O Muro da Memória: Como a Escassez de HBM Está a Redefinir a Economia da Inteligência Artificial

Está a surgir uma limitação silenciosa no centro da expansão da inteligência artificial, e não se trata da disponibilidade de capacidade computacional. Trata-se da 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 abastecimento a uma força determinante que está a moldar os preços, as estratégias empresariais e o ritmo a que a infraestrutura de IA pode ser implementada. Os efeitos são agora visíveis em toda a cadeia tecnológica, desde o custo das placas aceleradoras em Shenzhen até às margens brutas das maiores empresas de semicondutores do mundo.

A mecânica da escassez é simples, ainda que as suas implicações não o 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 liga a um processador através de milhares de canais microscópicos. É isso que permite a um acelerador de IA aceder a enormes quantidades de dados a velocidades que a memória convencional não consegue igualar. À medida que os modelos de IA se tornaram maiores e 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 convencional. Exige vias através do silício, afinamento de wafers, empilhamento, testes e encapsulamento avançado, processos que consomem capacidade de fabrico e apresentam uma produção inferior à da DRAM convencional. Cada gigabyte de HBM consome aproximadamente quatro vezes mais capacidade de wafer do que a DRAM convencional, e os rendimentos permanecem na faixa dos 50 a 60 por cento. Quando três empresas representam praticamente toda a oferta global, e quando essas empresas redireccionaram espaço de salas limpas que antes produzia memória para consumidores para HBM de margens mais elevadas, o resultado é uma pressão estrutural que se estende muito para além do próprio segmento de IA.

Os números que descrevem esta pressão são impressionantes. Prevê-se que o mercado total de HBM cresça de 35 mil milhões de dólares em 2025 para 54,6 mil milhões de dólares em 2026, um aumento superior a 50 por cento num único ano. A Samsung e a SK Hynix aumentaram os preços contratuais para 2026 da geração actual de HBM em quase 20 por cento, e o mercado espera que as unidades HBM4 da próxima geração atinjam 500 a 600 dólares por unidade, mais 55 a 70 por cento acima dos níveis actuais. Fontes do sector citadas pela DigiTimes sugerem que o preço da HBM4 poderá 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 fabrico, que exige quatro a seis meses de produção e apresenta rendimentos iniciais significativamente inferiores.

Estes aumentos de preços estão agora a percorrer a cadeia de abastecimento de formas visíveis. Na China, onde os controlos à exportação limitaram o acesso à memória avançada dos três principais fornecedores, os fabricantes de chips de IA foram obrigados a depender cada vez mais de canais do mercado paralelo, 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 acabadas. A Huawei elevou o preço indicado da sua placa Ascend 950DT para mais de 250 000 yuans, aproximadamente 37 000 dólares, um aumento de 20 a 50 por cento face aos preços indicados apenas dois meses antes. A Cambricon aumentou o preço do seu processador de próxima geração em 20 a 30 por cento. Até 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, custa agora mais de 80 000 yuans. Como a memória representa uma parte significativa do custo de produção de um acelerador, os preços mais elevados estão a repercutir-se directamente nas placas acabadas, aumentando o custo da construção de capacidade computacional de IA precisamente no momento em que a procura por essa capacidade está a acelerar.

Os efeitos não se limitam à China. A escassez reforçou a posição dos fornecedores de memória face às empresas que compram os seus produtos. A Micron, que há muito é o menor dos três produtores de HBM, planeia quase duplicar a sua capacidade mensal de wafers de HBM para aproximadamente 100 000 wafers até ao final de 2026, face a 40 000 a 50 000 wafers no ano passado. A Samsung e a SK Hynix têm, cada uma, uma capacidade mensal de HBM de cerca de 150 000 a 200 000 wafers, três a quatro vezes a escala actual da Micron. A diferença está a diminuir, mas continua a ser substancial. Mais importante ainda, o poder de fixação de preços associado à escassez está agora 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 beneficiar simultaneamente de uma procura final mais forte e perder algum poder de negociação perante um fornecedor.

Esta mudança tem implicações que vão para além das margens de empresas individuais. O mercado de memória mais amplo está a ser remodelado pelas mesmas forças. Os preços contratuais da DRAM convencional subiram aproximadamente 90 a 95 por cento em termos trimestrais nos primeiros três meses de 2026, um aumento trimestral recorde. Os preços contratuais da NAND subiram 55 a 60 por cento no mesmo período, estando previstos novos aumentos de 70 a 75 por cento para o segundo trimestre. No final de Agosto, o rácio de suficiência da oferta no mercado à vista tinha descido abaixo de 50 por cento, o que significa que os fabricantes de módulos e os OEM não conseguiam obter DRAM e NAND de uso geral suficientes para satisfazer as suas necessidades. Alguns produtos de memória legados, como a DDR4, estão a ser negociados a preços superiores aos da DDR5 mais recente, porque a capacidade foi desviada para produtos mais rentáveis. Os analistas independentes descrevem agora a situação como a maior escassez de memória da história, esperando-se que os preços elevados persistam durante o resto da década.

