Isso não foi apenas um ajuste técnico isolado. Quatro pressões estruturais estão atuando em conjunto na lógica de valuation dos semicondutores de IA: a reconfiguração da cadeia de suprimentos com a nacionalização dos semicondutores na China, a redefinição do risco de crédito da Nvidia, os desafios à lógica de expansão da capacidade de computação trazidos pelo aumento de eficiência dos modelos de IA e a retirada de capital em meio ao congestionamento de operações com valuations elevados. A seguir, uma decomposição ponto a ponto.
Diagrama da lógica de transmissão das quatro pressões sobre semicondutores de IA
Avanço na nacionalização de semicondutores chineses, levando a uma reavaliação global da cadeia de suprimentos
Em 27 de julho, a principal produtora de DRAM da China, ChangXin Memory Technologies (CXMT), estreou no STAR Market da Bolsa de Valores de Xangai e fechou a 49,00 iuan, bem acima do preço de emissão de 8,66 iuan, com alta de 466%. Em um único dia, o valor de mercado atingiu 3,28 trilhões de iuan renminbi (aproximadamente US$ 484,6 bilhões), ultrapassou Tencent e Intel e se tornou a nº 1 em valor de mercado no mercado A. O volume financeiro diário de negociações passou de 1.400 bilhões de iuan, estabelecendo recorde histórico no mercado A. O jornal britânico “Financial Times” noticiou que a CXMT se tornou o “4º maior produtor global de DRAM”.
Paralelamente, surgiram notícias de que uma empresa com participação do Estado de Xangai começou a produzir em escala uma máquina de litografia DUV imersiva. Neste ano, a meta é produzir cerca de 5 unidades; no próximo ano, o objetivo é elevar para cerca de 20 unidades. Os primeiros equipamentos serão entregues à SMIC, à Hanza Semiconductor e à ChangXin Memory. Embora esses 5 equipamentos previstos para 2026 representem apenas 3,8% do volume de remessas da ASML em 2025 (131 unidades), o mercado não está negociando apenas a capacidade de substituição de curto prazo, e sim a mudança no cenário de suprimentos no longo prazo.
A narrativa central dos últimos dois anos foi: crescimento da demanda por chips de IA → aperto global de oferta → superlucros para Samsung, SK hynix e Micron. A listagem da CXMT e a produção em escala do maquinário de litografia doméstico apontam para uma expectativa oposta na direção da cadeia: aumento da capacidade da cadeia de suprimentos chinesa → incremento da oferta global → pressão sobre os preços de armazenamento → queda das margens de lucro. A ChangXin Technology elevou a taxa de rendimento de chips DDR5 no processo de 17nm para 90%. A demanda doméstica de DRAM representa um quarto do total global. Como o setor historicamente dependeu de importações por muito tempo, uma vez que a nacionalização ganhe escala, o impacto na estrutura global de oferta e demanda de armazenamento tende a ser estrutural.
Essa expectativa se reflete diretamente na queda do setor de armazenamento. A SK hynix e a Samsung Electronics recuaram, desde as máximas de junho, cerca de 50% e 41%, respectivamente, bem acima da queda simultânea de 21% do índice de semicondutores da Filadélfia. O mercado não está negociando “substituição da ASML neste ano” por equipamentos domésticos; ele está negociando o cenário de que “a oferta global de armazenamento pode ser reconfigurada em 3 a 5 anos”.
Comparativo do recuo acumulado dos principais ativos de semicondutores de IA desde as máximas de junho
Redefinição do risco de crédito da Nvidia
Em 27 de julho, o credit default swap (CDS) de 5 anos da Nvidia chegou a subir cerca de 14 pontos-base durante o pregão, alcançando cerca de 82 pontos-base ao ano, a maior alta diária do contrato desde o início das negociações ativas em novembro de 2025. O CDS pode ser visto como um seguro contra inadimplência das dívidas corporativas: quando o preço sobe, isso indica que o mercado passa a enxergar aumento no risco de crédito da empresa emissora.
