- Se a xAI entrar em default, os credores podem assumir o Colossus, composto por 200 mil GPUs, e alugá-lo, mas o valor real depende muito mais do estado operacional e do conhecimento tácito da equipe do que do hardware em si
- O financiamento lastreado em GPUs se espalhou em torno de xAI e CoreWeave, mas, como falta infraestrutura para formação de preços, riscos difíceis de medir aparecem refletidos em juros de empréstimos cerca de 8,5 pontos percentuais acima da taxa de referência
- O aluguel de uma H100 caiu de cerca de US$ 8 por hora no início de 2024 para US$ 1,70 em outubro de 2025, depois voltou a subir para US$ 2,35 em março de 2026, o que dificulta prever valor residual e receita futura de locação
- Até a vida útil da mesma GPU varia: a CoreWeave usa 6 anos, enquanto a Nebius usa 4, e o ciclo de produtos da NVIDIA encurtou de 2 anos para 1, ampliando a possível diferença entre valor contábil e valor de recuperação
- Em garantias com GPUs, coexistem valor de face contábil, valor de venda de emergência e valor em operação normal, e, se a transição operacional falhar, é difícil manter como ativo rentável o cluster assumido contratualmente
O valor da garantia muda quando a equipe de operações vai embora
- Diferentemente de um prédio, o valor de um cluster de GPUs varia conforme a permanência da equipe de operações, que conhece a forma de provisionamento, o desempenho atual e as características dos equipamentos
- O relatório técnico do Llama 3 da Meta registrou 419 interrupções inesperadas ao longo de 54 dias de treinamento com 16.384 H100
- Foram incluídas 148 falhas de GPU e 72 falhas de memória HBM3, o que leva a uma taxa anual de falha de cerca de 9% para GPUs de datacenters modernos
- Em escala de 200 mil GPUs, cerca de 50 quebram por dia; na escala de 1 milhão buscada pela xAI, a Epoch AI estima uma falha a cada 3 minutos
- No risco de crédito, não importam apenas falhas evidentes
- A corrupção silenciosa de dados (SDC) pode fazer a GPU produzir resultados errados sem parar de funcionar, corrompendo os pesos do modelo mesmo após dias de treinamento aparentemente normal
- Uma falha em cascata causada por uma única GPU pode interromper um treinamento distribuído por milhares de máquinas, desperdiçando dias de computação
- Thermal throttling, erros de memória ECC, instabilidade no NVLink e o desaparecimento de GPUs do barramento também ocorrem continuamente
- O NVIDIA NVSentinel trata a limitação de monitoramentos existentes que detectam problemas, mas não os resolvem, enquanto o Crusoe AutoClusters reduz o tempo de fila, a maior variável controlável no throughput efetivo do cluster
- Sem essas ferramentas, a recuperação pode levar de horas a dias
- A equipe de operações sabe quais racks superaquecem no verão, quais circuitos de refrigeração ficaram instáveis após atualizações de firmware e quais cargas devem ser desviadas de nós cujo desempenho cai antes da falha total
- Esse conhecimento permanece como conhecimento tácito dentro da equipe, e não entra no balanço nem no escopo de acesso dos credores
A estrutura financeira em que a própria GPU vira garantia
- Nos últimos 18 meses, o financiamento de infraestrutura de IA migrou de dívida baseada em crédito corporativo para dívida lastreada nas próprias GPUs
- O veículo de propósito específico (SPV) Colossus 2 da xAI é composto por cerca de US$ 7,5 bilhões em capital próprio e US$ 12,5 bilhões em dívida
- A NVIDIA aporta até US$ 2 bilhões do capital próprio, e a Valor Equity Partners lidera o investimento em equity
- Apollo e Diameter participam das tranches de dívida
- O SPV compra GPUs da NVIDIA e as aluga à xAI por 5 anos, com a dívida garantida pelas GPUs, e não pelo balanço consolidado da xAI
- O contrato de empréstimo de US$ 5 bilhões da xAI estruturado pelo Morgan Stanley em junho de 2025 dá aos credores, em caso de default, o direito de assumir o cluster Colossus de 200 mil GPUs nos arredores de Memphis, alugá-lo para outras empresas de IA e recuperar o valor emprestado
- O custo da captação de US$ 5 bilhões da xAI chegou a 12,5%, e as operações lastreadas em GPU da CoreWeave foram precificadas cerca de 8,5 pontos percentuais acima da taxa de referência antes de as condições melhorarem
