GPUs caras, margens curtas: Quando a conta da IA não fecha nos data centers

A corrida por data centers e GPUs para IA avança no Brasil, a despeito de impasses em benefícios como o ReData, mas a matemática do investimento não fecha para muitos operadores e o jogo do capital é desigual, segundo Daniel Bichuetti, Co-CEO & CTO da legaltech Forlex.

Segundo o executivo, a NVidia lança novas arquiteturas de GPU a cada 18 a 24 meses. GPUs de data center, que custam acima de US$ 50 mil por unidade, sofrem depreciação acelerada a cada novo ciclo. Satya Nadella, CEO da Microsoft, resumiu o dilema publicamente: "Eu não queria ficar preso a 4 ou 5 anos de depreciação em uma única geração."

Em conversa com a BNamericas, ele afirma que hyperscalers sustentam um jogo caro para data centers independentes, detalha a lógica de sublocação e comenta planos de expansão e captação da empresa.

BNamericas: Qual é a sua leitura do dia a dia dos investimentos em data center e por que isso virou um problema na sua opinião?

Bichuetti: Eu acho que há um movimento naturalmente muito forte porque existe um fluxo de capital gigantesco. Sem esse fluxo constante, seria inviável manter investimentos que, na contabilidade, depreciam em cinco anos, e em dois ou três anos ninguém quer mais. Aí você coloca no mercado, deixa parado no data center ou vende “a preço de banana”.

Existe hoje uma tabela de front pricing, um padrão de mercado. Mas, para algumas máquinas, entram negociações privadas e você consegue valores bem menores, justamente pela necessidade de desovar gerações anteriores e pela ociosidade que se forma nos data centers.

De qualquer forma, há um gasto excessivo e uma depreciação. E todo mundo diz que o pessoal não se preocupa tanto com o retorno do investimento, porque é um fluxo de capital contínuo.

BNamericas: Quando você diz que “o pessoal não se preocupa tanto com o retorno do investimento”, estamos falando das big techs?
Bichuetti: Sim. Estamos falando dos hyperscalers: basicamente Amazon, Microsoft, Google e algumas outras.

Essa dinâmica até favorece neoclouds que locam ou sublocam delas, ou neoclouds em que até a Nvidia investe, que subsidia o desenvolvimento. 

Quando você olha para data centers tradicionais, especialmente colocation, isso gera uma concorrência descompassada. Eles não têm fluxo de capital constante, não conseguem preços subsidiados pela Nvidia nem investimento para “gastar nela”.

O modelo é comprar um ativo de alto valor e diluir no aluguel por um período. Mas é inviável diluir uma GPU — um equipamento que pode custar quatro milhões de dólares — em dois ou três anos, que é o tempo de vida útil aproveitável no mercado. Depois disso, ninguém quer mais.

Como continuam surgindo novos data centers com equipamentos ainda mais novos, ninguém aloca o anterior. Vai ficando uma trilha de data centers desatualizados e máquinas obsoletas. E, quando alguém começar a puxar esse “novelo”, ele tem fim: no começo parece infinito, mas acaba em algum momento.

BNamericas: Qual é o risco? Bolha?
Bichuetti: Eu tenho uma visão pragmática. Não acho que seja uma bolha “propriamente dita”, mas vejo investimento sem juízo em algumas frentes, o que vai causar transtorno lá na frente. 

O mercado não quebra como um “mercado fake”, mas startups que não produzem “AI” de verdade e só “envelopam” algo tendem a ser varridas — por absorção pelas maiores ou por reajuste natural quando o fluxo de capital diminui.

E os data centers vão sofrer, especialmente os contratados por essas startups — o “fim do novelo”, ou o começo, não sei. As maiores sofrem menos: com valuation na casa de um trilhão de dólares, achar mais dinheiro para reajustar é mais fácil. 

Eu me preocupo com data centers independentes tentando entrar nesse jogo “injusto”. Eles precisam ser muito cautelosos porque podem arriscar o negócio inteiro. Não é um jogo para qualquer um — é para quem tem acesso a esse tipo de capital.

Como esses independentes jogam esse jogo? Não tem como. Mesmo com subsídio do governo, você começa, mas não mantém. Quando o capital de subvenção econômica esgota, você perde o fôlego.

Pode surgir um mercado de sublocação de equipamentos defasados das big techs. Eles têm que ser inteligentes. Nós conseguimos locar equipamento de ponta por causa do apoio da AWS, e também conseguimos colocar equipamentos que ninguém quer mais, como L40, além de modelos menores/embeddings. Sai barato porque é defasado, mas ainda resolve dores específicas.

Outro exemplo: equipamento de ponta. No site, pode custar 120 dólares por hora. Como startup em programa da AWS, conseguimos alugar por menos. 

Ainda assim, no geral, a conta não fecha.

Hoje, numa Blackwell, uma P200, há contratos de até 18 mil dólares por mês. Um cluster com oito Blackwells custa “uns milhões” de dólares. Em 36 meses, você não fecha a conta do modelo: não ganha nem meio milhão de dólares, e ainda tem energia e serviços. O equipamento custa 1,5 a 2,3 milhões, e você recebe, no melhor período de vida útil, cerca de meio milhão. Não bate.

