Ajude o World Market Atlas a crescer
Ao encomendar uma avaliação de empresa, também apoia o desenvolvimento do projeto.
Apoie o projeto
Ajude a desenvolver o World Market Atlas, um projeto independente para investidores individuais. O seu apoio permite-nos produzir análises e melhorar as ferramentas.
Calcular como uma nova classe potencial de ativos — a financiarização do poder de computação na economia da IA
Em 23 de setembro de 2026. Os anúncios e as previsões não implicam investimentos já realizados nem negociação efetiva.
O desenvolvimento da inteligência artificial está aumentando rapidamente a importância da infraestrutura de computação, particularmente aceleradores GPU especializados utilizados para treinamento e inferência. O poder de cálculo, tradicionalmente tratado como uma despesa de exploração ou parte de infraestrutura de TI, está a tornar-se objecto de preços normalizados, contratos a longo prazo, financiamento apoiado por infraestruturas e derivados planeados. NVIDIA descreve este processo como transformando o cálculo em uma classe de ativos investíveis. Ao mesmo tempo, estão a surgir os primeiros estudos acadêmicos sobre cálculo de preços como ativo financeiro e contratos de futuros baseados nos preços de aluguel da GPU.
Este artigo avalia se o cálculo pode realmente se transformar numa classe de ativos separada. A análise sugere que o poder de computação compartilha algumas características com commodities, energia e infraestrutura. No entanto, é também altamente heterogêneo, sujeito a rápidas mudanças tecnológicas, impossível de armazenar sob a forma de capacidade não utilizada, e concentrado entre um pequeno número de fornecedores. O resultado mais provável não é, portanto, uma classe de ativos homogênea, mas um complexo de instrumentos financeiros que abrangem infraestruturas de IA, contratos de cálculo, empréstimos garantidos por equipamentos e receitas, e derivados aos preços da GPU.
Palavras-chave: inteligência artificial, cálculo, GPU, classe de ativos, futuros, infraestrutura de IA, centros de dados, financiarização, NVIDIA.
1. Introdução
Cada revolução tecnológica produziu não só novas empresas, mas também novos ativos para financiar e investir. Os caminhos-de-ferro apoiaram o desenvolvimento de obrigações de infra-estrutura; o petróleo criou grandes mercados de futuros; as telecomunicações conduziram à financiarização da infra-estrutura de rede; e a Internet contribuiu para uma classe inteira de activos associados aos centros de dados e à infra-estrutura digital.
A IA gerativa pode desencadear um processo semelhante. O recurso fundamental que permite que os modelos de IA funcionem é o poder de computação — computação. Neste contexto, abrange não apenas uma GPU individual, mas todo o sistema que converte eletricidade e dados em computação: aceleradores, processadores, memória, redes, refrigeração, centros de dados e software.
Em agosto de 2026, Jensen Huang, diretor executivo da NVIDIA, defendeu que a infraestrutura de IA começava a tornar-se uma nova «classe de ativos em que se pode investir». NVIDIA também anunciou a cooperação com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR em plataformas de financiamento de infraestruturas de IA destinadas a mobilizar mais de 500 mil milhões de dólares de capital de terceiros. No entanto, o anúncio da NVIDIA descreve plataformas de financiamento planejadas e vem de uma empresa com um interesse económico direto em expandir o mercado de infraestrutura de IA.
A questão da investigação não deve, portanto, ser se NVIDIA chama a calcular uma classe de ativos, mas se o poder de computação satisfaz as condições económicas e financeiras necessárias para se qualificar como uma classe de ativos separada.
2. O que significa realmente «classe de ativos»?
Nem tudo com um preço é uma classe de ativos. Em seu artigo clássico O que é uma classe de ativos, de qualquer forma?, Robert Greer definiu uma classe de ativos como um conjunto de ativos compartilhando características económicas fundamentais que os distinguem de outros ativos.
