AI Infrastructure
A camada de construção física da AI — aceleradores, embalagem avançada, memória de alta largura de banda, rede de data centers e nuvem de GPU — onde o capex de hiperescaladores se converte diretamente em demanda por hardware.
A história
As cargas de trabalho de AI desencadearam uma das maiores construções de infraestrutura da história moderna, com os quatro maiores hiperescaladores dos EUA planejando sozinhos uma mudança radical nos gastos de capital em 2026 e aproximadamente três quartos disso direcionados para computação de AI. A demanda por servidores acelerados, silício de nó avançado e memória de alta largura de banda está à frente da oferta em toda a cadeia, deixando a embalagem de fundição, a memória e a capacidade de rede estruturalmente restritas até 2027. O resultado é uma demanda plurianual, em vez de um único ciclo de produto, ancorada por compromissos de capex de longo prazo e backlogs de bilhões de dólares.
A perspectiva para 2030
Até 2030, a McKinsey modela um investimento cumulativo na cadeia de valor de computação de aproximadamente $5,2 trilhões em um cenário base (dos quais ~$3,3 trilhões são equipamentos de TI), impulsionado por cerca de 125 gigawatts incrementais de capacidade de data center de AI. A economia muda da demanda liderada por treinamento para a demanda liderada por inferência, ampliando a base de compradores e elevando a participação de aceleradores personalizados e estruturas de AI baseadas em Ethernet. Os gargalos migram ao longo do tempo do fornecimento bruto de GPU para energia, embalagem avançada, memória e rede — tornando as camadas de 'picaretas e pás' cada vez mais críticas para o valor.
O que está movendo o capital
As forças que direcionam o dinheiro para este tema agora.
Aumento do capex de hiperescaladores em 2026
Os quatro maiores hiperescaladores dos EUA indicaram um forte aumento de capex em 2026 em relação a um recorde de ~$388B em 2025, com aproximadamente 75% direcionados para infraestrutura de AI.
Escassez de oferta de HBM e DRAM
A SK Hynix relatou que sua capacidade de memória para 2026 está essencialmente esgotada, com a produção em massa de HBM4 antecipada para o início de 2026 e aperto estrutural durando até 2027.
Aumento da capacidade de embalagem avançada (CoWoS)
A TSMC está dobrando a capacidade de embalagem avançada, mas ainda a descreve como 'muito apertada', mantendo a embalagem como uma restrição de porta na saída do acelerador.
Escalonamento de aceleradores de AI personalizados (XPU/ASIC)
Os programas de silício personalizado de hiperescaladores estão escalando, com a Broadcom citando um pedido de rack TPU de $10B mais um acompanhamento de $11B para entrega no final de 2026.
Os líderes
Âncoras estruturais de grande capitalização — exposição de menor variância ao tema.
NVIDIA é o poço de gravidade da pilha de infraestrutura de AI, posicionada para capturar a maior parte do capex de hiperescaladores à medida que a demanda por computação de AI explode; seu stack de software aumenta a versatilidade da GPU, impulsionando a receita além da vida útil depreciável.
Por que a empolgação: A administração observou uma receita de data center de $75 bilhões, um aumento de 92% ano a ano, impulsionado pela forte demanda por sistemas GB300 e NVL72.
O risco honesto: A demanda do consumidor caiu modestamente devido aos preços mais altos de memória e sistema, indicando potencial sensibilidade às flutuações de custo dos componentes.
TSMC é a peça central da infraestrutura de AI, fabricando quase todos os chips de AI de ponta. Sua posição de quase monopólio e tecnologias de processo avançadas, como 3nm e 2nm, a tornam uma jogada estrutural na espinha dorsal de hardware da AI.
Por que a empolgação: Os resultados do 1º trimestre do ano fiscal de 2026 da TSMC destacaram a força das tecnologias de processo de ponta, com 3 nanômetros contribuindo com 25% da receita de wafers, sinalizando forte demanda por chips relacionados à AI.
O risco honesto: A diluição da margem bruta devido ao aumento da tecnologia de 2 nanômetros e das fábricas no exterior pode pressionar a lucratividade nos próximos anos.
Broadcom é uma jogada estrutural na infraestrutura de AI, fornecendo ASICs personalizados e soluções de networking que sustentam as construções de AI dos hiperescaladores; suas parcerias profundas e posição crítica de silício a posicionam como uma forma de menor variação de jogar o ciclo de capex de AI.
Por que a empolgação: Broadcom antecipa uma receita de chips de AI superior a $100 bilhões em 2027, impulsionada por implantações de aceleradores de AI personalizados em toda a sua base de clientes.
O risco honesto: A dependência de uma base de clientes concentrada de hiperescaladores expõe a Broadcom a potenciais mudanças na demanda ou iniciativas de internalização.
Jogadas assimétricas
Nomes menores com maior potencial de alta e potenciais reduções mais profundas.
CoreWeave é um provedor de neo-nuvem especializado em GPU como serviço, posicionado para capturar gastos significativos em infraestrutura de AI, sustentado por compromissos substanciais de hiperescaladores e uma pegada de energia contratada em rápida expansão. No entanto, seu alto índice de dívida/patrimônio líquido exige cautela.
