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 por um detalhe: a Goldman Sachs classificou a eletricidade no topo da cadeia de valor de IA da China, colocando modelos e aplicações mais abaixo. A princípio, pensei que fosse 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 maior certeza em toda a cadeia é aquele que a maioria das pessoas pula primeiro ao falar de IA: Energia.

Essa classificação é mais digna de reflexão do que a própria mudança de posições, porque responde a uma pergunta direta: para onde o dinheiro deve ir para corresponder aos atuais 16% de participação da China na receita global de IA, que atualmente recebe apenas 1,2% das alocações de fundos? Neste post, vou detalhar os cinco setores — energia, semicondutores, infraestrutura, modelos e aplicações — explicando que tipo de dinheiro cada setor gera e quem são os alvos representativos. Ao ler, você encontrará vários pontos que são contraintuitivos.

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

O que este relatório está realmente dizendo?

Por mais de um ano, o capital global praticamente se alinhou para entrar em ações de chips de memória na Coreia do Sul e em Taiwan. Samsung e SK Hynix empurraram o índice KOSPI para 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 se enfraquecer 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 de Empresas Chinesas Hang Seng 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, desce, 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 representa cerca de 16% da receita global de IA e cerca de 10% do valor de mercado global, mas a alocação global de fundos mútuos 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 setores: Energia, Semicondutores, Infraestrutura de IA, Modelos de IA e Aplicações de IA, e deu um nome específico para a carteira: GSXACART. A ordem da divisão em si já é uma posição. Quanto mais à frente está classificado, maior a certeza e a prioridade. Então a questão é: por que a energia — um setor que soa o mais "rústico" e tradicional — está classificada antes dos chips e dos modelos?

1. Energia: O Gargalo Subjacente Subvalorizado

O treinamento e a inferência de IA consomem muita energia. Uma única consulta ao ChatGPT consome quase 10 vezes a eletricidade de uma pesquisa comum. Esse número pode ter sido ignorado há alguns anos, mas, à medida que as escalas de treinamento e inferência sobem 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 acompanha. 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 composto 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 a agora.

A política "Dados do Leste, Computação do Oeste", que muitos pensaram inicialmente ser apenas um slogan, na verdade faz algo muito específico: converte os baixos preços de eletricidade, os baixos preços de terra 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 as taxas de eficiência energética.

A parte mais facilmente subestimada neste setor é que todos estão acostumados a tratar a energia como infraestrutura tradicional com avaliações conservadoras. Mas, no ciclo de 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 setor responde.

A Goldman Sachs classifica os semicondutores em segundo lugar, com um nicho facilmente esquecido: não chips lógicos, mas memória. A demanda de servidores de IA por DRAM, NAND e HBM está crescendo quase exponencialmente, e a China coincidiu com 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) passará 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 orientação 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 setor é que a disparada e a subsequente queda da Coreia do Sul neste ciclo 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 de ponto único. A elasticidade de lucro do elo de 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 Chegam

A memória resolve o problema de ter materiais. Depois que os materiais são feitos, onde você os coloca? Isso leva ao terceiro setor.

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 com boa relação custo-benefício.

Quando olho para este setor, um ponto facilmente esquecido é que a atenção de todos é sempre atraída primeiro para grandes eventos pontuais, como o treinamento de modelos. Mas o que realmente gasta dinheiro continuamente é a inferência e iteração após o treinamento. Esta parte da demanda é de longo prazo e contínua. As empresas de infraestrutura se beneficiam desta parte, não apenas de pedidos únicos de uma única tarefa de treinamento. A Goldman Sachs classificar a infraestrutura antes 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 setor, pois os modelos são a parte que todos mais adoram falar ao discutir IA. Mas a Goldman Sachs o colocou em quarto lugar, apenas um ponto à frente das aplicações. O caminho dos modelos da China não é a rota dos EUA de empilhar parâmetros e queimar poder computacional. A DeepSeek provou que modelos de alto nível podem ser feitos a baixo custo. Aliado a dados de cenário doméstico 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 feroz 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; precisa acertar algo. Esse é o elo final: as aplicações.

A primeira impressão de muitos 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 homogeneização pesada. Mas, no mercado chinês específico, a situação pode ser o oposto. A China tem o maior mercado único de internet do mundo. Empresas como Tencent, Meituan e Xiaomi detêm enormes quantidades de usuários reais e cenários. As funções de IA não precisam contar uma grande história primeiro; elas podem ser incorporadas diretamente em produtos existentes como pontos de pagamento.

Este setor estar por 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 tornam-se 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 Setores 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 passando 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 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 de avaliação é a maior. Modelos e aplicações fornecem retornos excessivos 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 avaliação — nenhum deles faltará. Além disso, os dados e métricas de avaliação 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 quadro 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 setor, sinta-se à vontade para trocar ideias nos comentários. Estou curioso para saber qual você classificaria em primeiro lugar, haha.