Durante boa parte da corrida pela inteligência artificial, a pergunta parecia tecnológica.

Quem tem o melhor modelo?

Depois ela virou industrial.

Quem consegue comprar mais chips?

Em seguida apareceu outro gargalo:

quem consegue construir data centers e garantir energia suficiente para operá-los?

Agora uma quarta pergunta começa a ganhar importância:

Segundo a Reuters, a SpaceX está negociando uma captação de aproximadamente US$ 40 bilhões para comprar hardware Nvidia destinado à sua infraestrutura de inteligência artificial.

A estrutura em discussão inclui cerca de US$ 10 bilhões em empréstimos bancários e aproximadamente US$ 30 bilhões em dívida investment grade.

Os termos ainda podem mudar.

O número chama atenção.

Mas a história maior não é a SpaceX.

É o que acontece quando uma indústria tecnológica passa a precisar de dezenas ou centenas de bilhões de dólares apenas para continuar aumentando sua capacidade.

Nesse ponto, a corrida deixa de depender somente de modelos, chips e energia.

Treinar e operar modelos avançados exige uma infraestrutura física enorme.

GPUs.

Servidores.

Prédios.

Sistemas de refrigeração.

Conexões elétricas.

Redes.

Terrenos.

Energia.

Quando a demanda por compute cresce, a necessidade de capital cresce junto.

O Morgan Stanley estima aproximadamente US$ 2,9 trilhões em gastos globais com data centers e hardware até 2028, sem incluir toda a necessidade adicional de infraestrutura energética.

Segundo a instituição, cerca de US$ 1,4 trilhão poderia ser financiado pelo próprio caixa dos grandes hyperscalers.

Isso ainda deixaria algo próximo de:

a ser preenchido por fontes externas de capital.

É aqui que a história deixa de ser apenas Silicon Valley.

Esse dinheiro pode vir de:

bonds

empréstimos bancários

private credit

asset-based finance

securitização

joint ventures

e capital de infraestrutura.

A IA começa, assim, a tocar um sistema muito maior que o setor de tecnologia:

Isso não é apenas uma projeção.

O processo já começou.

A CoreWeave fechou em 2026 uma facilidade de aproximadamente US$ 8,5 bilhões vinculada à sua infraestrutura de computação de alto desempenho.

A operação recebeu classificação investment grade e foi estruturada com ativos e contratos de clientes ajudando a sustentar o crédito.

Depois vieram outras operações bilionárias.

Esse detalhe é importante porque mostra como o raciocínio do credor está mudando.

Um banco não precisa olhar apenas para:

Pode analisar um conjunto maior:

o ativo

o data center

o cliente contratado

o fluxo futuro de receita

as garantias

a capacidade de realocar compute.

É assim que uma capacidade tecnológica começa a se transformar em um ativo financiável.

A própria Nvidia passou a usar uma linguagem parecida.

Em agosto, a companhia anunciou parcerias estratégicas com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para estabelecer plataformas que pretendem mobilizar mais de US$ 500 bilhões em capital de terceiros para infraestrutura de IA.

Isso não significa que US$ 500 bilhões já foram levantados.

Mas mostra a direção.

Aqui aparece uma conexão com um mercado muito mais antigo.

Em project finance, um banco que financia uma usina elétrica quer saber:

quem comprará a energia?

Um contrato de longo prazo pode tornar a receita futura mais previsível.

Na infraestrutura de IA, a pergunta começa a parecer semelhante:

quem comprará a capacidade computacional?

Esse cliente funciona, em determinados modelos, como um offtaker.

A cadeia econômica é simples:

↓

GPU + DATA CENTER + ENERGIA

↓

↓

CLIENTE / CONTRATO

↓

↓

JUROS + PRINCIPAL

Quanto maior a previsibilidade do fluxo de caixa, mais fácil pode ser estruturar financiamento.

A Nvidia já descreveu situações em que pode fornecer compromissos mínimos de receita ou estruturas semelhantes a take-or-pay sobre parte da capacidade de determinados projetos.

Nessas estruturas, a Nvidia afirma não fazer os empréstimos diretamente. O capital vem de terceiros, enquanto a companhia pode fornecer suporte de receita para facilitar o underwriting.

Isso mostra uma mudança importante:

Também é construir uma arquitetura financeira capaz de pagar por elas.

É aqui que a analogia com infraestrutura tradicional começa a quebrar.

Uma ferrovia pode operar durante décadas.

