Falta de energia nos centros de dados dos EUA deverá atingir 38 GW: por que motivo Morgan Stanley favorece a Nvidia e a Broadcom

Os centros de dados de IA nos Estados Unidos são infraestruturas críticas para treinar grandes modelos de linguagem, suportar serviços de inferência e impulsionar os negócios de computação em nuvem. A sua construção exige volumes enormes de GPUs, chips ASIC, memória, equipamento de redes e uma alimentação de energia fiável. À medida que as grandes empresas tecnológicas globais continuam a aumentar as suas despesas de capital em IA, a construção de centros de dados está a expandir-se rapidamente. No entanto, a capacidade da rede, a infraestrutura de transmissão e a rapidez do acesso à energia poderão não crescer ao mesmo ritmo. A disponibilidade de energia está cada vez mais a tornar-se um fator-chave que determina se o poder de computação de IA pode ser realmente implantado na prática.

Num parecer de investigação recente, a Morgan Stanley reviu em alta a sua previsão para o défice líquido de eletricidade dos centros de dados nos EUA, de 33GW para 38GW no período 2026–2028, refletindo a crescente preocupação do mercado com a capacidade de fornecimento de energia para a infraestrutura de IA. Ao mesmo tempo, a instituição continua a destacar a Nvidia (NVDA) e a Broadcom (AVGO) como escolhas positivas relevantes no setor dos semicondutores. Acredita que fatores como a visibilidade das remessas de chips, a expansão dos mercados no estrangeiro e a eficiência de computação por unidade de energia podem ajudar algumas das empresas líderes a manterem a competitividade em ambientes em que a eletricidade é limitada.

Esta mudança sugere que a concorrência na indústria de chips para IA está a afastar-se de uma perspetiva centrada apenas em perseguir maior desempenho computacional. Cada vez mais, o foco passa também a incidir sobre a eficiência de computação, a disponibilidade de energia e os retornos das despesas de capital. Para os investidores, um desfasamento de 38GW em eletricidade não se resume apenas a prazos de construção de centros de dados. Poderá também alterar a relação concorrencial entre GPUs e ASICs e influenciar a procura futura em várias partes da cadeia de abastecimento de semicondutores, incluindo memória, comunicações óticas e gestão de energia.

O que significa o défice de energia de 38GW para os centros de dados dos EUA?

A Morgan Stanley reviu em alta a sua previsão para o défice líquido de eletricidade dos centros de dados nos EUA, de 33GW para 38GW. Isto significa que a instituição espera um desfasamento maior entre a procura de eletricidade por parte dos centros de dados de IA e a oferta de energia disponível nos próximos anos. Neste contexto, 38GW refere-se a uma diferença prevista na capacidade energética, e não ao volume de cortes de energia efetivamente já ocorridos. Além disso, não deve ser interpretado como se a rede dos EUA, no seu conjunto, estivesse a carecer de 38GW de capacidade de geração.

GW (gigawatts) é uma unidade de potência. 1GW corresponde a 1.000MW. Grandes centros de dados de IA normalmente requerem dezenas a centenas de megawatts de capacidade de energia, enquanto os campi de grande escala (hyperscale) poderão planear uma procura de eletricidade ainda mais elevada. Por conseguinte, um potencial défice de dezenas de gigawatts implica que muitos centros de dados já planeados poderão ter de aguardar melhorias da rede, ajustar localizações de construção ou adotar soluções energéticas alternativas.

Importa notar que o fornecimento de energia a centros de dados é influenciado por múltiplos fatores, incluindo a capacidade local de ligação à rede, a construção de subestações, as linhas de transmissão, os recursos de geração e as aprovações relacionadas. Mesmo que a geração total de uma região seja suficiente, isso não garante que um centro de dados específico consiga assegurar energia adequada dentro do prazo planeado. Assim, o défice de eletricidade reflete sobretudo um desfasamento entre oferta e procura tanto ao longo do tempo como no território.

Para a indústria de IA, as limitações de energia poderão atrasar algumas expansões de capacidade de computação. Isso poderá afetar a aquisição de GPUs, a entrega de servidores e o timing de lançamento dos serviços em nuvem. Os investidores precisam de distinguir entre a capacidade planeada dos centros de dados, a capacidade de energia efetivamente aprovada e a capacidade de computação que já está em operação. Estes indicadores não são equivalentes.

Porque é que uma escassez de energia poderá alterar o panorama concorrencial entre GPUs e ASICs?