- A CoreWeave tem US$ 18,8 bilhões em dívida lastreada em GPUs por meio de vários SPVs
- O acordo de US$ 50 bilhões entre FluidStack e Anthropic usa outra estrutura, na qual o Google garante o pagamento do aluguel, mas a lógica é a mesma: financiar ativos de infraestrutura de IA e os fluxos de caixa de locação
- A maioria dos neoclouds e dos principais laboratórios de IA está levantando recursos dessa forma
Falta de descoberta de preços e de instrumentos de hedge
- Aviões, navios, carros, imóveis comerciais e petróleo contam com décadas de infraestrutura de descoberta de preços
- Aviões têm avaliadores certificados pela ISTAT, registros globais, históricos padronizados de manutenção, pilotos de ferry e um mercado secundário formado desde os anos 1970
- Navios têm a BICA, carros têm a NADA, e escritórios de padrão A têm cap rates padronizados e comparativos de vacância
- O petróleo tem curvas de preço futuro desde o início dos anos 1980
- No mercado de GPUs, praticamente só existem o H100 Rental Index da Silicon Data, lançado no terminal Bloomberg em 2024, e a Ornn AI, que levantou US$ 5,7 milhões em outubro de 2025 para construir a primeira bolsa regulada de derivativos de computação em GPU
- O aluguel horário da H100 caiu de cerca de US$ 8 no início de 2024 para US$ 1,70 em outubro de 2025 e depois subiu 40% até US$ 2,35 em março de 2026 por causa de uma demanda por inferência que ninguém esperava
- Em empréstimos para aviões ou navios, seria difícil aceitar dívida de 5 anos garantida por um ativo com esse comportamento de preço sem instrumentos de hedge
- Os empréstimos lastreados em GPU da CoreWeave ficam cerca de 8,5 pontos percentuais acima da taxa de referência, enquanto empréstimos típicos para aeronaves ficam entre 1 e 2 pontos, e hipotecas comerciais geralmente abaixo disso
- Os cerca de 6 a 7 pontos percentuais adicionais são o preço do risco assumido pelos credores em um cenário sem mercado futuro de GPUs, sem curvas padronizadas de valor residual e sem meios de travar aluguéis futuros
- Se o mercado amadurecer e surgirem produtos de hedge, curvas padronizadas de valor residual e um mercado secundário de GPUs, o spread dos juros e o custo de capital da infraestrutura de IA podem cair
- Nesse momento, a vantagem não estará com quem garantiu GPUs mais baratas agora, mas com quem conseguir acessar dívida de baixo custo quando a infraestrutura financeira amadurecer
Incerteza em torno da vida útil das GPUs
- A CoreWeave deprecia GPUs em 6 anos, mas a Nebius, que usa o mesmo modelo de negócios e hardware, aplica 4 anos
- AWS, Microsoft e Google ampliaram em 2023 a vida útil dos servidores de 3–4 anos para 6 anos
- Com base em US$ 300 bilhões de capex combinado, isso reduz a despesa anual de depreciação reportada em cerca de US$ 18 bilhões
- A CoreWeave também fez a mesma mudança contábil em janeiro de 2023, antes do IPO, reduzindo em centenas de milhões de dólares seus custos anuais reportados
- A NVIDIA anunciou que encurtaria seu ciclo de lançamentos de produtos de 2 anos para 1 ano em 2025, dobrando a velocidade com que as GPUs que garantem a dívida se tornam geração anterior
- Michael Burry acredita que os hyperscalers subestimarão em cerca de US$ 176 bilhões a depreciação acumulada entre 2026 e 2028
- Ele calcula que, até 2028, o lucro da Oracle estará superestimado em cerca de 27% e o da Meta em cerca de 21%
- Se a vida útil real das GPUs de ponta para treinamento estiver mais próxima de 2 a 4 anos, enquanto os livros registram 6 anos, surgirá um grande descompasso entre valor contábil e valor de recuperação
- Se a recente demanda por inferência estender a vida produtiva da H100 além do treinamento de ponta, 6 anos talvez não estejam errados
- Por outro lado, se a demanda enfraquecer novamente em 2026 ou 2027, perdas de avaliação aparecerão justamente quando os credores precisarem do valor da garantia
Três valores que coexistem na mesma GPU
- O valor de face (face value) é o preço de compra registrado pelo SPV, depreciado linearmente conforme o cronograma escolhido pelo tomador
