Durante três anos, o debate sobre os limites da inteligência artificial girou em torno de uma única pergunta: quem tem mais GPUs? Quem controla mais chips ganha a corrida. A narrativa era simples, convincente e — a partir de 2026 — crescentemente incompleta.
As GPUs existem. O que não existe, em quantidade suficiente, é a eletricidade para rodá-las e a água para resfriá-las.
A Gartner projeta que 40% dos data centers de IA serão power-constrained — limitados por energia, não por hardware — dentro de um ano. A IEA prevê que o consumo de eletricidade de data centers dobrará globalmente de 485 terawatt-hora em 2025 para 950 terawatt-hora em 2030 — chegando a quase 3% do consumo elétrico global. As filas de interconexão com as redes elétricas não mostram sinais de se limpar. E as racks de servidores de IA de última geração geram até dez vezes mais calor do que servidores tradicionais, tornando os sistemas de resfriamento a ar completamente insuficientes.
Os gargalos da IA não são mais teóricos. São físicos, concretos e estão desacelerando o maior ciclo de investimento em infraestrutura da história moderna — enquanto criam oportunidades específicas e identificáveis para o investidor que sabe onde olhar.
Mapa dos gargalos: em 2026, os principais gargalos que limitam a expansão da IA são seis: (1) energia e capacidade de grid — consumo de data centers a caminho de 1.000 TWh/ano; (2) chips avançados — demanda ainda supera oferta para H100/H200/Blackwell da Nvidia e CoWoS da TSMC; (3) água e resfriamento — racks de IA geram 10x mais calor que servidores tradicionais; (4) mão de obra especializada — escassez global de engenheiros de IA, operadores de data center e técnicos de grid; (5) regulação e licenciamento — permissões ambientais e de grid levam de 2 a 7 anos em muitos mercados; (6) latência e soberania de dados — pressões regulatórias para processar dados localmente complicam arquiteturas globais. A solução mais audaciosa para todos esses problemas: data centers no espaço. A SpaceX registrou pedido junto à FCC para uma constelação de até 1 milhão de satélites com capacidade computacional orbital.
Gargalo 1 — Energia: a parede física que a IA encontrou
A transição mais importante no setor de IA em 2026 não foi um novo modelo de linguagem nem uma nova arquitetura de chips. Foi a mudança de um gargalo de computação para um gargalo de infraestrutura física.
Para a maior parte de 2023 e 2024, a conversa era sobre capacidade de empacotamento CoWoS da TSMC e suprimento de HBM da SK Hynix. Longas filas de aquisição e escassez de H100 significavam que as equipes eram limitadas pelo acesso ao hardware, não por onde plugá-lo. O que mudou: a disponibilidade de GPUs melhorou mensuravelmente nos últimos 18 meses. O grid não acompanhou.
A IEA projetou que o consumo global de eletricidade de data centers pode dobrar de cerca de 485 TWh em 2025 para 950 TWh até 2030 — com cargas de trabalho de IA respondendo pela maioria do incremento. Para ter referência: 950 TWh é aproximadamente o consumo elétrico total do Japão. Data centers de IA, como um "país", seriam o quinto maior consumidor de energia do mundo.
O problema específico é que inferência — não treinamento — agora responde por 80-90% da carga computacional total de IA entre os principais fornecedores. Treinamento é uma tarefa limitada: roda por semanas, termina, o cluster fica ocioso. Inferência é contínua: cada chamada de API, cada usuário do ChatGPT, cada agente de IA executando uma tarefa — são bilhões de requisições por dia, sem pausa, 24 horas, 365 dias.
E o grid simplesmente não foi construído para isso. Antes que um data center possa usar eletricidade, precisa solicitar ao operador do grid um acordo de interconexão, que frequentemente aciona upgrades necessários em linhas de transmissão ou subestações — um processo que pode levar de 2 a 7 anos em muitos mercados americanos.