A alta disparada do CDS teve como causa imediata direta a preocupação do mercado com o modelo de “financiamento circular” da Nvidia. Em 24 de julho, a Nvidia e o grupo sul-coreano SK anunciaram um acordo de cooperação em IA superior a US$ 500 bilhões. Nesse mesmo contexto, a Nvidia também negocia para fornecer garantias de até US$ 250 bilhões ao OpenAI, ajudando-o a alugar capacidade de computação em data centers. Segundo reportagens, a Nvidia ainda discute financiar projetos dos EUA de US$ 350 bilhões nos quais o OpenAI compraria seus chips. Somados, os projetos ultrapassam US$ 750 bilhões.
Críticos vêm alertando há meses que acordos desse tipo têm natureza circular: a Nvidia oferece financiamento ou participação em algumas empresas, que normalmente acabam comprando ou usando chips da Nvidia. Michael Ball, estrategista de macro da Bloomberg, apontou que esses acordos gigantes de infraestrutura reacenderam a dúvida do mercado sobre a lógica de “fluxo de caixa circular” do capex em IA. O crescimento de receita da Nvidia depende fortemente da capacidade de financiamento dos clientes a jusante; quando o ambiente de financiamento muda, toda a cadeia de gastos com IA corre risco de contração.
O destaque é que a alta do CDS não é exclusiva da Nvidia. Dados do London Stock Exchange Group mostram que gigantes de IA como Oracle, SpaceX, Alphabet, Amazon, Meta e Broadcom tiveram CDS recentemente atingindo máximas recordes. Em 27 de julho, a cotação do CDS de 5 anos da Oracle foi de 215 pontos-base, muito acima dos 144 pontos-base no início do ano. A S&P Global Ratings havia rebaixado a classificação de crédito da Oracle para BBB-, citando o plano de investimento de US$ 70 bilhões em data centers.
O mercado está fazendo uma pergunta mais profunda: a Nvidia é de fato uma “fornecedora de GPUs” ou um “participante financeiro de infraestrutura de IA”? Se for o segundo caso, a qualidade e a sustentabilidade da receita precisam ser reavaliadas.
Melhoria na eficiência dos modelos de IA, desafiando a lógica de expansão da capacidade de computação
Em 28 de julho, o “Moonveil” lançou oficialmente o modelo Kimi K3 de código aberto, além de publicar um relatório técnico e os pesos do modelo. A escala de parâmetros do Kimi K3 é de cerca de 2,8 trilhões, aproximadamente 3 vezes a geração anterior Kimi K2.5. Mas o dado mais crucial é: por meio de inovações técnicas como Kimi Delta Attention, Attention Residuals e MoonEP, a eficiência em escala melhorou cerca de 2,5 vezes — ou seja, no sentido ótimo de capacidade de computação, a produção inteligente por unidade de computação é aproximadamente 2,5 vezes a original. O relatório técnico mostra que a atenção linear do KDA substitui 75% das camadas tradicionais de atenção; a compressão do KV Cache é de 75%; e a velocidade de decodificação para textos longos melhora em 6,3 vezes.
O Kimi K3 não é um caso isolado. Modelos de código aberto como o DeepSeek também exploram os limites da eficiência algorítmica. Esses avanços reposicionam o mercado em torno de uma questão central: uma IA mais forte necessariamente exige mais GPUs e data centers maiores?
Antes, o mercado geralmente aceitava a lógica de “Scaling Law” — modelos maiores, mais dados e mais poder de computação com correlação linear entre si. Mas o Kimi K3 mostra um caminho diferente: em condições de recursos de computação limitados, é possível alcançar um salto grande na produção inteligente por unidade de computação via inovação de arquitetura. Se a otimização do algoritmo puder substituir parcialmente a necessidade de empilhar capacidade, então as expectativas de crescimento de demanda por GPU, a taxa de retorno dos investimentos em data center e o ritmo de capex dos provedores de nuvem precisam ser recalibrados.
