Entrada 101
Depreciação de Hardware de IA: O Risco que Ninguém Modela
Hyperscalers que investem centenas de bilhões em infraestrutura de IA estão usando prazos de depreciação de 5–6 anos para GPUs e equipamentos de suporte. Isso é mais longo do que a vida útil histórica de hardware comparável, e mais longo do que o ritmo arquitetônico dos lançamentos de GPU da NVIDIA. Cada ano de vida útil revisado para baixo se traduz diretamente em bilhões de dólares em despesa de depreciação anual mais alta — e em lucros reportados menores. A questão da depreciação é o risco mais subestimado na história do investimento em infraestrutura de IA.
Traduzido automaticamente do original em inglês. Ler o original em inglês →
A Matemática Por Trás da Questão
Um programa de CapEx de $100 billion depreciado ao longo de 6 anos adiciona $16.7 billion em despesa anual. O mesmo programa depreciado ao longo de 4 anos adiciona $25 billion. A diferença de $8.3 billion é impacto puro sobre o lucro, antes de qualquer mudança na receita. Para hyperscalers que reportam dezenas de bilhões em lucro operacional, isso é material — e as empresas afetadas (Microsoft, Google, Amazon, Meta) estão no centro da maioria dos portfólios de crescimento.
Por Que 5–6 Anos Parece Agressivo
A NVIDIA lança novas arquiteturas de GPU aproximadamente a cada dois anos. Cada geração entrega uma melhoria de 2–5x em desempenho por watt. Uma GPU de quatro anos compete com hardware novo que é 4–10x mais eficiente. Em que ponto manter hardware mais antigo em produção passa a custar mais em energia e espaço de rack do que substituí-lo? O cronograma de depreciação responde uma versão dessa questão; a economia física pode responder de forma diferente.
O Modelo CoreWeave
Provedores de nuvem especializados — CoreWeave, Nebius, Lambda — alugam capacidade de GPU com contratos mais curtos. Seus modelos financeiros assumem utilização agressiva nos primeiros 2–3 anos, com rendimento decrescente depois. Isso está mais próximo da realidade econômica do que uma depreciação linear de 6 anos. O gap entre os modelos dos provedores especializados e os cronogramas de depreciação dos hyperscalers é o risco de subscrição — e é visível nas divulgações financeiras, para quem se der ao trabalho de olhar.
Quando a Questão se Torna Visível
Uma revisão do cronograma de depreciação é um impacto sobre o lucro sem efeito caixa, mas um choque de confiança. O mercado normalmente não precifica esse risco até que uma mudança contábil explícita seja anunciada. Janelas de catalisador: apresentações anuais do 10-K, preocupações de auditores, revisões do grupo de pares. Um único hyperscaler revisando seu cronograma para baixo forçaria o setor a seguir — e a reação do mercado seria imediata.
Implicações para Investimento
Os múltiplos de ações dos hyperscalers dependem, em parte, da durabilidade dos lucros atuais, que dependem das premissas atuais de depreciação. Fornecedores de infraestrutura de IA se beneficiam de qualquer revisão de depreciação que acelere os ciclos de substituição — vida útil mais curta significa compras mais frequentes. Quanto mais tempo o regime atual de depreciação se mantiver, mais violenta será a revisão eventual. Este é um risco de cauda para ações de hyperscalers e um benefício de cauda para fornecedores de hardware de IA.