Goldman Sachs e SemiAnalysis entram em conflito sobre a avaliação da infraestrutura de IA e os futuros vencedores

Nos últimos dois anos, o trading de IA quase dominou o mercado acionário global.

NVIDIA, equipamentos de semicondutores, HBM, empacotamento avançado, data centers, equipamentos elétricos, transformadores, refrigeração, turbinas a gás — todos os ativos que podem ser incluídos na cadeia de infraestrutura de IA foram reavaliados repetidamente pelo mercado. Essa negociação não perdeu validade; pelo contrário, subiu a ponto de forçar os investidores a enfrentar novamente uma questão mais difícil: os vencedores da primeira fase da cadeia de IA já foram recompensados ao máximo pelo mercado — será que ainda podem subir mais?

Dois relatórios do Goldman Sachs e da SemiAnalysis estão exatamente nesse ponto de divisão.

A análise de James Covello do Goldman Sachs é mais cautelosa: a primeira fase da infraestrutura de IA já está plenamente precificada; os chips e as cadeias de “venda de picaretas” absorveram muitos lucros garantidos, mas o ROI empresarial ainda não foi amplamente comprovado, e a pressão sobre o fluxo de caixa dos fornecedores de nuvem também está aumentando. Seguindo essa lógica, os melhores negócios relativos a seguir não são continuar perseguindo semicondutores, mas sim apostar em grandes fornecedores de nuvem e semicondutores de baixo perfil.

A resposta da SemiAnalysis é quase o oposto: se a IA Agente realmente transformar tokens em meios de produção e as margens brutas dos laboratórios de modelos começarem a melhorar, os modelos de ponta ainda mantêm poder de precificação, então a infraestrutura de IA não está “muito cara” — ainda não foi totalmente reprecificada de acordo com o novo valor dos tokens. A NVIDIA, a TSMC, a memória, a Neocloud e os laboratórios de modelos ainda têm razões para continuar capturando valor adicional.

Esta não é uma discussão sobre se a IA tem futuro.

Os gastos de capital em IA ainda estão aumentando, e as ações de infraestrutura de IA também não estão esfriando. A verdadeira questão agora se tornou: a camada de chips já reteve o primeiro ciclo de lucros em seus balanços, e agora o mercado está disputando se esse lucro já foi plenamente precificado; se a IA Agente continuar amplificando o valor dos tokens, o próximo ciclo de lucros incrementais permanecerá na camada de hardware ou começará a ser redistribuído para laboratórios de modelos, provedores de nuvem e camadas de software empresarial.

O ponto mais contundente do relatório do Goldman Sachs não é questionar o crescimento de usuários de IA, nem negar o avanço tecnológico.

Covello reconheceu inicialmente dois fatos: a adoção de IA pelos consumidores está ocorrendo mais rapidamente do que o esperado; mesmo com pressão sobre suas ações, os fornecedores de nuvem não reduziram os gastos em capital de IA como previsto, mas sim continuaram aumentando seus investimentos. A IA não está esfriando, nem os gastos em capital estão recuando.

Mas o Goldman Sachs enxerga mais adiante.

Os consumidores usam IA, mas muitos ainda permanecem no nível gratuito. O crescimento de usuários pode demonstrar o apelo do produto, mas não consegue pagar diretamente as contas de GPU, data centers, energia, rede e inferência de modelos. O segmento empresarial é a chave para fechar a economia da IA: a disposição das empresas em pagar continuamente, sua capacidade de reduzir custos, aumentar receita e melhorar a produtividade por meio da IA determina se toda a cadeia poderá suportar sustentavelmente os atuais gastos de capital.

A resposta do Goldman Sachs foi cautelosa.

O relatório destaca que as empresas já fizeram grandes investimentos em IA generativa, mas muitas organizações ainda não obtiveram retornos verificáveis; ao mesmo tempo, os gastos globais em TI continuam aumentando, e a IA não reduziu os orçamentos tecnológicos das empresas em termos globais. Para os investidores, isso representa um problema prático: as empresas estão comprando, testando e discutindo IA, mas a IA ainda não entrou amplamente nas demonstrações de resultados.

