A muralha da memória: como a escassez de HBM está redefinindo a economia da inteligência artificial

Há uma restrição silenciosa surgindo no centro da expansão da inteligência artificial, e ela não está na disponibilidade de computação em si. Está na memória que a alimenta. Nos últimos meses, uma escassez global de memória de alta largura de banda passou de uma nota de rodapé da cadeia de suprimentos a uma força determinante que molda preços, estratégias corporativas e o ritmo em que a infraestrutura de IA pode ser implantada. Os efeitos agora são visíveis em toda a cadeia, desde o custo das placas aceleradoras em Shenzhen até as margens brutas das maiores empresas de semicondutores do mundo.

A mecânica da escassez é simples, mesmo que suas implicações não sejam. A memória de alta largura de banda, ou HBM, é uma forma especializada de memória dinâmica de acesso aleatório que empilha verticalmente camadas de chips de memória e as conecta a um processador por meio de milhares de canais microscópicos. É isso que permite que um acelerador de IA acesse enormes quantidades de dados a velocidades que a memória convencional não consegue igualar. À medida que os modelos de IA cresceram e se tornaram mais complexos, a quantidade de HBM necessária por processador aumentou acentuadamente. O H100 da Nvidia tinha 80 gigabytes de HBM. O B200 tem 192 gigabytes. O Blackwell Ultra tem 288 gigabytes, um aumento de 3,6 vezes em apenas duas gerações.

O problema é que produzir HBM é significativamente mais difícil do que produzir memória padrão. Isso exige vias através do silício, afinamento de wafers, empilhamento, testes e encapsulamento avançado, processos que consomem capacidade de fabricação e geram uma produção menor do que a DRAM convencional. Cada gigabyte de HBM consome aproximadamente quatro vezes a capacidade de wafer da DRAM padrão, e os rendimentos continuam na faixa de 50% a 60%. Quando três empresas respondem por praticamente toda a oferta global, e quando essas empresas redirecionaram espaço de salas limpas que antes produzia memória para consumidores para HBM de margens mais altas, o resultado é um aperto estrutural que se estende muito além do próprio segmento de IA.

Os números que descrevem esse aperto são impressionantes. Projeta-se que o mercado total de HBM cresça de 35 bilhões de dólares em 2025 para 54,6 bilhões de dólares em 2026, um aumento de mais de 50% em um único ano. A Samsung e a SK Hynix elevaram em quase 20% os preços contratuais de 2026 para a geração atual de HBM, e o mercado espera que os stacks de HBM4 de próxima geração se estabeleçam em 500 a 600 dólares por unidade, outros 55% a 70% acima dos níveis atuais. Fontes do setor citadas pelo DigiTimes sugerem que o preço da HBM4 pode subir de cerca de 2 dólares por gigabit no segundo semestre de 2026 para 4 ou 5 dólares ou mais, impulsionado pela extrema complexidade do processo de fabricação, que exige de quatro a seis meses de produção e sofre com rendimentos iniciais significativamente menores.

Esses aumentos de preços agora estão percorrendo a cadeia de suprimentos de maneiras visíveis. Na China, onde os controles de exportação limitaram o acesso à memória avançada dos três fornecedores dominantes, os fabricantes de chips de IA foram forçados a depender cada vez mais de canais do mercado cinza, pagando várias vezes mais do que os compradores fora da China pagam pelos mesmos componentes. O resultado foram aumentos acentuados no custo das placas aceleradoras prontas. A Huawei elevou o preço anunciado de sua placa Ascend 950DT para mais de 250.000 yuans, aproximadamente 37.000 dólares, um aumento de 20% a 50% em relação aos preços cotados apenas dois meses antes. A Cambricon reajustou o preço de seu processador de próxima geração para um nível 20% a 30% mais alto. Até mesmo os produtos de gerações anteriores ficaram mais caros: a Ascend 950PR, que era vendida por cerca de 60.000 yuans por placa no início do ano, agora alcança mais de 80.000 yuans. Como a memória representa uma grande parcela do custo de produção de um acelerador, os preços mais altos estão sendo repassados diretamente às placas prontas, elevando o custo de construir capacidade computacional de IA justamente no momento em que a demanda por essa capacidade está acelerando.

Os efeitos não estão restritos à China. A escassez fortaleceu a posição dos fornecedores de memória em relação às empresas que compram seus produtos. A Micron, que há muito tempo é a menor das três produtoras de HBM, planeja quase dobrar sua capacidade mensal de wafers de HBM para aproximadamente 100.000 wafers até o fim de 2026, ante 40.000 a 50.000 wafers no ano passado. A Samsung e a SK Hynix têm, cada uma, capacidade mensal de HBM de cerca de 150.000 a 200.000 wafers, três a quatro vezes a escala atual da Micron. A diferença está diminuindo, mas continua substancial. Mais importante, o poder de precificação resultante da escassez agora está firmemente nas mãos dos fornecedores. Como observou uma análise, a escassez de memória é uma das raras tendências de IA em que a Nvidia pode se beneficiar simultaneamente de uma demanda final mais forte e perder um pouco de poder de barganha para um fornecedor.

