Boom da IA turbina receitas de fabricantes, mas pode terminar em avalanche de chips encalhados
A corrida global para construir data centers de inteligência artificial levou a indústria de memória a um dos períodos de expansão mais intensos de sua história recente. Em pouco mais de um ano, as receitas de gigantes como SK Hynix e Micron praticamente triplicaram, enquanto a Samsung quase dobrou seu faturamento com componentes de alto desempenho usados em servidores equipados com GPUs e outros aceleradores de IA.
O motor dessa explosão é a demanda por três tipos de produtos: memória de alta largura de banda (HBM), módulos DDR5 e soluções de armazenamento NAND Flash. Esses itens se tornaram o “combustível” dos aceleradores de IA, responsáveis por armazenar modelos, mover grandes volumes de dados entre processadores, memória e sistemas de armazenamento e garantir que GPUs não fiquem ociosas à espera de informações.
Com a procura disparando, boa parte da capacidade produtiva disponível no mercado foi rapidamente absorvida. A consequência é um cenário de escassez que pressiona não apenas os custos de infraestrutura de IA, mas também o preço de produtos de consumo, como computadores, notebooks, smartphones, consoles de jogos e outros eletrônicos que disputam os mesmos componentes.
A HBM ganhou um papel estratégico nesse contexto. Ao oferecer uma largura de banda muito superior à memória tradicional, ela permite que GPUs e aceleradores trabalhem continuamente com modelos gigantescos, reduzindo gargalos na alimentação de dados. Em sistemas de IA generativa de grande escala, a quantidade e a velocidade da memória se tornaram tão importantes quanto o próprio poder de processamento das GPUs.
Diante desse crescimento acelerado, Samsung, SK Hynix e Micron dispararam uma nova onda de investimentos em fábricas e linhas de produção. O problema é que semicondutores não são um produto que se expande com rapidez: aumentar a oferta exige planos de longo prazo, estruturas industriais sofisticadas, cadeias de suprimentos complexas e aportes de capital na casa dos bilhões de dólares.
Quando essas novas plantas finalmente entrarem em operação, o mercado de IA pode já ter mudado de fase. Modelos mais eficientes, avanços em otimização de hardware e software ou até uma desaceleração nos investimentos podem reduzir a pressão sobre a demanda. Esse descompasso entre o tempo da construção das fábricas e o ritmo de adoção da tecnologia abre espaço para um cenário clássico da indústria: excesso de capacidade e queda brusca de preços.
Investimentos de centenas de bilhões
Em junho, o governo sul-coreano anunciou um megapacote para consolidar o país como epicentro da produção de chips para IA. Liderado por Samsung e SK Hynix, o programa prevê cerca de 576 bilhões de dólares direcionados à expansão de capacidade fabril, desenvolvimento de tecnologias avançadas de memória e fortalecimento das cadeias de suprimentos relacionadas à inteligência artificial.
A Micron, sediada em Idaho, também entrou com força nessa corrida. A empresa confirmou aportes de até 3 bilhões de dólares para reforçar a produção de semicondutores nos Estados Unidos e vem ampliando suas operações em unidades na Singapura, Taiwan e Japão. A meta é atender tanto a demanda local quanto a crescente necessidade de fornecedores globais de infraestrutura de IA.
Mesmo com cifras dessa magnitude, novas fábricas de DRAM e NAND não conseguem surgir do dia para a noite. Antes de qualquer chip ser produzido, é preciso garantir financiamento, selecionar locais adequados, obter licenças ambientais e urbanísticas, além de construir uma estrutura de suporte robusta para energia elétrica, climatização de alta precisão, controle de partículas e filtragem de água ultrapura – insumos críticos em linhas de produção de semicondutores.
Concluída essa fase, vem outro desafio: montar e calibrar equipamentos altamente especializados, como máquinas de litografia de última geração, sistemas de transporte automatizado de wafers, ferramentas de metrologia, inspeção e teste elétrico. Cada etapa exige validações rigorosas, ajustes finos e tempo até que a linha alcance um nível de rendimento economicamente viável.
O chamado rendimento (yield) – a proporção de chips funcionais em cada wafer produzido – é um indicador decisivo. Melhorá-lo pode levar meses, especialmente em tecnologias de memória de ponta como HBM de gerações mais recentes. Somente depois que esses índices se estabilizam em patamares competitivos é que a nova fábrica passa a contribuir de forma relevante para a oferta global.
