Instituição SemiAnalysis Analista Dylan Patel entrevista aprofundada: Perspectivas da cadeia industrial de poder de computação de IA

Escrevendo: Rede de Investimento em Ações dos EUA

1. Como a popularização da IA mudou fundamentalmente a lógica de negócios?

Passado = Ideias eram muito baratas + execução prática muito difícil.

Agora = Ideias abundantes e baratas + execução prática extremamente fácil (através de IA).

Isso significa → Apenas ideias de alta qualidade realmente merecem investir poder computacional para executá-las. Resumindo de forma simples, a capacidade de execução deixou de ser uma vantagem competitiva, e o foco de capital e equipe deve se deslocar para “como escolher as ideias corretas” e “como vender os resultados gerados pela IA”.

2. Qual é a principal motivação por trás da compra frenética de Tokens de IA pelas empresas? Quais seriam as consequências de não acompanhar essa tendência?

Motivação central = alavancagem extrema de eficiência. Por exemplo, uma pessoa gastando alguns milhares de dólares em Tokens pode completar em semanas o trabalho que uma equipe de cem pessoas levaria um ano (como análise de engenharia reversa de chips, modelagem da rede elétrica dos EUA).

Resultado = criação de “PIB fantasma” (Phantom GDP), ou seja, aumento significativo na produção real com custos drasticamente reduzidos, levando a distorções nas estatísticas tradicionais de PIB.

Se não acompanhar → inevitável queda de nível. Se você não gastar mais Tokens para criar e capturar valor excedente, ficará como uma “base permanente da era da IA”, sendo rapidamente completamente mercantilizado e eliminado por concorrentes mais ágeis.

3. Onde exatamente está o gargalo na oferta de poder computacional de IA atualmente?

Superficialmente = demanda por GPUs da Nvidia supera a oferta, e a vida útil das GPUs antigas está sendo prolongada (de 5 para 7-8 anos), elevando a margem de lucro dos provedores de nuvem.

Gargalo profundo 1 → Memória (DRAM): expansão de capacidade é extremamente lenta, a nova oferta absoluta só estará pronta em 2028, o que significa que os preços da memória podem triplicar ou quadruplicar até lá.

Gargalo profundo 2 → CPU: ambientes de aprendizado reforçado e a execução de grande quantidade de código gerado por IA requerem muitas CPUs, levando a uma escassez total de CPUs.

Gargalo profundo 3 → TSMC e materiais de borda: os gastos de capital da TSMC podem atingir US$ 100 bilhões em 2028, enquanto materiais periféricos como folha de cobre, PCB e fibra de vidro já estão no limite de capacidade, com toda a indústria competindo por “pré-pagamentos de preços exorbitantes” para garantir produção.

4. Quais tendências estão emergindo na competição por modelos de grande escala e na economia de Tokens?

Situação atual = Anthropic lidera temporariamente com Opus 4.7 e o modelo interno “Mythos”, controlando o ritmo de liberação para gerenciar riscos, com margens de lucro muito altas (>72%).

Disputa por poder computacional = Anthropic limita-se pela quantidade total de poder computacional, enquanto a OpenAI tenta ultrapassar a concorrência através de financiamento agressivo e acumulação de capacidade (juntamente com Microsoft, Oracle, etc.).

Conclusão principal → A demanda por Tokens supera em muito a capacidade de infraestrutura. Mesmo fabricantes de modelos de segunda ou terceira linha acabarão “vendendo tudo”, devido à insuficiência de poder computacional de ponta. Basicamente, se você consegue criar Tokens de alta qualidade, o mercado pode absorvê-los completamente.

5. Por que se prevê que ocorrerá uma grande resistência anti-IA em curto prazo?

Causa = A enorme reorganização comercial trazida pela IA pode gerar medo entre as pessoas comuns, que tendem a culpar os problemas sociais de longa data pela presença da IA.

Catalisador = Estratégias de comunicação pública de gigantes da IA (como Sam Altman e Dario) são péssimas + narrativa frequente de que “IA mudará o mundo/substituirá empregos”, aumentando a ansiedade do público.

Recomendação do Rede de Investimento em Ações dos EUA → O setor deve parar de exagerar as capacidades assustadoras do futuro, e passar a mostrar os efeitos positivos atuais da IA, caso contrário, a raiva pública será rapidamente instrumentalizada por políticos ou influenciadores, levando a resistências em massa.

Perfil de Dylan Patel:

Principal analista do instituto SemiAnalysis (Dylan Patel), que faz análises aprofundadas de GPUs (especialmente Nvidia)

Analisa a oferta e demanda de poder computacional de IA (quem está sem chips, quem está acumulando)

Acompanha toda a cadeia produtiva (equipamentos da ASML → TSMC → provedores de nuvem → OpenAI, etc.)