Isso contrasta fortemente com os lucros da cadeia de infraestrutura de IA.

As empresas de chips já estão gerando lucro, enquanto empresas de armazenamento, energia e data centers são reavaliadas repetidamente pelo mercado. As provedoras de nuvem, por outro lado, arcam com os gastos de capital. Despesas como construção de data centers, aquisição de GPUs, conexão à energia, equipamentos de rede e racks de servidores recaem inicialmente sobre as provedoras de nuvem. O relatório do Goldman Sachs indica que as grandes provedoras de nuvem já consumiram parte de seu fluxo de caixa operacional excedente e começaram a financiar a construção de data centers por meio de dívida, com a emissão de dívida para data centers dobrando para US$ 182 bilhões em 2025.

This is the imbalance according to Goldman Sachs.

No ciclo normal da indústria de semicondutores, quando as empresas de chips lucram muito, geralmente indica que os clientes também estão se expandindo. Quando os clientes ganham dinheiro, continuam comprando chips, e as empresas de chips continuam a prosperar. Esta rodada de IA é mais estranha: os lucros na cadeia de chips são mais claros, mas os retornos nas camadas de clientes e aplicações ainda não são tão claros.

Portanto, o julgamento do Goldman Sachs não é que "a IA não serve", mas sim que "o modelo atual de divisão de receitas é difícil de extrapolar linearmente a longo prazo".

As empresas de semicondutores já garantiram o lucro mais certo da primeira fase. A questão é se os clientes a jusante têm lucro suficiente para continuar sustentando os altos gastos de capital e a concentração de lucros na cadeia superior.

A recomendação de negociação do Goldman Sachs parece contraintuitiva: estar mais positivo sobre grandes fornecedores de nuvem e menos positivo sobre semicondutores.

Há dois caminhos por trás disso.

Na primeira trajetória, o ROI da IA corporativa começa a se materializar. Quando as empresas demonstram que a IA gera receita, eficiência e vantagens de custo, o mercado reinterpretará os gastos de capital dos fornecedores de nuvem. Os investimentos anteriormente vistos como um fardo para o fluxo de caixa livre passarão a ser vistos como impulso para receitas futuras e controle da plataforma. A reavaliação dos fornecedores de nuvem beneficiará também os semicondutores, mas como estes já foram amplamente recompensados pelo mercado, sua elasticidade relativa pode não ser maior.

Segundo caminho: o ROI das empresas continua difícil. Os fornecedores de nuvem estão reduzindo gastos de capital sob pressão de fluxo de caixa e de investidores, e o mercado recompensará maior disciplina no fluxo de caixa. A cadeia de semicondutores enfrentará revisões para baixo nas expectativas de encomendas.

O Goldman Sachs acredita que ambas as trajetórias sustentam a ideia de que "fornecedores de nuvem estão em melhor posição em relação aos semicondutores". A situação que realmente faria esse cenário falhar é a terceira trajetória: o ROI das empresas ainda permanece vago, mas os fornecedores de nuvem continuam aumentando os investimentos sem considerar custos, enquanto os semicondutores continuam absorvendo a maior parte do lucro da cadeia de valor.

Essa é exatamente a condição mais familiar para o mercado nos últimos dois anos.

Por essa razão, o foco do relatório do Goldman Sachs não é a tecnologia de IA, mas sim a precificação de mercado. Os benefícios da infraestrutura de IA já foram amplamente negociados, assim como os aspectos negativos dos fornecedores de nuvem. O próximo passo do mercado é observar se essas duas tendências se inverterão.

A SemiAnalysis entra por uma abordagem totalmente diferente.

