Análise profunda do relatório de julho do Goldman Sachs 'Long China AI Value Chain': Por que a energia ocupa o primeiro lugar

Li o relatório da Goldman Sachs de 8 de julho duas vezes. Na segunda vez, voltei especificamente para um detalhe: a Goldman Sachs colocou a energia elétrica no topo da cadeia de valor de IA da China, posicionando modelos e aplicações mais abaixo. A princípio, achei que era apenas mais uma rotação emocional—a Coreia subindo demais e caindo, a China caindo demais e subindo, com o capital em busca da próxima história. Mas, após terminar o relatório inteiro, mudei de ideia. O que a Goldman Sachs está realmente dizendo não é apenas que "a IA da China vai subir", mas que toda a cadeia de valor de IA da China formou um ciclo fechado, e a precificação do mercado está severamente atrasada em relação ao seu peso econômico real. Ainda mais contraintuitivo é que o elo com a maior certeza em toda a cadeia é aquele que a maioria das pessoas pula primeiro ao falar sobre IA: Energia.

Esse ranking é mais digno de reflexão do que a própria mudança de posições, pois responde a uma pergunta direta: para onde o dinheiro deve ir para corresponder à participação atual de 16% da China na receita global de IA, que atualmente recebe apenas 1,2% das alocações de fundos? Neste post, vou detalhar os cinco segmentos—energia, semicondutores, infraestrutura, modelos e aplicações—explicando que tipo de dinheiro cada um gera e quem são os alvos representativos. Ao continuar lendo, você encontrará vários pontos contraintuitivos.

▸ Por que a Goldman Sachs abandonou a Coreia em favor da China ▸ Energia: O gargalo subjacente subvalorizado ▸ Semicondutores: Substituição doméstica no superciclo de memória ▸ Infraestrutura: Onde os gastos de capital realmente se materializam ▸ Modelos: Por que estão classificados mais abaixo ▸ Aplicações: O ponto final de monetização de menor risco ▸ Como combinar os cinco segmentos e onde estão os riscos

O que este relatório realmente está dizendo?

Por mais de um ano, o capital global praticamente fez fila para investir em ações de chips de memória na Coreia do Sul e Taiwan. A Samsung e a SK Hynix levaram o índice KOSPI a máximas históricas. A lógica era simples: a IA precisa de treinamento e inferência, e a memória é uma necessidade; quem tem a capacidade vence.

Mas essa lógica começou a afrouxar este ano. O mercado começou a duvidar da sustentabilidade dos gastos de capital em IA. O mercado de ações coreano caiu mais de 5% em um único dia, com um declínio acumulado de mais de 20%, entrando em um mercado baixista técnico. No mesmo dia, o índice Hang Seng China Enterprises subiu quase 4,5%. Os vestígios da migração de capital são óbvios.

Minha reação inicial foi que isso poderia ser apenas uma rotação emocional—o que sobe deve descer, e o capital sempre busca uma nova história. Mas, depois de ler o relatório inteiro, mudei de ideia, porque o argumento da Goldman não é apenas que a IA da China vai subir, mas que a cadeia de valor de IA da China formou um ciclo fechado completo, e a precificação do mercado está severamente atrasada em relação ao seu peso econômico real.

Os números são diretos: a China é responsável por cerca de 16% da receita global de IA e cerca de 10% do valor de mercado global, mas a alocação de fundos mútuos globais para a tecnologia de IA da China é de apenas 1,2%. A Goldman Sachs avalia que essa lacuna pode significar um potencial de alta de 50% a 100%.

A Goldman Sachs dividiu esse ciclo fechado em cinco segmentos: Energia, Semicondutores, Infraestrutura de IA, Modelos de IA e Aplicações de IA, e deu um nome de portfólio específico: GSXACART. A ordem da divisão em si é uma atitude. Quanto mais à frente está classificado, maior a certeza e a prioridade. Então, a pergunta é: por que a energia—um setor que soa o mais "terra-a-terra" e tradicional—está classificada à frente de chips e modelos?

1. Energia: O Gargalo Subjacente Subvalorizado

O treinamento e a inferência de IA são realmente famintos por energia. Uma única consulta ao ChatGPT consome quase 10 vezes a eletricidade de uma pesquisa comum. Esse número pode ter sido ignorado alguns anos atrás, mas, à medida que as escalas de treinamento e inferência aumentam simultaneamente, a energia passou de uma variável de fundo para uma restrição rígida. O problema nos EUA é típico: eles têm os chips e a tecnologia, mas a rede elétrica não consegue acompanhar. Muitos projetos de data centers estão travados na etapa de acesso à energia. A China, por outro lado, tem uma vantagem: fornecimento de energia em larga escala, baixo custo de energia verde no oeste, suporte político rápido e velocidades de construção que acompanham. Esses fatores se combinam em uma vantagem comparativa que outros não conseguem replicar facilmente no curto prazo.