As GPUs e os ASICs são duas categorias importantes de chips para computação de IA. As GPUs têm capacidades fortes de computação paralela de uso geral e podem suportar treino de modelos, inferência e uma vasta gama de tarefas de computação. Os ASICs são circuitos integrados específicos de aplicação, concebidos para casos de uso particulares. Em regra, melhoram o desempenho e a eficiência otimizando a arquitetura do chip e os fluxos de trabalho de computação.

Quando o fornecimento de energia é relativamente suficiente, os operadores de centros de dados podem ponderar preços de compra dos chips, desempenho de computação, compatibilidade de software e custos de operação a longo prazo. Porém, quando a capacidade de energia se torna uma restrição rígida, as empresas precisam de se concentrar mais em quantas tarefas de computação uma unidade de energia consegue executar. No caso dos negócios de inferência em IA, isto pode ser expresso como o número de Tokens processados por watt de eletricidade.

A Morgan Stanley considera que a Nvidia tem uma vantagem competitiva em eficiência de output de tokens por watt. Em ambientes condicionados pela energia, alguns produtos ASIC poderão sofrer pressão sobre quota de mercado. O núcleo desta perspetiva é que os clientes de centros de dados poderão dar prioridade a plataformas de computação que produzam mais output real dentro de um orçamento de potência limitado, em vez de se focarem apenas nos custos de aquisição de chips.

Ainda assim, não é correto concluir que todos os ASICs são menos eficientes do que as GPUs. O Google TPU, o Amazon Trainium e outros aceleradores de IA personalizados poderão igualmente oferecer vantagens fortes de eficiência em determinados modelos e workloads. O desempenho efetivo de chips diferentes depende da arquitetura do modelo, da exatidão da inferência, dos tamanhos de lote, da configuração de memória, da otimização de software e da utilização do sistema.

Assim, não existe uma conclusão fixa aplicável a todos os cenários na concorrência GPU vs. ASIC. A perspetiva da Morgan Stanley é melhor entendida do seguinte modo: nas condições atuais de produto e de implementação, a eficiência a nível de sistema de algumas plataformas de computação da Nvidia poderá receber mais atenção. A competitividade dos ASICs continua, porém, a ter de ser avaliada com base em workloads específicos.

Porque é que a Morgan Stanley continua a favorecer a Nvidia (NVDA)?

A Nvidia (NVIDIA, NVDA) é um grande fornecedor no mercado global de computação de aceleração para IA. A sua vantagem competitiva não reside apenas nos próprios chips de GPU, mas também no ecossistema de software CUDA, nas interligações de rede, nos sistemas de servidores e nas ferramentas de desenvolvimento relacionadas. À medida que a procura por treino de modelos de IA e por inferência continua a crescer, a Nvidia tem vindo a lançar novas plataformas de computação para melhorar o desempenho de computação, a largura de banda da memória e a eficiência global do sistema.

A Morgan Stanley continua a favorecer a Nvidia sobretudo com base em fatores como orientação conservadora de resultados, maior visibilidade das remessas de chips, expansão nos mercados internacionais e eficiência de computação por unidade de energia. Para os investidores, a visibilidade de remessas significa que as entregas de produtos e a procura dos clientes no período seguinte poderão ser mais claras, o que pode reduzir alguma incerteza nas previsões de receitas. Ainda assim, encomendas e expectativas de entrega podem mudar devido a os clientes ajustarem as suas despesas de capital ou a alterações na cadeia de abastecimento.

Num cenário marcado por restrições de energia, a eficiência a nível de sistema da Nvidia poderá tornar-se uma vantagem competitiva importante. Os operadores de centros de dados precisam de comparar não só o desempenho de uma única GPU, mas também a eficiência dos servidores, das redes, dos sistemas de arrefecimento e do tempo de execução do software. Se uma plataforma de computação conseguir executar mais tarefas de inferência com a mesma capacidade de energia, poderá aumentar o potencial de receitas de um centro de dados.

Ao mesmo tempo, a Nvidia enfrenta pressão competitiva no longo prazo. As grandes empresas de computação em nuvem estão continuamente a desenvolver chips de IA personalizados para reduzir custos de computação e melhorar a autonomia na cadeia de abastecimento. Mesmo que as receitas da Nvidia continuem a crescer, a sua quota de mercado, margens brutas e nível de avaliação poderão não evoluir em sintonia. Por isso, ao analisar as ações da NVDA, os investidores continuam a precisar de se focar nas receitas dos centros de dados, nas margens brutas dos produtos, nas despesas de capital dos clientes e na concorrência de chips personalizados.