Uma abordagem contemporânea utilizada pelo Instituto CFA também sugere que os membros de uma classe de ativos devem ser relativamente homogêneos, representam fontes comuns de risco e oferecem escala e capacidade de investimento suficientes para formar uma parte significativa de uma carteira de investimentos.
No caso do cálculo, podem distinguir-se pelo menos quatro objectos económicos diferentes:
Infraestrutura de computação física — GPUs, servidores e centros de dados;
Fluxo de serviços de computação — por exemplo, uma hora de utilização da GPU;
Contratos e instrumentos financeiros baseados em cálculos — acordos a longo prazo e futuros;
Instrumentos que financiam infraestruturas — empréstimos, obrigações e estruturas de financiamento de projetos garantidos por GPUs ou contratos com clientes.
Esta distinção importa. A posse de um centro de dados assemelha-se a um ativo de infra-estrutura convencional que gera fluxos de caixa, enquanto que uma hora de GPU não utilizada é mais como um bem económico perecível comparável à electricidade.
3. Por que o cálculo está começando a parecer uma mercadoria?
Um mercado financeiro requer um mercado ativo no bem subjacente. Tal mercado está gradualmente emergindo para o poder de computação.
Em (Early) AI Compute Asset Pricing, Bandi e Su argumentam que o objeto económico a ser negociado não deve ser a GPU sozinho, mas o acesso a um determinado pacote de serviços: o acelerador, memória, CPU, rede, localização, confiabilidade e infraestrutura do operador.
A GPU-hora — uma hora de acesso a um determinado tipo de GPU — poderia, portanto, tornar-se uma unidade análoga a um barril de petróleo ou a um megawatt-hora.
O problema é que uma hora de GPU não é homogênea. Uma hora em um NVIDIA A100, H100 ou B200, ou um AMD MI300X, pode fornecer um desempenho muito diferente. Os centros de dados também diferem na configuração da rede, na memória e na qualidade da infraestrutura.
A Bandi e a Su descrevem o mercado actual como heterogêneo e argumentam que a financiarização exige índices que convertam muitos preços diferentes em um parâmetro de referência normalizado.
Este processo já começou. Surgiram índices que publicam preços de aluguer de A100, H100, B200 e outros aceleradores. A Silicon Data publica referências diárias expressas em dólares por hora de GPU, entre outras medidas.
Um índice por si só não cria uma classe de ativos, mas é um pré-requisito fundamental para os derivados e um mercado para a gestão do risco.
4. A escala económica do mercado de cálculos
A enorme dimensão do investimento constitui um segundo argumento para a financiarização do cálculo.
Segundo o Índice de IA de Stanford, a capacidade global de computação de infraestruturas de IA tinha aumentado aproximadamente 3,3 vezes por ano desde 2022, atingindo cerca de 17,1 milhões de NVIDIA H100 equivalentes no final de 2025. NVIDIA representou mais de 60% da capacidade global estimada, sendo que a Google, Amazon e outros fabricantes também detêm ações significativas.
Esta infra-estrutura requer também investimentos energéticos substanciais. A Stanford estimou a capacidade de energia da infraestrutura do centro de dados IA em aproximadamente 29,6 GW em 2025.
A escala financeira é ainda mais impressionante. A Agência Internacional da Energia informa que as despesas de capital por cinco grandes empresas tecnológicas excederam os 400 mil milhões de dólares em 2025 e esperava-se que aumentassem cerca de outro 75% em 2026. A AIE observa que o capex por apenas cinco empresas tecnológicas tinha se tornado maior do que o investimento global em petróleo e gás a montante.
Isto implica que a infra-estrutura de IA está a atingir uma escala em que o financiamento exclusivamente através de empresas tecnológicas (') balanço está a tornar-se menos eficiente. Uma consequência natural é a chegada de bancos, fundos de crédito privados, investidores de infraestruturas e mercados de obrigações.
5. O futuro como ponto de viragem
Uma das etapas mais importantes para transformar um bem económico em um ativo financeiro é a criação de um mercado de derivados.