Uma linha de transmissão também.

Um data center pode permanecer útil por muito tempo.

Mas o compute dentro dele muda rapidamente.

Novas gerações de chips aumentam desempenho.

Eficiência energética muda.

O custo por unidade de processamento cai.

Arquiteturas concorrentes aparecem.

Por isso, credores ainda discutem intensamente:

obsolescência

valor residual

vida econômica

e possibilidade de reutilizar ou realocar aquela capacidade.

Não existe uma única resposta para “quanto tempo dura economicamente uma GPU”.

Vida contábil, vida tecnológica e valor de recuperação para um credor são conceitos diferentes.

E essa diferença produz um dos maiores desafios desse novo mercado:

Algumas estruturas da CoreWeave têm maturidades próximas de cinco ou seis anos.

Isso mostra que o mercado consegue aproximar o prazo do crédito do ciclo tecnológico.

Mas o risco permanece.

Se a capacidade financiada perder competitividade mais rápido que o esperado, o fluxo de caixa pode sofrer antes que a dívida termine.

Essa distinção ajuda a entender por que a infraestrutura de IA é diferente de uma infraestrutura tradicional.

Um mesmo campus pode manter por muito tempo:

terreno

conexão elétrica

rede

refrigeração

edificações

e outras estruturas físicas.

Enquanto isso, o hardware pode atravessar várias gerações.

Isso significa que o verdadeiro ativo de longo prazo talvez não seja uma GPU específica.

Pode ser:

Energia disponível.

Localização.

Rede.

Infraestrutura elétrica.

Contratos.

Clientes.

Capacidade de atualização.

Nesse sentido, um data center pode ser uma plataforma física duradoura que abriga uma camada tecnológica muito mais curta.

Essa diferença é central para quem financia o setor.

Existe uma consequência ainda maior.

Imagine duas empresas que querem construir exatamente a mesma quantidade de compute.

A primeira consegue captar dinheiro:

em maior volume

a juros menores

por prazos melhores.

A segunda precisa emitir equity caro ou recorrer a crédito mais caro.

Mesmo que utilizem chips semelhantes, a economia dos dois negócios será diferente.

A primeira pode:

construir mais rápido

garantir capacidade antes

absorver períodos de menor utilização

oferecer preços mais competitivos

e reinvestir com maior facilidade.

Por isso:

É uma conexão que muda a forma de olhar para a corrida da IA.

Até agora, vantagem competitiva parecia significar:

modelo melhor

chip melhor

mais dados

energia mais barata.

Agora pode significar também:

O mercado financeiro deixa de ser apenas consequência da expansão tecnológica.

Ele começa a influenciar quem consegue expandir.

Esse novo sistema não é isento de problemas.

A Nvidia vende hardware.

Ao mesmo tempo, pode investir em empresas do ecossistema, participar de mecanismos de suporte à receita e trabalhar com grandes gestores para facilitar financiamento da infraestrutura que compra seus próprios chips.

Isso pode acelerar a construção de capacidade real.

Mas também cria uma pergunta importante:

Não é correto concluir automaticamente que existe uma bolha ou demanda artificial.

Mas o risco de circularidade merece ser acompanhado.

Quanto mais fornecedor, comprador, financiador e garantidor passam a interagir, mais importante fica separar:

de

Essa distinção será cada vez mais importante para bancos e investidores.

A corrida pela inteligência artificial continua sendo tecnológica.

Modelos ainda importam.

Chips ainda importam.

Energia ainda importa.

Dados ainda importam.

Mas a escala necessária para construir tudo isso acrescentou uma nova camada ao sistema.

A adoção de IA aumenta a demanda por compute.

Mais compute exige mais data centers, GPUs e energia.

Esse capex exige financiamento.

O financiamento permite construir ainda mais capacidade.

E, a partir daí, a receita futura precisa remunerar o capital que tornou a expansão possível.

Se a demanda crescer como esperado, essa arquitetura pode acelerar enormemente a construção da infraestrutura de IA.

Se utilização, preços ou demanda decepcionarem, existe uma diferença importante em relação a um simples investimento em software:

É por isso que a próxima fase da corrida por inteligência artificial não será decidida apenas em laboratórios ou fábricas de semicondutores.

Ela também será disputada em:

bancos

mesas de crédito

fundos de infraestrutura

mercados de bonds

e departamentos de tesouraria.

A IA está criando demanda por capital.

E, ao mesmo tempo, o capital começa a decidir:

FONTES