As três camadas de transformação na narrativa de IA

Desde 2026, a narrativa global sobre IA está a passar por uma mudança marginal importante, com pelo menos três níveis de transformação narrativa.

Primeiro nível de narrativa: surgem divergências na Lei de Escalabilidade.

Nos últimos anos, o motor principal do investimento em IA baseava-se na experiência da Lei de Escalabilidade: quanto maior o modelo, mais dados, maior a potência computacional, melhor o desempenho. Mas esta regra está a mostrar fissuras:

Primeiro, restrições físicas, como fornecimento de energia, transformadores e outros componentes.

Segundo, o gargalo de dados, pois os dados de alta qualidade para pré-treinamento, disponíveis publicamente, estão a esgotar-se.

Terceiro, a diminuição da eficiência marginal do investimento: embora a direção da Lei de Escalabilidade permaneça válida e haja motivos para continuar a investir, o ganho marginal (ou seja, a melhoria de capacidade do modelo por unidade de investimento) pode estar a diminuir.

Assim, além do desenvolvimento de potência computacional, a expansão algorítmica está a tornar-se uma prioridade técnica, como a expansão do raciocínio em tempo de inferência (Test-TimeCompute), incluindo raciocínio em cadeia (CoT), expansão de inferência durante o raciocínio, pós-treinamento (Post-Training), melhorias na arquitetura (como atenção linear LinearAttention, modelos de espaço de estado SSM) e inteligência na ponta (SLMs).

Segundo nível de narrativa: de “Capex” de recompensa para a ansiedade do retorno de investimento.

Segundo as últimas orientações, grandes empresas tecnológicas dos EUA anunciaram que, até 2026, os gastos de capital relacionados à IA podem ultrapassar os 700 mil milhões de dólares, mas o mercado passou de uma narrativa de “recompensa” de investimento de capital para preocupações de “retorno demasiado lento”. Para entender a escala deste investimento, considere dois referenciais:

(1) Referencial histórico: em 2025, o investimento de capital das empresas tecnológicas dos EUA representava cerca de 1,9% do PIB, e em 2026 deverá subir para mais de 2%, quase igual ao total de grandes infraestruturas do século XX: a construção de banda larga nacional no início do século representou cerca de 1,2% do PIB; a grande expansão de eletricidade de 1949, o programa Apollo e as autoestradas interestaduais dos anos 60 representaram cerca de 0,6% cada. Atualmente, o investimento em infraestruturas de IA nos EUA está em níveis extremamente elevados na história económica do país.

(2) Referencial de fluxo de caixa das próprias empresas, que se tornou uma preocupação principal recentemente: segundo estimativas, as cinco maiores empresas de cloud nos EUA em 2026 usarão cerca de 90% do seu fluxo de caixa operacional para gastos de capital (contra 65% em 2025). Algumas empresas até esperam que os gastos de capital excedam o fluxo de caixa operacional, podendo ocorrer fluxo de caixa livre negativo em 2026, o que é uma preocupação realista. Além disso, a exposição ao financiamento por dívida aumenta rapidamente, com o mercado a prever que o total de emissão de obrigações das gigantes tecnológicas dos EUA em 2026 possa atingir 400 mil milhões de dólares, incluindo obrigações de prazo centenário, o que também atrai atenção.

Terceiro nível de narrativa: preocupações mais profundas com a disrupção potencial da IA, que já impacta várias indústrias recentemente.

A evolução desta narrativa segue uma linha progressiva clara: desde a transformação na busca e aquisição de informação, passando pela mudança nas aplicações de software e processos de negócio, até à projeção de um paradigma macroeconómico, tudo isso relacionado com as fases de desenvolvimento da IA.

Primeiro passo: a era do Chat, que transforma a busca e aquisição de informação. Desde o lançamento do ChatGPT até início de 2025, a IA existia principalmente na forma de assistentes de diálogo — responder a perguntas, gerar textos, auxiliar na pesquisa. Esta fase teve impacto relativamente moderado, sem substituir diretamente softwares de negócio ou postos de trabalho específicos, com a narrativa de mercado focada em “quem consegue treinar o melhor modelo” e “quem fornece a infraestrutura básica de computação”.