Claro, essa lógica enfrenta controvérsia. As visões de instituições como Citi e Bank of America Securities tendem a ser mais negativas: melhorias de eficiência podem liberar mais uso via o “paradoxo de Jevons”, elevando o consumo total de recursos. Quando o custo por inteligência cai, as empresas tenderiam a implantar mais agentes inteligentes em execução contínua, análises com contextos mais longos, automação de código e serviços multimodais em tempo real. Ainda assim, independentemente disso, a abertura do Kimi K3 comprova pelo menos uma coisa: o caminho de melhoria da eficiência de computação é real, e essa rota ainda não era clara 12 meses atrás. O mercado precisa fazer análises de cenário bidirecionais sobre a “curva de demanda por capacidade de computação”, e não apenas uma extrapolação em uma direção.
Operações com valuations altos lotadas: retorno de lucro do capital
Nos últimos dois anos, o setor de semicondutores de IA acumulou ganhos enormes. Os valuations de mercado de ativos-chave como Nvidia, SK hynix, Broadcom, Micron e ASML já anteciparam as expectativas de crescimento de IA para os próximos anos. Quando múltiplas notícias negativas surgem ao mesmo tempo — competição na cadeia de suprimentos chinesa, risco de crédito da Nvidia e melhoria de eficiência dos modelos — o capital tende a reduzir exposição ao risco.
O mercado de ações dos EUA em 27 de julho mostrou de forma clara essa rotação “alta cortada, baixa para risco menor”: o índice de semicondutores da Filadélfia chegou a cair perto de 5% mais cedo, e terminou com queda de 2,23%. Já a Apple fechou em alta de 1,17%, Google - A em alta de 2,13%, Microsoft em alta de 1,94%, SAP em alta de 6,90% e Salesforce em alta de 6,04%. O S&P 500, ao excluir ações relacionadas à IA, subiu 0,80%, desempenho claramente superior ao índice geral.
O analista do Goldman Sachs, Chris Hussey, apontou que o desempenho aquém do S&P 500 nos últimos dois meses tem como raiz principal a dúvida do mercado sobre a sustentabilidade dos investimentos em infraestrutura de IA, e não fatores macro como preços do petróleo e juros. Thomas Martin, gestor sênior de portfólio da Globalt Investments, foi direto: o “estouro” da bolha de inteligência artificial está aparecendo em forma de “deflação de expectativas”.
Do ponto de vista do fluxo de capital, o mercado está migrando do upstream de semicondutores, que tem valuations altos e dependência de expectativas futuras, para tecnologias de consumo e softwares corporativos com maior certeza de desempenho e fluxos de caixa mais estáveis. Isso não é negação da tendência de longo prazo da IA, mas sim um ajuste do gap entre valuation de curto prazo e expectativas futuras.
Conclusão
Em 28 de julho de 2026, o forte tombo coletivo do setor global de semicondutores de IA foi a liberação concentrada, na mesma janela de tempo, de quatro pressões estruturais.
A nacionalização dos semicondutores na China — a listagem da ChangXin e a produção em escala do DUV lithography — desencadeou uma reavaliação futura do cenário global de suprimento de armazenamento; a disparada recorde do CDS da Nvidia revelou a redefinição de preço do risco de crédito no modelo de “financiamento circular”; a abertura do Kimi K3 com melhoria de eficiência em 2,5 vezes baseada em dados desafia a narrativa linear de “IA mais forte = mais capacidade de computação”; e a rotação de capital sob o congestionamento de operações com valuations altos é a projeção inevitável dessas três pressões no mercado de capitais.
Essas quatro pressões não são independentes entre si. O avanço da cadeia de suprimentos chinesa pode reduzir preços de armazenamento e, com isso, afetar as expectativas de lucro da SK hynix e da Samsung; o aumento do risco de crédito da Nvidia pode elevar o custo de financiamento da infraestrutura de IA e, por consequência, abrandar o ritmo de crescimento da demanda por computação; se a melhoria de eficiência dos modelos continuar sendo verificada, ela pode alterar a estrutura de capex dos provedores de nuvem, o que impacta o ciclo de pedidos de toda a cadeia de equipamentos e chips de semicondutores. Elas compõem um ciclo lógico de reforço mútuo.