A CME Group e a Silicon Data anunciaram futuros sobre os preços de aluguer de NVIDIA H100 e B200. Segundo o anúncio da CME, está previsto que a negociação comece em 5 de outubro de 2026, sujeita às necessárias aprovações regulamentares. Em 23 de setembro de 2026, isto significa que o mercado foi anunciado, mas ainda não tem um historial prolongado de negociação efetiva.
ICE e NATIVX anunciaram planos semelhantes, trabalhando em futuros baseados em COIL, um índice que mede o preço do poder computacional normalizado.
O surgimento de futuros é importante por duas razões.
Primeiro, os futuros permitem a cobertura. Uma empresa que planeia treinar um modelo em 2027 poderia potencialmente cobrir o custo futuro do cálculo hoje em dia. Um operador de centro de dados poderia cobrir o risco de diminuição dos preços do aluguer.
Em segundo lugar, os futuros criam uma exposição financeira para os investidores que não querem construir um centro de dados ou comprar próprias GPUs.
Neste ponto, o cálculo começa a se assemelhar aos mercados de eletricidade, gás e outras mercadorias.
6. O cálculo difere, no entanto, do óleo
Uma característica fundamental distingue o cálculo de muitas mercadorias tradicionais: a capacidade de computação não utilizada não pode ser armazenada.
Se o proprietário de uma instalação de armazenamento não vender um barril de petróleo hoje, ele pode ser vendido mais tarde. No entanto, se uma GPU ficar inativa por uma hora, essa hora de capacidade produtiva é perdida permanentemente.
Bandi e Su notam que a relação de arbitragem spot-futuros padrão familiarizado com mercadorias armazenadas, portanto, não se aplica diretamente ao cálculo. Neste sentido, a energia de computação está muito mais perto da eletricidade.
O preço do cálculo depende, por conseguinte, de factores como:
Utilização actual das infra-estruturas;
A disponibilidade de energia;
O fornecimento de novos chips;
Exigência de formação e inferência de modelos;
A geração do processador;
Disponibilidade da memória;
Infra-estrutura de rede;
Localização do centro de dados;
Eficiência de software.
Em consequência, o valor da infra-estrutura pode ser altamente sensível à utilização. As GPUs com um valor nominal de vários mil milhões de dólares podem gerar receitas substanciais perto da plena capacidade, mas a rendibilidade pode diminuir acentuadamente se a oferta exceder a demanda.
7. Obsolescência tecnológica
Outra diferença da infraestrutura tradicional diz respeito ao ciclo de vida do ativo.
Uma central eléctrica, gasoduto ou auto-estrada pode funcionar durante décadas. Em contrapartida, os processadores de IA podem perder competitividade relativamente rapidamente à medida que emergem novas gerações de chips.
NVIDIA argumenta que o software CUDA pode ampliar a utilidade económica de hardware antigo. A empresa cita a A100, introduzida em 2020 e ainda em uso comercial, como exemplo.
Este argumento não elimina o risco tecnológico. Bandi e Su apontam que o hardware físico envelhece enquanto um índice financeiro pode gradualmente mudar para gerações de processadores mais recentes.
Isto cria uma situação interessante: um proprietário de infraestrutura pode deter um ativo físico envelhecido, enquanto um investidor em um índice de cálculo pode ter exposição que migra dinamicamente para tecnologia mais recente.
Por conseguinte, os dois instrumentos teriam perfis de risco muito diferentes.
8. O surgimento de financiamentos financiados por cálculos
A financialização mais avançada está provavelmente a ocorrer nos mercados de crédito e não nos mercados de futuros.
O CoreWeave já utiliza estruturas em que o financiamento está diretamente ligado às compras da GPU e ao cumprimento dos contratos com os clientes. Em março de 2026, uma empresa do grupo celebrou um contrato de empréstimo a prazo para um máximo de 8,5 mil milhões de dólares, destinado em parte a adquirir servidores GPU e infraestrutura necessários para cumprir um contrato com o cliente.
