Está a surgir uma escassez de poder de hash de IA: da perspetiva da TSMC ao aumento dos custos de aluguer de GPU NVIDIA, qual a melhor abordagem para os investidores de retalho?

Sinal mais recente: a escassez de hash rate de IA tornou-se uma certeza

Em abril de 2026, dois anúncios da TSMC e da NVIDIA definiram o panorama de médio prazo para o hash rate de IA.

A TSMC declarou de forma inequívoca, na apresentação de resultados, que a escassez de chips de IA vai manter-se pelo menos até 2027.

Em simultâneo, o mercado enviou um sinal de preço mais direto: desde outubro de 2025, as taxas de aluguer de GPU H100 subiram cerca de 20%–30%, e a capacidade de produção para a arquitetura Blackwell de nova geração já está totalmente reservada até setembro de 2026.

Estes três sinais representam uma progressão clara: orientação temporal (restrições de oferta) → subida de preços (procura em squeeze) → bloqueio de encomendas futuras (procura garantida). Quando os três fatores se verificam, o mercado passa de “restrição esperada” para “escassez efetiva”. Ou seja, as restrições de hash rate deixaram de ser uma variável futura — são uma realidade presente.

O verdadeiro significado da escassez de hash rate: défice estrutural

A expressão “escassez de hash rate” é frequentemente interpretada como uma falta generalizada de recursos, mas, na realidade, trata-se de uma “escassez em camadas”. A estrutura atual do mercado apresenta-se assim:

• Hash rate de treino topo de gama (H100, B100, etc.) em escassez extrema

• GPU de gama média disponíveis, mas com preços em subida

• Hash rate de inferência a expandir-se gradualmente por via de otimização

Mais precisamente, é o hash rate de IA de alto desempenho que é escasso — não todo o hash rate. Este défice estrutural condiciona diretamente a alocação de recursos. O modelo anterior de “compra à medida da procura” está a dar lugar a:

• Bloqueio antecipado de capacidade

• Vinculação por contratos de longo prazo

• Alocação estratégica de recursos

Na prática, o hash rate assume características de “quase racionamento”.

Gargalos de oferta: três restrições principais

A oferta não acompanha a procura, não por um elo isolado, mas por múltiplos gargalos sobrepostos.

Capacidade de processos e embalamento avançados

A produção de chips de IA depende fortemente de fabrico avançado, e o embalamento avançado (como CoWoS) tornou-se um estrangulamento crítico. Destacam-se:

• Ciclos de expansão longos (1,5–2 anos)

• Barreiras técnicas elevadas e capacidade concentrada

• Incapacidade de responder rapidamente a variações da procura

Assim, mesmo perante um pico de encomendas, a oferta não aumenta rapidamente.

Restrições de HBM (High Bandwidth Memory)

O desempenho das GPU depende da largura de banda da memória, e a oferta de HBM caracteriza-se por:

• Forte concentração de fornecedores

• Expansão de capacidade lenta

• Ligação direta à procura de IA

Consequentemente:

• As entregas de GPU ficam limitadas pela disponibilidade de memória

• Os prazos de entrega de sistemas completos de hash rate atrasam-se

Complexidade da coordenação da cadeia de abastecimento

O hash rate de IA não é apenas hardware isolado, mas sim um desafio de engenharia sistémica, incluindo:

• Chips

• Memória

• Interligações de rede

• Infraestrutura de data center

Um gargalo em qualquer componente afeta toda a cadeia de abastecimento. Esta complexidade faz com que a expansão do hash rate fique muito atrás dos avanços técnicos pontuais.

Dinâmica da procura: porque o consumo de hash rate não para de crescer

As restrições de oferta são apenas uma parte; a outra é o aumento abrupto da procura.

A análise faz-se a três níveis:

Escala dos modelos em crescimento

• Número de parâmetros em aumento

• Ciclos de treino mais longos

• Procura de hash rate a crescer exponencialmente

Expansão rápida dos cenários de aplicação

A IA evolui de modelos de texto únicos para:

• Multimodais (texto + imagem + vídeo)

• Interação em tempo real

• Sistemas de agentes

Estes novos cenários fazem disparar a procura de inferência e treino.

Mais participantes no mercado

A procura de hash rate já não se limita a empresas tecnológicas, abrangendo agora:

• Transformação digital em empresas tradicionais

• Iniciativas governamentais e nacionais de IA

• Startups e institutos de investigação

A procura não só cresce, como “dispara em múltiplas frentes ao mesmo tempo”.

