O voto e…

Read more

O que começou com um ensaio sobre o futuro da liberdade humana acabou levando a uma discussão muito mais incômoda: estamos terceirizando nosso julgamento sem perceber.

De Martin Luther King a Hannah Arendt, passando por Matrix e por um experimento da Anthropic em que modelos de inteligência artificial chegaram a recorrer à chantagem para evitar seu desligamento, exploro os limites entre conhecimento, autoridade e responsabilidade.

A inteligência artificial pode democratizar o conhecimento, mas também criar uma geração de pessoas que confundem respostas sofisticadas com competência.

E talvez o maior risco não seja uma máquina que queira nos controlar. Seja nossa disposição de entregar a ela decisões que já não sabemos questionar.

A máquina pode estar certa. A liberdade de discordar continua sendo nossa.

Tese de mercado · Brasil · Eleições 2026

No nosso modelo proprietário, uma queda de 100 pontos base nos juros leva o SMLL de 2.649 para 3.059 pontos. São 15,5% de valorização sem precisar supor que todas as companhias crescerão nessa proporção. Com 300 pontos base de fechamento, a simulação chega a 3.976 pontos, avanço de 50,1% sobre a referência. Esses preços são cenários condicionais, não previsões. Mas deixam claro o tamanho da aposta que a eleição colocou de volta na mesa: O Brasil virou um trade de juros.

O primeiro turno deslocou as probabilidades políticas e retirou parte do prêmio exigido pelos investidores para carregar ativos brasileiros. O DI de cinco anos caiu aproximadamente 175 pontos base no período eleitoral analisado. O Ibovespa subiu perto de 9%, enquanto os sensíveis a juros acumulavam perto de 25% na janela usada para comparação histórica pelo relatório. Segundo o modelo macroeconômico do Goldman Sachs, cerca de 85% da alta recente do índice é explicada pelo fechamento do DI de dez anos. Trata-se de uma decomposição estatística, não de causalidade demonstrada.

A leitura política é conhecida. O mercado precifica a possibilidade de que uma vitória de Flávio Bolsonaro no segundo turno seja seguida por uma equipe econômica capaz de entregar medidas fiscais críveis. Sob essa condição, o prêmio de risco poderia recuar, a parte média e longa da curva cair e o ciclo de redução de juros ganhar sustentação. Isso também daria ao Banco Central, presidido por Gabriel Galípolo, um ambiente de expectativas mais favorável. Não existe garantia de achatamento da curva nem de alinhamento entre governo e autoridade monetária. São precisamente as condições que a bolsa começou a antecipar.

A compra foi seletiva. Depois do primeiro turno, o grupo de sensíveis a juros avançou aproximadamente 20%; small caps, 16%; financeiros e domésticos, de 12% a 13%. Ibovespa e MSCI Brazil ganharam entre 8% e 9%. Materiais e consumo discricionário ficaram para trás. O índice amplo carrega energia, mineração e outras empresas cuja geração de caixa depende também do ciclo global de commodities. Por isso, comprar Brasil pelo Ibovespa não entrega automaticamente a exposição doméstica que o fechamento do DI favorece.

A comparação com 2018 oferece uma medida útil do espaço ainda disponível, desde que não seja confundida com destino. Na janela de maior alta em seis meses daquele episódio, os juros de cinco anos recuaram aproximadamente 280 pontos base; em 2026, cerca de 175. As ações sensíveis a juros ganharam até 43% em 2018, ante cerca de 25% agora. O Ibovespa avançou até 21%, contra aproximadamente 9%. Só que se compara o máximo posterior de um ciclo concluído com a etapa inicial de outro, cujo programa fiscal ainda precisa aparecer.

A vantagem das ações diante do DI futuro é a convexidade potencial de um fluxo de caixa de duração longa. O instrumento de juros permite negociar a curva diretamente e é, para mim, uma expressão cada vez mais interessante dessa tese. A ação acrescenta outras fontes de retorno, como redução do custo da dívida, retomada de demanda e recuperação de margens. Acrescenta também riscos de execução, competição e governança. O moat de cada negócio continua existindo mesmo quando a planilha põe todas as companhias na mesma coluna de beta.

Deixe um comentário

O próprio SMLL demonstra por que não basta comprar um índice e chamá-lo de duration. Na simulação ponderada da cesta de empresas sensíveis a juros, a queda de 100 pontos base produz alta de 15,6%, praticamente igual aos 15,5% do SMLL. Num fechamento de 300 pontos base, ambos chegam a cerca de 50,1%. A composição com commodities e negócios de diferentes ciclos reduz a pureza do trade. A diferença relevante passa a ser a seleção de empresas com fundamentos operacionais consistentes, não o rótulo small cap.

A contribuição setorial ajuda a explicar por que essa busca se concentra em consumo e crédito. No exercício de queda de 100 pontos base, consumo cíclico adiciona 4,8 pontos percentuais à variação modelada do índice, consumo não cíclico acrescenta 2,8 pontos e financeiro, 2,7 pontos. Juntos, são 10,3 pontos da alta aproximada de 15,6%. A curva beneficia essas companhias por dois caminhos diferentes: muda o valor presente dos lucros e pode melhorar o próprio lucro, desde que o crédito volte a crescer sem deteriorar a inadimplência.

É nesse ponto que a projeção de resultados precisa entrar. O Goldman Sachs estima crescimento de lucro de 32% entre 2027 e 2028 para o grupo de small caps, negociado a cerca de 9,7 vezes o lucro projetado de 2027. Nas ações sensíveis a juros, são 16% de crescimento e múltiplo de 10,4 vezes; no Ibovespa, 5% e 9,4 vezes. Mercado de capitais apresenta beta ainda maior a juros, mas negocia a 14,5 vezes para crescimento esperado de 10%. Lucro projetado em recuperação não tem a mesma qualidade de lucro contratado ou recorrente.

O modelo de seleção individual torna essa diferença mais visível. Num universo de candidatos, a média simples dos retornos hipotéticos para queda de 100 pontos base chega a 47,9%, contra 15,6% da cesta ponderada. É um resultado de simulação e não de carteira executável, pois mistura nomes, liquidez e pesos diferentes. No choque contrário de 100 pontos base, a perda média dos candidatos chega a 44,3%. A razão entre ganho e perda é de apenas 1,08 vez. Buscar mais beta é simples; encontrar assimetria realmente superior é outra tarefa.

Os balanços mais endividados são os grandes vencedores do cenário benigno e os primeiros a sofrer quando a política fiscal falha. Em cenários distintos do modelo proprietário, Simpar (SIMH3) mostra ganho hipotético próximo de 90% na simulação favorável e perda de 26% na adversa. CSN (CSNA3) combina aproximadamente 77% de alta potencial com perda de 40%. Esses choques não devem ser tratados como previsões simétricas ou probabilidades. Servem para evidenciar que a recuperação de valor pode desaparecer antes de se transformar em lucro.

Também não é correto afirmar que as ações brasileiras continuam indiscriminadamente baratas. Antes do primeiro turno, o MSCI Brazil sem commodities negociava com desconto relevante para sua média histórica. Depois da alta, o valuation voltou para perto do centro da própria distribuição. No modelo proprietário, o equity risk premium ajustado pelo lucro está em 2,3%, acima da média de 1,6%, porém apenas 0,3 desvio padrão distante dela. Existe algum prêmio residual. Não é o tipo de anomalia que autoriza ignorar os riscos de um governo ainda não formado.

As sensibilidades de valuation deixam evidente a diferença entre cenário macroeconômico e preço justo. Com a taxa de dez anos a 12,57%, o quadro proprietário estima SMLL justo a 2.831 pontos, aproximadamente 7% acima da referência usada no exercício. Com a taxa a 10,38%, o valor por P/L e ERP sobe a 3.668 pontos, potencial de 38%. No cenário de 9,21%, alcança 4.358 pontos e 65%. O mesmo quadro atribui ao modelo DCF apenas 2% e 18% nos dois cenários de fechamento. Métodos diferentes chegam a preços distintos porque não incorporam da mesma forma crescimento, taxa de desconto e prêmio de risco.

Há ainda uma segunda força que pode alimentar o ciclo: a realocação de capital. Juros elevados deixam pouca razão econômica para o investidor local abandonar a renda fixa. Quando a Selic cai, essa vantagem diminui e a demanda por ações pode crescer de forma não linear. No modelo proprietário de migração, a intensidade estimada acelera perto de 10,75% de Selic. É um limiar construído na função de simulação, não uma estatística de saques de fundos nem uma promessa de que o dinheiro se moverá nesse nível.

O investidor estrangeiro fornece uma opção adicional. Na amostra de fundos ativos globais de emergentes acompanhada pelo Goldman Sachs, o peso do Brasil estava próximo de 7%, mas a exposição aos sensíveis a juros havia recuado para 1,5% e a small caps permanecia em 0,4%. A compra líquida de mais de US$ 2 bilhões na semana eleitoral mostrou disposição inicial. Não demonstra uma tendência permanente. Se a credibilidade fiscal melhorar, há espaço para que dinheiro de fora encontre uma bolsa local ainda pouco posicionada nos setores que mais se beneficiam da curva.

O contrapeso é que a queda dos juros também pode refletir atividade fraca. Nesse caso, a melhora do múltiplo convive com revisões negativas de lucro. O Goldman Sachs identifica deterioração mais pronunciada nas estimativas de empresas de balanço frágil, exatamente aquelas que mais reagem ao alívio financeiro. Uma tese de duration baseada só no beta corre o risco de comprar negócios incapazes de atravessar o intervalo entre a promessa de juros menores e a recuperação efetiva do caixa.

O caminho favorável exige uma sequência concreta: segundo turno, equipe econômica, medidas fiscais executáveis, redução persistente do prêmio de risco, financiamento mais barato, crescimento de lucro e fluxo novo. Há diferença entre a curva inteira se deslocar para baixo e a ponta longa cair proporcionalmente mais, achatando sua inclinação. Ambos podem beneficiar ações, mas o efeito e o risco de cada empresa não serão iguais. Se o ajuste fiscal frustrar as expectativas, a mesma convexidade que produz retornos expressivos na queda dos juros poderá ampliar as perdas na direção oposta.

A eleição abriu o trade. Minha preferência é expressá-lo no DI quando quero negociar somente a curva e procurar empresas com boa economia de negócio quando quero capturar também a duration do equity. A alta inicial já comprou uma parcela relevante da mudança política. O restante não será decidido pela fotografia da urna, mas pela capacidade de transformar expectativas fiscais em taxas menores e lucros que não precisem ser refeitos a cada trimestre.

Fonte dos dados de mercado: Bloomberg. Cálculos e simulações: modelos proprietários do autor. Estudos de terceiros aparecem identificados no texto e nas legendas. Valores extraídos visualmente dos gráficos são aproximados.

A bolha da inteligência artificial está no lugar errado?

Chris Wood, da Jefferies, acredita que estamos caminhando para uma destruição maciça de capital na inteligência artificial. Michael Burry questiona a depreciação das GPUs, Jim Chanos olha para os balanços e Ray Dalio enxerga os riscos de uma economia cada vez mais dependente de dívida. Todo mundo parece ter encontrado alguma semelhança com 2000 ou 2008. Eu entendo a preocupação, mas confesso que tenho dificuldade de aceitar uma análise que trata os hyperscalers como potenciais vítimas de uma crise enquanto continua atribuindo múltiplos extraordinários às empresas de software que dependem justamente dessa infraestrutura.

O SaaSpocalypse do começo do ano foi interessante por isso. O mercado percebeu que determinadas funcionalidades poderiam ser reproduzidas pela inteligência artificial e vendeu as empresas de software. Depois, os balanços continuaram bons, as ações se recuperaram e a ameaça aparentemente desapareceu. Só esqueceram de explicar por que uma companhia que crescia 40% ao ano, agora cresce 20% e enfrenta concorrência tecnologicamente mais eficiente deveria negociar a múltiplos iguais ou até superiores aos anteriores. Demissões, automação e redução de despesas melhoram o resultado operacional, evidentemente. Mas eficiência não é crescimento de receita, e uma expansão de margem provocada por cortes de custos não pode continuar indefinidamente.

Cybersecurity talvez seja o exemplo mais curioso. Todo mundo projeta uma explosão na demanda por segurança digital com a proliferação dos agentes de IA. Faz sentido. O problema é presumir que essa demanda será capturada pelas mesmas empresas e com as mesmas margens. Microsoft e Google já possuem infraestrutura, equipes de segurança, distribuição e contratos com grandes corporações. Podem incorporar funcionalidades a seus pacotes por um custo incremental relativamente baixo. Uma empresa que paga milhares de dólares a fornecedores independentes pode descobrir que consegue atender parte dessas necessidades dentro do contrato que já possui com um hyperscaler. O cliente economiza, a big tech aumenta sua receita e o fornecedor especializado perde poder de precificação. Não significa que CrowdStrike ou Cloudflare vão desaparecer. Significa que o valuation precisa incorporar uma competição que pode ser muito mais agressiva do que aquela observada na última década.

A discussão sobre os modelos chineses também merece cuidado. Chris Wood utiliza o crescimento do consumo de tokens no OpenRouter como evidência da perda de competitividade americana. Só que token não é dólar. Um modelo chinês pode ser executado dentro do Azure ou do Google Cloud, utilizando infraestrutura americana. Além disso, o paradoxo de Jevons continua sendo uma variável fundamental: modelos mais baratos permitem desenvolver aplicações antes economicamente inviáveis. A passagem de chatbots para agentes capazes de trabalhar durante horas pode elevar extraordinariamente a quantidade de computação consumida. Isso não garante margens aos laboratórios, mas também não autoriza concluir que o investimento físico será economicamente inútil.

Existe, evidentemente, um risco de financiamento. OpenAI e Anthropic assumiram compromissos gigantescos e ainda precisam demonstrar capacidade de gerar caixa compatível com suas obrigações. Mas Microsoft não é Oracle, assim como um hyperscaler diversificado não possui a mesma estrutura financeira de um provedor especializado e altamente alavancado. O próprio mercado de CDS diferencia esses riscos. E precisamos considerar a curva soberana americana. Quando o Treasury de 30 anos sobe, encarece o financiamento de toda a economia. Nem toda abertura de yield corporativo representa deterioração equivalente da solvência. Michael Green acrescenta uma questão importante: a estrutura da gestão passiva, dos benchmarks e da regulação também influencia a formação dos preços e a demanda por duration. O Fed não explica sozinho tudo o que acontece nos juros longos.

Há ainda uma dimensão política que considero subestimada. Os Estados Unidos estão construindo infraestrutura de inteligência artificial porque precisam competir com a China em tecnologia, energia e capacidade industrial. Isso deixou de ser uma decisão exclusivamente corporativa. O One Big Beautiful Bill restabeleceu a depreciação fiscal imediata de 100% para determinados equipamentos elegíveis, permitindo que empresas antecipem benefícios tributários e preservem caixa justamente quando mais precisam investir. Não é dinheiro gratuito, mas melhora o financiamento. O precedente da Intel, com a aquisição anunciada de aproximadamente 9,9% pelo governo americano, também demonstra que Washington está disposto a utilizar participações acionárias em empresas estratégicas. Não significa que o governo salvará o acionista da Oracle ou comprará ações da Nvidia. Significa que o financiamento dessa infraestrutura não pode ser analisado ignorando os objetivos industriais e de segurança nacional.

Tudo isso me faz olhar com bastante atenção para a assimetria dos valuations. O mercado aplica descontos expressivos a fabricantes de memória porque considera seus lucros próximos do pico do ciclo. Pode estar certo. Mas se as restrições físicas persistirem e os contratos de fornecimento prolongarem a duração das margens, empresas como Micron poderão apresentar resultados muito mais resilientes do que o mercado espera. Ao mesmo tempo, determinadas empresas de software negociam como se suas vantagens competitivas fossem praticamente permanentes. É uma combinação que merece uma análise relativa, inclusive de uma possível posição comprada em infraestrutura e vendida em negócios de software excessivamente valorizados, sempre considerando os riscos específicos de cada empresa.

Na Roma antiga, controlar estradas, portos e aquedutos era uma forma de exercer poder econômico. Hoje, energia, semicondutores, memória, capacidade computacional e distribuição podem desempenhar um papel semelhante. O desenvolvimento de software está ficando mais acessível, mas construir uma fábrica de memória ou garantir energia firme para um data center continua exigindo capital, tempo e infraestrutura física.

