GQG: Por que ainda estamos em uma bolha do mercado de ações de IA

Para muitos investidores, o enorme aumento nos gastos com a estruturação de inteligência artificial é uma prova de que não há uma bolha no mercado de ações. Mas, na GQG Partners, isso é mais uma evidência que embasa sua crença de que esse boom vai dar lugar a uma queda, assim como aconteceu com as telecomunicações nos anos 1990 e com o petróleo de xisto uma década atrás.

Os gestores de carteira e analistas da GQG, que administram US$ 160 bilhões, dizem que as grandes encomendas de semicondutores, hardware de memória e os gastos relacionados com data centers nos últimos trimestres se baseiam em esperanças não comprovadas sobre demanda e preços futuros para empresas e uso de IA. Eles apontam evidências de excesso de gastos, como desenvolvimentos recentes em torno de possíveis guerras de preços — com usuários empresariais apertando orçamentos ao buscar maneiras mais baratas de rodar modelos de IA — e com ganhos mais lentos na eficácia de novos grandes modelos de linguagem. Além disso, eles acham que o uso contínuo de investimentos circulares e métodos contábeis opacos aumenta os riscos.

Até mesmo as enormes encomendas de semicondutores, que impulsionaram ganhos expressivos nas ações de chips, são um “recurso, não um erro”, segundo Brian Kersmanc, gestor de carteira da GQG. “Bolhas muitas vezes são caracterizadas por demanda real no curto prazo, enorme alocação de capital, crença dos investidores de que a demanda é efetivamente ilimitada e baixa visibilidade dos retornos de longo prazo. Pedidos fortes de chips não refutam uma bolha; eles podem na verdade ser os sinais mais fortes disso”, diz.

Os gestores de fundos e analistas da GQG não são “definitivamente pessimistas” sobre tecnologia ou sobre o mercado de ações no geral. Ainda em 2024, mais de 70% das carteiras estavam em ações de tecnologia ou próximas disso, como a Uber. Em 2017, a empresa fez uma aposta em chips de semicondutores, então pouco favorecidos, incluindo a Nvidia NVDA.

Mas a partir do fim de 2024 e ao longo do início de 2025, a GQG posicionou suas carteiras para longe das ações de tecnologia e infraestrutura de IA que acumularam grandes altas e ajudaram a impulsionar o mercado acionário como um todo. A aposta prejudicou o desempenho de suas estratégias, como o fundo GQG Partners US Select Quality Equity Fund (GQEIX), classificado como Gold, mas a empresa está firme.

Um fator-chave para levar essas ações a patamares mais altos (e um argumento central dos otimistas) é o grande salto nas encomendas impulsionadas por IA em empresas de chips como Nvidia, Broadcom AVGO e, mais recentemente, Micron, ou em outras tecnologias de memória de computador, com ações como SanDisk SNDK e Western Digital WDC.

Resultados da Micron: o boom de curto prazo continua, mas as preocupações com o suprimento de longo prazo estão crescendo

A impressionante escalada das ações de memória é impulsionada por pensamento de curto prazo?

No entanto, Kersmanc diz que é aqui que os investidores devem ser céticos, começando pela incompatibilidade na forma como as compras são contabilizadas. “Você está vendo pedidos e vendas registrados hoje, e os custos (para o comprador) são distribuídos ao longo de três, cinco, seis ou até dez anos”, explica. O problema não é com esse método contábil em si, que é padrão, mas com as implicações, dado o alto nível de incerteza sobre a economia do uso de IA. “A questão-chave não é se a demanda está forte hoje, mas se essa demanda é economicamente justificável e sustentável quando o retorno sobre investimento, a utilização e o poder de precificação forem testados.”

O cenário pessimista da GQG se baseia nesses pontos. Eles argumentam que os gastos de capex estão ocorrendo muito antes do valor econômico comprovado. Kersmanc parte de uma suposição feita pelos grandes laboratórios de IA e outras empresas: “É ‘eu gasto este valor e obtenho este valor de melhoria’. Porém, depois do ChatGPT-4, isso achatou”.

Mesmo com os investimentos continuando nos modelos mais avançados (os chamados “frontier”), Kersmanc diz que cresce a evidência de que muitos desenvolvedores de IA e empresas estão indo na direção oposta. Em vez de usar grandes modelos de linguagem como Claude, eles estão migrando para modelos pequenos de linguagem. Em geral, eles são treinados em conjuntos limitados de dados para textos específicos e, portanto, exigem menos poder computacional. Por exemplo, “se você quiser tradução ao vivo, dá para fazer via um SLM e traduzir no seu telefone, sem geração de tokens, e sem precisar acionar um data center”.

Se as empresas preferirem SLMs para suas soluções, “a implicação mais ampla é que o mercado talvez não precise de quase tanto poder computacional no patamar ‘frontier’ quanto os investidores atualmente presumem”, diz Kersmanc. “Se o desenvolvimento de IA está indo nessa direção, então o argumento para gastos massivos com data centers e GPUs perde força.”

Ao mesmo tempo, desenvolvedores estão cada vez mais usando modelos chineses de código aberto, que são mais baratos para treinar e trazem um capex de infraestrutura significativamente menor. “A China tem 500 data centers planejados, e os EUA têm 5.500”, diz Kersmanc. Isso acontece em meio a um cenário no qual empresas tentam conter os custos crescentes do uso de IA.

Kersmanc explica que outra peça do quebra-cabeça tem sido como os hiperescalares estão contabilizando seus avanços na construção de data centers. Ele cita a joint venture da Meta Platforms’ META com a Blue Owl Capital OBDC, anunciada no ano passado, que permitiu que a empresa transferisse um projeto de data center de US$ 30 bilhões na Louisiana para fora de seu balanço. A Meta também tem classificado alguns ativos substanciais de infraestrutura como “construção em andamento”. Essa linha dobrou entre 2024 e 2025.

Essas questões contábeis se conectam ao descompasso entre gastos com chips e outros equipamentos, diz Kersmanc. “Se grandes quantidades de hardware estiverem em ‘construção em andamento’ ou em categorias semelhantes no balanço, os investidores podem não conseguir ver quanto desse gasto realmente está sendo implantado e gerando retorno. Isso importa porque as empresas podem gastar quantias enormes de caixa adiantado, enquanto suas demonstrações de resultados refletem o custo apenas gradualmente. Então a preocupação não é apenas a apresentação contábil; é que a contabilidade pode estar mascarando superconstrução, subutilização ou retornos mais fracos.”

Depois, há as incertezas sobre a capacidade de construir os data centers que estão sendo encomendados. A reação contra a infraestrutura de data centers está crescendo, graças ao uso pesado de eletricidade e água por esses prédios, além de seus outros impactos nas comunidades. “Cerca de metade daquelas que deveriam ser concluídas nem sequer começaram ou foram canceladas”, diz Kersmanc.

Juntando tudo, “a expansão de IA mostra muitos sinais clássicos de uma bolha”, diz Kersmanc. “Os investidores ainda estão extrapolando a demanda muito além do que a economia subjacente parece justificar.”