Não nega que, entre 2023 e 2025, o valor da IA fluía principalmente para a infraestrutura. NVIDIA, energia, centros de dados e armazenamento foram, de fato, os grandes vencedores da primeira fase. As empresas de modelos e os prestadores de serviços de inferência não se sentiam confortáveis no início, e muitos produtos de IA pareciam ser apenas uma caixa de pesquisa melhorada, com margens brutas longe de serem atraentes.

Mas a SemiAnalysis acredita que, após o final de 2025, as coisas mudaram.

As mudanças vêm da Agentic AI.

Os tokens anteriores eram mais como um "custo de pergunta e resposta". O usuário fazia uma pergunta e o modelo respondia uma vez. Ele podia economizar tempo, mas seu limite de valor era restrito. Agora, os tokens começam a entrar em fluxos de trabalho complexos: escrever código, criar modelos financeiros, gerar painéis, analisar demonstrações financeiras, organizar dados e criar gráficos.

A SemiAnalysis usa sua própria empresa como exemplo. Seus analistas já utilizam agentes diariamente para processar tarefas de pesquisa e modelagem, tarefas que anteriormente exigiam muitas horas de analistas júnior ou simplesmente não tinham espaço no fluxo de trabalho. O artigo revela que os gastos anuais em tokens na Anthropic Claude da SemiAnalysis chegaram a US$ 10,95 milhões, representando aproximadamente 30% dos salários dos funcionários.

Este conjunto de números pode não representar todas as empresas, mas representa uma mudança em um tipo de usuário marginal.

Para consumidores comuns, assinaturas de IA podem ser apenas ferramentas de alguns dólares por mês. Para profissionais de conhecimento de alta intensidade, os tokens começam a se tornar meios de produção.

Tokens que custam alguns ou dezenas de dólares trazem mais do que apenas alguns trechos de texto — trazem modelos, gráficos, código, limpeza de dados, análise de demonstrações financeiras e até tarefas que antes nem eram executadas. A maneira como os usuários veem o custo da IA também mudará: em vez de perguntarem apenas “quanto custa por milhão de tokens”, passarão a perguntar “quantos trabalhos manuais esses tokens substituíram e quanto aumentaram a produtividade”.

Este é o ponto de divergência entre a SemiAnalysis e o Goldman Sachs.

O Goldman Sachs vê que o ROI médio das empresas ainda não está claro. A SemiAnalysis vê que os usuários mais fortes já começaram a consumir grandes quantidades de tokens e estão dispostos a pagar por modelos mais potentes.

A segunda avaliação-chave da SemiAnalysis é que a economia por unidade dos laboratórios de modelos está melhorando.

Isso contrasta com as preocupações do mercado no passado.

Anteriormente, as empresas de modelos eram consideradas presas entre os fabricantes de chips e os provedores de nuvem. A receita crescia rapidamente, mas os custos de treinamento e inferência cresciam ainda mais rápido. Quanto mais usuários, maior o custo. Quanto mais poderoso o modelo, maior o gasto de capital. Esse modelo parecia ser de alto crescimento, baixa margem e alto consumo de caixa.

A IA agente alterou esta tabela.

• No lado dos preços, os modelos de ponta podem executar tarefas de maior valor, e os usuários estão dispostos a pagar um prêmio por modelos mais poderosos.
• No lado dos custos, a iteração de hardware, otimização de inferência, mecanismos de cache e engenharia de software continuam reduzindo o custo por token.
• Na plataforma do produto, as empresas de modelos podem implementar precificação por camadas por meio de SKUs mais avançados, respostas mais rápidas e maior capacidade de inferência.

A SemiAnalysis mencionou que, no caso de execução do DeepSeek no B300, diferentes combinações de otimizações de software podem aumentar o throughput do mesmo hardware de aproximadamente 1000 e 8000 para cerca de 14.000 tokens/segundo/GPU. Com a adição de atualizações de hardware, a configuração otimizada GB300 NVL72 oferece aproximadamente 17 vezes mais throughput em comparação com o H100 em FP8; se for alterado para FP4, que não é nativamente suportado pelo Hopper, a diferença pode chegar a 32 vezes, enquanto o custo total de propriedade por GPU aumenta apenas cerca de 70%.

