2026-11-04 · Fonte:华尔街见闻全球·中继

A narrativa de capex em semicondutores esfria e o mercado busca ansiosamente a "próxima história da IA"; para compradores de poder computacional, as decisões de aquisição nesse período de virada narrativa exigem novos parâmetros de referência.
Wall Street está mudando a forma de perguntar: o próximo turno do rally de IA pode não estar mais nas mãos dos chips. Pete Callahan, especialista em TMT do Goldman Sachs, afirmou em um recente painel de discussão que a narrativa de investimento em IA está migrando do capex de semicondutores para a camada de aplicações, com a "economia de inferência" e os agentes pessoais como novas palavras-chave. Esse diagnóstico não é vago: trata-se de uma reflexão sistemática sobre a linha-mestra do mercado nos últimos dois anos. Desde 2023, a lógica central do rally global de IA girou sempre em torno do lado da oferta de computação: o ritmo de entregas dos fabricantes de chips, os planos de capex em data centers dos provedores de nuvem e o avanço da capacidade de processos avançados e memória de alta largura de banda — praticamente cada surpresa positiva acendia o sentimento do mercado. Mas Callahan aponta que, quando "quanto foi investido" já se tornou informação pública conhecida por todos, o espaço para desvios de expectativa dessa linha-mestra foi drasticamente comprimido.
O peso dessa virada está na troca do sistema de referência. Anteriormente, a narrativa de investimento em IA tinha como núcleo o capex de semicondutores, e o mercado acompanhava a escala dos investimentos em chips e data centers — a corrida armamentista por poder de treinamento na nuvem, a competição de parâmetros entre modelos gigantes e a infraestrutura elétrica e de refrigeração que sustenta tudo isso formavam a rota principal pela qual o capital se aglomerou nos últimos dois anos. Segundo o framework de Callahan, o deslocamento do foco narrativo para a economia de inferência significa que o ponto de observação migrará de "quanto foi investido" para que negócios o lado da inferência consegue gerar. Em outras palavras, o mercado passa a se importar com quanto valor comercial mensurável cada GPU realmente produz após a implantação: volume de chamadas de inferência, custo por token, conversão paga na camada de aplicações — esses indicadores substituirão gradualmente o próprio capex como novo padrão para avaliar a saúde da indústria de IA.
Se histórias da camada de aplicações, como os agentes pessoais, assumirem o comando, a atenção pode se expandir da cadeia de suprimentos de hardware para a qualidade real da implementação das aplicações. Os chamados agentes pessoais são assistentes de IA capazes de executar tarefas de forma autônoma em nome do usuário e de operar entre aplicativos; são vistos como uma das maiores fontes potenciais de demanda por inferência — cada chamada autônoma de um agente é um consumo real de poder computacional de inferência. Se essa narrativa se confirmar, a sustentabilidade da demanda por computação do lado da inferência deixará de depender da determinação de capex de poucos provedores de nuvem e passará a ser impulsionada conjuntamente por bilhões de cenários de aplicação de ponta, o que tem implicações estruturais para o equilíbrio da oferta de poder computacional.
Sobre a IA de programação, Callahan foi direto: ela já não é mais um segredo de mercado. Os assistentes de programação já foram vistos como o cenário de monetização mais certo da camada de aplicações, e sua velocidade de geração de receita e fidelização de usuários chegaram a empolgar o mercado; mas, quando uma linha-mestra é conhecida por todos, o desvio de expectativa que ela pode gerar é limitado — o que o mercado realmente falta é uma nova história capaz de assumir o turno. É essa a urgência mais genuína do painel: o mercado busca ansiosamente a "próxima história da IA", mas a resposta ainda não foi revelada.
Para compradores de poder computacional e investidores, vale atentar para o que a virada narrativa significa para o mercado de hardware. Se a camada de aplicações assumir como linha-mestra, o espaço futuro do mercado de semicondutores precisará ser sustentado por novas evidências além do capex; antes que a nova história apareça, a negociação de IA provavelmente será repetidamente testada na janela vazia em que a história antiga se esgotou e a nova ainda não chegou. O traço típico dessa janela vazia é a volatilidade intensificada e a divergência de valuations: ativos sustentados puramente pela narrativa enfrentam pressão de correção, enquanto empresas cujo fluxo de caixa e receita de inferência podem ser verificados tendem a resistir melhor.