Essa mudança tem implicações que vão além das margens de empresas individuais. O mercado mais amplo de memória está sendo remodelado pelas mesmas forças. Os preços contratuais da DRAM convencional subiram aproximadamente 90% a 95% na comparação trimestral nos primeiros três meses de 2026, um aumento trimestral recorde. Os preços contratuais da NAND subiram de 55% a 60% no mesmo período, com novos aumentos de 70% a 75% projetados para o segundo trimestre. No fim de agosto, o índice de suficiência da oferta no mercado à vista havia caído abaixo de 50%, o que significa que fabricantes de módulos e OEMs não conseguiam obter DRAM e NAND de uso geral suficientes para atender às suas necessidades. Alguns produtos de memória legados, como a DDR4, estão sendo negociados acima da DDR5 mais recente porque a capacidade foi desviada para produtos mais lucrativos. Analistas independentes agora descrevem a situação como a maior escassez de memória da história, com a expectativa de que os preços elevados persistam pelo restante da década.

No nível técnico, a escassez reflete um desequilíbrio mais profundo sobre o qual os engenheiros vêm alertando há anos. O desempenho computacional dos aceleradores de IA aproximadamente triplica a cada dois anos, enquanto a largura de banda da HBM cresce menos de duas vezes no mesmo período. A diferença entre a velocidade com que um processador consegue calcular e a velocidade com que os dados conseguem chegar até ele está aumentando, não diminuindo. Como afirmou um pesquisador da Micron em uma conferência recente do setor, essa muralha da memória não está encolhendo; está crescendo. A consequência prática é que adicionar mais computação a um sistema gera retornos decrescentes se a memória não conseguir fornecer dados rápido o suficiente para manter as unidades de computação ocupadas. Na inferência de modelos de linguagem grandes, especialmente em tarefas com tamanhos de lote pequenos e contextos longos, o sistema pode passar a maior parte do tempo lendo pesos e cache em vez de realizar cálculos. Nesse ambiente, mais largura de banda de memória pode ser mais valioso do que mais computação bruta.

A resposta do setor tem sido tratar a memória não como um único pool, mas como um sistema em camadas. Os dados mais quentes, os pesos e caches de chave-valor que precisam ser acessados imediatamente, ficam na HBM. Os dados menos urgentes ficam na memória DDR ou LPDDR. Os dados mais frios, parâmetros de modelos e caches acessados com pouca frequência, são armazenados em unidades de estado sólido. Gerenciar essa hierarquia de forma eficaz exige software capaz de prever quais dados serão necessários e movê-los pelas camadas com eficiência. É um problema tão relacionado a software e ao design de sistemas quanto ao hardware.

Para quem acompanha os mercados de ativos digitais, a escassez de memória oferece uma perspectiva útil sobre o ciclo mais amplo da infraestrutura de IA. As mesmas forças que impulsionam a demanda por HBM, a expansão da capacidade de treinamento e inferência de modelos, estão moldando os fluxos de capital, a demanda por energia e a estratégia corporativa em todo o setor de tecnologia. Os data centers construídos para treinar e executar grandes modelos de linguagem estão sendo projetados para acomodar infraestrutura financeira tokenizada, e os investidores institucionais que financiam a expansão da IA são cada vez mais os mesmos investidores que alocam capital em ativos digitais. Os dois mundos estão ficando mais difíceis de separar, e a escassez de memória está na interseção entre eles.

O que um observador cuidadoso deve acompanhar nos próximos trimestres? Primeiro, a trajetória dos preços da HBM4. Os contratos negociados agora definirão a base de custos da próxima geração de aceleradores de IA, e esses custos acabarão refletidos no preço dos serviços de IA. Segundo, o ritmo de expansão da capacidade da Micron, da Samsung e da SK Hynix. A duplicação planejada da capacidade de wafers da Micron é significativa, mas não se espera que uma nova oferta relevante alivie o mercado antes do fim de 2027, no mínimo. Terceiro, a disposição dos fabricantes de chips de IA de absorver custos mais altos de memória. Se as margens se comprimirem demais, isso poderia desacelerar o ritmo de implantação da infraestrutura, com efeitos em cadeia por toda a cadeia de suprimentos de IA.

A verdade mais profunda é que a expansão da IA entrou em uma fase em que as restrições determinantes já não dizem respeito apenas a quantos processadores podem ser fabricados. Elas dizem respeito a se a infraestrutura ao redor, memória, encapsulamento, energia e resfriamento, consegue acompanhar o ritmo. A HBM é o exemplo mais claro dessa mudança, mas não será o último. O setor está aprendendo que a inteligência em escala exige não apenas computação, mas também a capacidade de mover dados até essa computação com eficiência. As empresas que resolverem esse problema capturarão uma parcela substancial do valor criado. As demais observarão, calcularão e se prepararão.
#ShareWeekly
#HBMShortageBoostsAIChipPrices