A Aposta de US$ 1,4 Trilhão em IA: Por Dentro do Cenário Otimista do Goldman Sachs e os Riscos Ocultos da Dívida

Por que o Goldman acredita que o consenso do mercado está subestimado

O cerne do argumento do Goldman Sachs é que as estimativas atuais de Wall Street implicam uma desaceleração implausível no crescimento dos gastos. O consenso para o Capex dos hyperscalers em 2027 gira em torno de US$ 920 bilhões, o que representaria uma forte freada no ritmo frenético observado em 2025 e 2026 . O Goldman desafia essa suposição ao modelar um cenário em que os investimentos em IA continuam a consumir de 2% a 3% do PIB, levando os gastos anuais para uma projeção-base de US$ 1,1 trilhão, podendo chegar a US$ 1,4 trilhão em um cenário ainda mais otimista .

Por trás do modelo está uma aposta na IA “agêntica”. Diferentemente dos chatbots que apenas respondem a uma pergunta, os agentes de IA operam continuamente – executando tarefas em várias etapas, acionando APIs e raciocinando em longas cadeias de pensamento. O Goldman espera que esse comportamento sempre ativo impulsione o aumento de 24 vezes no consumo de tokens até 2030 . Como cada interação do agente consome muito mais poder computacional, e as empresas estão começando a implementá-los em escala, a trajetória da demanda não se parece em nada com as curvas de crescimento linear que sustentam os modelos de consenso.

Os verdadeiros gargalos: energia, mão de obra e restrições físicas

O Goldman Sachs é notavelmente franco sobre onde estão os limites reais. Em seu relatório sobre a era da IA, o banco declara sem rodeios: “a falta de capital não é o gargalo mais urgente – é a energia necessária para alimentá-lo” . Após uma década de demanda estável por eletricidade, projeta-se que o consumo de energia dos data centers globais dispare 160% até 2030 . Apenas os Estados Unidos enfrentam um déficit de energia estimado em 45 gigawatts para data centers até 2028, exigindo 72 gigawatts de nova capacidade até 2030 – o equivalente a cerca de 72 grandes usinas nucleares .

A rede elétrica simplesmente não foi projetada para este futuro. Os prazos de licenciamento e transmissão para novas usinas a gás natural se estendem por cinco a sete anos; fontes renováveis como eólica e solar fornecem apenas energia intermitente; e a nuclear é uma solução de mais longo prazo . Novas turbinas de combustão a gás, os verdadeiros cavalos de batalha da geração confiável de energia, estão efetivamente esgotadas até 2030 .

A mão de obra, no entanto, pode se mostrar o maior desafio de todos. O Goldman estima que serão necessários aproximadamente 760 mil profissionais adicionais, entre eletricistas, técnicos de linha e outros especialistas, para construir a infraestrutura física que a IA demanda. Isso inclui 207 mil funções especializadas que exigem de três a quatro anos de treinamento . Não são empregos que o Vale do Silício consegue automatizar ou terceirizar para outros países – exigem gente com a “mão na massa”, e a escassez significa que os cronogramas dos projetos se alongam a cada novo gigawatt de demanda .

O estudo “Tracking Trillions” do banco introduz o conceito de “risco de alongamento”: as longas filas de espera para conexão à rede, atrasos em licenciamentos e a escassez de equipamentos críticos como transformadores e disjuntores podem estender os prazos de construção muito além dos planos iniciais. Em cenários de estresse, esses atrasos alimentam a dúvida sobre a real demanda, criando um ciclo vicioso onde os projetos demoram mais e o argumento para construir ainda mais infraestrutura se enfraquece . Mesmo assim, a estimativa-base do Goldman prevê algo em torno de US$ 7,6 trilhões em gastos de capital cumulativos com IA entre 2026 e 2031 .

Como as estimativas do Morgan Stanley se comparam

As projeções do Morgan Stanley também passaram por uma dramática revisão para cima. Há um ano, a empresa estimava um Capex combinado dos hyperscalers em cerca de US$ 450 bilhões para 2026 e 2027. Após os balanços do primeiro trimestre de 2026, analistas liderados por Brian Nowak elevaram esses números para cerca de US$ 800 bilhões em 2026 e US$ 1,2 trilhão em 2027 .

O Morgan Stanley agora prevê US$ 1,16 trilhão em Capex dos hyperscalers para 2027, um valor que supera a projeção-base do Goldman (cerca de US$ 1,1 trilhão), mas fica aquém do limite superior de US$ 1,4 trilhão traçado pelo Goldman . Até 2028, o Morgan Stanley espera US$ 2,9 trilhões em gastos de capital com data centers no mundo, sendo US$ 1,4 trilhão financiados pelo fluxo de caixa dos hyperscalers e uma lacuna de financiamento de US$ 1,5 trilhão a ser preenchida por dívidas, 'leasings' e joint ventures .