Porque é que a Broadcom (AVGO) também recebe a atenção da Morgan Stanley?

A Broadcom (Broadcom, AVGO) é uma grande empresa de semicondutores e de software de infraestruturas, com exposição em áreas como aceleradores de IA personalizados, chips de comutação de rede e interligações de alta velocidade. À medida que as grandes empresas de computação em nuvem expandem a construção de centros de dados de IA, a procura por chips personalizados e por infraestrutura de rede torna-se uma oportunidade de crescimento relevante para a Broadcom.

Ao contrário da Nvidia, cujo negócio-chave se centra em grande medida na disponibilização de plataformas de GPU de uso geral, uma das orientações importantes da Broadcom passa por ajudar grandes clientes tecnológicos a desenvolver chips personalizados adaptados a workloads específicos. Para prestadores de serviços em nuvem com muitos tipos de tarefas de computação repetitivas, os ASICs personalizados podem reduzir alguns custos de computação através de otimização direcionada. Além disso, grandes clusters de IA exigem chips de comutação de alta velocidade e equipamento de rede para ligar nós de computação, o que cria também oportunidades de mercado para a Broadcom.

A posição simultaneamente positiva da Morgan Stanley em Nvidia e Broadcom indica que não encara GPUs e ASICs como direções de investimento completamente opostas. Mesmo que alguns produtos ASIC enfrentem pressão de quota em ambientes com restrições de energia, os chips personalizados ainda podem continuar a crescer em clientes específicos e em cenários de computação específicos. A Broadcom também não depende exclusivamente de um negócio de ASIC. O seu negócio de semicondutores de rede pode participar na expansão à escala dos clusters de IA.

Dito isto, o negócio de chips personalizados da Broadcom poderá ser afetado pelos prazos dos projetos de grandes clientes. Se os clientes alterarem os seus planos de I&D de chips, os calendários de construção dos centros de dados ou as despesas de capital, o crescimento das receitas relacionadas poderá oscilar. Por conseguinte, a tese de investimento da AVGO precisa de considerar em simultâneo a procura por chips de IA personalizados, o crescimento do negócio de redes e o risco de concentração de clientes.

Porque é que as expectativas de capex dos centros de dados para 2027–2028 estão a ser questionadas?

A Morgan Stanley refere que o mercado está a tentar alinhar a previsão para 2027, de cerca de 1,5 biliões de dólares, e a previsão para 2028, de cerca de 1,6 biliões de dólares, para as despesas de capital dos centros de dados com a capacidade real de fornecimento de energia. Estas cifras são previsões do mercado sobre a dimensão futura do investimento, não despesas de capital que já tenham sido aprovadas, assinadas ou efetivamente ocorridas. O âmbito estatístico exato também precisa de ser confirmado com base no documento de investigação subjacente.

As despesas de capital dos centros de dados de IA incluem tipicamente projetos como chips de computação, servidores, equipamento de redes, construção de instalações e infraestrutura de energia e arrefecimento. Mesmo que as empresas tecnológicas tenham forte intenção de investimento, parte do hardware poderá não ser implementada a tempo se a rede não conseguir disponibilizar capacidade suficiente dentro do prazo planeado.

Este problema pode influenciar as decisões de afetação de capital das empresas. Por exemplo, se um centro de dados planeia iniciar operações em 2027 mas a entrega de energia for adiada até 2029, um operador poderá optar por adiar compras de GPUs e de servidores para evitar um período prolongado de inatividade após a chegada antecipada dos equipamentos. Para chips de IA que evoluem rapidamente, a aquisição antecipada também pode aumentar o risco de desvalorização dos equipamentos.

Assim, o mercado precisa de distinguir entre três fases distintas: as empresas anunciam planos de capex, depois compram e constroem efetivamente a infraestrutura, e, por fim, o equipamento de computação é oficialmente colocado em operação e começa a gerar receitas. Apenas a última fase se converte verdadeiramente em fluxos de caixa operacionais contínuos a partir desses ativos de computação.

Porque é que uma construção mais lenta de centros de dados poderá afetar chips de armazenamento e módulos óticos?

A cadeia de indústria dos centros de dados de IA tem ciclos longos de aquisição e de produção. Os fabricantes de chips, os fornecedores de memória e as empresas de equipamento de redes normalmente planeiam a produção com base nas necessidades previstas dos clientes nos próximos vários trimestres. Quando o mercado espera um crescimento rápido do investimento em infraestrutura de IA, os clientes podem comprar componentes-chave com antecedência para garantir a disponibilidade futura do equipamento.