No final de junho de 2026, a CoreWeave divulgou cerca de 35,6 mil milhões de dólares de dívida. Algumas estruturas tinham como garantia os ativos de entidades de finalidade específica, incluindo infraestruturas e créditos a receber de valor significativo.
Em Maio de 2026, a empresa também anunciou financiamento público de HPC sindicado garantido por infraestrutura AI.
Um padrão semelhante está a surgir mais amplamente. Em setembro de 2026, a Reuters relatou cerca de 22 mil milhões de dólares em financiamento de um empreendimento de infraestrutura envolvendo Blackstone e Alphabet, com garantias supostamente incluindo processadores TPU e contratos de clientes.
Isto assemelha-se ao desenvolvimento histórico de outras classes de ativos de infraestrutura: primeiro um ativo gerador de receitas, depois empréstimos apoiados por ativos, seguido de titularização, índices e derivados.
9. Os principais riscos da classe de activos emergente
O maior obstáculo para o caso de uma classe de ativos separada é a falta atual de maturidade do mercado.
O risco tecnológico decorre do rápido desenvolvimento de aceleradores. Uma nova geração pode reduzir materialmente o custo de uma unidade de computação e diminuir o valor económico de GPUs anteriores.
O risco de demanda diz respeito à escala do futuro uso de IA. Os investimentos atuais pressupõem uma forte demanda contínua de formação de modelos e de inferências. Se a monetização da IA prosseguisse mais lentamente do que se esperava, a utilização da infra-estrutura poderia diminuir.
O risco de concentração tecnológica é especialmente importante. O Stanford AI Index destaca a posição dominante da NVIDIA na capacidade de computação mundial e a forte concentração do fabrico de semicondutores de ponta.
O risco energético torna o preço do cálculo em parte dependente dos preços da electricidade e da disponibilidade. A AIE espera que o consumo global de electricidade dos centros de dados aumente rapidamente nos próximos anos.
O risco de base surge quando uma empresa cobre os custos usando um índice H100, mas realmente usa um fornecedor, região ou configuração de hardware diferente. A Bandi e a Su mostram que os preços em todos os segmentos do mercado nem sempre se aproximam.
Por último, o risco financeiro resulta do elevado endividamento do sector. À medida que o investimento em IA aumenta, a dívida, o leasing, o financiamento de projetos e as garantias de valor residual tornam-se cada vez mais importantes. Consequentemente, os mercados de crédito suportam uma parte crescente do risco em torno do valor futuro dos equipamentos e contratos de IA.
10. O cálculo já é uma classe de ativos separada?
Nesta fase, a resposta deve ser mais cautelosa do que a narrativa avançada pelos fabricantes de infraestruturas.
Compute já tem várias características de uma classe emergente de ativos:
Um mercado subjacente muito grande e em rápido crescimento;
Preços mensuráveis para unidades de potência informática;
Índices de preços;
Contratos a longo prazo;
A capacidade de financiar ativos com base em fluxos de caixa futuros;
Financiamento apoiado por equipamento;
Um mercado de derivados em desenvolvimento;
Participantes que têm uma necessidade natural de cobrir o risco de preços.
Ao mesmo tempo, o cálculo ainda não satisfaz todos os critérios para uma classe de ativos madura. Os históricos de preços são curtos, os índices são novos, o mercado continua fragmentado, os produtos não são totalmente intercambiáveis, e os futuros não têm um recorde multianual de negociação de líquidos. Também não existem dados históricos suficientes para avaliar de forma confiável os retornos a longo prazo, a volatilidade e as correlações com ações, obrigações, commodities e imóveis.
Curiosamente, os resultados preliminares de Bandi e SuÏ para futuros sintéticos sugerem a possibilidade de um prémio de risco de cálculo positivo. Os próprios autores enfatizam a natureza precoce desses achados.
Por conseguinte, é actualmente mais preciso descrever o cálculo como um mercado emergente de ativos e risco financeiro do que como uma classe de ativos plenamente estabelecida.