Analistas do setor estimam que, se Samsung, SK Hynix ou Micron decidirem iniciar hoje uma nova planta focada em DRAM e HBM, serão necessários pelo menos três anos até o início efetivo da operação. Atingir a capacidade máxima leva ainda mais tempo. Por isso, o cenário mais provável é de continuidade da escassez e de preços elevados no curto e no médio prazo.
Preços podem seguir altos até 2028
Um estudo recente da IDC indica que o alívio estrutural para a falta de memória pode demorar a chegar. Segundo a projeção, o equilíbrio entre oferta e demanda não deve ocorrer antes de 2028. Até lá, os fabricantes tendem a manter receitas elevadas, enquanto provedores de nuvem, desenvolvedores de modelos e startups de IA lidam com custos crescentes para treinar, hospedar e operar seus sistemas.
Essa pressão sobre os preços tem impacto direto na conta final dos serviços de IA. Empresas que lideram a corrida por modelos avançados – como grandes laboratórios de pesquisa e desenvolvedores de agentes e plataformas de IA generativa – já consumiram centenas de bilhões de dólares em capital de risco nos últimos anos. Agora, entram em uma fase em que precisam provar que seus produtos conseguem gerar retorno financeiro consistente.
Nesse novo estágio, o custo de infraestrutura deixa de ser um detalhe operacional e passa a ser um fator central de viabilidade. Memória mais cara encarece servidores, aumenta o CAPEX (investimento em equipamentos) de data centers e pode elevar o custo de treinamento e inferência dos modelos, inclusive o custo por token processado em aplicações comerciais de IA.
Para muitos negócios, a questão já não é demonstrar se a tecnologia funciona – isso está cada vez mais claro -, mas se o ganho de produtividade, a automação de processos e as novas fontes de receita trazidas pela IA conseguem compensar a escalada dos gastos em hardware. Startups financiadas por fundos de venture capital terão de acelerar geração de caixa e ampliar margens antes que suas reservas se esgotem.
Um ciclo velho conhecido: expansão e queda
A dinâmica atual da memória para IA repete um padrão histórico da indústria de semicondutores. DRAM e NAND são tratadas como commodities tecnológicas: quando a capacidade produtiva fica apertada em relação à demanda, os preços disparam; quando novas fábricas entram em operação e a oferta supera o consumo, os valores podem despencar em poucos trimestres.
Nos períodos de alta, fabricantes aproveitam margens robustas para financiar novas instalações, atualizar processos de fabricação e investir em pesquisa e desenvolvimento. O paradoxo é que o intervalo de vários anos entre a decisão de construir uma fábrica e a sua entrada em operação frequentemente faz com que a nova capacidade chegue ao mercado justamente quando o ciclo de demanda começa a esfriar.
Quando isso acontece, a indústria entra em uma fase de superoferta: estoques sobem, preços caem de forma agressiva e as margens encolhem. Historicamente, esse movimento já levou empresas menores à falência, forçou consolidações e obrigou mesmo gigantes do setor a cortar investimentos, reduzir produção e reestruturar linhas de produtos.
No contexto da inteligência artificial, o risco é que o atual entusiasmo com data centers e aceleradores de última geração estimule uma expansão exagerada da capacidade de memória. Caso a adoção de IA desacelere, ou caso surjam tecnologias que reduzam radicalmente a necessidade de memória (como modelos mais compactos, técnicas agressivas de compressão ou arquiteturas de hardware alternativas), o mercado pode ser confrontado com um excesso de chips difícil de absorver.
Impacto para o consumidor final
Embora a discussão pareça concentrada em grandes data centers, o descompasso entre oferta e demanda de memória também afeta o dia a dia dos consumidores. Computadores pessoais, notebooks gamers, celulares premium, dispositivos de realidade virtual e até carros conectados disputam DRAM e NAND com os servidores de IA.
Com a prioridade de fornecimento cada vez mais voltada para grandes contratos corporativos, fabricantes de PCs e smartphones podem enfrentar custos mais altos e disponibilidade limitada de determinados componentes. Isso tende a resultar em dispositivos mais caros, ciclos de renovação mais longos e, em alguns casos, em aparelhos com configurações de memória mais modestas do que o desejado.
Por outro lado, se o ciclo de superoferta se confirmar daqui a alguns anos, a tendência é que consumidores se beneficiem de uma forte queda de preços, com laptops e celulares oferecendo capacidades de memória e armazenamento bem maiores pelo mesmo valor – um movimento que já se repetiu em outros momentos da história da indústria.