A Goldman Sachs prevê que as principais empresas de internet da China investirão cerca de US$ 70 bilhões em data centers em 2026, com a demanda de energia dos data centers crescendo a uma taxa anual de cerca de 25%. O número de longo prazo da Administração Nacional de Energia é que, até 2030, o consumo de energia dos data centers da China atingirá 800 TWh, representando cerca de 6% do consumo total de eletricidade do país, com uma taxa de crescimento composta de quase 36% de 2025 a 2030. A Bloomberg New Energy Finance é ainda mais agressiva, acreditando que a demanda de energia dos data centers pode se aproximar de 600 TWh até 2030, mais que dobrando em relação ao atual.

A política "Dados do Leste, Computação do Oeste", que muitos inicialmente pensaram ser apenas um slogan, na verdade faz algo muito específico: converte os baixos preços de eletricidade, os baixos preços de terrenos e os ambientes de baixa temperatura do oeste diretamente em vantagens de custo operacional para data centers. Estima-se que, até 2025, isso possa economizar mais de 300 bilhões de yuans em custos de energia, e o ambiente de baixa temperatura otimiza naturalmente os índices de eficiência energética.

A parte mais facilmente subestimada deste segmento é que todos estão acostumados a tratar a energia como infraestrutura tradicional com valuations conservadores. Mas, no ciclo da IA, a energia passou de um item de custo para a própria competitividade. Os EUA têm vantagens em chips e algoritmos, mas são limitados pela rede elétrica. A China, inversamente, transformou a eletricidade—o recurso mais básico—em um fosso para os custos de poder computacional. Até certo ponto, a certeza das empresas de equipamentos de energia pode ser maior do que a das empresas de semicondutores, porque os semicondutores dependem do ritmo de recuperação tecnológica, enquanto a aquisição de equipamentos de energia é rígida, desde que os data centers estejam sendo construídos.

2. Semicondutores: Substituição Doméstica no Superciclo de Memória

A energia resolve o problema de se você pode ligar a máquina. O que acontece depois que ela liga? Os chips e a memória são suficientes? É isso que o segundo segmento responde.

A Goldman Sachs classifica os semicondutores em segundo lugar, com um nicho facilmente ignorado: não chips lógicos, mas memória. A demanda dos servidores de IA por DRAM, NAND e HBM está crescendo quase exponencialmente, e a China coincidentemente atingiu a janela para produção em massa e substituição doméstica de memória de uso geral. Os números são mais diretos do que a história: a participação global de NAND da Yangtze Memory (YMTC) subirá de 8% para 13% no primeiro trimestre de 2026, empatando em 4º lugar globalmente, com receita aumentando 445% ano a ano. A receita da ChangXin Memory (CXMT) subiu 719% ano a ano no mesmo período, com guidance de receita do primeiro semestre entre 11 e 12 bilhões de RMB. As exportações de circuitos integrados da China em maio de 2026 subiram 111% ano a ano, para US$ 35,55 bilhões, impulsionadas principalmente pelo aumento dos preços de memória. Esses números juntos mostram que isso não é apenas um sonho; é um desempenho já realizado em pedidos e preços.

O interessante neste segmento é que o surto e o subsequente crash da Coreia do Sul nesta rodada foram essencialmente porque a Samsung e a SK Hynix apostaram quase tudo no único elo da memória. Uma vez que o mercado duvida da sustentabilidade dos gastos de capital, o risco de um único elo explode. A memória chinesa, no entanto, está avançando em três dimensões simultaneamente: volume, custo-benefício e segurança da cadeia de suprimentos. Não é uma aposta em um único ponto. A elasticidade do lucro do elo da memória também é geralmente maior do que a dos chips lógicos, porque é um consumível padrão usado em todos os servidores de IA, não uma opção.

3. Infraestrutura de IA: Onde os Gastos de Capital Realmente se Materializam

A memória resolve o problema de ter materiais. Depois que os materiais são feitos, onde colocá-los? Isso leva ao terceiro segmento.

Se a energia e a memória são matérias-primas, a infraestrutura é onde esses materiais são montados em poder computacional. Servidores, módulos ópticos, refrigeração líquida e os próprios data centers estão todos nesta camada. O caminho da China aqui também é claro: "Dados do Leste, Computação do Oeste" concretiza vantagens de custo na seleção de locais, e as cadeias industriais domésticas de servidores e módulos ópticos são maduras o suficiente. O resultado é construção rápida e uso eficiente em termos de custo.