Por que a empolgação: CoreWeave assinou mais de $40 bilhões em novos compromissos no 1º trimestre do ano fiscal de 2026, aumentando o backlog de receita contratada para quase $100 bilhões.
O risco honesto: Um índice atual de 0,3 sugere potenciais desafios de liquidez de curto prazo, dada a natureza intensiva em capital da expansão da infraestrutura de AI.
Assimetria: Alto potencial de valorização se a demanda e a execução da GPU se mantiverem; forte redução se o capex de AI moderar ou o financiamento se tornar mais restrito.
Astera Labs é um nome menor e de crescimento mais rápido na infraestrutura de AI, focado em soluções de conectividade que ligam aceleradores de AI dentro de data centers. Os retimers e o fabric da empresa são críticos para habilitar sistemas de AI de alto desempenho.
Por que a empolgação: Astera Labs antecipa um forte crescimento de receita até 2026 e em 2027, impulsionado por fabrics de AI e pela transição para conectividade PCIe 6, 800 gig e 1.6T Ethernet.
O risco honesto: Como uma empresa menor, a Astera Labs é mais vulnerável à concentração de clientes e a potenciais mudanças nas prioridades de gastos dos hiperescaladores.
Assimetria: Forte potencial de valorização ligado ao volume de aceleradores; forte redução se um único grande cliente antecipar ou desacelerar.
Credo Technology Group é um player de interconexão menor e de alto crescimento alavancado na construção de infraestrutura de AI, especificamente através de seus cabos elétricos ativos (AECs) e soluções SerDes. Embora carregue um risco maior, a Credo oferece um potencial de valorização assimétrico do aumento da densidade de racks de data centers e da aceleração das demandas de largura de banda.
Por que a empolgação: A administração da Credo espera que a receita do ano fiscal de 2026 triplique após mais que dobrar no ano fiscal de 2025, mostrando um crescimento excepcional no espaço de semicondutores.
O risco honesto: O tamanho menor da Credo e a maior avaliação (preço/vendas de 37,7) a tornam mais vulnerável à concentração de clientes e a potenciais mudanças nos gastos dos hiperescaladores.
Assimetria: Grande potencial de valorização no aumento do networking de AI; alto risco de redução, dada a concentração de clientes e a avaliação.
Dentro do tema
As subcamadas e os líderes que ancoram cada uma.
Perguntas frequentes
As ações de infraestrutura de AI ainda valem a pena em 2026?
A tese se baseia no capex de hiperescaladores acima de $400B para 2026 e na visibilidade de compra de energia até a década de 2030. Isso torna a infraestrutura de AI uma construção estrutural de vários anos, em vez de um pico de um único ano, embora as avaliações e o ritmo de capex sejam os fatores de oscilação.
NVDA ou os fornecedores menores?
NVIDIA é o líder estrutural e design de referência, mas fornecedores menores como CoreWeave, Astera Labs e Credo carregam maior assimetria — mais vantagem se a construção continuar, drawdowns mais profundos se o capex de AI diminuir.
Quanto tempo dura o ciclo de infraestrutura de AI?
Os acordos de compra de energia de hiperescaladores já chegam à década de 2030, e a construção projetada é executada em um CAGR de 20 e poucos a 30 e poucos por cento — isso é enquadrado como um tema estrutural, não de um único ano.
Como o MoonshotScore avalia este tema?
Para temas de AI, a pontuação pondera o crescimento da receita, a compra de informações privilegiadas, a intensidade de P&D e os ganhos de participação de mercado de forma mais intensa — os fatores que separam os vencedores estruturais dos nomes de momentum.
Qual é o principal risco?
Os principais riscos são uma moderação no capex de hiperescaladores a partir de 2027, restrições de chips da China e um excesso de oferta de GPU — qualquer um dos quais poderia desvalorizar toda a cadeia rapidamente.
Fontes de pesquisa
- IDC — Artificial Intelligence Infrastructure Spending to Reach $758Bn USD Mark by 2029
- IDC — AI Infrastructure Spending Caps Historic Year at ~$90 Billion in Q4 2025; 2029 Spending to Eclipse $1 Trillion
- McKinsey & Company — The cost of compute: A $7 trillion race to scale data centers
- Statista — Big Tech's AI Spending to Reach $725 Billion in 2026 (capex of Meta, Alphabet, Amazon, Microsoft)
- NVIDIA / SEC — NVIDIA Q4 and FY2025 Results (Form 8-K)
- Asia Business Outlook — TSMC 2025 Revenue Jumps 32% on Strong AI Chip Demand
- Futurum Group — Broadcom Q4 FY2025 Earnings: AI And Software Drive Beat
- Tom's Hardware — Samsung and SK hynix warn AI-driven memory shortages could last until 2027 and beyond
Temas relacionados
Energy — The Electricity of AICopper — The AI BottleneckAI Agents & Agentic Software
Conteúdo educacional, não aconselhamento de investimento. O desempenho passado não garante resultados futuros.