De títulos lastreados em hipotecas imobiliárias a títulos lastreados em GPUs, a Nvidia está seguindo o exemplo da AIG?

Mais uma vez, circulam planos da Nvidia para securitizar ativos de data centers, e esta transação pode impulsionar o boom da computação de IA para um novo e perigoso estágio.

Segundo o estrategista macro da Bloomberg, Simon White, o movimento da Nvidia de transformar data centers em ativos investíveis pode levar a um grave excesso de capacidade no setor de IA, especialmente enquanto o modelo de precificação baseado em resultados se torna o padrão da indústria. O raciocínio central é: a financeirização está artificialmente amplificando os sinais de demanda, mascarando a realidade de um mercado já saturado – uma situação que lembra muito a bolha imobiliária que precedeu a crise financeira de 2008.

White aponta que a estrutura de cooperação da Nvidia com Apollo, Brookfield, KKR, Blackstone, BlackRock e Goldman Sachs pretende alavancar mais de 500 bilhões de dólares em capital para as chamadas "fábricas de IA". A Nvidia fornecerá seguro para até 25% dos GPUs usados como colateral em algumas transações, garantindo assim o valor de resgate desses ativos. É difícil ignorar o paralelo com o período da bolha imobiliária. Naquela época, a AIG vendeu seguros para tranches prioritários de CDOs, permitindo que bancos reduzissem requisitos de capital e, consequentemente, distribuíssem mais dívida tóxica – com a correlação disparando de repente e resultando em um resgate estatal.

Aceleração da financeirização: o momento AIG do mercado de títulos de GPU

Simon White acredita que o boom da infraestrutura de IA hoje já ultrapassa, em termos de escala, ciclos históricos de expansão de infraestrutura como a construção das rodovias interestaduais dos EUA (década de 1960) e a implementação da banda larga (anos 2000). Para manter essa festa funcionando, múltiplas operações de financiamento cruzado e subsídios de fornecedores estão sendo fechadas – somente as transações envolvendo a Nvidia somam 750 bilhões de dólares.

O CEO da Nvidia, Jensen Huang, afirmou explicitamente que seu objetivo é transformar o "poder computacional das fábricas de IA" em uma nova classe de ativos investível. O mercado de dívida lastreada em GPU já está crescendo exponencialmente este ano, e o novo acordo aprofunda esse processo – rumo à securitização e distribuição desses ativos. Os parceiros fornecerão capital, expertise em infraestrutura e impulsionarão a securitização e distribuição.

Ao aumentar o apelo das transações, a Nvidia fará com que os títulos prioritários obtenham melhor classificação de crédito. Ao mesmo tempo, a Securities and Exchange Commission (SEC) dos EUA acabou de flexibilizar as regras de securitização para títulos de data center. White compara isso à entrada dos fundos de pensão durante a crise financeira – geralmente o início da propagação dos riscos para passivos mais amplos, marcando o ponto de virada para um desfecho de crise.

Superficialmente, o risco da Nvidia pode parecer limitado. Mas White alerta que esta foi exatamente a percepção da AIG na época – à medida que o tempo passava, a AIG assumiu cada vez mais obrigações que julgava sem risco e lucrativas, e acabou descobrindo que a correlação crescente do risco de crédito podia causar um desastre.

Sinais de excesso de capacidade: desequilíbrio entre oferta e demanda mascarado pela alquimia financeira

A principal preocupação de White é que a financeirização está sistematicamente ocultando os sinais de excesso de capacidade do mercado. Semelhante à crise imobiliária, o boom atual do capex provavelmente irá atrair montantes crescentes de capital graças à “alquimia financeira”, levando ao overbuilding. E os alertas de que a capacidade computacional já é suficiente provavelmente não terão a devida atenção.

Do lado da demanda, White observa que os próprios padrões de mensuração estão passando por uma mudança fundamental. O aluguel de GPU tradicionalmente é precificado por hora, enquanto a inferência é mensurada pelo custo por token processado. Mas para o usuário final, o que realmente importa é o resultado – quanto valor de inteligência é obtido por dólar investido ou, de forma mais direta, qual o custo para realizar uma tarefa?

O custo da inteligência está caindo, mas essa diferença ainda não é refletida imediatamente nos preços do aluguel de GPU. Se um modelo for capaz de executar a mesma tarefa usando dez vezes menos tokens, e o valor do aluguel por token não mudar, a eficiência real por GPU de fato multiplica por dez.

Com o “token maximization” se tornando ultrapassado, crescem as evidências de que o número de tokens necessários para realizar as mesmas tarefas pode flutuar drasticamente, e grandes modelos de linguagem (LLM) podem facilmente ser ajustados para consumir mais tokens. Como resultado, a precificação baseada em resultados está ganhando mais adeptos entre clientes corporativos. Uma vez que esta tendência se torne dominante, fornecedores de modelos serão pressionados a reduzir o consumo de tokens, o que levará à queda dos preços de aluguel de GPU.

Outro ponto relevante é que a taxa de utilização real dos GPUs é reportadamente muito baixa. De acordo com a Cast AI, a utilização média de GPU é de apenas 5%; já segundo a ClearML, quase metade das empresas desperdiçam “milhões de dólares” com chips ociosos.

Os limites do paradoxo de Jevons: dependência de trajetória é o verdadeiro risco de mercado

Diante desses argumentos de aumento de eficiência, a resposta clássica dos entusiastas do capex em IA é o paradoxo de Jevons: a queda do custo da inteligência, impulsionada por computação, inevitavelmente eleva a demanda, compensando a queda de preço pelo aumento de volume.

White, no entanto, não se convence. Ele acredita que o paradoxo de Jevons não perdura em todos os horizontes temporais, e que o fator central para o mercado é a trajetória seguida. Sua avaliação é que, na fase atual de domínio dos grandes modelos de linguagem, a demanda por inteligência (não por tokens) vai inevitavelmente desacelerar a tal ponto que os custos de computação entrarão em declínio sustentado.

Enquanto credor, quando a correlação entre os colaterais começa a se deteriorar e outro grande risco – a saúde financeira do tomador – também piora, o acúmulo de risco é rápido. Neste cenário, a Nvidia será obrigada a cumprir suas obrigações de seguro, ao mesmo tempo em que pode ver dificuldades em suas próprias operações de financiamento – sem contar queda no valor de seus produtos principais. Empresas como o Google, que também utilizam seus balanços para sustentar esse ciclo de capex, enfrentam riscos semelhantes.

Como a crise imobiliária mostrou, uma vez que a correlação aumenta, ela não espera ninguém para parar. A conclusão de White é que a transação proposta pela Nvidia é apenas mais um passo para que o mercado testemunhe novamente esse fenômeno natural das finanças.