- Os investimentos ligados à IA cresceram de forma explosiva, impulsionados por taxas de juros artificialmente baixas, formando a maior bolha da história
- A consultoria de pesquisa independente MacroStrategy Partnership afirma que a bolha da IA tem escala 17 vezes maior que a bolha pontocom e 4 vezes maior que a crise do subprime
- Com base na teoria de Knut Wicksell, do economista do século XIX, o relatório explica que juros baixos estão alocando capital de forma ineficiente e fazendo com que parte do PIB seja mal utilizada
- O relatório também aponta os limites de melhora de desempenho dos LLMs e a falta de rentabilidade, citando como exemplo que, mesmo com aumento de 10 vezes no custo dos modelos, quase não há melhora
- O analista recomenda reduzir exposição a empresas de IA e de plataformas, ampliar investimentos em recursos naturais e mercados emergentes (Índia e Vietnã) e adotar uma estratégia de compra de ouro, Treasuries de curto prazo e iene
Tamanho da bolha da IA e seus fundamentos
- O recente ambiente de juros artificialmente baixos estimulou o boom de investimentos em IA
- A MacroStrategy Partnership avalia que o atual investimento em IA é o maior entre as bolhas históricas
- Calculado como um “déficit wickselliano” equivalente a 17 vezes a bolha pontocom e 4 vezes a crise imobiliária de 2008
- Isso inclui não apenas IA, mas também todas as áreas de alocação ineficiente de capital causadas por juros baixos, como imóveis, NFTs e venture capital
- Segundo a teoria de Knut Wicksell, a alocação ideal de capital ocorre quando o custo de captação das empresas está 2 pontos percentuais acima do PIB nominal
- A tese é que o afrouxamento quantitativo do Fed rompeu essa condição por um longo período, gerando excesso de investimento
Limites tecnológicos e críticas aos LLMs
- O relatório aponta os limites de escala dos grandes modelos de linguagem (LLMs)
- Cita um estudo segundo o qual a taxa de conclusão de tarefas em uma empresa de software ficou entre 1,5% e 34%, e mesmo assim sem consistência
- A taxa de adoção de IA entre grandes empresas entrou em queda, e mesmo em casos reais de uso surgem muitos erros lógicos
- A análise diz que os custos de treinamento dos modelos dispararam, mas os ganhos de eficiência foram mínimos
- O custo de treinamento do ChatGPT-3 foi de US$ 50 milhões, o do GPT-4 de US$ 500 milhões e o do GPT-5 chegou a US$ 5 bilhões
- O GPT-5 é avaliado como tendo trazido quase nenhuma melhora de desempenho, mesmo após atraso no lançamento
- Como os concorrentes conseguem alcançá-los com facilidade, na prática também não existe barreira de entrada (moat)
Problemas de rentabilidade no modelo de negócios dos LLMs
- Há também a questão de que é difícil criar aplicativos com valor comercial usando LLMs
- O conteúdo gerado costuma ser reaproveitado em jogos, domínio público (por exemplo, tarefas escolares) ou esbarra em restrições de direitos autorais
- É difícil implementar publicidade de forma eficaz e, a cada nova geração, os custos de treinamento explodem enquanto os ganhos de precisão caem fortemente
- No fim, persistem problemas de competitividade de preço por modelo, rentabilidade e diferenciação
- Mesmo entre clientes de alto uso, do ponto de vista das desenvolvedoras, o custo supera a mensalidade da assinatura
Perspectiva econômica e impacto das políticas
- Caso os investimentos em data centers e o wealth effect atinjam o pico e depois recuem,
- o alerta é que a economia tem alta probabilidade de entrar em uma recessão semelhante à do pós-bolha pontocom
- Isso pode empurrar a economia dos EUA para um colapso deflacionário da Zona 4 (Zone 4 deflationary bust),
- e a previsão é de que o Fed e o governo Trump teriam dificuldade para usar políticas de estímulo
- Assim como após a crise de S&L do início dos anos 1990, seria necessário um esforço prolongado de reflation
Proposta de estratégia de investimento da MacroStrategy Partnership
- Overweight: commodities, especialmente mercados emergentes como Índia e Vietnã
- Underweight: empresas de IA e de plataformas
- Recomendação de portfólio:
- compra de ações ligadas a ouro (Gold) (GDX)
- compra de Treasuries americanos de curto prazo
- posição comprada em VIX (índice de volatilidade)
- compra de iene, com expectativa de força sobretudo frente a moedas que não o dólar