Quem se beneficia desse gargalo: empresas de infraestrutura de grid como Quanta Services (PWR), MYR Group (MYRG) e Eaton (ETN); desenvolvedores de energia nuclear (Constellation Energy, NuScale) — como discutido no artigo anterior desta série; e empresas de eficiência energética em data centers como Vertiv (VRT) e Schneider Electric.
Gargalo 2 — Chips: oferta melhorou, mas ainda não equilibrou a demanda
Os chips de IA avançados — GPUs da Nvidia, TPUs do Google, chips customizados das big techs — são o componente mais discutido e o mais visível do ecossistema de IA. E ao contrário de 2023-2024, quando a escassez era aguda e o H100 era vendido em mercado paralelo a preços três vezes o MSRP, a situação de 2026 é mais nuançada.
A disponibilidade melhorou — a TSMC expandiu capacidade de CoWoS, a SK Hynix aumentou produção de HBM3e, e a Nvidia lançou os chips Blackwell que são mais eficientes por watt. Mas "melhorou" não significa "resolvido".
Três pontos de atrito permanecem:
Controles de exportação americanos: as restrições de exportação da administração Trump sobre chips avançados para China criaram um mercado bifurcado — com chips de "nível A" para aliados e versões degradadas para mercados restritos. Isso limita a receita potencial da Nvidia e cria pressão para que a China desenvolva alternativas domésticas (Huawei Ascend, chips da Biren);
Concentração em TSMC: a fabricação dos chips de IA mais avançados é quase integralmente concentrada na TSMC em Taiwan. Qualquer perturbação geopolítica no Estreito de Taiwan — mesmo que apenas como ameaça percebida — cria volatilidade de suprimento. A Intel e a Samsung estão investindo em capacidade alternativa, mas estão pelo menos dois anos atrás em processo;
Velocidade de inovação vs. ciclo de capital: as gerações de chips de IA se sucedem cada vez mais rápido (H100 → H200 → Blackwell → Rubin em menos de três anos). Empresas que comprometeram bilhões em contratos de data center baseados em H100 agora competem com concorrentes que têm Blackwell. O ciclo de obsolescência de hardware está se acelerando.
Quem se beneficia: Nvidia (NVDA) permanece o fabricante dominante de GPUs de IA — apesar das restrições de exportação, suas margens e receita continuam excepcionais. TSMC (TSM) é o fabricante insubstituível de curto prazo. ASML (ASML) é o único fornecedor de equipamentos de litografia EUV necessários para chips de processo avançado — monopólio efetivo. Marvell Technology (MRVL) e Broadcom (AVGO) estão bem posicionados no segmento de chips de rede de alta velocidade e ASICs customizados.
Gargalo 3 — Água e resfriamento: a crise invisível
O gargalo menos visível mas crescentemente crítico é a água. E não por razão óbvia — os chips de IA não bebem água. Mas precisam ser resfriados, e os sistemas de resfriamento mais comuns em data centers usam grandes quantidades de água em torres de resfriamento evaporativo.
Racks de IA modernas geram até 10 vezes mais calor que servidores tradicionais, tornando sistemas de resfriamento a ar e torres evaporativas insustentáveis. Em hubs de data center sob estresse hídrico como Chennai e Navi Mumbai, a Water Usage Effectiveness (WUE) já é uma métrica legal obrigatória para aprovação de novos data centers.
O Google divulgou que seus data centers consumiram 5,2 bilhões de litros de água em 2022 — o equivalente ao consumo de água de 29 Minneapolis por um dia. A Microsoft divulgou aumento de 34% no consumo de água entre 2021 e 2022. Com a expansão acelerada de 2024-2026, esses números cresceram substancialmente.
A solução que está emergindo é a transição para resfriamento líquido direto ao chip (direct-to-chip liquid cooling) e resfriamento por imersão (immersion cooling), onde os servidores ficam submersos em fluido dielétrico que absorve o calor diretamente. Um estudo de 2026 demonstrou economias de energia aproximando-se de 30% através de estratégias avançadas de controle de resfriamento. A Microsoft reduziu overhead de energia em até 30% em benchmarks divulgados com resfriamento líquido direto, aumentando significativamente a densidade computacional por metro quadrado.