Para os compradores reais de poder computacional de IA, essa virada também tem valor direto de referência para decisões. Primeiro, a ascensão da demanda por inferência significa que a estrutura de compras deve passar de "acumulação pontual e massiva de poder de treinamento" para "expansão elástica sob demanda de poder de inferência": como as cargas de inferência são mais voláteis, o custo ajustado ao risco de modelos de cobrança por uso ou aluguel de curto prazo pode superar o travamento de longo prazo de gabinetes completos. Segundo, a janela vazia narrativa costuma ser uma janela de barganha de preços: quando a narrativa de capex esfria e o mercado se torna cauteloso quanto ao hardware, a pressão de alta sobre os preços spot e de aluguel de computação tende a aliviar, permitindo que os compradores negociem com mais tranquilidade, sem temer que a computação seja disputada freneticamente pelo lado das aplicações. Terceiro, ao avaliar fornecedores, além das especificações de hardware, deve-se observar a estabilidade dos serviços de inferência, a eficiência do escalonamento e a transparência da medição — no contexto da "economia de inferência", o output efetivo real de cada unidade de computação é o verdadeiro denominador do custo.
Cabe lembrar: a virada narrativa não significa o fim da lógica do hardware. A corrida dos grandes modelos no lado do treinamento continua, e o crescimento da demanda no lado da inferência depende, em essência, justamente da expansão contínua da oferta de hardware. A verdadeira mudança está na lógica de valuation: o mercado exigirá uma cadeia causal mais clara entre investimento em hardware e receita de inferência. Nesse sentido, o diagnóstico de Callahan é menos uma posição de baixa nos chips e mais um estabelecimento de "padrão de prova" mais elevado para toda a cadeia da indústria de IA — quem primeiro fizer funcionar o negócio do lado da inferência terá o bilhete de entrada para a "próxima história da IA".
Quanto aos dados de mercado: os ativos de computação GPU relacionados a essa virada narrativa não estão incluídos no rastreamento em tempo real deste site, e o modelo em questão não possui dados de preços à venda no momento. Compradores que precisarem dos preços transacionáveis mais recentes e das quantidades disponíveis devem acompanhar os próximos relatórios de mercado de computação deste site ou obter cotações direcionadas pelo canal de consultas.
P: Qual é o significado central da "economia de inferência" citada pelo Goldman Sachs, e qual a diferença em relação à linha-mestra anterior de investimento em IA?
R: Segundo o framework de Pete Callahan, especialista em TMT do Goldman Sachs, a mudança central é que o ponto de observação passa de "quanto foi investido" em capex para que negócios o lado da inferência consegue gerar; os agentes pessoais tornam-se a principal fonte incremental de demanda, enquanto a IA de programação já não é mais segredo de mercado, com espaço limitado de desvio de expectativa.
P: Na janela vazia da transição entre histórias antigas e novas da negociação de IA, como os compradores de computação devem ajustar sua estratégia de aquisição?
R: Recomenda-se migrar da acumulação de poder de treinamento para a expansão elástica de poder de inferência, priorizando modelos de cobrança por uso ou aluguel de curto prazo para proteger contra a volatilidade das cargas, e aproveitar a janela de barganha trazida pelo esfriamento da narrativa para negociar com calma; como o modelo em questão não possui dados de preços à venda no momento, antes de transacionar deve-se prevalecer a consulta em tempo real e os relatórios de mercado mais recentes.
P: Qual é o significado central da "economia de inferência" citada pelo Goldman Sachs, e qual a diferença em relação à linha-mestra anterior de investimento em IA?
R: Segundo o framework de Pete Callahan, especialista em TMT do Goldman Sachs, a mudança central é que o ponto de observação passa de "quanto foi investido" em capex para que negócios o lado da inferência consegue gerar; os agentes pessoais tornam-se a principal fonte incremental de demanda, enquanto a IA de programação já não é mais segredo de mercado, com espaço limitado de desvio de expectativa.
P: Na janela vazia da transição entre histórias antigas e novas da negociação de IA, como os compradores de computação devem ajustar sua estratégia de aquisição?
R: Recomenda-se migrar da acumulação de poder de treinamento para a expansão elástica de poder de inferência, priorizando modelos de cobrança por uso ou aluguel de curto prazo para proteger contra a volatilidade das cargas, e aproveitar a janela de barganha trazida pelo esfriamento da narrativa para negociar com calma; como o modelo em questão não possui dados de preços à venda no momento, antes de transacionar deve-se prevalecer a consulta em tempo real e os relatórios de mercado mais recentes.
Tags: Goldman Sachs · Pete Callahan · Inference Economy · AI Agents · Semiconductor Capex
萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado