Vida útil das GPUs de IA em xeque, entre 2 e 6 anos, enquanto lançamentos anuais de Nvidia e AMD e a pressão por custos redefinem a conta
A vida útil das GPUs de IA subiu ao topo da pauta de tecnologia e finanças, em meio a investimentos bilionários em infraestrutura e um ciclo de inovação cada vez mais acelerado. Empresas tentam estimar por quanto tempo esses chips permanecem eficientes, investidores questionam a depreciação registrada nos balanços, e auditores pedem evidências. O tema ganhou urgência porque o boom atual da IA é recente, tem cerca de três anos, o que dificulta a construção de séries históricas confiáveis.
Nos data centers, a vida útil das GPUs de IA passou a ser tratada como um indicador crítico de retorno sobre o capital. O desafio é que as placas são relativamente novas no uso em larga escala para IA, o que amplia a incerteza. Os primeiros chips da Nvidia para essa finalidade surgiram por volta de 2018, e a demanda disparou após o lançamento do ChatGPT no final de 2022.
Nesse intervalo curto, o faturamento anual da Nvidia com data centers saltou de US$ 15 bilhões (R$ 79,4 bilhões) para US$ 115 bilhões (R$ 608,3 bilhões), reforçando a intensidade do ciclo de adoção e, ao mesmo tempo, a necessidade de entender a depreciação de GPUs de forma mais realista.
O que está por trás do debate sobre a vida útil das GPUs de IA
De acordo com reportagem citada pelas fontes, Google, Oracle e Microsoft estimam que seus servidores podem durar até seis anos, o que ajudaria a aliviar a pressão sobre os lucros, já que a depreciação ficaria diluída por mais tempo. Para investidores como Michael Burry, no entanto, o prazo real de uso pleno seria menor. Segundo ele, esses chips funcionariam plenamente por dois a três anos, o que, se confirmado, significaria um risco de superavaliação de resultados por parte de algumas big techs.
O choque de visões expõe a natureza híbrida do problema, que mescla tecnologia, finanças e estratégia. De um lado, há modelos de negócio que se apoiam em prazos longos de amortização. De outro, há um ritmo de inovação que encurta ciclos e pressiona a vida útil das GPUs de IA, tanto do ponto de vista técnico, com desgaste e falhas, quanto econômico, com a perda de competitividade diante de novos lançamentos.
Por que prever a depreciação é tão difícil
Especialistas lembram que, mesmo com novos chips chegando a cada ano, placas de gerações anteriores continuam úteis, sobretudo em tarefas menos complexas. A CoreWeave, que compra GPUs e as aluga para clientes, trabalha com ciclos de depreciação de seis anos desde 2023, o que sugere que parte do mercado mantém confiança em horizontes mais longos para o retorno do investimento.
Segundo Michael Intrator, CEO da CoreWeave, as GPUs Nvidia A100, lançadas em 2020, seguem totalmente ocupadas, já que todos os clientes continuam pagando para usá-las. Já um lote de chips Nvidia H100, de 2022, ficou disponível recentemente e foi alugado por quase o mesmo valor de quando eram novos, cerca de 95% do preço original. Para quem observa a dinâmica de oferta e demanda, o recado é claro, mesmo após anos de uso, há apetite por modelos anteriores, o que sustenta preços e amplia a vida útil das GPUs de IA em termos econômicos.
Ao mesmo tempo, o setor avança a um ritmo que torna qualquer estimativa um exercício em constante revisão. A diferença entre suporte a cargas de treinamento de ponta e tarefas de inferência ou aplicações menos exigentes cria nichos onde o hardware antigo ainda é valioso, embora, para workloads de última geração, a obsolescência chegue mais rápido.
Inovação acelerada, pressão contábil e o veredito dos auditores
As GPUs podem perder valor antes de seis anos por fatores combinados, como desgaste físico, falhas, obsolescência por novas gerações, perda de competitividade econômica, ciclos de atualização mais curtos e mudança na demanda conforme empresas migram para modelos mais modernos. As próprias fabricantes contribuem para isso. Ao apresentar o novo chip Blackwell, Jensen Huang, CEO da Nvidia, afirmou que “quando o Blackwell começar a ser comercializado em grande volume, ninguém vai conseguir vender o Hoppers [chip anterior].” A mensagem reforça a velocidade com que as linhas anteriores podem perder liquidez no mercado secundário.
Nos bastidores, a corrida tecnológica ficou anual. A Nvidia passou a renovar suas linhas de IA todos os anos, em vez de a cada dois, e a AMD seguiu a tendência. A Amazon reduziu a previsão de seis para cinco anos para parte dos servidores, citando “um ritmo acelerado de desenvolvimento tecnológico”. A Microsoft, por sua vez, evita comprar grandes lotes de uma única geração, atribuindo ao avanço rápido da Nvidia a necessidade de espaçar investimentos para não ficar presa a quatro ou cinco anos de depreciação.
Esse ambiente coloca as companhias entre a engenharia e a contabilidade. Na prática, a vida útil das GPUs de IA é apenas uma estimativa que precisa ser validada por terceiros. Como resumiu Dustin Madsen, vice-presidente da Society of Depreciation Professionals, à CNBC, “Você terá que convencer um auditor de que a vida útil que está sendo sugerida é, de fato, a vida útil do ativo.”
Enquanto a demanda segue aquecida, com receitas recordes e filas por capacidade, modelos antigos tendem a encontrar uso e preço. Mas, à medida que a curva de desempenho sobe com Blackwell e futuras gerações, empresas precisarão calibrar compras, ciclos de atualização e políticas de depreciação. É nesse equilíbrio, entre custo, performance e tempo de uso comprovado, que se define, caso a caso, a real vida útil das GPUs de IA.