O relatório do Morgan Stanley aponta que o lançamento do GPT-6 Astra mudará a direção do debate de mercado. Astra representa um avanço substancial na capacidade de raciocínio, engenharia, uso de computadores e execução de tarefas no mundo físico, indicando que a IA passa de interações simples para execução de tarefas complexas.

Autor do artigo: Long Yue

Fonte: Wall Street Journal

A lançamento de um modelo está mudando a direção do debate do mercado.

Nos últimos meses, o mercado tem debatido uma pergunta: “Quantas infraestruturas são necessárias para atender à demanda conhecida por IA?” A conotação implícita dessa pergunta é: a infraestrutura de IA já foi superinvestida?

Mas, segundo o Trading Desk de Zhui Feng, o relatório publicado pelo Morgan Stanley em 7 de setembro indica que a importância do GPT-6 Astra não deve ser compreendida simplesmente como uma continuação da narrativa de escalonamento. Não se trata de mais uma atualização do modelo.

Astra representa uma melhoria substancial na amplitude de capacidades e interoperabilidade, manifestada em quatro direções: capacidade de raciocínio, capacidade de engenharia, uso de computadores e execução de tarefas no mundo físico. Isso significa que a IA começa a avançar para o ponto de executar raciocínios complexos, tarefas de engenharia profissional, operação direta de computadores e até mesmo lidar com tarefas do mundo real. Com mais coisas possíveis de serem feitas, surgem mais cenários para gerar receita. A OpenAI também afirmou em seu último artigo que modelos melhores abrem novos “campos de trabalho”.

A narrativa da IA novamente retorna da "discussão sobre demanda" para o "gargalo físico"

A aparição da Astra pode mudar a questão central do mercado de “quantas infraestruturas são necessárias para atender à demanda conhecida de IA” para “quantas novas cargas de trabalho se tornarão economicamente viáveis à medida que a inteligência dos modelos aumenta?”

Esta é uma questão completamente oposta. A primeira é uma dúvida sobre a demanda, a segunda é uma pressão sobre a oferta.

Os analistas apresentaram na relatório uma lógica econômica central: modelos melhores criam um efeito de elasticidade — quanto mais inteligência e utilidade o AI obtiver por dólar gasto, maior será o número, duração e complexidade das cargas de trabalho de raciocínio.

Isso é semelhante ao clássico “paradoxo de Jevons”: o aumento da eficiência não reduz o consumo, mas amplia o consumo total. Aumento da produtividade inteligente por unidade de custo → cenários anteriormente inviáveis tornam-se viáveis → novas cargas de trabalho entram → a demanda por capacidade de processamento e infraestrutura aumenta ainda mais.

Analistas acreditam que, se as capacidades da Astra forem convertidas em aplicações comercialmente úteis, o pool de receita de IA acessível se expandirá significativamente, muito além dos cenários de uso atuais, centrados em bate-papo e codificação.

O Morgan Stanley estima que o TAM global para trabalho baseado em conhecimento seja de aproximadamente US$ 22,5 trilhões (baseado em 900 milhões de trabalhadores do conhecimento globais, com salário médio anual de cerca de US$ 25.200); o TAM para despesas do consumidor é de aproximadamente US$ 30 trilhões, abrangendo varejo e viagens (cerca de US$ 16 trilhões), automação autônoma/mobilidade (cerca de US$ 4 trilhões), entrega de alimentos (cerca de US$ 4 trilhões) e publicidade (cerca de US$ 3 trilhões).

A conclusão dos analistas é que a aparição da Astra trouxe de volta a narrativa do gargalo da “restrição física de oferta” — ou seja, se é possível entregar essas inteligências em escala.

O que exatamente se refere? Poder de mineração. Energia elétrica. Materiais. Mão de obra. Etc.

Onde estão exatamente os gargalos físicos: ABF e HBM4E

A tensão no lado da oferta tem dois pontos de ação específicos.

O primeiro é o substrate ABF.

Morgan Stanley prevê que os substratos ABF entrarão em déficit a partir de 2027, e a lacuna se ampliará continuamente até 2030. A principal restrição é que novas capacidades de produção exigem pelo menos 2 anos para entrar em operação.

O segundo é a complexidade do processo pós-fabricação (BEOL) do HBM4E.

O relatório aponta que a pós-fabricação do HBM4E representa uma grande mudança de paradigma na fabricação de semicondutores — o HBM evolui de um empilhamento de memória 3D dedicado para um sistema lógico personalizado altamente integrado.