- Ele determina os covenants de loan-to-value e o volume de dívida que a operação consegue suportar
- O valor de liquidação (liquidation value) é o preço que um comprador paga em uma situação de estresse
- Em um mercado secundário normal, GPUs com 2 a 3 anos de uso moderado negociam por 50% a 70% do preço de uma unidade nova
- Se vários neoclouds entrarem em dificuldade ao mesmo tempo, a oferta pode disparar enquanto o grupo de compradores encolhe, fazendo a recuperação em uma venda urgente cair para 30% a 50% do valor de face
- O valor de continuidade operacional (going-concern value) é o valor para o próximo locatário usar o ativo em operação normal, e depende totalmente do sucesso da transição operacional
- Quando os credores exercem seus direitos de intervenção, eles também assumem uma instalação de colocation de outro proprietário, junto com os contratos e restrições desse local
- Se a equipe operacional do tomador sair, também podem desaparecer credenciais e conhecimento da topologia
- Também será preciso enfrentar, sem hedge, um mercado em que os aluguéis caíram 60% em 18 meses numa direção e depois subiram 40% na outra
- E será necessário ter gente que saiba quais racks estavam ficando instáveis repetidamente em um ambiente onde cerca de 50 GPUs falham por dia
- A diferença entre valor de face e valor de continuidade operacional continua sendo o risco central sem hedge da estrutura financeira atual
Investidores que evitam o financiamento lastreado em GPU
- A KKR é agressiva em investimentos em datacenters, mas prefere focar em prédios, energia, refrigeração e terrenos, e não em financiamento lastreado em GPUs
- Junto com a Global Infrastructure Partners, comprou a CyrusOne por US$ 15 bilhões em 2022
- Investiu US$ 1,5 bilhão na Global Technical Realty em 2026
- Em fevereiro de 2026, adquiriu 75% de participação na STT GDC por US$ 5,1 bilhões
- A infraestrutura digital da KKR é central para seu negócio de ativos reais de US$ 186 bilhões, mas ela não participa do consórcio AIP que comprou a Aligned Data Centers, nem do SPV da xAI, nem das linhas de dívida da CoreWeave
- Esses ativos são a camada de infraestrutura básica que preserva valor independentemente de qual laboratório de IA vencer ou de qual geração de GPU dominar
- Peter Thiel vendeu toda sua participação na NVIDIA no 3º trimestre de 2025 e migrou para Apple e Microsoft
A base que o mercado de garantias em GPU ainda precisa
- Aviões se tornaram ativos financiáveis quando passaram a ter registros, avaliadores e históricos de manutenção; navios também construíram sistemas como a BICA
- O alto prêmio de juros dos empréstimos lastreados em GPU existe porque os credores não conseguem responder a duas perguntas básicas
-
O cluster ainda está funcionando normalmente agora?
- E continuará funcionando normalmente daqui a 3 anos?
- Para o financiamento de GPUs amadurecer, será preciso criar mecanismos que permitam medir e transferir não só o preço do equipamento, mas também seu estado operacional, histórico de manutenção, valor residual e aluguel futuro
-
1 comentários
Opiniões no Hacker News
O número de que “GPUs usadas por 2 a 3 anos em condições normais são negociadas por 50% a 70% do preço de novas” se refere a Nvidia H100 em bom estado, e também reflete a atual escassez de oferta.
Como esse é o preço depois de desmontagem, limpeza, inspeção e recondicionamento, o valor de equipamentos retirados diretamente de uma empresa que fechou seria menor. No eBay, vários vendedores usam as mesmas fotos de produtos novos embalados, ou até publicam fotos com logotipos de concorrentes, o que parece um sinal de alerta.
https://introl.com/blog/secondary-gpu-markets-buying-selling...
https://www.ebay.com/shop/nvidia-h100-gpu?_nkw=nvidia+h100+g...
Se for uma empresa que vende servidores como Dell R840 com 768 GB de RAM, tem milhares de avaliações e nota acima de 98,5%, o risco parece bem menor.
Talvez a Nvidia faça com grandes clientes contratos de recompra ao estilo Ferrari, impedindo que lotes de upgrades cheguem todos de uma vez ao mercado e derrubem os preços, mantendo a escassez.