Quem se beneficia: Vertiv Holdings (VRT) — fornecedora líder de sistemas de resfriamento para data centers, com receita crescendo acima de 20% ao ano; Modine Manufacturing (MOD) — soluções de gestão térmica; Alfa Laval — equipamentos de troca de calor. Para ETFs: o FTXL (First Trust Nasdaq Semiconductor ETF) e o SOXX têm exposição a beneficiários de infraestrutura de data centers.
Gargalo 4 — Mão de obra: a escassez que ninguém viu chegar
Os debates sobre IA e emprego focam quase exclusivamente na substituição de trabalhadores pela IA. Mas há uma crise de mão de obra no lado oposto que está desacelerando a expansão da IA: falta de trabalhadores para construir, operar e manter a infraestrutura que a IA requer.
A Reuters reporta que escassez de mão de obra em infraestrutura de energia e construção está se tornando um gargalo importante para a expansão de infraestrutura de IA. Isso acelerou o interesse em infraestrutura modular de data centers.
O problema tem três camadas:
Engenheiros de IA: a demanda por profissionais com experiência em treinamento de modelos, MLOps e arquitetura de sistemas de IA excede dramaticamente a oferta. Salários para engenheiros sênior de IA atingiram US$ 500.000 a US$ 1 milhão por ano em algumas empresas de Vale do Silício — sinal claro de escassez extrema;
Técnicos de data center: operar e manter data centers de IA requer técnicos especializados em sistemas de resfriamento avançado, UPS de alta potência e redes de fibra de altíssima velocidade — um perfil que leva anos para desenvolver e não escala rapidamente;
Eletricistas e técnicos de grid: conectar novos data centers ao grid elétrico requer técnicos especializados em subestações de alta tensão e linhas de transmissão — e essa mão de obra tem décadas de déficit de formação em muitos países desenvolvidos.
Quem se beneficia: empresas de treinamento técnico e plataformas de educação em tecnologia; Coursera (COUR) e empresas similares com programas especializados em IA; e curiosamente, a própria IA agêntica — como discutido no artigo anterior desta série, agentes de IA estão começando a automatizar tarefas que exigiriam esses perfis escassos.
Gargalo 5 — Regulação e licenciamento: o tempo que o mercado não tem
Construir um data center de IA de grande porte envolve navegação regulatória que seria reconhecível a qualquer um que já tentou aprovar um empreendimento imobiliário complexo — multiplicada por dez.
Aprovações ambientais (uso de água, impacto de calor no ambiente, ruído), licenças de construção, acordos de interconexão elétrica, aprovações de zoneamento, avaliações de segurança nacional para data centers que processam dados governamentais — cada uma dessas aprovações pode levar meses ou anos e envolver múltiplas agências regulatórias com jurisdições sobrepostas.
O problema é especialmente agudo nos EUA, onde a fila de interconexão elétrica tem mais de 2.500 projetos aguardando aprovação — com tempo médio de espera de mais de quatro anos. No Reino Unido, o governo declarou data centers de IA como "infraestrutura crítica nacional" justamente para acelerar os processos de aprovação que estavam bloqueando expansões.
A União Europeia adicionou uma camada de complexidade com o AI Act — o primeiro conjunto de regulações abrangentes de IA do mundo, que classifica sistemas de IA por nível de risco e impõe requisitos específicos para os de alto risco. Empresas que operam na Europa precisam auditar seus sistemas de IA, documentar dados de treinamento e estabelecer processos de supervisão humana — compliance que exige infraestrutura e pessoal especializado.
Quem se beneficia: empresas de consultoria de compliance regulatório de IA; escritórios de advocacia especializados em regulação de tecnologia; e paradoxalmente, grandes empresas de IA que podem absorver esses custos e usá-los como barreira de entrada contra concorrentes menores.