BNamericas: O que motivou você a chegar a essa reflexão? Foi um problema real ou foi “fazer conta”?
Bichuetti: Quando entramos no Inception da Nvidia (programa para startups), ganhamos acesso a vários equipamentos a preços contábeis, mais baixos. Se não me engano, nas Blackwell era 35% de desconto.

Aí pensamos: vale imobilizar e colocar em colocation já que teríamos esse preço descontado? Colocamos no papel, fizemos conta e não batia. A conta não fecha nem com energia no Brasil e custo de data center.

Então olhamos a nossa tabela de PPA com a AWS e o preço que conseguíamos negociar. Foi um momento de reflexão. Mesmo com capital sobrando — mesmo se eu tivesse 30 milhões de dólares de caixa — não valeria imobilizar esse valor descontado no equipamento. Seria como investir um milhão para ganhar meio por cento ao mês com o juro do jeito que está: é prejuízo.

BNamericas: E o que vocês fizeram na prática?
Bichuetti: Passamos a alugar, sempre negociando. A Forlex é consumidora pesada; somos uma das empresas que mais consomem GPU no país, com capacidade negocial e potencial futuro.

Hoje temos Oracle, Google, entre outras, todas querendo que a gente rode parte do workload nelas. A nossa conta é grande: entre as startups da AWS, me informaram que estamos entre as 10 que mais gastam no país. Então é negociar, negociar. Com oferta, é natural negociar preço — e você vê o quão agressivas algumas empresas estão dispostas a ser.

BNamericas: Você mencionou sublocação. GPU-as-a-service e neoclouds poderiam aliviar a ociosidade e esse dilema de retorno?
Bichuetti: Sim, existe isso. Há empresas com commitment realizado e equipamento disponível para sublocação, porque o bem é caro e a ociosidade custa.

Exemplo interno: em novembro/dezembro tivemos ociosidade em duas GPUs, dois clusters, mesmo com preço descontado. Com recesso no direito/tribunais, o fluxo caiu. Sublocamos a GPU: com a GPU parada, fomos ao mercado secundário, para um player europeu, e sublocamos naquele período.

Esses movimentos existem. Mas há a questão da troca de modelos. Isso é uma realidade, e quem produz essa tecnologia tem diferencial. No lançamento, o modelo novo costuma custar mais caro. Não falo do preço de tabela; falo do preço efetivo, negociado. Para alocar mais de uma máquina, só negociando. Em média, o custo fica perto do dobro do modelo anterior, que também cai quando sai o novo.

Só que a máquina nova entrega, normalmente, de 3,8 a 5,8 vezes mais do que a geração anterior. Na conta, isso dá um ganho de custo-benefício/performance de dois a três vezes, dependendo do cenário. Se eu não troco, meu concorrente pode trocar: ou aumenta margem e compra com mais agressividade, ou reduz preço do token e melhora a operação.

BNmanericas: Mas dependendo do modelo de negócio de uma empresa, é realmente necessário migrar para uma nova geração sempre que esta é lançada? A gente viu, por exemplo, o fenômeno da DeepSeek, que trabalhou em cima de linhas anteriores, digamos assim, de tecnologias que, supostamente, já estavam aí.
Bichuetti: Existe o que é bonito para o mercado e o que quem está no meio sabe. É proibido para a China acessar certos tipos de GPUs, mas esse acesso acontece. É bonito dizer que a DeepSeek treinou sem Blackwell/Hopper, com gerações anteriores, mas nós sabemos que não foi bem assim.

E para fechar o custo anunciado de cinco milhões de dólares, eles fizeram algo que foi mais marketing: colocaram só o custo do Reinforcement Learning, o final do treinamento. No paper dá para perceber isso.

Então, a narrativa é em parte propaganda — também para evitar que o governo americano fiscalize o vazamento de hardware e para reforçar a imagem de “custo-eficiência” chinesa. Eles são muito custo-eficientes, mas não gastaram cinco. Pelas nossas estimativas de custo-hora e conhecendo parte do pipe, somando tudo, deve ter sido em torno de 12 milhões de dólares. Ainda é bem mais eficiente do que a Meta, de qualquer forma.

BNamericas: E como estão as perspectivas da própria Forlex para 2026 e a estratégia de funding?
Bichuetti : Eu digo que somos uma DeepTech vestida de LegalTech. Como treinamos modelos, operamos num nível de infraestrutura de AI, e os dois ramos estão muito bem posicionados. O setor jurídico é uma das áreas com maior potencial de transformação com IA. E treinamento de modelos tende a ganhar valorização. Estamos bem e agora devemos focar, expandir, nos próximos meses, para outras áreas profissionais.

Acreditamos que segmentos próximos podem ser transformados por agentes e modelos especializados. 

Devemos fazer uma rodada listada, rápida, em duas tranches: primeira em março/abril; segunda no terceiro trimestre. Até hoje fizemos só rodada anjo: captamos 5,6 milhões de reais via anjo e mais 2,7 milhões da Amazon, AWS, Panfair, Microsoft e outras. Então, estamos bem capitalizados até aqui. Mas vamos dar outros passos.

(A versão original deste conteúdo foi redigida em português)