Se não for assim, espero conseguir comprar H100 no mercado aberto daqui a alguns anos.
Seria ideal para mecanismos de consulta acelerados por GPU, machine learning tradicional e vários tipos de tarefas de CPU que possam ser transferidas para GPU.
Nessa altura, a H100 será como uma V100 usada hoje: péssima eficiência energética, sem os formatos de dados e engines de computação mais recentes, podendo derreter sem adaptadores estranhos e ventoinhas de servidor barulhentas, e com suporte a CUDA encerrado há muito tempo. A menos que não haja absolutamente nenhuma alternativa, provavelmente será quase inútil.
Se a Huawei lançar aceleradores de baixo custo no mercado, as empresas americanas de IA também logo descobrirão o valor real de seus ativos; eu diria que restam uns 6 a 9 meses.
Informações como racks que esquentam no verão, circuitos de refrigeração que ficaram instáveis depois de uma atualização de firmware, ou tarefas que precisam ser desviadas de nós prestes a falhar, tudo isso deveria estar nos sistemas de monitoramento.
Nesse caso, qualquer modelo de ponta conseguiria entender a situação em pouco tempo, então parece que o autor não compreende bem as mudanças trazidas pelo sistema com que ele lida.
Não vejo por que esse problema seria específico de clusters de GPU. Em geral, analistas de crédito e subscritores não têm capacidade de operar e manter os ativos dados como garantia, e é por isso que casas, carros e equipamentos são vendidos em leilão por muito menos que seu valor real, enquanto instituições de crédito fazem seguro.
Vi uma grande serraria deixar de pagar um empréstimo enorme e ser tomada pelo banco. O banco não queria ficar com a operação, mas quando o fundador saiu, não houve escolha. Eles nem sabiam o que fazer com a madeira acabada que estava no forno de secagem, muito menos com toda a infraestrutura da serraria. Depois de não encontrar compradores, contrataram o fundador como consultor para liquidar o negócio. Data centers retomados passarão pelo mesmo processo.
O fato de o valor das GPUs cair relativamente devagar é produto das restrições de oferta. Se fosse possível escolher livremente entre Hopper e Rubin para inferência em FP4, mesmo recebendo o hardware de graça e pagando só a eletricidade, Hopper não seria atraente por causa do desempenho por watt.
Hoje se paga por H100 porque é difícil conseguir até Blackwell, quanto mais Rubin, mas isso não vai se sustentar quando a capacidade de produção das fabs aumentar.
O mais estranho é que uma quantidade enorme de hardware está em backlog, e equipamentos funcionais já alocados estão parados esperando a conclusão das instalações. A construção dessas instalações já está atrasada em anos e está entrelaçada com todos os tipos de créditos e swaps de dívida entre empresas relacionadas; não é uma bolha simples, parece mais uma torre de cartas em cima de um balão.
Pelo que aprendemos no mercado de criptomoedas, a principal razão para o fim da vida útil de uma GPU não é apenas falha. É o surgimento de uma alternativa que, nas novas condições de mercado, torna a eficiência energética do equipamento antigo economicamente inviável.
O Mac Studio de 512 GB está sendo vendido no eBay pelo dobro do preço de lançamento do começo do ano.
Se você vai gastar o preço de um carro novo decente, é melhor montar uma workstation de verdade. Um computador do tamanho de uma Apple TV dificilmente será o melhor desempenho por dólar; fico me perguntando se isso está sendo inflado por aspirantes a fundadores vibe com dinheiro sobrando.
O texto descreve clusters de GPU como se fossem ciência de foguetes, mas se você trocar isso por uma usina elétrica, a pergunta não muda nada. Ambos são complexos, têm muitas variáveis e exigem produção atual, manutenção periódica, pessoal qualificado etc.
No fim, você vai resolver diretamente ou contratar uma empresa capaz de resolver, e na prática haverá muitas empresas interessadas em alugar esses clusters para IA.
Há sinais suficientes de que em breve GPUs retomadas chegarão ao mercado em grande quantidade. Será confuso por um tempo, mas, quando GPUs usadas se tornarem fáceis de obter, muitas possibilidades se abrirão.
Realisticamente, fazendas de mineração de criptomoedas poderiam explodir de novo e reduzir o preço das criptomoedas, mas fico curioso para saber que outras mudanças uma oferta em massa de GPUs baratas poderia possibilitar.