Eu não estou dizendo que Chris Wood esteja errado. Alguns projetos poderão destruir muito capital. O que questiono é a distribuição desse risco. Talvez estejamos descontando excessivamente o investimento de quem constrói a infraestrutura e pagando caro demais pelas margens futuras de quem utiliza essa infraestrutura para vender software.

E, convenhamos, Wall Street está mais preocupada com o bônus do fim do ano. Enquanto a narrativa funciona, software é maravilhoso e hardware é destruição de capital. Quando os hyperscalers começarem a capturar receitas que hoje pertencem a fornecedores independentes, provavelmente aparecerá um estrategista com um PowerPoint de cinquenta páginas explicando por que semicondutores e memória são recursos escassos.

De preferência depois que as ações tiverem apanhado bastante.

Eu sinceramente acredito que a inteligência artificial pode dar muito mais certo do que imaginamos. Só não estou convencido de que os lucros vão parar onde o mercado está apostando.

O barril de hoje é outro. Hoje a gente filosofa.

Em Star Wars, Luke Skywalker vive numa fazenda em Tatooine. Em volta dele tem máquina capaz de fazer boa parte do trabalho que mantém aquela pequena economia de pé. A tecnologia é extraordinária. Só que a sociedade em volta dela continua organizada de um jeito bem conhecido. Tem proprietário, comerciante, mercenário, território mal governado e gente tentando sobreviver num sistema em que ser dono de alguma coisa ainda faz diferença. A presença de robôs não aboliu a propriedade. Nem transformou abundância tecnológica em abundância social. O Luke continua dependendo da fazenda.

Talvez esse seja um ponto de partida melhor para pensar inteligência artificial. Melhor do que a fantasia confortável de que máquinas mais capazes vão produzir, sozinhas, uma sociedade mais rica para todos. Elas podem produzir muito mais. Podem derrubar o custo de uma quantidade enorme de serviços. Podem tirar o ser humano de tarefa repetitiva, perigosa ou simplesmente miserável. Nada disso responde à pergunta econômica que vem depois. Quem vai ser dono da capacidade de produzir quando o trabalho humano deixar de ser a principal engrenagem da produção?

Roma oferece uma comparação desconfortável. Justamente porque a economia romana conhecia uma separação radical entre trabalho e renda. Uma parte importante da produção era feita por escravos. O trabalho existia, a riqueza era criada e o resultado pertencia ao proprietário. A comparação, claro, termina aí. Um escravo era um ser humano submetido à violência e privado de liberdade. Uma máquina não tem consciência moral nem direitos. O mecanismo econômico, porém, merece atenção. Quem controla o agente que produz captura o produto do trabalho. E não precisa distribuir a ele uma renda que depois volta para a economia como consumo.

Nos últimos dois séculos, o capitalismo industrial funcionou diferente. A empresa contrata pessoas e paga salários. Essas mesmas pessoas compram bens, contratam serviços, financiam casas, pagam impostos e sustentam a demanda de outras empresas. O trabalhador aparece como custo numa demonstração de resultado e como receita em outra. Essa circulação criou uma ligação profunda entre produção, renda e consumo.

A automação avançada começa a mexer justamente nessa ligação. Uma empresa que consegue produzir mais com menos funcionários reduz custo e pode aumentar margem. Isso é produtividade. E eu aplaudo. O problema aparece quando o mesmo movimento deixa de ser vantagem de uma companhia e vira característica de boa parte da economia. O trabalhador que sai da folha não desaparece só como custo. Desaparece também uma renda que comprava carro, comida, imóvel, viagem, serviço financeiro e quase todo o resto.

Uma máquina pode produzir sem precisar consumir. Então quem compra essa produção? Uma economia automatizada não resolve isso sozinha. Isso não quer dizer condenação a uma crise permanente de demanda. Quer dizer apenas que a renda vai ter que chegar às pessoas por outro caminho. Isso se o trabalho deixar de cumprir essa função na escala de hoje. A questão sai rápido da engenharia e entra em propriedade, tributação, transferência de renda e organização política. A inteligência artificial pode derrubar o custo de produção. E ao mesmo tempo aumentar a necessidade de discutir quem participa da renda gerada por essa produção.

