Inteligência artificial entra numa nova fase de seleção entre infraestrutura, software e soberania tecnológica

Aqui pode acompanhar as últimas informações relacionadas com a IA. Acompanhamos de forma contínua os desenvolvimentos mais relevantes que impactam esta tecnologia e consolidamos os pontos essenciais num formato que oferece uma visão clara, objetiva e alinhada com a nossa análise.

Nota de Contexto

A inteligência artificial deixou de ser apenas uma narrativa de crescimento tecnológico e passou a ser um teste simultâneo de execução industrial, disciplina de capital, resiliência energética e adaptação competitiva. A fase inicial do ciclo privilegiou empresas capazes de capturar a procura por chips, cloud e modelos fundacionais. A fase atual é mais exigente: investidores começam a distinguir entre promessas de produtividade, infraestruturas que conseguem realmente entrar em funcionamento, setores vulneráveis à substituição e mercados onde a AI funciona sobretudo como instrumento de eficiência ou soberania. O resultado é um regime mais seletivo, em que a tese de longo prazo permanece forte, mas o caminho de monetização ficou menos linear.

Análise Estratégica

1. O rally de AI mantém força, mas a concentração aumenta o risco sistémico

A reação recente dos mercados mostra que a convicção na tese de AI continua elevada. Apesar da guerra no Irão e do choque energético, os índices norte-americanos recuperaram com força, com o Nasdaq a registar 13 sessões consecutivas de ganhos, a melhor sequência desde 1992, e uma valorização próxima de 20% no período. O S&P 500 subiu cerca de 13% em três semanas. Esta recuperação confirma que os investidores continuam a tratar a AI como uma força capaz de compensar choques macroeconómicos, pelo menos no curto prazo.

No entanto, a recuperação foi estreita. Menos de 10% das ações do S&P 500 negociavam em máximos de 52 semanas, enquanto o setor tecnológico representava quase 35% da capitalização do índice, aproximando-se do recorde de 36% registado em outubro. A soma de tecnologia e serviços de comunicação estava a menos de um ponto percentual do recorde de 46% do índice. Esta concentração transforma a AI num fator de suporte, mas também de fragilidade: se a narrativa de crescimento ou margens for revista em baixa, o impacto no mercado será desproporcionado.

A pressão não vem apenas de valuation. A AI está a alterar a perceção de risco competitivo dentro da própria tecnologia. As ações de software norte-americanas caíram fortemente após novos avanços em modelos da Anthropic, com o índice S&P 500 Software and Services a recuar 25,5% no ano e mais 2,6% numa única sessão. O receio é que agentes de AI capazes de automatizar tarefas humanas reduzam a necessidade de software tradicional, comprimam ciclos de venda e enfraqueçam o poder de preço de empresas incumbentes. A queda de nomes como Zscaler, Cloudflare, Okta, CrowdStrike, SentinelOne, Atlassian, Workday, Adobe, Salesforce e Intuit mostra que o mercado está a passar de uma leitura “AI beneficia tecnologia” para uma leitura “AI redistribui valor dentro da tecnologia”.

2. O gargalo da AI desloca-se do capital para energia, construção e permissões

O principal risco para a Big Tech não é necessariamente falta de procura. É a possibilidade de o investimento planeado não se transformar em capacidade operacional no calendário esperado. Microsoft, Amazon, Alphabet e Meta planeiam gastar cerca de 630-635 mil milhões de dólares em 2026 em data centers, chips e infraestrutura de AI, mais de quatro vezes o valor de 2023 e muito acima dos 80 mil milhões de dólares registados em 2019. Alargando o universo aos 11 maiores fornecedores de cloud e infraestrutura, o capex poderá atingir 811 mil milhões de dólares.

A dimensão é extraordinária, mas a execução enfrenta restrições físicas. As quatro maiores empresas tecnológicas operam cerca de 600 data centers globalmente e têm mais 544 em planeamento ou construção. Um data center moderno de 100 megawatts pode custar mais de 4 mil milhões de dólares, incluindo chips, com cerca de 70% da despesa concentrada em servidores e GPUs. O problema é que comprar chips não basta: é preciso obter energia, licenças, terrenos, edifícios, transformadores, geradores, sistemas de arrefecimento, conectividade e mão-de-obra qualificada.