Segundo passo: a era do Agente, que transforma aplicações de software e processos de negócio. Em fevereiro de 2023, a Anthropic lançou o ClaudeCowork, marcando a transição da IA de respostas geradas para a execução autónoma de fluxos de trabalho multifuncionais, provocando uma forte queda nas ações de software (o “SaaSpocalypse”, preocupações com o fim do SaaS), e estendendo-se a setores como serviços financeiros, gestão alternativa de ativos, jurídico, imobiliário e transporte.

Terceiro passo: a era da IA total, uma projeção para o futuro. O artigo do Substack “THE 2028 GLOBAL INTELLIGENCE CRISIS” não traz novidades profundas, mas é bem escrito e provocador, abordando questões como “GhostGDP” e substituição de quadros administrativos, levando a discussões sobre uma mudança de paradigma macroeconómico. Quando a substituição pela IA não afetar apenas um setor ou for apenas uma assistência à força de trabalho, mas substituir diretamente o próprio fator de produção “trabalho”, o paradigma macroeconómico tradicional pode ser desafiado de forma disruptiva.

O paradigma clássico de “produção → distribuição → consumo → reprodução” é um ciclo fechado, onde “o homem” é tanto produtor quanto consumidor, sendo fonte de fatores de oferta e de procura, formando o ciclo económico das cinco áreas. Mas, na era da IA total, se a substituição direta do trabalho ocorrer, podem surgir várias consequências:

① Do ponto de vista dos fatores, a importância do trabalho diminui, enquanto a dos modelos, dados e potência computacional (essencialmente fatores de capital) aumenta.
② Do ponto de vista da oferta, a curva de oferta sofre uma mudança fundamental, com custos marginais drasticamente reduzidos, elasticidade de oferta a subir rapidamente, levando à maximização de economias de escala.
③ Do ponto de vista da procura, a alienação dos rendimentos do trabalho pode afetar a estrutura de rendimentos e de demanda, distorcendo as relações tradicionais de oferta e procura, bem como as relações de investimento e poupança. O ciclo económico, os mecanismos de distribuição e até os ciclos de negócios podem ser alterados, levando a uma possível reestruturação do sistema financeiro e do contrato social.

Assim, estas mudanças marginais na narrativa da IA fazem com que o mercado deixe de responder às “histórias”, com receios de que a IA não seja suficiente (retorno lento) ou demasiado disruptiva (impacto profundo). Como entender esta aparente contradição de sentimentos?

Na lógica, os três níveis apontam para problemas reais e possíveis de serem previstos, levantando uma questão importante: o calendário de transformação e os limites finais são extremamente difíceis de antecipar. O mercado, dominado pelo medo, faz projeções lineares, precificando o cenário mais pessimista.

Um motivo importante pode ser a superestimação do valor das ações e a vulnerabilidade da estrutura de negociação, que amplificam o pânico. Antes desta correção, os múltiplos das ações relacionadas à IA estavam em máximos históricos, e o setor de software também tinha avaliações elevadas, formando uma concentração de expectativas sob o efeito da narrativa.

Por outro lado, muitas empresas afetadas continuam a apresentar fundamentos sólidos, com relatórios recentes de receitas estáveis e margens de lucro em melhoria, com clientes integrados, altos custos de mudança, barreiras de dados e conformidade. Se a IA for internalizada como uma funcionalidade de valor agregado, podem até beneficiar.

Quanto à mudança de paradigma macroeconómico, há contra-argumentos. Primeiro, a “paradoxo de Jevons” indica que melhorias de eficiência tendem a gerar aumento de demanda, não apenas substituição, e a “dividendo deflacionário” (redução de preços) pode estimular novas demandas e setores. Segundo, a IA pode criar novas profissões atualmente inimagináveis, e a adaptação social costuma ser mais forte do que as previsões. Terceiro, tarefas que envolvem regulação, interação física, relações humanas complexas ou julgamentos não padronizados têm custos de substituição elevados, e a regulamentação, leis e a inércia social naturalmente desaceleram a adoção.

Portanto, a transformação pela IA merece atenção séria, mas o seu ritmo, limites e incertezas representam oportunidades de diferenciação e de estruturação. Se olharmos de forma dinâmica e estruturada, o que os investidores devem fazer é passar de “comprar uma cesta de IA” para “selecionar com maior precisão os ativos”. Após a digestão do medo e da avaliação, o que importa é entender quais mudanças provavelmente acontecerão, quais não, quais virão primeiro, quais depois, quais são substituições e quais complementos. A diferenciação tenderá a ampliar-se.