Isso significa que o modelo laboratório pode aumentar o valor econômico criado pelo token, ao mesmo tempo em que reduz o custo de produção do token.

A SemiAnalysis afirma que o ARR da Anthropic aumentou de US$ 9 bilhões para mais de US$ 44 bilhões, e a margem bruta da infraestrutura de inferência subiu de 38% para mais de 70%. Mesmo com a redução nos preços dos modelos, o aumento na proporção de uso de modelos premium, a melhoria na taxa de acerto de cache e a eficiência aprimorada do hardware podem impulsionar ainda mais a expansão da margem bruta.

Se esse julgamento for válido, a segunda fase da cadeia de valor da IA não será mais apenas “os chips continuam vencendo” ou “a recuperação dos fornecedores de nuvem”.

O laboratório de modelos se transformará de uma camada de gastos em uma nova camada de captura de valor.

Goldman Sachs e SemiAnalysis aparentemente disputam o ROI da IA, mas na verdade disputam qual amostra melhor representa o futuro.

O Goldman Sachs está olhando para empresas médias.

Essas empresas possuem sistemas de dados complexos, encargos de TI históricos, gerenciamento de permissões, requisitos de conformidade e processos de aprovação. Muitas empresas, para justificar uma estratégia de IA perante o mercado e o conselho, começam com chatbots, assistentes internos e projetos piloto. O dinheiro é gasto de verdade, mas os processos de negócios nem sempre mudam. Sem alteração nos processos, o ROI dificilmente aparecerá nas demonstrações financeiras.

É por isso que o Goldman Sachs enfatiza a estrutura de dados e a camada de orquestração.

Uma empresa de varejo sem integração entre estoque, perfil do cliente e sistema de recomendação pode ver seu atendente de IA recomendar um produto esgotado. Uma empresa sem camada de roteamento de modelos pode atribuir consultas simples ao modelo mais caro e avançado, fazendo os custos descontrolarem. O ponto em que a implementação da IA está travada já não é mais a insuficiência dos modelos, mas sim o fato de que as empresas ainda não estão preparadas para integrar os modelos aos seus sistemas de negócios.

SemiAnalysis analisa o usuário marginal.

Tarefas como pesquisa, código, modelagem, gráficos e análise de demonstrações financeiras são naturalmente adequadas para agentes. São altamente textuais, digitais e estruturadas, com resultados fáceis de avaliar, e os usuários têm capacidade de integrar a IA em seus fluxos de trabalho. Essas organizações verão ROI antes das empresas comuns e estarão mais dispostas a aumentar o consumo de tokens.

O mercado de capitais precisa avaliar se essa amostra líder se espalhará.

Se o que a SemiAnalysis observa for apenas outliers de poucos usuários superiores, o quadro do Goldman Sachs prevalecerá. Os gastos de capital em IA ficarão cada vez mais limitados pelo fluxo de caixa, a cadeia de semicondutores precisará absorver expectativas elevadas, e os fornecedores de nuvem podem obter retornos relativos graças à disciplina nos gastos e à compressão de valoração.

Se o que a SemiAnalysis viu for um indicador antecipado da véspera de uma disseminação, o mercado não pode negar a cadeia de IA com base no baixo ROI das empresas médias hoje. Assim que a IA Agente entrar em mais fluxos de trabalho de escritório, a demanda por tokens, a receita dos modelos, a receita em nuvem e a demanda por hardware aumentarão simultaneamente.

Essa análise é mais importante do que “estar longe da IA ou curto da IA”. O mercado nunca negocia médias estáticas, mas sim se as mudanças marginais se tornarão dominantes.

A maior divergência entre o Goldman Sachs e a SemiAnalysis nos mercados financeiros recai sobre a NVIDIA e a cadeia de semicondutores.