A energia tornou-se o ponto crítico. Em hubs como Londres, conseguir ligação à rede elétrica pode demorar até uma década. Nos EUA, os data centers estão a migrar para zonas rurais, como partes do Texas, onde as licenças são mais acessíveis, mas a mão-de-obra especializada é mais escassa. A alternativa dos data centers “ilha”, alimentados por turbinas a gás próprias, também enfrenta limites: cerca de um terço das instalações norte-americanas em construção depende de geração on-site, mas as turbinas adequadas estão praticamente esgotadas até 2029. Ao mesmo tempo, a procura total de energia dos data centers nos EUA até 2028 foi revista de 69 gigawatts para 80 gigawatts, com potencial défice a subir de 44 para 55 gigawatts. Para escala, 10 gigawatts equivalem aproximadamente à capacidade de 10 centrais nucleares médias.

3. Capex elevado pode deixar de ser sinal de crescimento e passar a pressionar retornos

O mercado tem tratado o capex em AI como investimento estratégico inevitável, mas a sua qualidade importa cada vez mais. Se a energia, os componentes elétricos e a construção atrasarem a entrada em operação dos data centers, parte do capital fica imobilizado sem gerar receita. O risco é particularmente elevado porque chips avançados depreciam rapidamente. Um investimento de 10 mil milhões de dólares em semicondutores pode tornar-se capital preso se faltar o transformador, o gerador ou a ligação elétrica necessários para operar a infraestrutura.

Os atrasos já são materiais. O prazo de entrega de transformadores na Europa pode chegar a 100 semanas, enquanto geradores nos EUA podem demorar cerca de 50 semanas. Quase 60% dos projetos de data centers sofreram atrasos superiores a três meses no último ano; 88% enfrentaram atrasos na construção das fundações e 78% na instalação de sistemas de arrefecimento e alarmes de incêndio. A transição para chips mais potentes, como Blackwell e futuras arquiteturas Rubin, aumenta a complexidade, porque exige arrefecimento líquido, nova canalização, purificação de água e sistemas elétricos mais avançados.

O impacto financeiro pode ser relevante. Um data center orçamentado em 1 mil milhão de dólares pode facilmente passar para 1,3 mil milhões ou mais. Esta inflação de custos ameaça margens e retorno sobre capital investido. As previsões indicam que o ROIC após impostos da Alphabet poderá cair de 51% no último ano para cerca de 36% em 2030, enquanto o da Microsoft poderá recuar de 95% em 2020 para 36% em 2030. Isto não invalida a tese de AI, mas muda a leitura: o vencedor não será apenas quem gastar mais, mas quem conseguir converter capex em capacidade disponível, contratada e rentável.

A guerra no Irão acrescenta uma camada adicional. Data centers são intensivos em eletricidade e dependem de energia estável; muitos também usam geradores diesel de backup. Um choque prolongado em petróleo, combustíveis refinados ou cadeias logísticas pode elevar custos operacionais, atrasar projetos e forçar revisões de capex. Se os preços de energia subirem 30% e não estiverem refletidos nas projeções de resultados, as empresas poderão ser obrigadas a rever planos, criando um catalisador negativo para ações que já incorporam expectativas elevadas.

4. A disrupção setorial será desigual: software, saúde e soberania AI seguem trajetórias diferentes

A queda das ações de software mostra o lado mais direto da disrupção. Modelos mais avançados podem expor fragilidades em software legado, automatizar tarefas antes monetizadas por aplicações específicas e reduzir barreiras à entrada. A contração de múltiplos é significativa: Zscaler negociava a 31,4 vezes lucros esperados a 12 meses, perto do fundo da sua faixa histórica e abaixo das 55,4 vezes do início do ano. O mercado está a antecipar menor crescimento, maior concorrência e uma possível redefinição do que continua a ser diferenciador em software empresarial.