Contudo, se a construção dos centros de dados for atrasada devido a escassez de energia, alguns componentes planeados poderão não ser implementados a tempo. Como resultado, as empresas poderão adiar compras, ajustar inventários ou reagendar entregas. Estas alterações podem, de repente, expor produtos que antes estavam com oferta muito apertada a um ritmo de procura mais lento.

Os chips de armazenamento são uma área que deve ser acompanhada de perto. A procura por HBM e por DRAM de servidor está estreitamente ligada à dimensão e ao ritmo de implementação dos aceleradores de IA. Se a velocidade com que novos clusters de GPUs entram em operação abrandar, o timing de aprovisionamento de memória relacionada também poderá ser afetado. Ao mesmo tempo, a indústria de chips de armazenamento é cíclica. Expansões das empresas e clientes que se abastecem com antecedência podem amplificar ainda mais alterações na oferta e na procura.

Os módulos óticos e componentes de interligação de alta velocidade dependem igualmente da construção de grandes clusters de computação. Se a implementação dos centros de dados for adiada, as encomendas para equipamento de rede relacionado poderão ser recuadas. Para empresas de gestão de energia e de chips analógicos, o progresso efetivo na construção de servidores e de sistemas de fornecimento de energia também influenciará a procura pelos produtos.

Ainda assim, atrasos na construção não significam necessariamente que a procura final desapareça. Algumas encomendas podem resultar apenas em entregas diferidas, e não em cancelamentos permanentes. O impacto real continua a depender dos inventários dos fornecedores, dos acordos de compra dos clientes e do crescimento da procura noutras regiões. Por isso, os investidores precisam de distinguir entre oscilações de encomendas a curto prazo e mudanças no tamanho do mercado a longo prazo.

Que ações de semicondutores poderão ser afetadas por estrangulamentos de energia nos centros de dados de IA?

As diferentes empresas de semicondutores ocupam posições distintas na cadeia de abastecimento de IA; por isso, o impacto das restrições de fornecimento de energia varia entre os seus negócios.

Para a NVDA e a AVGO, os estrangulamentos de energia podem criar tanto oportunidades como desafios. Por um lado, os clientes poderão dar mais ênfase à eficiência energética, o que poderá aumentar a procura por plataformas de high-performance computing e por chips otimizados. Por outro lado, se a construção de centros de dados abrandar, as entregas efetivas de chips também poderão ser afetadas.

Para a MU e outros fornecedores de memória, a questão principal é saber se as compras de servidores de IA conseguem continuar a crescer e se o aprovisionamento antecipado leva à acumulação de inventários. Para empresas de infraestrutura de energia como VRT e ETN, o crescimento da procura de eletricidade nos centros de dados pode criar um novo mercado de equipamentos, mas os projetos relevantes continuam limitados por calendários de construção, aprovações e orçamentos de investimento.

Assim, não é correto assumir que as falhas de energia irão automaticamente beneficiar as ações de equipamentos de energia ou prejudicar automaticamente todas as empresas de semicondutores. A mistura de encomendas, as competências técnicas e os níveis de avaliação de cada empresa ainda determinam quanto é que esta irá beneficiar, na prática.

Como usar o Gate Stock para acompanhar a cadeia de abastecimento de energia para chips de IA e centros de dados?

Para investidores que pretendem acompanhar o ciclo de investimento na infraestrutura de IA, podem usar o Gate Stock para seguir empresas de semicondutores como a Nvidia (NVDA), a Broadcom (AVGO) e a Micron Technology (MU). Também podem conjugar isto com ETFs do setor de gestão de energia em centros de dados, equipamento de arrefecimento e tecnologia relacionada para observar como diferentes segmentos da cadeia de abastecimento estão a desempenhar-se no mercado.

O Gate Stock disponibiliza uma forma de usar USDT para negociar ações e ETFs dos EUA. Os tickers específicos negociáveis, as comissões de negociação e as regras do produto dependem das páginas reais da plataforma.

Ao analisar ações relacionadas, os investidores devem observar três dimensões em simultâneo: primeiro, se a procura de computação de IA continua a crescer; segundo, se os centros de dados conseguem assegurar energia suficiente e entrar em funcionamento dentro do calendário; e, por fim, se as empresas conseguem converter encomendas e vantagens técnicas em lucros e fluxos de caixa. Confiar apenas em previsões de capex dos centros de dados não é suficiente para avaliar o valor de longo prazo de uma ação.