Estratégias para mitigar o risco de excesso de chips
Para tentar reduzir o risco de uma avalanche de chips encalhados no futuro, as fabricantes vêm adotando algumas estratégias. Uma delas é escalonar investimentos, liberando recursos em fases alinhadas a sinais mais concretos de demanda. Outra é diversificar aplicações: além da IA, a mesma infraestrutura de memória pode ser direcionada para veículos autônomos, 5G, computação de borda e dispositivos industriais conectados.
Empresas também investem em tecnologias de múltiplas gerações: ao planejar fabs capazes de produzir diferentes tipos de DRAM, HBM e NAND, os fabricantes ganham flexibilidade para ajustar o mix de produção conforme o mercado muda. Além disso, contratos de longo prazo com grandes clientes de nuvem e provedores de serviços de IA ajudam a dar previsibilidade de receita e justificar novos projetos.
Do lado dos consumidores corporativos, há um movimento para melhorar a eficiência do uso de hardware. Otimização de software, técnicas de quantização e compressão de modelos, uso de caches inteligentes e compartilhamento de recursos entre cargas de trabalho podem reduzir a memória necessária por aplicação, suavizando a demanda explosiva por HBM e DDR5.
O papel dos governos e da geopolítica
A disputa por liderança em IA se mistura cada vez mais com a geopolítica dos semicondutores. Estados Unidos, Coreia do Sul, Japão, Taiwan, União Europeia e China enxergam a produção de chips – especialmente de memória e processadores avançados – como questão de segurança nacional e competitividade econômica.
Por isso, além dos investimentos privados, programas de subsídios, créditos fiscais, incentivos regulatórios e apoio à pesquisa pública estão acelerando a expansão da capacidade global. Esse apoio, porém, também pode intensificar o risco de superoferta no médio e longo prazos, principalmente se diferentes regiões superestimarem a demanda futura e financiarem, simultaneamente, grandes blocos de capacidade.
Ao mesmo tempo, tensões comerciais e restrições de exportação podem provocar movimentos de “duplicação” de cadeias de suprimentos, com países construindo fábricas redundantes para garantir autonomia em caso de crises. Essa redundância aumenta o custo total do sistema e pode amplificar oscilações de preço quando a demanda real não acompanha as projeções otimistas.
Sustentabilidade e custo energético
Outro aspecto pouco discutido, mas cada vez mais relevante, é o impacto ambiental e energético dessa corrida por chips. Fábricas de semicondutores consomem enormes quantidades de energia e água, enquanto data centers de IA exigem infraestrutura elétrica robusta e sistemas de refrigeração sofisticados.
Se a oferta de memória crescer demais e parte dessa capacidade ficar subutilizada em um cenário de superoferta, não será apenas um problema financeiro: haverá também desperdício de recursos naturais e energia associados à construção e operação de fábricas e data centers. Esse fator tende a ganhar peso em decisões regulatórias e na pressão de investidores por compromissos ambientais mais rígidos.
Empresas, portanto, são pressionadas a encontrar um equilíbrio entre crescer rápido o suficiente para atender à onda da IA e, ao mesmo tempo, planejar com responsabilidade para evitar investimentos que, dali a alguns anos, possam se mostrar economicamente e ambientalmente inviáveis.
O que esperar dos próximos anos
No curto prazo, o mais provável é a continuidade do cenário atual: memória cara, margens elevadas para fabricantes e pressão crescente sobre negócios baseados em IA, que precisam provar sua sustentabilidade econômica. A partir da segunda metade da década, à medida que novas plantas entrarem em operação e tecnologias de otimização de modelos amadurecerem, o pêndulo pode começar a se mover na direção oposta.
Se a demanda por IA se mantiver forte e diversificada – avançando em áreas como saúde, indústria, agronegócio, educação e governo -, a capacidade adicional pode ser absorvida de forma relativamente ordenada. Se, ao contrário, houver uma correção de expectativas e uma redução no ritmo de investimentos, a indústria de memória pode enfrentar mais um de seus ciclos clássicos de superoferta, com preços em queda e reestruturações profundas.
Para empresas de tecnologia, investidores e usuários, acompanhar esse movimento é essencial. Ele definirá não apenas o custo de treinar o próximo modelo de IA revolucionário, mas também o preço e a potência dos dispositivos que chegarão às mãos de consumidores nos próximos anos. Entre o lucro recorde de hoje e o potencial excesso de chips de amanhã, a indústria caminha sobre uma linha tênue, tentando equilibrar ambição tecnológica, planejamento industrial e realidade econômica.