Em contraste, a reação negativa em organizações de investigação contratada parece mais questionável. IQVIA, Medpace e Charles River Laboratories caíram por receios de que a AI permita às farmacêuticas internalizar ensaios clínicos, mas a substituição integral parece limitada. CROs controlam redes globais de centros, dados proprietários, recrutamento de pacientes, execução operacional, consentimento informado e monitorização de segurança. Mesmo um ensaio clínico totalmente habilitado por AI poderá gerar apenas 10%-15% de poupanças de custo, enquanto a compressão de prazos pode ser mais valiosa: um ensaio de fase avançada poderia cair de 58 para 47 meses. Neste caso, a AI tende a ser mais tailwind do que ameaça existencial.

A dimensão soberana também ganha importância. A indiana Sarvam ilustra este eixo. Com modelos de 30 mil milhões e 105 mil milhões de parâmetros, suporte a 22 línguas indianas, comandos de voz e apoio estatal, a empresa não pretende rivalizar diretamente com OpenAI ou Anthropic em escala global. O objetivo é reduzir dependência tecnológica, adaptar modelos a necessidades locais e capturar contratos públicos. A startup levantou mais de 50 milhões de dólares, tem avaliação aproximada de 200 milhões, acesso a mais de 4.000 processadores Nvidia e 11 milhões de dólares em subsídios. Ainda assim, com receita de apenas 3,1 milhões de dólares e prejuízo de 11 milhões no ano fiscal até março de 2025, o desafio comercial permanece elevado. A soberania AI é estrategicamente relevante, mas não elimina a vantagem de escala dos líderes globais.

Market Implications

A primeira implicação é que o mercado de AI deve tornar-se menos homogéneo. O trade simples de comprar “qualquer coisa exposta a AI” está a perder qualidade. Infraestrutura energética, disponibilidade de rede, acesso a componentes elétricos, gestão de capex e capacidade de monetização passam a ser métricas tão importantes quanto crescimento de receitas cloud ou procura por GPUs. Empresas que controlam melhor energia, terrenos, licenças e cadeia de fornecimento podem merecer prémios relativos; empresas que apenas anunciam capex podem enfrentar maior escrutínio.

A segunda implicação é a maior vulnerabilidade dos múltiplos de software. A AI pode aumentar produtividade dos clientes, mas também reduzir dependência de ferramentas legadas. Os vencedores tenderão a ser empresas que incorporam AI de forma defensável, com dados proprietários, distribuição forte, integração profunda em workflows críticos e capacidade de converter automação em pricing. As que vendem funcionalidades facilmente replicáveis por modelos generativos enfrentarão pressão sobre crescimento e margens.

A terceira implicação é que energia se tornou parte central da tese tecnológica. A correlação entre AI, utilities, combustíveis, equipamentos elétricos, construção e semicondutores deverá aumentar. Um choque persistente nos preços de energia pode comprimir margens da Big Tech e travar projetos; por outro lado, a corrida por capacidade elétrica beneficia fornecedores de transformadores, sistemas de arrefecimento, redes, geração distribuída e infraestrutura de data centers. A AI deixou de ser apenas um tema de software: é agora uma cadeia industrial completa.

Conclusão

A inteligência artificial continua a ser uma das forças estruturais mais importantes para mercados, empresas e economias, mas a fase de euforia indiferenciada está a dar lugar a uma fase de seleção. A Big Tech ainda lidera, mas enfrenta limites físicos em energia, construção e componentes; o software tradicional está a ser reavaliado perante modelos mais poderosos; setores como saúde mostram que a substituição será parcial e dependente de execução humana; e mercados como a Índia reforçam que soberania tecnológica pode ser tão importante quanto escala. A tese de AI não enfraqueceu, mas tornou-se mais exigente: o valor deixará de estar apenas em prometer transformação e passará a estar em entregar capacidade, eficiência e retorno num mundo onde energia, capital e confiança são recursos cada vez mais escassos.

Visite o Disclaimer para mais informações.

Os valores encontram-se em sistema métrico europeu.

(Artigo sobre a Inteligência Artificial, formato “Geral”, atualizado com informações até 29 de Abril de 2026. Categorias: Global. Tags: Global, Inteligência Artificial, Sistema Informáticos)