A nível técnico, a escassez reflecte um desequilíbrio mais profundo sobre o qual os engenheiros têm alertado há anos. O desempenho computacional dos aceleradores de IA triplica aproximadamente a cada dois anos, enquanto a largura de banda da HBM cresce menos de duas vezes durante o mesmo período. A diferença entre a velocidade a que um processador consegue efectuar cálculos e a velocidade a que os dados lhe chegam está a aumentar, não a diminuir. Como afirmou um investigador da Micron numa recente conferência do sector, este muro da memória não está a diminuir; está a crescer. A consequência prática é que adicionar mais capacidade computacional a um sistema produz retornos decrescentes se a memória não conseguir fornecer dados suficientemente depressa para manter as unidades de processamento ocupadas. Na inferência de grandes modelos de linguagem, particularmente em tarefas com tamanhos de lote reduzidos e contextos longos, o sistema pode passar a maior parte do tempo a ler pesos e cache, em vez de efectuar cálculos. Nesse ambiente, uma maior largura de banda da memória pode ser mais valiosa do que uma maior capacidade computacional bruta.

A resposta do sector tem sido tratar a memória não como um único conjunto, mas como um sistema por camadas. Os dados mais utilizados, os pesos e as caches chave-valor que têm de ser acedidos imediatamente, ficam na HBM. Os dados menos sensíveis ao tempo residem em memória DDR ou LPDDR. Os dados menos utilizados, os parâmetros e as caches dos modelos que são acedidos com pouca frequência, são armazenados em unidades de estado sólido. Gerir eficazmente esta hierarquia exige software capaz de prever que dados serão necessários e de os mover eficientemente entre as camadas. É um problema que diz tanto respeito ao software e ao desenho de sistemas como ao hardware.

Para quem acompanha os mercados de activos digitais, a escassez de memória oferece uma perspectiva útil sobre o ciclo mais amplo da infraestrutura de IA. As mesmas forças que impulsionam a procura de HBM, a expansão da capacidade de treino e inferência de modelos, estão a moldar os fluxos de capital, a procura de energia e a estratégia empresarial em todo o sector tecnológico. Os centros de dados construídos para treinar e executar grandes modelos de linguagem estão a ser concebidos para acomodar infraestruturas financeiras tokenizadas, e os investidores institucionais que financiam a expansão da IA são cada vez mais os mesmos investidores que afectam capital a activos digitais. Os dois mundos estão a tornar-se mais difíceis de separar, e a escassez de memória encontra-se na sua intersecção.

O que deverá observar um analista atento nos próximos trimestres? Em primeiro lugar, a trajectória dos preços da HBM4. Os contratos actualmente em negociação definirão a base de custos da próxima geração de aceleradores de IA, e esses custos acabarão por se reflectir no preço dos serviços de IA. Em segundo lugar, o ritmo de expansão da capacidade da Micron, da Samsung e da SK Hynix. A duplicação planeada da capacidade de wafers da Micron é significativa, mas não se espera que uma nova oferta relevante alivie o mercado antes do final de 2027, no mínimo. Em terceiro lugar, a disponibilidade dos fabricantes de chips de IA para absorver custos de memória mais elevados. Se as margens se comprimirem demasiado, isso poderá abrandar o ritmo de implementação da infraestrutura, com efeitos indirectos em toda a cadeia de abastecimento de IA.

A verdade mais profunda é que a expansão da IA entrou numa fase em que as limitações determinantes já não dizem apenas respeito ao número de processadores que podem ser fabricados. Dizem respeito à capacidade de a infraestrutura envolvente — memória, encapsulamento, energia e arrefecimento — acompanhar o ritmo. A HBM é o exemplo mais claro desta mudança, mas não será o último. O sector está a aprender que a inteligência à escala exige não apenas capacidade computacional, mas também a capacidade de transportar dados para essa capacidade computacional de forma eficiente. As empresas que resolverem esse problema capturarão uma parte substancial do valor que está a ser criado. As restantes observarão, calcularão e preparar-se-ão.
#ShareWeekly
#HBMShortageBoostsAIChipPrices