11. Conclusões
O desenvolvimento da IA está mudando a natureza económica do poder computacional. O cálculo não é mais apenas uma despesa de TI. Está a tornar-se um recurso produtivo escasso com um preço observável, uma fonte de receitas, garantias para dívida e um potencial ativo subjacente para futuros.
Por conseguinte, o elemento-chave desta transformação não é apenas o crescimento do valor do mercado das GPU, mas a financiarização do cálculo.
O processo pode ser representado pela seguinte sequência:
GPU → Infraestrutura de AI → Aluguel de horas da GPU → índice de preços de cálculo → contrato de longo prazo → financiamento computado → futuros → classe de ativos potenciais.
A este respeito, 2026 pode ser um ano transitório. NVIDIA e instituições financeiras globais estão criando estruturas de financiamento de infra-estruturas medidas em centenas de mil milhões de dólares, enquanto CME e ICE estão desenvolvendo instrumentos destinados a transferir o risco de preço de cálculo para os mercados financeiros.
Ao mesmo tempo, o cálculo permanece muito mais complexo do que uma mercadoria tradicional. É perecível, tecnologicamente heterogêneo, dependente da energia, envelhece rapidamente e concentrado em torno de um punhado de fornecedores de tecnologia.
O resultado mais provável não é, portanto, uma simples classe de ativos de cálculo. É mais provável um ecossistema de financiamento de infra-estruturas de IA mais amplo, abrangendo ativos de infra-estrutura, crédito privado, obrigações, contratos de cálculo e derivados.
Se os próximos anos produzirem um mercado spot líquido, benchmarks confiáveis, um mercado de futuros profundos e um histórico de preços suficientemente longo para identificar um prémio de risco independente, o cálculo poderia realmente começar a funcionar como uma classe de ativos separada na teoria da carteira.
Por enquanto, estamos observando os começos do processo que poderia levar ao seu surgimento.
Bibliografia
Bandi, F. M., Su, Y. (2026), (Early) AI Calcule Asset Pricing, arXiv:2607.12156, versão de 10 Setembro 2026 ArXiv — papel completo
Instituto CFA (2026), Visão geral da atribuição de activos. CFA Institute
Referência bibliográfica (título original): CME Group (2026), CME Group and Silicon Data to Launch Compute Futures on October 5 to Unlock New Way to Hedge AI Risks. CME Group
Referência bibliográfica (título original): Greer, R. J. (1997), What Is an Asset Class, Anyway?, The Journal of Portfolio Management, 23(2), 86–91, DOI: 10.3905/JPM.23.2.86.
Agência Internacional da Energia (2025), Energia e IA. IEA – Energia e IA
Agência Internacional da Energia (2026), Questões-chave sobre Energia e IA. IEA — Relatório 2026
Intercontinental Exchange, NATIVX (2026), ICE e NATIVX para lançar contratos de futuros de cálculo normalizados da energia. ICE
NVIDIA (2026), Huang, J., NVIDIA AI Fábrica de cálculo está se tornando uma classe de ativos investíveis, 11 Agosto 2026 NVIDIA Blog — artigo fonte
NVIDIA (2026), A NVIDIA associa-se à Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para criar plataformas de financiamento de infraestruturas de computação de IA destinadas a mobilizar mais de 500 mil milhões de dólares de capital de terceiros. NVIDIA Newsroom
Stanford Institute for Human-Centered Artificial Intelligence (2026), AI Index Report 2026 – Pesquisa e Desenvolvimento. Índice de AI de Stanford 2026
CoreWeave Inc. (2026), depósitos SEC sobre financiamento de infraestruturas GPU e passivos financeiros. SEC – CoreWeave 2026 arquivamento
Silicon Data (2026), GPU Rental Price Indices e materiais sobre o mercado emergente de futuros sobre capacidade de computação. Índices da Silicon Data
As publicações refletem as opiniões pessoais do autor à data da publicação. Não são recomendações de investimento.