CEO da IBM: "Impossível" que Investimentos em Infraestrutura de IA dos Hyperscalers se Paguem

10 de dezembro de 2025 Escrito por Blake Crosley

O CEO da IBM, Arvind Krishna, questionou publicamente a economia da infraestrutura de IA dos hyperscalers em 3 de dezembro de 2025, afirmando que mesmo um cálculo simples revela ser "impossível" que os investimentos massivos das empresas de tecnologia em data centers façam sentido.¹ "Na minha visão, é impossível obter retorno sobre isso, porque US$ 8 trilhões de capex significa que você precisa de aproximadamente US$ 800 bilhões de lucro apenas para pagar os juros", declarou Krishna.[^2] Krishna argumentou ainda que a depreciação de GPUs representa o risco mais subestimado: "Você precisa usar tudo em cinco anos porque, nesse ponto, terá que jogar fora e substituir."[^3]

Os comentários de Krishna chegam enquanto os hyperscalers comprometem capital sem precedentes em infraestrutura de IA. As quatro grandes esperam coletivamente despesas de capital superiores a US$ 380 bilhões em 2025, com a CreditSights projetando capex acumulado chegando a US$ 602 bilhões até 2026.[^4]

Compromissos de CapEx dos Hyperscalers em 2025:

A matemática cria uma tensão fundamental: a receita combinada de nuvem de IA em 2025 provavelmente alcança US$ 50-60 bilhões, enquanto o capex excede US$ 380 bilhões—uma proporção investimento-receita de 6:1 que requer anos de crescimento de três dígitos para se justificar.[^5]

O argumento de Krishna

A crítica de Krishna foca na matemática financeira básica em vez das capacidades tecnológicas, centrando-se em três preocupações interconectadas: custos de juros, cronogramas de depreciação e incerteza sobre AGI.

Análise de custos de juros

A referência de Krishna a US$ 8 trilhões em capex acumulado e US$ 800 bilhões em lucro necessário destaca o peso dos juros do investimento em infraestrutura. Construir um único gigawatt de capacidade de data center custa aproximadamente US$ 80 bilhões em dólares atuais.[^6] Os compromissos globais totais em busca da AGI se aproximam de 100 gigawatts, estabelecendo o preço em aproximadamente US$ 8 trilhões.

Nas taxas de juros atuais, US$ 8 trilhões em capital requerem aproximadamente US$ 800 bilhões em lucro anual apenas para servir os custos de financiamento—antes de gerar retornos aos acionistas. Para contexto, o lucro líquido combinado de 2024 para Microsoft, Google, Amazon e Meta totalizou aproximadamente US$ 200 bilhões.[^7] A matemática exige que a IA gere quatro vezes a lucratividade total atual apenas para cobrir os juros.

A bomba-relógio da depreciação

Krishna identificou a depreciação como "a parte do cálculo mais subestimada pelos investidores".[^3] Os hyperscalers depreciam a infraestrutura de GPU ao longo de cinco a seis anos, mas a NVIDIA agora lança novas arquiteturas anualmente, contra o ciclo anterior de dois anos.[^8]

Realidade da Depreciação de GPUs:

Michael Burry argumentou que empresas incluindo Meta, Oracle, Microsoft, Google e Amazon superestimam a vida útil das GPUs e subestimam a depreciação, estimando a vida útil real em dois a três anos.[^9] Um arquiteto do Google teria declarado que GPUs de data center podem durar apenas de um a três anos dependendo da utilização, impulsionado por estresse térmico em vez de obsolescência.[^10]

O paralelo com a bolha das telecomunicações

Investimentos em infraestrutura de tecnologia historicamente produziram excesso de capacidade. Durante o boom da fibra óptica (1995-2000), as empresas gastaram estimados US$ 2 trilhões construindo 80-90 milhões de milhas de redes de fibra.[^11] Em 2001, 95% permanecia como fibra escura—capacidade não utilizada aguardando demanda que nunca se materializou.[^12]

Bolha das Telecomunicações vs. Infraestrutura de IA:

As ações da Corning despencaram de US$ 100 para US$ 1 em 2002. Global Crossing, WorldCom e 360networks entraram em falência. Entre 2000 e 2002, as ações de telecomunicações globais perderam mais de US$ 2 trilhões em valor de mercado.[^13]

Ceticismo sobre AGI

Krishna questionou se as arquiteturas atuais alcançarão AGI, estimando a probabilidade em "cerca de 0-1%" sem uma descoberta fundamental.[^14] Se a AGI permanecer elusiva, a infraestrutura construída para computação em escala de AGI pode se mostrar superdimensionada para aplicações reais.

Contra-argumentos

A liderança dos hyperscalers apresenta contrapontos substanciais à crítica de Krishna.

Demanda excede oferta

O CEO da Amazon, Andy Jassy, afirmou que a capacidade é consumida "tão rápido quanto a colocamos".[^15] O negócio de IA da AWS opera com crescimento anual de "três dígitos", expandindo "mais de três vezes mais rápido neste estágio de sua evolução do que a própria AWS cresceu".[^16] O crescimento da receita de nuvem no terceiro trimestre de 2025 permaneceu robusto: AWS +20% para US$ 33B, Azure +40%, Google Cloud +34% para US$ 15,15B.[^17]

Os gastos globais com infraestrutura de nuvem alcançaram US$ 95,3 bilhões no segundo trimestre de 2025, marcando o quarto trimestre consecutivo excedendo 20% de crescimento.[^18] A demanda parece real em vez de especulativa.

O argumento da cascata de valor

Defensores argumentam que a vida útil das GPUs se estende através de "cascata de valor"—reaproveitando chips de treinamento para inferência e cargas de trabalho utilitárias.[^19] O CEO da CoreWeave observou que seus chips A100 de 2020 permanecem totalmente reservados, com H100s recentemente disponíveis sendo reservados imediatamente a 95% dos preços originais.[^20]

O treinamento requer as arquiteturas mais recentes, mas cargas de trabalho de inferência—de alto volume e altamente lucrativas—funcionam eficientemente em chips mais antigos. A progressão de treinamento para inferência para ajuste fino potencialmente estende a vida econômica para cinco anos.

Fossos estratégicos

O investimento em infraestrutura cria barreiras que novos entrantes não podem replicar. A infraestrutura Azure da Microsoft defende sua posição em IA empresarial. A computação do Google protege a busca de alternativas de IA. A capacidade de treinamento da Meta permite o desenvolvimento de modelos de base que concorrentes menores não conseguem igualar.

Valor Estratégico Além do ROI:

Horizontes de tempo de longo prazo

O lado positivo da bolha das telecomunicações é instrutivo: a fibra superconstruída em 2000 possibilitou o YouTube (2005), streaming da Netflix (2007) e computação em nuvem (2006+).[^21] Largura de banda barata devido ao excesso de capacidade criou modelos de negócios inteiramente novos.

Da mesma forma, o excesso de capacidade de infraestrutura de IA—se se materializar—reduziria os custos de aluguel de GPUs e habilitaria aplicações de IA atualmente inviáveis economicamente. A infraestrutura pode se provar fundamental mesmo que os investidores originais sofram perdas.

Framework de decisão para planejamento de infraestrutura

A crítica de Krishna cria implicações acionáveis para organizações avaliando investimentos em infraestrutura de IA.

Matriz de Estratégia de Infraestrutura:

Se Krishna estiver certo

Organizações que alugam em vez de construir preservam opcionalidade. O excesso de capacidade reduziria os preços de H100 dos atuais US$ 2,85-3,50/hora para US$ 1-2/hora.[^22] Acordos de aluguel com cláusulas de flexibilidade superam compromissos de longo prazo.

