IA, essencialmente racionando o acesso por razões de custo. Esse tipo de comportamento é exatamente o que a teoria econômica esperaria quando o preço de um insumo é alto em relação ao valor percebido em usos marginais, mas é um sinal de alerta para projeções de crescimento de receita que assumem expansão contínua do uso conforme o acesso se amplia.
O paradoxo emergente é que o investimento massivo em infraestrutura está sendo justificado por projeções de demanda crescente, enquanto o custo elevado do uso atual está moderando exatamente o tipo de adoção em escala que essas projeções pressupõem. Se o custo de uso não cair na velocidade que as empresas precisam para que a adoção corporativa em escala se materialize, os modelos econômicos que sustentam US$ 5,3 trilhões em capex precisarão ser revisados.
A comparação com booms históricos e o que ela revela
O Goldman Sachs oferece uma calibração histórica que é tanto tranquilizadora quanto perturbadora dependendo de como você a lê. Os investimentos relacionados à IA correspondem atualmente a cerca de 1,5% do PIB dos EUA, ainda abaixo dos picos de 2% a 3% observados em booms de infraestrutura anteriores como as ferrovias e a eletrificação.
Essa comparação sugere que, em termos de proporção da economia, o investimento em IA ainda tem espaço para crescer antes de atingir os níveis que caracterizaram grandes booms históricos. Mas também serve como lembrete de que todos esses booms históricos passaram por correções significativas antes que a infraestrutura construída durante o ciclo gerasse o valor econômico que justificava o investimento. As ferrovias criaram valor econômico imenso. Também criaram uma das primeiras grandes bolhas de crédito da história americana, com consequências que se espalharam por décadas.
A questão que o relatório do Goldman levanta sem responder explicitamente é se a IA vai seguir o padrão das ferrovias e da eletricidade, com períodos de excesso seguidos de criação de valor real em escala, ou se há algo estruturalmente diferente nesse ciclo que o torna mais ou menos resiliente do que seus predecessores históricos.
O que essa análise significa para quem está tomando decisões agora
Para empresas que estão planejando investimentos em IA, o alerta do Goldman é um sinal para incluir cenários de restrição de financiamento nos modelos de planejamento, não apenas cenários de demanda crescente. A suposição de que capital estará disponível em qualquer escala necessária para financiar infraestrutura de IA, ao custo desejado e no prazo planejado, está sendo colocada sob pressão real por forças estruturais que o relatório do banco documenta com precisão.
Para investidores, a análise é um mapa de onde as tensões vão se manifestar primeiro: no mercado de crédito corporativo quando as hyperscalers precisarem emitir volumes recordes simultaneamente, na infraestrutura elétrica quando a demanda de data centers superar a capacidade regional, e nas projeções de receita dos laboratórios de IA quando o custo do uso moderar a adoção em escala que essas projeções pressupõem.
O ciclo de investimento em IA não está terminando. Mas está chegando numa fase onde as restrições deixam de ser primariamente tecnológicas, onde está a capacidade dos modelos, e passam a ser primariamente financeiras, de infraestrutura e de execução. Navegar essa transição exige um conjunto diferente de análise do que o que dominou a conversa sobre IA nos últimos dois anos.