Resumo do mercado e outras notícias
- O S&P 500 registrou sua 30ª máxima histórica em 2025, enquanto o preço do ouro segue em forte alta
- A Apple recebeu da Jefferies a classificação “underperform” após expectativas excessivas com o iPhone dobrável
- A Applied Materials prevê queda de US$ 710 milhões na receita ao longo dos próximos cinco trimestres devido às restrições de exportação dos EUA
- A BlackRock está em negociação para adquirir a Aligned Data Centers em um acordo de US$ 40 bilhões
- O lucro real das empresas dos EUA (medido pelo NIPA) caiu por dois trimestres consecutivos,
- e a Ned Davis Research argumenta que as estimativas de lucro do S&P 500 podem estar otimistas demais
1 comentários
Opiniões no Hacker News
Tenho a sensação de que este artigo inteiro é vazio, sem substância. Li até o fim e quase não há explicação do que significa esse “17x” mencionado no título, e não dá para saber exatamente o que é 17 vezes maior
Também não há link para a nota de pesquisa original, nem detalhes sobre a metodologia usada. Só falam da ausência de um modelo de negócios para IA, o que é parecido com o que se dizia sobre mecanismos de busca no fim dos anos 90. É difícil acreditar que o mercado inteiro esteja exposto ao risco da IA como o mercado de crédito estava. Mesmo que a OpenAI quebre, não parece que todas as outras empresas cairiam junto
Se você pesquisar rapidamente no Google, verá que instituições financeiras globais tiveram perdas de US$ 1 a 2 trilhões em títulos ligados a hipotecas, e o mercado imobiliário dos EUA perdeu US$ 6 trilhões, com mais US$ 6 trilhões evaporando no mercado acionário. Não confio totalmente nesses números, mas a ordem de grandeza é essa. É difícil acreditar que a bolha da IA seja tão grande quanto a bolha subprime. Ainda assim, como os juros ficaram baixos por muito tempo, vários ativos foram superavaliados, e o estouro da bolha pode acabar levando a uma grande correção e a uma recessão
A origem do “17x” é um relatório escrito por alguém chamado Julien Garran. O texto dele está sendo citado em artigos caça-clique. Dá para ver diretamente o conteúdo da pesquisa neste vídeo. O “17x” se baseia num modelo macroeconômico chamado "spread acumulado de Wicksell", que sugere que o mercado acionário pode ter sido superavaliado por causa do efeito dos juros. Não é sobre IA. O cálculo do spread de Wicksell é um gráfico feito integrando “crescimento anual do PIB + 2% - taxa de juros anual”. O pico atual é 17 vezes maior que o da bolha das pontocom. A análise econômica em si é interessante
Parece que o link original agora foi substituído por um relatório da Morningstar
Acho que os argumentos e exemplos são fracos demais. A tese do instituto de pesquisa é que “juros artificialmente baixos impulsionaram o investimento em IA, e esse investimento chegou ao limite de expansão”, mas na prática os juros dispararam para o nível mais alto em décadas desde 2022. Só esse fato básico já está errado, então a credibilidade cai muito. A narrativa de que juros altos são necessariamente negativos para preços de ativos também é falha. As principais empresas de IA têm expectativa de retorno de 40% a 100% ao ano ou mais, então a diferença entre juros de 1% e 5% pouco importa para a decisão de investimento de venture capital. Também houve casos nos anos 80 e no fim dos anos 90 em que empresas de tecnologia tiveram valuations altos apesar dos juros elevados. Os exemplos de 2001 e 1991, aliás, foram recessões leves. Depois da crise das savings and loan (S&L) no começo dos anos 90, veio um período de forte expansão. IA é mais adequada para esse tipo de análise do que analistas caros e inúteis
Este artigo cita uma newsletter exclusiva para assinantes. Este vídeo parece ser a mesma fonte original. Resumindo a fala de Julien Garran, a má alocação de capital nos EUA (incluindo habitação, VC e cripto) seria 17 vezes maior que a bolha das pontocom e 4 vezes maior que a bolha imobiliária de 2008. Segundo ele, se isso for desfeito, não seria apenas uma recessão comum, mas um evento capaz de abalar a base do globalismo que começou na era Thatcher-Reagan de 1979–82 e levou até a OMC e à ascensão da China