Algumas perspectivas de filtro a considerar:

(1) Hardware: identificar cadeias de “restrição forte”. Com expectativas de gastos de capital já bastante agressivas, a margem de ganhos adicionais no hardware diminui. O mercado já não recompensa tanto o capital investido, devendo-se focar nas partes com maior restrição de oferta e maior poder de fixação de preços, especialmente aquelas com capacidade de expansão mais lenta, ciclos de expansão mais longos, poucas alternativas, como armazenamento, redes elétricas, transformadores, capacidade de embalagem avançada, fibra óptica, onde gargalos de oferta significam maior poder de negociação.

(2) A competição no nível de modelos é mais acirrada. Além do peso dos modelos, a lógica de seleção deve privilegiar:

• possuir dados privados exclusivos para treinar modelos diferenciados;
• ter infraestrutura de inferência de baixo custo;
• possuir capacidade de transformar rapidamente o potencial do modelo em soluções integradas e aplicações práticas, ou seja, buscar “capacidade do modelo + ciclo de dados + barreiras comerciais”. Desde meados de 2025, a correlação entre ações de grandes empresas tecnológicas dos EUA caiu de cerca de 0,8 para 0,2, e há uma busca recente por empresas como Anthropic e ByteDance, indicando uma contínua diferenciação no nível de modelos.

(3) Aplicações: priorizar ativos que possam ser implementados rapidamente, que já tenham demonstrado valor na transformação de custos e aumento de eficiência (ROI), aplicações que possam integrar-se rapidamente nos processos centrais das empresas, e aplicações nativas de IA em setores verticais.

Para setores como SaaS, que têm sofrido ajustes recentes, o mercado pode distinguir entre “SaaS de funções superficiais que podem ser substituídas pela IA” e “infraestruturas essenciais de dados e execução na era da IA”, especialmente aquelas que ocupam pontos críticos de dados ou etapas de execução (como segurança, conformidade, pipelines de dados, liquidação de transações), que podem ser “incontornáveis” para a IA, ou aplicações que internalizam a IA como valor agregado, podendo ser oportunidades de “queda injusta”.

(4) Diferenças na rota de desenvolvimento de IA entre China e EUA: uma outra perspectiva importante. Os caminhos e implicações macroeconómicas da IA diferem entre os dois países.

• Na China, há maior ênfase na “eficiência de potência computacional”, com dependência de otimizações algorítmicas, ecossistemas de código aberto e engenharia para aumentar eficiência. Apesar da atual escassez de potência, a substituição por tecnologia doméstica pode ser mais favorável, e a corrida por modelos grandes é uma linha de foco.
• A estrutura económica também influencia o impacto: nos EUA, o setor de serviços e os custos elevados de mão de obra branca geram maior impacto de substituição e pressão deflacionária a curto prazo, enquanto a longo prazo, há dúvidas sobre a recuperação da manufatura americana.
• Na China, a base manufatureira extensa, com vantagens em energia, oferece oportunidades de usar IA para aumentar a produtividade total dos fatores, mais do que substituir trabalho. Oportunidades estruturais estão na diversidade de cenários e na transformação de serviços produtivos, com foco em “empoderamento industrial” e “integração de hardware e software”.

Nos últimos anos, acompanhar a cadeia de IA trouxe um claro “alpha de conhecimento” para investidores. A revolução da IA continua sendo o tema mais importante, mas, com avaliações elevadas e IPOs de novos líderes à vista, a mudança de narrativa deve acelerar, trazendo maiores desafios para os investimentos.

Fonte: Huatai Securities

Aviso de risco e isenção de responsabilidade

O mercado apresenta riscos, e o investimento deve ser feito com cautela. Este documento não constitui aconselhamento de investimento pessoal, nem leva em consideração objetivos, situação financeira ou necessidades específicas do usuário. O usuário deve avaliar se as opiniões, pontos de vista ou conclusões aqui apresentadas são compatíveis com sua situação particular. Assim, a responsabilidade pelo investimento é do próprio investidor.