Por que Wall Street está ignorando a dívida da big tech [vídeo]
Empréstimos massivos da big tech para financiar data centers e chips de IA estão levantando dúvidas sobre quem acabará pagando os $1–2 trilhões em nova dívida e se a economia subjacente faz sentido. Comentadores debatem se líderes atuais de IA como OpenAI e Anthropic algum dia conseguirão recuperar seu capex em escala, dada a baixa conversão, a pressão de preços de modelos de código aberto e chineses, e a relutância de empresas em adicionar grandes custos recorrentes. Muitos veem valor duradouro na IA em si, mas argumentam que as valuations de hoje, as estruturas de dívida e os modelos de negócios de “máquina de imprimir dinheiro” parecem típicos de bolha e vulneráveis a uma correção brusca.
Wall Street, Dívida da Big Tech e Engenharia Financeira
- A discussão gira em torno de trilhões em capex relacionado à IA financiado por dívida, muitas vezes em estruturas circulares: uma grande empresa de cloud financia um laboratório de IA, que se compromete a comprar seu próprio poder de computação, o que “prova” a demanda, justificando mais crédito e valuations mais altos.
- Alguns argumentam que os credores profissionais (bancos, gestores de ativos) provavelmente entendem os riscos; $1.75T é apresentado como uma fatia administrável da atividade global.
- Outros veem isso como uma “máquina de imprimir dinheiro” com reflexividade perigosa e uma possível bomba-relógio quando o crescimento ou o otimismo desacelerarem.
- O ciclo do capitalismo é enfatizado: crescimento financiado por dívida, depois crises que varrem players fracos ou fraudulentos; não se presume que as empresas de IA sejam fraudulentas, mas, eventualmente, a economia precisa se normalizar.
Demanda por IA, Precificação e ROI
- Muitos trabalhadores de colarinho branco relatadamente usam IA intensamente e pagariam pessoalmente cerca de ~$20/mês; alguns dizem que $60–$100+ se justifica pela economia de tempo.
- Contraponto: empresas veem $80/assento em escala como um grande custo recorrente de TI, exigindo ganhos claros de produtividade e lucro, não apenas “horas economizadas”.
- Vários observam que o tempo economizado muitas vezes não se converte em mais receita, apenas em menos trabalho repetitivo, fazendo a IA parecer um imposto se todos adotarem.
Concorrência, Modelos Abertos e Provedores Chineses
- Há uma visão forte de que modelos de fronteira enfrentam competição intensa de pesos abertos e modelos chineses muito mais baratos; muitos usuários já estão migrando por custo.
- Alguns esperam que empresas escolham modelos mais baratos e “bons o suficiente”, especialmente quando a IA se tornar uma commodity selecionável em um menu suspenso.
- A inferência local (por exemplo, GPUs, laptops de ponta) é debatida: tecnicamente viável, mas muitas vezes não econômica em comparação com a nuvem; custo de hardware, quantização e consumo de energia foram apontados como restrições.
Bolha vs. Valor Duradouro
- Há amplo consenso de que a IA é transformadora e veio para ficar; a discordância é sobre valuations e quem captura o valor (laboratórios, infraestrutura ou aplicativos a jusante).
- Comparações com bolhas passadas (ferrovias, fibra, dot-com, crypto): infraestrutura útil pode sobreviver mesmo que os investidores sejam destruídos.
- Preocupa que o capex e os valuations de IA possam estar excessivamente construídos em relação à disposição global realista de pagar, especialmente dado o baixo índice de conversão de planos grátis para pagos e fossos competitivos incertos.
Disputa sobre a Rentabilidade dos Laboratórios de Fronteira
- Um lado cita margens de inferência muito altas, payback rápido do compute e relatos recentes de rentabilidade trimestral e ARR massivo.
- Céticos questionam a contabilidade (EBITDA vs. lucro verdadeiro), apontam para novas captações enormes em andamento e observam a ausência de movimentos para IPO como um sinal de alerta.
- Consenso: os números são opacos; sustentabilidade e retornos finais permanecem incertos.