A visão do Goldman Sachs é direta: os semicondutores já capturaram os lucros mais grandes e mais certos da primeira fase. Após o mercado incorporar a lógica de "vender picaretas" nos preços, o risco-retorno começou a piorar. Sempre que os gastos de capital dos provedores de nuvem diminuírem, a cadeia de semicondutores enfrentará pressão dupla sobre valoração e encomendas.

SemiAnalysis considera que a NVIDIA e a TSMC controlam os recursos mais escassos da era da IA, mas ainda não os precificaram totalmente de acordo com seu valor.

O artigo menciona que os preços da memória aumentaram cerca de seis vezes no último ano, e o preço do contrato de locação de H100 da Neocloud por um ano subiu cerca de 40% em relação ao mínimo de outubro de 2025. Ao mesmo tempo, NVIDIA e TSMC não reprecificaram tão rapidamente quanto o valor dos tokens a jusante.

SemiAnalysis chama a NVIDIA de "banco central" do ecossistema de IA.

Essa analogia é muito adequada. A NVIDIA controla a liquidez de poder de computação. Ela tem capacidade de aumentar preços, mas não pode esgotar todo o sistema. Se elevar os preços demais, estimulará os clientes a acelerarem a transição para ASICs, TPU e Trainium próprios, além de gerar pressão regulatória. A TSMC é semelhante. Os nós avançados são extremamente escassos, mas ela valoriza há muito tempo as relações com clientes e a estabilidade do ecossistema, não tentando monetizar toda a escassez de uma só vez durante períodos de alta.

Contenção não significa ausência de espaço.

O Rubin VR NVL72 é uma evidência importante para a SemiAnalysis determinar que a NVIDIA ainda mantém poder de precificação. De acordo com seu modelo, para que o projeto Neocloud VR NVL72 alcance um IRR de 15,6%, semelhante ao projeto GB300, o aluguel precisaria ser de aproximadamente 4,92 dólares/hora/GPU; se for calculado com base no preço de aluguel por PFLOP do GB300, o teto teórico do VR NVL72 seria de cerca de 12,25 dólares/hora/GPU; mesmo com uma taxa mais conservadora de 0,55 dólar/PFLOP, isso corresponde a aproximadamente 9,63 dólares/hora/GPU, quase o dobro do limiar de precificação por custo.

O significado aqui é claro: enquanto o valor do token a jusante continuar a subir, o novo sistema da NVIDIA ainda tem espaço para aumentar os preços, a Neocloud ainda pode lucrar e os usuários finais ainda podem aceitar.

A divergência entre Goldman Sachs e SemiAnalysis tornou-se aguda.

O Goldman Sachs acredita que o lucro exclusivo dos semicondutores não é sustentável, pois a cadeia de valor ainda não possui lucros suficientes.
A SemiAnalysis acredita que o pool de lucro a jusante está aumentando, portanto, a camada de hardware não está lucrando muito, mas ainda não está sendo cobrada totalmente conforme seu valor.

A única variável para determinar o vencedor é se o novo pool de lucro criado pela IA for grande o suficiente para sustentar simultaneamente o laboratório de modelos, os fornecedores de nuvem, a Neocloud, a NVIDIA, a TSMC, o armazenamento e a cadeia de energia.

O bolo não é grande o suficiente, o Goldman Sachs ganha.

O bolo continua a crescer, e a SemiAnalysis vence.

O provedor de nuvem é o nível mais embaraçoso nessa discussão.

Eles são tanto os maiores compradores de gastos de capital quanto as plataformas mais prováveis de monetizar a demanda por IA. Eles estão sob pressão da NVIDIA, armazenamento e cadeia de energia, mas também possuem clientes corporativos, serviços em nuvem, APIs de modelos, chips próprios e ecossistema de software.

O Goldman Sachs é positivo sobre os fornecedores de nuvem porque o mercado já incorporou muitos aspectos negativos. Os gastos com capital estão pressionando o fluxo de caixa livre, os investidores questionam o ROI da IA e as valorações estão sob pressão. Sempre que ocorrer uma das duas situações a seguir, os fornecedores de nuvem terão um caminho de recuperação: a realização da receita de IA corporativa ou a redução dos gastos com capital.