Indicadores a observar: - Taxas de utilização dos hyperscalers caindo abaixo de 70% - Preços spot de GPUs caindo >20% trimestre a trimestre - Reduções nas projeções de capex em chamadas de resultados - Grandes cancelamentos ou atrasos de projetos

Se Krishna estiver errado

Organizações que garantiram capacidade antecipadamente se beneficiam de prêmios de escassez e preços travados. Vantagens de pioneiro em aplicações de IA se acumulam ao longo do tempo. Restrições de infraestrutura favoreceriam operadores estabelecidos.

Indicadores a observar: - Crescimento sustentado de receita de IA de três dígitos até 2026 - Estabilização ou aumento de preços de GPUs - Aumentos nas projeções de capex dos hyperscalers - Atrasos no lançamento de novas arquiteturas

Abordagem de proteção

A maioria das organizações deve fazer hedge em vez de apostar direcionalmente:

1. Alugar 60-70% das necessidades atuais - preservar flexibilidade
2. Garantir capacidade comprometida para 30-40% - garantir disponibilidade para cargas de trabalho críticas
3. Negociar cláusulas de flexibilidade - direitos de escalonamento sem penalidades
4. Monitorar trimestralmente - ajustar alocação baseado em sinais de mercado

Orientação profissional

Decisões de infraestrutura desta magnitude e incerteza se beneficiam de perspectiva experiente.

A rede de 550 engenheiros de campo da Introl apoia organizações avaliando a economia de infraestrutura de IA em estratégias de construção, aluguel e híbridas.[^23] A empresa ficou em 14º lugar no Inc. 5000 de 2025 com 9.594% de crescimento em três anos, refletindo a demanda por serviços de consultoria em infraestrutura.[^24]

Expertise em 257 localidades globais fornece perspectiva sobre investimentos em infraestrutura em diversas condições de mercado.[^25] A Introl gerencia implantações que alcançam 100.000 GPUs, fornecendo insight operacional sobre otimização de utilização e gestão de custos.[^26]

Principais conclusões

Para planejadores de infraestrutura: - Modele ambos os cenários de Krishna-certo e Krishna-errado antes de comprometer capital - Prefira aluguel com cláusulas de flexibilidade em vez de infraestrutura própria, a menos que a utilização exceda 80% - Monitore taxas de utilização dos hyperscalers e tendências de preços trimestralmente - Inclua cláusulas de saída em compromissos plurianuais

Para analistas financeiros: - Observe mudanças na política de depreciação sinalizando preocupação da gestão - Compare vidas contábeis de 5-6 anos contra realidades econômicas de 1-3 anos - Acompanhe taxas de crescimento de receita de IA em relação às taxas de crescimento de capex - Avalie o risco de ativos encalhados em portfólios pesados em infraestrutura

Para planejadores estratégicos: - Reconheça que o excesso de capacidade beneficia consumidores mesmo que prejudique investidores - Considere a vantagem de segundo movimento se os custos de infraestrutura caírem 30-50% - Avalie dinâmicas competitivas se concorrentes investirem demais e enfrentarem baixas contábeis - Mantenha opcionalidade através de arquiteturas de nuvem híbrida

Perspectiva

A crítica de Krishna representa um ponto de vista minoritário em meio ao entusiasmo da indústria, mas a análise matemática exige consideração séria. Os US$ 380 bilhões em capex de 2025 requerem geração de receita sem precedentes para se justificar—crescimento de receita que deve se sustentar por anos contra cronogramas de depreciação que podem se provar otimistas.

A resolução do debate importa menos que a resposta: organizações devem fazer hedge em vez de apostar. Flexibilidade no aluguel, negociar termos, monitorar sinais e preservar opcionalidade. Seja Krishna um profeta ou um contrário, organizações preparadas se beneficiam de decisões de infraestrutura fundamentadas em análise de cenários em vez de suposições de consenso.

Como o próprio Krishna observou apesar de seu ceticismo sobre infraestrutura: "Acho que vai desbloquear trilhões de dólares de produtividade na empresa, só para ficar absolutamente claro."[^27] A questão não é se a IA cria valor, mas se os níveis atuais de investimento em infraestrutura correspondem ao cronograma e à magnitude dessa criação de valor.

Referências

[Conteúdo truncado para tradução]