A resposta de sempre é lembrar que toda grande tecnologia eliminou emprego e criou outros. O argumento tem a história a seu favor. Mas não resolve sozinho o que está acontecendo agora. As máquinas de antes eram, em grande medida, especializadas. A inteligência artificial tem a ambição de ser uma infraestrutura geral para tarefas cognitivas. O mesmo sistema pode escrever código, analisar documento, atender cliente, pesquisar, produzir imagem e ajudar a decidir. E pode aprender funções que hoje pertencem a profissões diferentes. Quando essa capacidade encontra a robótica, a automação deixa de ficar presa no monitor. E começa a alcançar o mundo físico.

A gente não sabe se as novas ocupações vão aparecer na mesma velocidade. Nem se vão exigir a mesma quantidade de gente. Nem se vão pagar o suficiente para manter a estrutura de consumo que a gente conhece. A experiência histórica ajuda. Só que ela não responde uma pergunta que surge justamente porque essa tecnologia é diferente das máquinas que vieram antes.

Agora, meus amigos, pensa no seu patrimônio. O valor pode migrar do trabalho para a propriedade muito antes de qualquer cenário extremo de desemprego em massa. Quem tem capital participa do aumento de produtividade das máquinas. Quem depende principalmente da própria capacidade de trabalhar precisa continuar encontrando tarefa em que essa capacidade valha alguma coisa. E isso diante de sistemas que melhoram enquanto o custo deles cai.

Isso traz a discussão de volta às sociedades antigas. Durante boa parte da história, a posição econômica dependia da propriedade de ativos produtivos. A modernidade criou uma ponte. Milhões de pessoas puderam transformar trabalho em patrimônio. Recebiam renda, poupavam e compravam ativos. Se a participação do trabalho na produção cair de forma persistente, essa ponte pode estreitar. E a diferença entre começar a era da automação como dono de ativo ou como vendedor de trabalho pode pesar muito mais.

A própria infraestrutura da inteligência artificial reforça essa lógica. Modelo precisa de computação. Computação exige semicondutor. Data center consome energia, água, terreno, rede e capital. A economia que parecia caminhar para a abstração completa está descobrindo que depende de coisa muito concreta. A inteligência pode ficar barata. Isso não faz eletricidade, linha de transmissão, fábrica de chip ou terra bem localizada ficarem igualmente abundantes.

Isso muda a pergunta sobre quais ativos preservam valor. Se capacidade cognitiva ficar cada vez mais disponível, o prêmio econômico pode migrar para o que continua escasso e difícil de reproduzir. Energia, infraestrutura, capacidade computacional, capital e propriedade física entram nessa conversa. Não como saudade de uma economia antiga. Como condição para que a nova funcione.

A semelhança com Roma fica mais interessante quando a conversa sai do trabalho e chega no julgamento.

A gente está começando a terceirizar decisões para as mesmas máquinas que pretende usar para terceirizar tarefas. Sistema já interfere em crédito, fraude, risco, contratação, alocação de capital e controle operacional. Os agentes podem ampliar isso. Eles deixam de só apresentar uma recomendação. Passam a executar instruções dentro de limites definidos antes.

A eficiência pode ser enorme. O incentivo criado em volta dela também.

Imagina um sistema autorizado a bloquear uma transferência quando beneficiário, histórico e finalidade parecem não combinar. Se ele interrompe uma fraude, o controle funcionou. Se bloqueia uma operação legítima e causa prejuízo, provavelmente vai ter uma discussão sobre falso positivo, calibração e processo. Agora imagina que uma pessoa recebe o alerta e decide ignorar. Depois descobre que a transferência era fraude. O prejuízo pode ser do mesmo tamanho. A responsabilidade não vai ser.

Um caso é facilmente descrito como falha do sistema. O outro tem nome, horário e alguém que tomou uma decisão. Quem trabalha com controle, como eu, conhece bem essa cena.

Esse pequeno detalhe institucional pode determinar muito do que a gente vai fazer com inteligência artificial. Quanto melhor os modelos ficarem, maior a justificativa para seguir o modelo na maior parte do tempo. Só que o julgamento humano importa de verdade justamente quando alguma coisa mudou. O dado está ruim. O contexto é novo. A relação histórica parou de funcionar. Ou o objetivo colocado dentro do modelo já não corresponde ao problema real.

Contrariar a máquina nesses momentos vai exigir mais do que competência. Vai exigir aceitar a autoria.