A SemiAnalysis analisa os fornecedores de nuvem do lado da demanda. Enquanto a demanda por tokens continuar a crescer, laboratórios de modelos e clientes corporativos precisarão de mais capacidade de processamento. A capacidade de processamento é limitada por processos avançados, memória, energia elétrica e sistemas em nível de rack. O maior medo dos compradores não é o preço, mas não conseguir obter.

Portanto, os fornecedores de nuvem não são apenas vítimas, nem vencedores automáticos.

Eles precisam ser comprovados por demonstrações financeiras: os gastos de capital em IA podem ser convertidos em receita, lucro e fidelização de clientes. Se o crescimento do negócio de nuvem retomou aceleração, se a divulgação da receita de IA ficou mais clara, se a utilização de inferência pode ser aumentada, se os chips próprios podem reduzir a dependência da NVIDIA, se os clientes corporativos passaram de pilotos para implantações de longo prazo, e se o fluxo de caixa livre se estabilizou — esses indicadores serão mais importantes do que antes.

Essas melhorias nos indicadores fortalecerão a lógica de alta relativa da Goldman Sachs em relação aos fornecedores de nuvem.

Esses indicadores ainda não melhoram, e os fornecedores de nuvem continuam sendo a camada sob pressão de gastos de capital entre NVIDIA e clientes corporativos.

A ênfase no relatório do Goldman Sachs sobre "estruturas de dados" e "camada de orquestração" pode ser a parte mais próxima da realidade empresarial.

A IA corporativa não permanecerá para sempre no estágio em que os funcionários abrem uma caixa de bate-papo para fazer perguntas. A IA com verdadeiro impacto financeiro deve entrar nos processos de atendimento ao cliente, vendas, finanças, compras, P&D, gestão de riscos, cadeia de suprimentos e operações de TI. Cada processo possui dados, permissões, conformidade, aprovações, sistemas históricos e limites de responsabilidade.

Mesmo o modelo mais poderoso não pode contornar essas coisas.

É aqui que a camada de software empresarial volta a se tornar importante. Tarefas de baixo risco e alta frequência podem ser atribuídas a modelos leves ou modelos de código aberto; apenas tarefas de alto risco e alto valor exigem modelos de ponta. Entre elas, é necessária uma camada de sistema que identifique o tipo de tarefa, invoque dados, controle permissões, selecione modelos, monitore custos e grave os resultados.

• As vantagens das empresas tradicionais de SaaS são a experiência setorial, os relacionamentos com clientes, a entrada de dados e o acúmulo de fluxos de trabalho. As desvantagens são a dívida técnica e a velocidade de iteração.
• As vantagens das empresas nativas de IA são a velocidade do produto, a capacidade de chamada de modelos e a estrutura de custos. As desvantagens são a falta de entrada corporativa e contexto setorial.
• A vantagem da empresa de modelos de ponta é a inteligência mais forte. A desvantagem é a falta de controle sobre processos empresariais.

A camada de software não será simplesmente consumida pela IA. Empresas de software sem controle sobre dados e processos podem ser abstraídas pelos modelos. Empresas de software que dominam estruturas de dados, fluxos de trabalho e roteamento de modelos têm a oportunidade de transformar a IA em um mercado maior, passando de vender assentos para vender produtividade.

A capacidade de generalizar o ROI empresarial de amostras de usuários fortes, como a SemiAnalysis, para empresas comuns depende em grande parte deste nível.

No passado, a pergunta sobre negociação de IA era: quem está mais próximo da capacidade de processamento?

Esta pergunta está muito grossa agora.

Na próxima fase, o mercado fará perguntas sobre variáveis mais específicas.

Primeiro, o valor do token continuará a subir. Se a Agentic AI se expandir de código, pesquisa e análise para mais fluxos de trabalho de escritório, os laboratórios de modelos e as cadeias de raciocínio continuarão sendo reavaliadas.