Acho que toda essa engenharia financeira para sustentar bolhas sempre acaba mal. É sempre assim. Práticas empresariais ilegais ou oportunistas aparecem em massa em toda bolha, ficam escondidas pela euforia do mercado, e quando vem a correção tudo aparece
Ouvi recentemente este podcast do Prof G Markets, que explica de forma interessante como uma bolha estoura. Em resumo, empresas emitem dívida para levantar capital, depois vêm M&A, IPO da OpenAI e afins, e quando os truques para inflar receita deixam de atender às expectativas do mercado, tudo desmorona rápido
O verdadeiro problema é a “socialização do risco durante a reestruturação”. Se o governo continua sinalizando que vai resgatar todo mundo, todos passam a assumir riscos insensatos. Quanto maior você é, maior a chance de ser salvo
A melhor posição numa bolha é estar no meio das transações
O valuation das empresas em relação à receita está alto a ponto de preocupar, mas como a IA é uma tecnologia de propósito geral, ainda hesito em sair totalmente do mercado. Foi parecido na bolha das pontocom, mas no fim a tecnologia sobreviveu e surgiram as big techs. Houve muito sofrimento e empresas como pets.com desapareceram, mas se este for mais um momento desses, fico na dúvida se realmente faz sentido ficar completamente fora do mercado
Na bolha das pontocom, a NASDAQ caiu quase 80%, e esse tipo de colapso é algo que a gente gostaria de prever e evitar. Mas o colapso vem num instante, e não é fácil sair antes. Quando, no meio da quebra, você perde 20% em um único dia, a cabeça fica balançada sem saber se vende ou espera mais. Hoje ainda existem os circuit breakers, que podem parar o mercado temporariamente, então basta perceber algumas horas tarde demais para a negociação já ter sido interrompida. Se todo mundo vender ao mesmo tempo, quando o mercado reabrir os preços podem estar muito mais baixos
Queria perguntar se você já viu as projeções de receita da OpenAI
Fundos de investimento do Oriente Médio e o fundo soberano saudita, Masayoshi Son, a16z, o conselho da Tesla e outros parecem estar investindo de um jeito meio desconectado da realidade. Não parecem se importar com os interesses de investidores e acionistas. Fico me perguntando se eles acreditam que são TBTF (Too Big To Fail, grandes demais para falir). Também me pergunto se JD Vance está sob essa influência. O tamanho da bolha é um problema, mas mais assustador ainda é a atitude de alguns que claramente pensam “ninguém vai nos responsabilizar por isso”
Como sempre, se a aposta deles der errado, vão usar o medo dizendo algo como “a China vai passar na nossa frente”. O cidadão comum só entra nesse “nós” quando Sam Altman precisa de fundos públicos
Posso estar sendo cínico, mas no fim essas pessoas realmente vão escapar da responsabilidade. Quem vai pagar será a pessoa errada, e eles vão sair dizendo “não tínhamos como saber que isso aconteceria”
É um experimento mental interessante. E se surgir uma inovação que reduza em 90% o custo de treinamento de LLMs, mas mantenha o mesmo desempenho? (Saiu recentemente pesquisa relacionada vinda da China.) Se a demanda por GPUs cair muito, fico curioso sobre como isso mudaria a estrutura econômica do boom da IA
Se o treinamento ficar barato, os custos caem, os modelos ficam mais baratos e a rentabilidade melhora. Dá para criar modelos maiores com mais rapidez e em maior quantidade, e também surgem mais modelos pequenos e eficientes via distillation. Treinamento é custo puro, mas inferência, desconsiderando o treinamento, tem margem muito alta. Reduzir o custo de treinamento ajuda muito o negócio de LLMs
Isso vale não só para IA, mas para TI em geral. Data centers também podem ser construídos de forma mais barata e eficiente, e smartphones podem durar mais tempo. No fim, empresas evitam participar de mercados em que a queda de preços intensifica a concorrência, numa corrida para o fundo do poço. Acho que uma inovação que barateie o treinamento de LLMs só vai se espalhar de verdade depois que a capacidade de expansão dos data centers estiver completamente esgotada
Como no paradoxo de Jevons, talvez a demanda na prática nem caia. Nvidia e os grandes laboratórios de pesquisa teriam valuations menores, mas ainda estariam em situação bastante boa. Os resultados recentes da China passaram em benchmarks, mas isso ainda não significa competitividade real