Gargalo 6 — Latência e soberania de dados: o problema geográfico
A IA agêntica — como discutida no artigo anterior desta série — não tolera latência alta. Um agente que precisa consultar um banco de dados, chamar uma API e gerar uma resposta em tempo real não pode ter seus dados processados num data center a 10.000 quilômetros de distância. Cada milissegundo conta.
Ao mesmo tempo, leis de soberania de dados em crescente número de países exigem que dados de cidadãos sejam processados localmente — o RGPD europeu, a Lei Geral de Proteção de Dados brasileira, as regulações chinesas de dados, e regulações equivalentes em dezenas de países emergentes. O resultado é pressão simultânea para processar dados perto dos usuários (latência) e dentro das fronteiras do país (soberania).
Para as empresas de IA, isso significa que a estratégia de ter alguns mega-data centers centralizados é progressivamente insustentável. A infraestrutura precisa ser distribuída globalmente — o que multiplica os desafios de energia, resfriamento, mão de obra e regulação por cada país onde precisam operar.
Quem se beneficia: operadores de data centers em edge computing como Equinix (EQIX) e Digital Realty (DLR) — que já têm presença física em mais de 50 países; empresas de CDN (Content Delivery Networks) como Cloudflare (NET) que estão expandindo capacidade computacional; e provedores de soluções de soberania de dados em cloud.
A solução mais audaciosa: data centers no espaço
Se a Terra tem problemas de energia, água, regulação e latência para data centers de IA, há uma solução que resolve pelo menos dois deles de forma radical: colocar os data centers no espaço.
Essa ideia deixou de ser ficção científica em 2026. Em janeiro, a SpaceX registrou pedido junto à FCC para uma constelação de até um milhão de satélites que seriam a fundação de um data center orbital de IA. Dois meses depois, em evento em Austin, Musk reiterou que data centers espaciais alimentados por energia solar seriam mais custo-efetivos que os terrestres em dois a três anos.
A lógica é elegante. No espaço, dois dos maiores gargalos terrestres simplesmente desaparecem:
Energia: em órbita, acima das nuvens, painéis solares recebem irradiação constante e intensa sem interrupção noturna (dependendo da órbita). Sem necessidade de conexão ao grid elétrico terrestre, sem filas de interconexão, sem turbinas ou reatores;
Resfriamento: no vácuo do espaço, o calor é dissipado por radiação eletromagnética — sem necessidade de água, sem torres de resfriamento, sem aprovações de uso de recursos hídricos.
O CEO Elon Musk descreveu o design do satélite AI1 como um desafio de engenharia mais simples que os satélites Starlink existentes: "O satélite de IA é essencialmente muitas células solares; você ainda precisa de alguns links a laser, mas não tem todas as antenas super complexas que existem num satélite Starlink."
O roadmap da SpaceX para o projeto prevê o lançamento de dois satélites AI1 protótipos no início de 2027, com produção escalando para aproximadamente 1 gigawatt de computação orbital por ano até o final de 2027, e operação comercial potencialmente começando em 2028. A SpaceX também adquiriu a xAI de Musk numa operação avaliada em US$ 1,25 trilhão, criando uma empresa integrada verticalmente de lançamentos, satélites e IA.
Os desafios técnicos são reais e documentados. O maior deles é justamente o resfriamento: no vácuo não há ar, e o único mecanismo de dissipação de calor é a radiação — muito menos eficiente que os sistemas terrestres. A SpaceX afirma ter resolvido esse problema com um radiador líquido implantável com loops redundantes de bombeamento e blindagem contra micrometeoritos integrada. Mas isso ainda é design não provado em escala.
Analistas projetam que o mercado de data centers orbitais sairá de aproximadamente US$ 1,77 bilhão em 2029 para quase US$ 39,1 bilhões até 2035 — crescimento anual de 67,4%. A SpaceX, com sua infraestrutura de lançamento já existente no Starship e a experiência em Starlink, está em posição única para capturar esse mercado — se a tecnologia provar ser economicamente viável.