Ambos os bancos concordam que a relação entre Capex e receita entrou em território desconhecido. O Morgan Stanley projeta índices de 34% a 39% entre 2026 e 2028, ultrapassando o pico de cerca de 32% registrado durante a bolha das pontocom. Quando os valores ajustados por arrendamentos são incluídos, essa relação pode subir para alarmantes 44% a 45% .

O livro-caixa sombra: 'leasings' fora do balanço e dívidas em SPVs

Por baixo dos números grandiosos de investimento, existe uma camada mais preocupante de engenharia financeira. A Moody’s Ratings estimou que os cinco maiores hyperscalers dos EUA – Amazon, Meta, Alphabet, Microsoft e Oracle – possuem US$ 662 bilhões em compromissos futuros de 'leasing' de data centers que ainda nem começaram . Pelas práticas contábeis geralmente aceitas (GAAP, na sigla em inglês), essas obrigações não aparecem como passivo circulante porque os serviços ainda não foram iniciados. Elas ficam fora do balanço, visíveis principalmente nas notas explicativas .

Somando todos os compromissos futuros de arrendamento, o valor chega a impressionantes US$ 969 bilhões, ou cerca de 113% da dívida ajustada combinada dessas cinco empresas . À medida que esses contratos entrarem em vigor nos próximos anos, começarão a impactar as demonstrações de resultado como despesas operacionais, potencialmente comprimindo o fluxo de caixa livre e limitando a capacidade de realizar os programas de recompra de ações com os quais os investidores tanto contam .

Outra preocupação paralela é o uso crescente de veículos de propósito específico (SPVs, na sigla em inglês) para financiar a infraestrutura de IA. Grandes empresas de tecnologia estruturaram mais de US$ 120 bilhões em dívidas de data centers por meio de SPVs à prova de falência, que ficam fora dos balanços consolidados . O Morgan Stanley projeta que esse mecanismo de financiamento fora do balanço pode atingir US$ 800 bilhões até 2028 . Esses veículos normalmente operam com colchões de capital próprio muito baixos, de 8% a 10%, dependem de GPUs como garantia que se depreciam rapidamente e envolvem prazos de arrendamento tão curtos quanto quatro anos, em contraste com os tradicionais dez anos ou mais .

O alerta da Oracle e o aumento dos spreads de crédito

A Oracle se tornou um estudo de caso de como as premissas de financiamento da IA podem se desfazer rapidamente. No final de 2025, a empresa rompeu uma parceria com a Blue Owl Capital para o financiamento de um data center em Michigan, expondo a fragilidade desse modelo de financiamento fora do balanço. A Oracle carrega US$ 124 bilhões em dívidas e US$ 248 bilhões em compromissos de 'leasing', e a resposta do mercado foi rápida: o crédito foi reprecificado “com uma velocidade brutal”, mesmo para um emissor com grau de investimento .

O Banco de Compensações Internacionais (BIS) observou que os spreads de credit default swaps para hyperscalers com classificações de crédito mais baixas já subiram, refletindo tanto o enorme volume de emissão de dívida quanto a incerteza crescente sobre se os projetos de IA gerarão retornos adequados . O Conselho de Supervisão da Estabilidade Financeira e o Banco da Inglaterra já alertaram explicitamente que o acúmulo de dívidas de infraestrutura de IA fora do balanço representa uma potencial vulnerabilidade sistêmica .

O risco de concentração agrava o problema. Boa parte da dívida baseada em SPVs está atrelada a data centers de um único ativo ou um único inquilino. Se o locatário falir ou a demanda diminuir, a estrutura do SPV oferece pouca possibilidade de recurso ao balanço da empresa-mãe, criando o potencial para perdas em cascata . A gestora PIMCO também destacou a natureza circular do financiamento da IA, onde fornecedores – como fabricantes de GPUs – concedem crédito ou assumem participações acionárias nos mesmos SPVs que abastecem, expondo-se a riscos de refinanciamento caso os mercados de capitais se retraiam .

Um boom com duas narrativas

A expansão da infraestrutura de IA não tem precedentes em escala e velocidade. Os cinco maiores hyperscalers estão a caminho de gastar impressionantes US$ 755 bilhões apenas em 2026 – um aumento de 83% em relação ao ano anterior . O Morgan Stanley observa que a cifra de US$ 800 bilhões para 2026 é quase equivalente ao que todo o grupo de empresas não-tecnológicas do S&P 500 gastou em Capex no ano anterior .

No entanto, as estruturas de financiamento que tornam isso possível estão gerando seus próprios riscos. A narrativa otimista se apoia em um aumento de 24 vezes na demanda por tokens, vindo de agentes de IA que ainda não foram implementados em larga escala. O contraponto pessimista, articulado dentro do próprio Goldman Sachs, é que os retornos até agora não justificam o investimento .

Entre esses dois polos, estão as realidades físicas e contábeis: uma rede elétrica que não consegue acompanhar o ritmo, uma força de trabalho qualificada que não existe em número suficiente e um livro-caixa sombra de quase um trilhão de dólares em obrigações que em breve começarão a vencer, com consequências que vão muito além do setor de tecnologia.