Cadeia de impacto específica:

• O aumento no número de camadas de interconexão HBM4E (como a introdução de dummy bump pela SK Hynix) forçará grandes gastos de capital em DRAM a serem direcionados para a expansão da capacidade BEOL.
• Os gastos com capital para a transição de processo na etapa de frente (FEOL) e o aumento na quantidade de GB de DRAM embarcado só serão alcançados no segundo semestre de 2027.
• Fabricantes de DRAM priorizam a alocação de capacidade de equipamentos, o que pode adiar a expansão da capacidade de NAND

As características comuns desses dois gargalos: ambos são restrições físicas verificáveis e rastreáveis, não emoções de mercado.

Energia: o gargalo físico mais real

Com o aumento da pressão regulatória sobre data centers, o fornecimento de energia torna-se outro gargalo físico crítico. Analistas esperam que a capacidade total de processamento dos grandes fornecedores de nuvem aumente de cerca de 35 GW em 2025 para cerca de 145 GW em 2028, uma expansão de aproximadamente quatro vezes.

Analistas apontam que os Estados Unidos enfrentam uma lacuna de 38 GW na geração de energia, e os data centers adotarão cada vez mais soluções de geração própria atrás do medidor (behind-the-meter).

A linha estima que a solução de energia pós-medição aumentará os gastos de capital em cerca de US$ 3 bilhões por gigawatt. Para o chip NVIDIA Rubin Ultra de primeira geração, o custo total incluindo energia pós-medição é de aproximadamente US$ 50 bilhões por gigawatt.

O que o mercado subestimou

Os analistas acreditam que o mercado está atualmente subestimando três coisas:

Primeiro, os beneficiários globais da tecnologia GPT-6 Astra ainda não foram adequadamente precificados.

Em segundo lugar, a escassez de oferta pode durar mais tempo. As restrições no ABF e no HBM4E BEOL não podem ser resolvidas em curto prazo.

Em terceiro lugar, algumas ações que não dependem de IA também estão se fortalecendo silenciosamente. Os chips de sinal analógico (STM, NXP, Renesas) estão em uma fase inicial de recuperação cíclica, após mais de três anos em um fundo em forma de L — redução de estoques, preços estabilizados e melhora nos pedidos industriais.

A conclusão não é “comprar mais IA”

Prioridades de investimento fornecidas pelo Morgan Stanley:

Potência de IA (prioridade máxima) > Rede (secundária) > Memória (opcional) + Chips analógicos (cobertura em estágio inicial), incluindo:

• Potência de IA: GPU (NVIDIA), ASIC (MediaTek, GUC), substratos ABF (Unimicron, Ibiden), MLCC (Murata, Samsung Electro-Mechanics), empacotamento e teste pós-fabricação (Advantest, Tokyo Electron, Huafeng, ASE, Kyocera), fontes de alimentação (Delta)
• Rede: GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Memória: crescimento priorizado de participações estruturadas e localização (ChangXin Memory), SK Hynix, Samsung e Kioxia têm espaço para alta tática enquanto a oferta permanece apertada
• Não AI: Chips de simulação (STMicroelectronics, NXP, Renesas)

This line states: "We favor companies positioned at the intersection of a broader reasoning cycle, limited physical capacity, rising content intensity, and increased manufacturing complexity."

Locais onde é necessário manter a clareza

O relatório do Morgan Stanley não é unilateralmente otimista e alerta claramente para três pontos a serem observados:

Primeiro, as expectativas para a IA já estão muito altas. A tolerância do mercado para empresas de IA passou de “desempenho bom” para “desempenho perfeito obrigatório”; mesmo que a Astra traga avanços substanciais, se os resultados não superarem significativamente as expectativas, a reação da ação pode continuar limitada.

Em segundo lugar, espera-se que o crescimento dos gastos com capital em 2028 desacelere. A precificação de ações observa a direção da mudança na taxa de crescimento; a desaceleração em si pode continuar pressionando as avaliações, mesmo que os valores absolutos ainda estejam em crescimento.

Em terceiro lugar, os ventos contrários macroeconômicos ainda persistem. O relatório menciona incertezas relacionadas ao preço do petróleo, inflação, a trajetória das taxas de juros do Federal Reserve e a eleição presidencial dos EUA em 2028, com especial atenção à possível resistência política ao crescimento de data centers caso o Partido Democrata vença o poder executivo.