Impacto na indústria: custos, estrutura de mercado e barreiras redesenhados

O desfasamento entre oferta e procura tem efeitos profundos.

Alterações na estrutura de custos

• Subida das taxas de aluguer de GPU → aumento dos custos de treino

• Redução dos custos de inferência abranda

• Os preços dos produtos de IA sobem

A concentração setorial acentua-se

O acesso ao hash rate fica concentrado em:

• Grandes tecnológicas

• Fornecedores de cloud

• Instituições com forte capacidade financeira

Por outro lado, PME enfrentam:

• Acesso instável ao hash rate

• Custos imprevisíveis

O resultado é uma maior concentração no topo do setor.

Barreiras à entrada aumentam

Se antes o núcleo da IA eram algoritmos e dados, agora a variável crítica é a capacidade de garantir hash rate.

O empreendedorismo em IA passa de “competição tecnológica” para “competição por recursos + tecnologia”.

A natureza do hash rate está a mudar

O hash rate deixa de ser apenas um recurso comoditizado para se tornar:

• Um recurso fundamental, comparável à energia

• Um ativo estratégico de reserva

• Algo que pode ser garantido e alocado antecipadamente

Perspetiva de investimento: quem capta valor

Neste contexto, a distribuição de valor segue um percurso bem definido.

Infraestrutura a montante (maior grau de certeza)

Inclui:

• Design de GPU (ex.: NVIDIA)

• Fabrico e embalamento (ex.: TSMC)

• Chips de memória (HBM)

Características-chave:

• Procura altamente previsível

• Poder de fixação de preços concentrado

• Margens de lucro elevadas

Serviços de hash rate e fornecedores de cloud

Modelo de negócio:

• Bloquear capacidade → oferecer serviços a clientes externos

• Captar retorno através de margens de preço

No entanto, é necessário atenção a:

• Pressão competitiva no longo prazo

• Flutuações cíclicas nos preços do hash rate

Camada de aplicações de IA (maior diferenciação)

Principais fatores de avaliação:

• Acesso estável ao hash rate

• Controlo de custos

• Escalabilidade

Projetos sem estes fatores ficam facilmente bloqueados por gargalos de hash rate.

Tecnologias que reduzem a dependência de hash rate (potencial Alpha)

Áreas principais:

• Compressão e destilação de modelos

• Otimização de inferência

• Chips de IA dedicados

• Edge computing

O objetivo central: aumentar a “eficiência de output por unidade de hash rate”.

Riscos e incertezas

Apesar da tendência clara para a escassez de hash rate, subsistem vários riscos:

Avanços tecnológicos

• Novas arquiteturas que aumentem a eficiência do hash rate

• Alternativas às GPU a emergir

Volatilidade da procura

• Comercialização de IA aquém das expectativas

• Ciclos de investimento mais longos

Fatores políticos e geopolíticos

• Cadeias de abastecimento de semicondutores afetadas por políticas

• Relações internacionais a influenciar a alocação de capacidade

Capital sobreaquecido

• Sobreinvestimento em infraestrutura de hash rate

• Excesso de oferta periódico no médio e longo prazo

Conclusão: o hash rate é agora capital produtivo central

Em suma, a escassez de hash rate de IA é um fenómeno estrutural, impulsionado tanto por restrições de oferta como por uma procura explosiva, e deverá manter-se nos próximos 2–3 anos. Mais relevante ainda, o hash rate está a evoluir de recurso técnico para capital produtivo central, moldando diretamente a competitividade do setor.

O raciocínio atual pode resumir-se assim:

Ao avaliar um projeto de IA, importa responder a três perguntas:

• Qual a origem do hash rate (próprio / alugado / contratos de longo prazo)?

• Os custos de hash rate são controláveis?

• Existe capacidade para reduzir a dependência de hash rate?

O que falta à IA não é procura — é um ticket de entrada, e esse ticket é o hash rate.

Para investidores, a questão essencial não é “há escassez de hash rate?”, mas sim identificar três papéis-chave:

• Quem controla o hash rate

• Quem depende do hash rate

• Quem reduz a dependência de hash rate

A futura distribuição de valor na indústria de IA vai centrar-se nestes três grupos.