Para investidores, o que precisa ser distinguido agora não é “se a tendência de longo prazo da IA se sustenta”, e sim “se as premissas implícitas nos modelos de valuation existentes ainda são válidas”. Quando curvas de oferta de capacidade de computação, curvas de custo de financiamento e curvas de eficiência algorítmica se deslocam ao mesmo tempo, os modelos de valuation baseados em extrapolação de uma única variável precisam ser recalibrados.
FAQ
P1: Quais são as principais razões para a queda acentuada das ações da Nvidia?
A Nvidia fechou em queda de 4,99% em 27 de julho, e o gatilho imediato foi a preocupação do mercado com seu modelo de “financiamento circular”. A Nvidia está avançando com transações de infraestrutura de IA superiores a US$ 750 bilhões, incluindo cooperação com o grupo SK acima de US$ 500 bilhões e oferta de garantias de financiamento ao OpenAI. O mercado teme que o crescimento de receita da Nvidia dependa fortemente da capacidade de financiamento dos clientes a jusante; se o ambiente de financiamento mudar, toda a cadeia de gastos com IA tende a se contrair. O CDS de 5 anos da Nvidia disparou 14 pontos-base no mesmo dia, chegando a 82 pontos-base, a maior alta da história.
P2: Por que SK hynix e Samsung Electronics caíram muito mais do que a Nvidia?
A SK hynix caiu 14,65%, e a Samsung Electronics caiu 13,39%, uma queda significativamente maior do que os 4,99% da Nvidia. A causa central é que o setor de armazenamento foi diretamente atingido pelo choque da nacionalização de semicondutores chineses — a ChangXin Memory explodiu em alta de 466% no primeiro dia de listagem, e uma litografia DUV doméstica entrou em produção em escala. O mercado teme que a expansão da capacidade de produção de armazenamento na China aumente a oferta global e pressione para baixo os preços do armazenamento, enquanto o armazenamento é a principal fonte de lucro da SK hynix e da Samsung. As duas empresas já recuaram cerca de 50% e 41%, respectivamente, desde as máximas de junho.
P3: Que impacto a abertura do Kimi K3 tem na lógica de investimento em semicondutores de IA?
A escala de parâmetros do Kimi K3 é de cerca de 2,8 trilhões, com melhoria de eficiência em escala de aproximadamente 2,5 vezes via inovação de arquitetura. Isso desafia a narrativa tradicional de “IA mais forte = mais GPUs + mais data centers maiores”. Se a otimização de algoritmos puder continuar elevando a produção inteligente por unidade de computação, as expectativas de crescimento de demanda por GPU, a taxa de retorno dos investimentos em data center e o ritmo de capex dos provedores de nuvem podem ser reavaliados. Naturalmente, a melhora de eficiência também pode liberar mais uso via o “paradoxo de Jevons” — mas o mercado, ao menos, precisa deixar espaço para precificação do cenário de “demanda por capacidade de computação possivelmente crescer de forma não linear”.
P4: Qual é o tamanho do impacto da nacionalização de semicondutores na China no mercado global de armazenamento?
O impacto de curto prazo é limitado — a litografia DUV doméstica prevista para 2026 é apenas de 5 unidades, o que corresponde a 3,8% do volume anual de remessas da ASML. Mas o que o mercado está negociando é a mudança de longo prazo: a ChangXin Memory já se tornou o 4º maior produtor global de DRAM, e a taxa de rendimento de chips DDR5 no processo de 17nm atingiu 90%. A demanda doméstica de DRAM representa um quarto do total global. Se a nacionalização continuar avançando, o cenário global de oferta de armazenamento sairá do “monopólio das três grandes” para a “competição das quatro fortes”, o que mudará a lógica de precificação de longo prazo dos preços de armazenamento.