Resumo

A Morgan Stanley reviu em alta a sua previsão para o défice líquido de eletricidade dos centros de dados nos EUA em 2026–2028, de 33GW para 38GW. Isto reflete restrições energéticas cada vez mais claras para a expansão da infraestrutura de IA. Mesmo que as grandes empresas tecnológicas continuem a aumentar as despesas de capital, se os centros de dados conseguem assegurar energia conforme planeado continuará a influenciar a escala real de implementação de GPUs, ASICs, chips de memória e equipamento de redes.

Neste contexto, a concorrência de chips poderá colocar ainda mais ênfase na eficiência de computação por unidade de energia. A Morgan Stanley continua a favorecer a Nvidia e a Broadcom, refletindo confiança de longo prazo em plataformas de high-performance computing, chips personalizados e procura por redes de alta velocidade. Ainda assim, a concorrência GPU vs. ASIC depende do workload específico. Não é possível avaliar a quota de mercado futura com base apenas num único indicador de eficiência.

Entretanto, se a construção dos centros de dados abrandar devido a insuficiência de fornecimento de energia, os componentes de armazenamento, de módulos óticos e de gestão de energia que tinham sido antecipados devido à rigidez da oferta poderão enfrentar ajustes de inventário e volatilidade de encomendas. Para os investidores, a prioridade daqui para a frente deverá centrar-se na capacidade efetivamente implantada, nas taxas de concretização de capex das empresas, na eficiência energética dos chips e nos inventários da cadeia de abastecimento — e não apenas no montante total presente nos planos de construção de centros de dados.

Na próxima fase do investimento em infraestrutura de IA, o ponto-chave já não é apenas quantos chips podem ser comprados. É quanto de computação efetiva pode ser suportado por recursos energéticos limitados — e quanto de receita comercial essas capacidades de computação acabarão por gerar.

FAQ

O que significa o défice de eletricidade de 38GW para os centros de dados nos EUA?

Trata-se da previsão da Morgan Stanley para o défice líquido entre oferta e procura de eletricidade dos centros de dados nos EUA no período de 2026 a 2028. Reflete a possibilidade de existir uma diferença relevante entre a procura de eletricidade planeada e a capacidade energética disponível. Não significa que os EUA já tenham experienciado 38GW de cortes efetivos.

Porque é que uma escassez de energia poderia beneficiar as GPUs da Nvidia?

Quando a eletricidade disponível para os centros de dados é limitada, os operadores podem colocar mais ênfase em quantas tarefas de computação de IA conseguem ser concluídas por watt. Se as plataformas de computação da Nvidia entregarem uma eficiência energética a nível de sistema mais elevada em workloads específicos, a Nvidia poderá ganhar uma vantagem competitiva. Ainda assim, o resultado real depende das configurações dos chips, das otimizações de software e dos cenários de aplicação.

As chips ASIC vão perder quota de mercado devido a uma escassez de energia?

Alguns produtos ASIC poderão enfrentar pressão competitiva, mas não se pode generalizar. Os ASICs personalizados também podem atingir elevada eficiência energética para tarefas específicas de IA. A quota de mercado futura dependerá do desempenho dos chips, do custo, do ecossistema de software e das estratégias de implementação dos clientes.

Porque é que a Morgan Stanley favorece tanto a NVDA como a AVGO?

A Nvidia tem vantagens em GPUs, sistemas de computação acelerada e ecossistemas de software. A Broadcom participa no mercado de chips de IA personalizados e de redes de alta velocidade. As duas empresas beneficiam do investimento em infraestrutura de IA de formas diferentes, e isso não significa que apenas GPUs ou apenas ASICs consigam crescer.

Porque é que uma construção mais lenta de centros de dados pode afetar chips de armazenamento?

Se os centros de dados atrasarem a implementação de servidores devido a restrições de energia, os clientes poderão, em correspondência, adiar a compra de HBM, DRAM e outros componentes. Se houve aprovisionamento antecipado antes, os ajustes de inventário a curto prazo poderão amplificar ainda mais a volatilidade de encomendas e de preços.

Uma falta de eletricidade de 38GW fará com que o investimento em IA pare em todo o setor?

Não necessariamente. As empresas podem mitigar algumas limitações ajustando localizações de construção, implementando por fases, melhorando a eficiência energética da computação ou adicionando infraestruturas de energia. No entanto, estas medidas geralmente requerem tempo e dinheiro, pelo que não conseguem garantir que todos os projetos planeados sejam concluídos dentro do calendário.