Houve até um caso anedótico assim. Quando alguém fez uma otimização e isso foi visto como notícia positiva, US$ 1 bilhão em valor evaporou de uma vez. Parece ridículo por fora, mas tem cheiro de bolha total
O problema é ainda maior do que isso. Se uma tarefa tem tolerância quase zero a erro, LLM não serve. Mas se a tolerância a erro aumenta só um pouco, dá para rodar algo como deepseek localmente por muito barato. No fim, grandes data centers servem apenas para treinamento, e para a maioria das pessoas um serviço de inferência não faz sentido economicamente. Isso pode virar um problema financeiro enorme em cadeia no futuro
O ponto que este artigo deixa passar é que o scaling de LLMs não segue uma única curva. RL (aprendizado por reforço) é um pico que melhora apenas certas capacidades específicas. Não é que a inteligência geral do modelo aumente; é mais como tapar buracos em áreas específicas usando RL. Na prática, não existe uma única curva de scaling, e sim milhares. A melhora da “inteligência de topo” do modelo entra cada vez mais em retornos decrescentes, mas o “nível mínimo” em várias áreas continua subindo. Quem não avalia modelos diretamente no trabalho talvez não perceba isso
Neste fim de semana rodei o modelo Llama 3.2-3B, e embora eu ainda precise entender melhor seus limites, achei utilizável. Em uma GPU Intel Arc de 100 libras ele roda “na velocidade de leitura”. Também quero comprar uma Arc770 (250 libras) para testar se consigo rodar modelos open weights da OpenAI. Olhando por esse lado, fico pensando que esse investimento em larga escala pode se dissolver facilmente com a comercialização dos LLMs
Há estimativas de que a bolha da IA já represente 20% a 30% do mercado acionário atual. Como referência, a Grande Depressão começou com uma queda de 24% no mercado. As pessoas que administram esse jogo da IA sabem que, se o governo deixar seguir naturalmente, virá outra Grande Depressão, então o resgate estatal já é praticamente certo. A população comum arca com inflação, impostos mais altos e aumento da dívida pública, enquanto os que mandam aproveitam iates e Lamborghinis. Desta vez, a bolha da IA está quase toda escondida atrás de private equity, então o cidadão comum mal consegue participar; talvez a única exceção seja Nvidia. Parece que a bolha está prestes a estourar. O fato de a Nvidia estar entrando no estágio final da rolagem de dívida, com investimentos circulares do tipo “comprar seu próprio produto com o próprio dinheiro” nos data centers da OpenAI, é um sinal. É parecido com o que o CEO da WeWork fazia ao emprestar dinheiro à empresa e depois alugar a ela seus próprios imóveis. A AMD também fez recentemente transações circulares semelhantes com a OpenAI para girar capital. Há uma matéria relacionada. A essa altura, nem sei se ainda faz sentido discutir a bolha. Aquela lógica de filme tipo “nunca deixe ninguém realizar o lucro, assim não vira realidade” parece ter se espalhado pelo setor inteiro
Esse fenômeno de “os players se sustentando mutuamente com investimentos circulares” também me veio à cabeça quando anunciaram recentemente a parceria estratégica entre AMD e OpenAI. Só essa notícia já fez a AMD disparar quase 35% em um dia
IA não é a bolha inteira. SpaceX também entra nisso. Apesar de o Falcon 9 ser um negócio bem-sucedido, dois terços dos lançamentos são do Starlink, ou seja, transações internas sem receita externa. Mesmo assim, apesar de fazer 25 vezes mais lançamentos que a ULA, a SpaceX vale 200 vezes mais que a ULA
Acho que esse padrão de “vou te emprestar dinheiro para você comprar minha mercadoria” também vai ocorrer entre países. Os EUA emprestam dinheiro ao Japão, e o Japão reinveste esse dinheiro nos EUA, tudo maquiado para parecer legal e legítimo
Fico em dúvida se as afirmações “a bolha da IA representa 20% a 30% do mercado” e “está quase toda escondida atrás de private equity” podem ser verdade ao mesmo tempo
Eu nem sabia que existia algo como empréstimo com GPUs como garantia, e isso parece extremamente arriscado
Não é só arriscado, é praticamente loucura. GPU perde valor drasticamente assim que é instalada
Sinceramente, se os bancos ficarem com o prejuízo sem que meus impostos sejam usados para resgate, tudo bem — mas a realidade não é essa.