Michael Burry alerta sobre a Nvidia: o cenário de alta e de baixa para o boom dos chips de IA

O trade de IA está entrando em uma fase mais exigente. Nos últimos três anos, a tese de alta era relativamente simples: os hyperscalers precisavam de mais computação, a Nvidia dominava os aceleradores de IA e modelos maiores exigiam clusters cada vez maiores. Essa lógica ainda tem forte apoio, mas os investidores agora enfrentam uma questão mais difícil: a receita e os ganhos de produtividade da IA conseguem acompanhar os gastos de capital extraordinários necessários para construir a infraestrutura?

As críticas de Michael Burry à nova iniciativa de financiamento de IA de US$ 500 bilhões da Nvidia se encaixam nesse debate mais amplo. Ele chamou o plano de um "sinal de desespero", questionando se a demanda por IA está se tornando muito dependente de financiamento. A Nvidia, por sua vez, argumenta que as parcerias com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR podem liberar mais de US$ 500 bilhões em capital de terceiros para a infraestrutura de IA.

O verdadeiro debate entre o cenário de alta e o de baixa é mais amplo do que o financiamento. Ele se resume aos gastos dos hyperscalers, monetização da IA, ciclos de substituição de chips, concorrência e retornos sobre o capital.

O cenário de alta: a demanda por IA ainda está em expansão

O argumento de alta mais forte é direto: o ciclo de gastos ainda não foi interrompido.

A receita do primeiro trimestre fiscal de 2027 da Nvidia atingiu US$ 81,6 bilhões, um aumento de 85% em relação ao ano anterior, enquanto a receita de Data Center subiu 92%, para US$ 75,2 bilhões. A empresa projetou cerca de US$ 91 bilhões de receita para o trimestre seguinte, mesmo sem considerar a receita de computação de Data Center da China.

Seus maiores clientes também estão acelerando os investimentos. A Alphabet elevou sua perspectiva de capex para 2026 para US$ 195 bilhões a US$ 205 bilhões. A Meta espera de US$ 130 bilhões a US$ 145 bilhões. A Microsoft gastou US$ 41 bilhões em seu último trimestre, com cerca de dois terços direcionados a ativos de vida útil mais curta, como CPUs e GPUs.

Mais importante ainda, a infraestrutura de IA está começando a gerar receita real. A receita do Google Cloud saltou 82% no segundo trimestre, para US$ 24,8 bilhões, enquanto a carteira de pedidos atingiu US$ 514 bilhões. A receita de nuvem da Microsoft ultrapassou US$ 214 bilhões no ano fiscal de 2026, com a demanda se expandindo cada vez mais além das empresas de modelos de fronteira.

Isso é importante porque a próxima fase de crescimento da IA pode vir de inferência, agentes, programação, publicidade, pesquisa, IA industrial e implantação corporativa, em vez de apenas treinamento de fronteira. Se a IA for incorporada às cargas de trabalho de produção diárias, a demanda por semicondutores poderá permanecer estruturalmente alta por anos.

Rubin fornece outro catalisador. A Nvidia diz que a plataforma já está em produção, com os sistemas chegando no segundo semestre de 2026. AWS, Google Cloud, Microsoft, Oracle e CoreWeave estão entre os primeiros adotantes esperados.

A oportunidade também se estende além da Nvidia. Clusters de IA maiores exigem mais memória HBM, empacotamento avançado, redes, conectividade óptica, infraestrutura de energia e resfriamento. Mesmo que a Nvidia acabe capturando uma fatia menor de cada dólar incremental de IA, o mercado geral de infraestrutura de IA pode continuar se expandindo.

O cenário de baixa: a monetização consegue acompanhar?

Os pessimistas podem olhar para os mesmos números de capex e chegar a uma conclusão muito diferente.

A Alphabet gastou US$ 44,9 bilhões em capex no segundo trimestre e gerou um fluxo de caixa livre negativo de US$ 5,9 bilhões. A Meta gastou US$ 31,1 bilhões e produziu apenas US$ 784 milhões de fluxo de caixa livre trimestral. A Microsoft também reconheceu que o investimento em infraestrutura de IA está pressionando as margens da nuvem.

A questão principal é, portanto, simples:

Quanta receita incremental de IA cada dólar adicional de capex vai gerar?

O boom pode continuar enquanto os hyperscalers acreditarem que a computação continua escassa. O mercado se torna mais vulnerável quando a capacidade se iguala e as empresas começam a exigir retornos mais fortes de cada novo data center.

A depreciação tecnológica cria outro risco. A Nvidia está avançando rapidamente por Hopper, Blackwell, Blackwell Ultra e Rubin. As GPUs mais antigas ainda podem gerar receita por meio de inferência, ajustes finos e cargas de trabalho de nuvem de baixo custo, mas seu valor econômico pode cair rapidamente à medida que novas arquiteturas melhoram o desempenho por watt e o custo por token.

É aqui que a crítica de financiamento de Burry se torna relevante. As novas parcerias da Nvidia em Wall Street visam liberar mais de US$ 500 bilhões em fundos de terceiros. Sua interpretação de baixa é que um financiamento cada vez mais sofisticado pode ser necessário para sustentar um ciclo de gastos cujos retornos de longo prazo permanecem incertos.

O perigo real surgiria se a demanda por IA enfraquecesse ao mesmo tempo em que as taxas de aluguel de GPUs mais antigas e os valores residuais caíssem drasticamente. Operadores de nuvem de IA altamente alavancados enfrentariam, então, um fluxo de caixa mais fraco e garantias mais fracas simultaneamente.

A concorrência adiciona outro ponto de pressão. O Google está expandindo a implantação de TPUs além do uso puramente interno, enquanto a AMD e aceleradores personalizados apoiados por empresas como a Broadcom estão visando cargas de trabalho em que a economia de prêmio da Nvidia pode se tornar mais difícil de justificar.

A Nvidia ainda pode crescer nesse ambiente, mas a participação de mercado, o poder de precificação e as margens de semicondutores podem se normalizar gradualmente.

O que decide o próximo trade de IA?

A próxima fase do trade de chips de IA se resume a quatro variáveis:

crescimento da receita de IA, capex de hyperscalers, utilização de GPU e margens de semicondutores.

O caminho de alta permanece intacto se os aplicativos de IA continuarem se espalhando, a inferência se expandir, os hyperscalers continuarem com restrição de capacidade, as GPUs mais antigas encontrarem usos lucrativos de nível inferior e Rubin iniciar outro ciclo de atualização.

O caminho de baixa começa quando o capex cresce materialmente mais rápido do que a monetização, as margens da nuvem se comprimem, a economia das GPUs mais antigas se deteriora e os hyperscalers finalmente desaceleram os gastos com infraestrutura.

A questão central é maior do que o plano de financiamento de US$ 500 bilhões da Nvidia:

A IA consegue gerar valor econômico suficiente para justificar a infraestrutura que já está sendo construída e a onda de investimentos ainda maior que está por vir?

Se a resposta continuar sendo sim, o ciclo de semicondutores de IA ainda tem espaço para avançar. Se essa relação começar a se romper, os investidores podem precisar reavaliar toda a cadeia, desde a Nvidia e memória até redes, fundições e operadores de nuvem de IA.