Em segundo lugar, se a margem bruta do laboratório de modelos continuará a melhorar. O crescimento da receita já não é suficiente; o mercado observará os custos de inferência, a eficiência de cache, a atualização de SKUs e o poder de precificação dos modelos de ponta.

Terceiro, os fornecedores de nuvem conseguem transformar despesas de capital em receita. O capex de IA em si já não é automaticamente considerado positivo; apenas o capex que se traduz em receita de nuvem, margem bruta de inferência e contratos corporativos será recompensado pelo mercado.

Quarto, a NVIDIA poderá continuar a aumentar os preços devido a gargalos no nível do sistema. A GPU é apenas a primeira camada; Rubin, SOCAMM, rede, sistemas em nível de rack, pilha de software e capacidade de aquisição da cadeia de suprimentos determinam se a NVIDIA poderá continuar a cobrar royalties.

Quinto, a TSMC e o armazenamento conseguem reavaliar a escassez? Nós avançados, HBM, DRAM, SOCAMM e embalagens avançadas, se continuarem sendo gargalos de oferta, não perderão facilmente seu valor na cadeia de suprimentos.

Sexto, os softwares empresariais conseguirão acessar os pontos de entrada para a implementação da IA? Empresas de software sem pontos de entrada de processo serão comprimidas, enquanto aquelas com pontos de entrada, dados e capacidade de orquestração podem se tornar mais valiosas.

As negociações de infraestrutura de IA não expiraram.

Ela subiu tão bruscamente que forçou essa divergência entre Goldman Sachs e SemiAnalysis.

O Goldman Sachs lembra o mercado que os benefícios da cadeia de chips já foram totalmente explorados. Se o ROI das empresas não vier rapidamente, o fluxo de caixa dos fornecedores de nuvem poderá reverter os gastos em capital, corrigindo o cenário de lucros exclusivos para a semicondutora.

A SemiAnalysis lembra o mercado que não se deve usar a experiência com IA em 2024 para julgar a IA Agentic em 2026. Os tokens estão se tornando meios de produção, os laboratórios de modelos estão melhorando as margens brutas, a oferta de capacidade de processamento ainda está apertada, e a NVIDIA e a TSMC podem ainda não estar precificando totalmente conforme o valor.

Juntando esses dois julgamentos, o foco do trading de IA já mudou.

Nos últimos dois anos, o mercado recompensou ativos escassos. Agora, o mercado observará quem conseguir manter de forma sustentável o valor econômico criado pela IA no demonstrativo de resultados.

Se o SemiAnalysis estiver vendo um ponto de inflexão marginal, o bolo da cadeia de IA continuará a crescer, e laboratórios de modelos, provedores de nuvem, NVIDIA, TSMC, armazenamento e cadeia de energia têm motivos para continuar dividindo os lucros.

Se o Goldman Sachs estiver vendo uma realidade mais próxima da média das empresas, os gastos com capital encontrarão primeiro limites no fluxo de caixa; a cadeia de semicondutores precisa absorver expectativas excessivas, enquanto os fornecedores de nuvem, por outro lado, se beneficiam de uma compressão de valoração e de uma possível disciplina nos gastos, obtendo retornos relativos superiores.

O estado mais provável agora, entre os dois.

Os usuários mais fortes já começaram a comprar tokens em grande quantidade, enquanto as empresas comuns ainda não calcularam seus livros. O mercado financeiro primeiro negociará as mudanças marginais trazidas pelos usuários mais fortes, aguardando depois que empresas médias confirmem por meio de demonstrações financeiras. Quanto mais rápido a confirmação, mais próximo o mundo da SemiAnalysis; quanto mais lenta, maior a probabilidade de sucesso das negociações do Goldman Sachs.

A "pá" da IA ainda domina o mercado, mas a questão mudou de "quem está vendendo as pás" para outro livro contábil: quem já ganhou o suficiente, quem ainda pode aumentar os preços e quem se tornará o verdadeiro proprietário do próximo nível.