Quando olho para este segmento, um ponto facilmente ignorado é que a atenção de todos é sempre atraída primeiro para grandes eventos únicos, como o treinamento de modelos. Mas o que realmente gasta dinheiro continuamente é a inferência e a iteração após o treinamento. Essa parte da demanda é de longo prazo e contínua. As empresas de infraestrutura se beneficiam dessa parte, não apenas de pedidos únicos de uma única tarefa de treinamento. A Goldman Sachs classificar a infraestrutura à frente dos modelos é, até certo ponto, um lembrete de que o que pode ser escalado e monetizado continuamente são frequentemente os elos de ativos pesados, como construir salas de máquinas, fornecer energia e conectar redes, em vez dos próprios modelos, aparentemente mais sexy.

4. Modelos de IA: Por que Estão Classificados Mais Abaixo

A infraestrutura constrói a estrada; e o carro? O carro é o modelo.

Fiquei um pouco surpreso ao ver este segmento, pois os modelos são a parte que todos mais adoram discutir ao falar sobre IA. Mas a Goldman Sachs o colocou em quarto lugar, apenas uma posição à frente das aplicações. O caminho dos modelos na China não é a rota dos EUA de empilhar parâmetros e queimar poder computacional. O DeepSeek provou que modelos de alto nível podem ser feitos a baixo custo. Combinado com dados de cenários domésticos suficientes, eles podem alcançar maior custo-benefício em campos verticais como código, matemática e multimodalidade.

Uma coisa que ainda não entendi completamente é se a Goldman Sachs classificou os modelos mais abaixo porque acredita que o ritmo de comercialização dos modelos é mais lento do que o da infraestrutura, ou porque a concorrência nesta camada já é intensa o suficiente para que o espaço para retornos excessivos tenha diminuído. Ainda não tenho evidências decisivas para nenhuma das explicações, mas pelo menos uma coisa está clara: o modelo é a lança. Se a energia e as fábricas na frente não forem montadas primeiro, a lança não alcançará muito longe.

5. Aplicações de IA: O Ponto Final de Monetização de Menor Risco

A lança está feita; ela precisa acertar algo. Esse é o elo final: as aplicações.

A primeira impressão de muitas pessoas sobre a camada de aplicação é que é a mais concorrida e a mais difícil de ganhar dinheiro, com queima de caixa por usuários e muita homogeneização. Mas, no mercado chinês específico, a situação pode ser o oposto. A China tem o maior mercado de internet único do mundo. Empresas como Tencent, Meituan e Xiaomi detêm quantidades massivas de usuários e cenários reais. As funções de IA não precisam contar uma grande história primeiro; elas podem ser incorporadas diretamente em produtos existentes como pontos de pagamento.

Este segmento ser o último na cadeia de valor não significa que seja sem importância. Pelo contrário, sem o retorno financeiro da ponta da aplicação, os investimentos anteriores em energia, memória e infraestrutura se tornam custos irrecuperáveis sem retorno. A camada de aplicação é o ponto final e a fonte de energia que mantém toda a cadeia girando.

Como Combinar os Cinco Segmentos e Onde Estão os Riscos

A mudança da Goldman Sachs da Coreia para a China desta vez não é essencialmente uma rotação emocional, mas sim capital migrando de apostar em um único elo para apostar em um ciclo fechado completo. Se eu tivesse que dar uma ideia de configuração, classificaria assim: Energia e infraestrutura fornecem certeza—enquanto os data centers estiverem sendo construídos e expandidos, essa aquisição é rígida. Semicondutores, especialmente memória, fornecem elasticidade—o desempenho já está sendo realizado, e a elasticidade da avaliação é a maior. Modelos e aplicações fornecem retornos excedentes de longo prazo, mas o ritmo e o cenário competitivo ainda são variáveis.

Os riscos também devem ser claramente declarados: questões geopolíticas, ritmo de execução e flutuações de valuation—nenhum deles estará ausente. Além disso, os dados e métricas de valuation listados aqui são um instantâneo baseado em informações públicas. Os gigantes da memória ainda estão em processo de IPO, e os números mudarão. Verifique os dados mais recentes por conta própria antes de agir. Este post é mais sobre detalhar o framework e a lógica da Goldman para você e não constitui aconselhamento de investimento.

A lacuna entre 1,2% de alocação e 16% de participação na receita ainda existe. Se será preenchida e com que rapidez, não posso garantir. Mas desta vez, a Goldman Sachs não deu uma nova história; eles deram um livro-razão já detalhado para você. O fato de a energia estar em primeiro lugar nesse livro-razão é, eu acho, mais digno de ser lembrado do que a própria frase "Long China".

Se você tem um julgamento diferente sobre qualquer segmento, sinta-se à vontade para trocar ideias nos comentários. Estou curioso para saber qual você classificaria em primeiro lugar, haha.