Para o investidor que já tem posição em SPCX (SpaceX) após o IPO de junho de 2026, o negócio de data centers orbitais é uma optionalidade real e já incorporada no valuation — não apenas uma promessa futura. Para quem considera entrar após a queda de 52% do pico discutida no artigo sobre SpaceX desta série, o AI1 é um dos elementos que podem justificar a tese de longo prazo.
O mapa de oportunidades de investimento nos gargalos
Para o investidor que quer exposição aos gargalos da IA — não apenas à IA em si —, o mapa de oportunidades tem duas características importantes: é menos óbvio que "comprar Nvidia" e pode ser mais durável, porque os gargalos físicos demoram anos para serem resolvidos.
Infraestrutura de energia e grid: Quanta Services (PWR), MYR Group (MYRG), Eaton (ETN), GE Vernova (GEV). São as empresas que constroem e conectam a infraestrutura que os data centers precisam. Crescimento secular independente de qual empresa de IA dominar o mercado.
Resfriamento de data centers: Vertiv Holdings (VRT) é a mais pura e mais líquida; Modine Manufacturing (MOD) para perfis mais especulativos. Ambas têm crescimento de receita acelerado com a expansão da IA.
Semicondutores de infraestrutura: além da Nvidia, Marvell (MRVL) e Broadcom (AVGO) fornecem chips de rede que conectam as GPUs — componentes críticos que ficam frequentemente invisíveis nas narrativas de IA mas são insubstituíveis. ASML (ASML) mantém seu monopólio em equipamentos de litografia EUV.
REITs de data centers: Equinix (EQIX) e Digital Realty (DLR) são as maiores operadoras globais de colocation — cobram de empresas de IA para hospedar seus equipamentos em suas instalações. Crescimento de demanda diretamente ligado à expansão de IA, com contratos de longo prazo que criam receita previsível. Discutidos também no artigo sobre REITs desta série.
ETFs diversificados de infraestrutura de IA: GRID (First Trust NASDAQ Clean Edge Smart Grid) captura a infraestrutura de energia; FTXL e SOXX capturam semicondutores de infraestrutura; AIQ (Global X AI & Technology) tem exposição mais ampla ao ecossistema.
SpaceX (SPCX) como aposta de longo prazo: o data center orbital não é o único ativo da empresa, mas é o mais transformador. Para quem tem convicção no projeto AI1 e horizonte de 5-10 anos, a queda de 52% do pico pode ser o ponto de entrada que o artigo sobre SpaceX desta série descreve.
Conclusão: os gargalos são o investimento
Há uma ironia produtiva nos gargalos da IA: quanto mais a revolução de IA acelera, mais urgente se torna resolver esses problemas físicos — e mais valiosas ficam as empresas que os resolvem.
O investidor que compra ações da Nvidia está apostando em quem tem o melhor chip. O investidor que compra Vertiv está apostando em quem consegue resfriar qualquer chip. O investidor que compra Quanta Services está apostando em quem consegue conectar qualquer chip à rede elétrica. E o investidor que compra SpaceX está apostando que o próximo passo não é apenas um chip melhor — é colocar os chips no lugar certo do universo.
Todas essas apostas têm diferentes perfis de risco e retorno. Mas todas têm em comum a característica mais valiosa do investimento em infraestrutura: são necessárias independentemente de qual empresa de IA vence a batalha pelo modelo dominante. A empresa que ganha a guerra de IA ainda vai precisar de energia, de água, de chips e — talvez — de um foguete.
Use o Mapa do Investidor Internacional para entender como posicionar sua carteira nos diferentes vetores da revolução de IA. Se preferir conversar com nosso time, clique no botão vermelho.
As informações deste artigo têm caráter educativo e refletem dados disponíveis em agosto de 2026. O setor de infraestrutura de IA evolui rapidamente. Nada neste conteúdo constitui recomendação individual de investimento.
.jpg)
.jpg)