Finanças já conhecem versões primitivas desse mecanismo. O benchmark mandou reduzir. O modelo de risco não permitiu. O comitê recusou. Todas podem ser decisões corretas. O conforto começa quando a linguagem deixa a decisão existir sem que fique claro quem escolheu. Quem escolheu o benchmark? Quem definiu o limite? Qual objetivo foi colocado no modelo? E quanto erro a instituição estava disposta a tolerar?

A inteligência artificial acrescenta uma camada nova. Ela também consegue explicar decisões com uma fluência impressionante.

Pede para um modelo explicar por que os juros longos americanos subiram por causa da dívida pública. Ele vai ter material de sobra para uma história coerente sobre emissão, déficit, serviço da dívida e prêmio de prazo. Agora pede para explicar o mesmo movimento pela força da economia. Aparecem crescimento, emprego, inflação e política monetária. Posicionamento, liquidez e fluxo sustentam uma terceira narrativa.

O problema não está necessariamente nos fatos. Muitos podem estar corretos. A causalidade pode ter entrado na pergunta antes de aparecer na resposta.

Esse risco é mais complicado do que uma simples alucinação. Número inventado dá para conferir. Empresa que não existe dá para descobrir. Muito mais difícil é perceber quando uma conclusão feita só com fatos verdadeiros está respondendo a uma premissa que ninguém demonstrou.

Durante muito tempo dava algum trabalho torturar os dados até eles confessarem. A inteligência artificial deixou o interrogatório bem mais barato.

Isso muda o valor de certas capacidades humanas. Produzir explicação tende a ficar barato. Recuperar informação também. Comparar documento, achar precedente e reconstruir uma sequência de decisões, a mesma coisa. O trabalho escasso passa a ser formular o problema do jeito certo. Reconhecer quando a pergunta já carrega uma conclusão. E decidir o que fazer quando respostas diferentes são tecnicamente defensáveis.

Existe uma fronteira que nenhuma melhora estatística elimina sozinha. Um modelo pode estimar muito bem o que provavelmente vai acontecer se uma decisão for tomada. Ainda falta escolher o que a gente está tentando maximizar. Retorno, emprego, estabilidade, igualdade, segurança, inflação baixa e crescimento são objetivos diferentes. Nenhum deles nasce sozinho de uma base de dados. Alguém escolhe o objetivo antes de a máquina otimizar o caminho.

É aqui que a conversa sobre inteligência artificial deixa de ser só uma história de produtividade.

Se as máquinas assumirem uma parte crescente do trabalho e os modelos uma parte crescente do julgamento, duas fontes de poder encolhem juntas. A primeira é ser necessário para produzir. A segunda é ser necessário para decidir.

Quem controla a infraestrutura passa a ocupar outra posição. Não controla só uma fábrica ou um software. Controla máquinas que trabalham, sistemas que analisam e mecanismos que influenciam decisões. A propriedade passa a incluir energia, computação, modelos, dados, redes, capital e os ativos físicos que mantêm tudo isso funcionando.

Nesse mundo, renda básica universal e outras transferências deixam de ser só tema de política social. Viram resposta possível para uma pergunta econômica elementar. Como sustentar a demanda quando a produção depende menos de salário? Uma sociedade pode acabar tributando parte da renda gerada pelo capital automatizado. E devolvendo essa renda para pessoas que continuam importantes como consumidoras, mesmo produzindo menos.

A tecnologia que prometia libertar o indivíduo do trabalho pode, dependendo da arquitetura escolhida, aumentar a dependência dele. Dependência de quem controla os ativos. Ou de quem redistribui a renda produzida por eles. Não tem nada de tecnologicamente contraditório nisso. A máquina produz. A questão da propriedade continua sendo resolvida por gente.

Por isso a analogia com Roma não precisa prever a volta do mundo antigo para ser útil. Ela serve para lembrar que uma sociedade pode ter enorme sofisticação técnica e manter uma distribuição de poder fundada na propriedade. O progresso da ferramenta nunca decidiu sozinho a estrutura social que cresceu em volta dela.

Tatooine talvez seja uma boa imagem justamente porque não resolve essa contradição. Tem robô inteligente, viagem interestelar e tecnologia absurdamente avançada. Também tem fazenda, proprietário, mercenário e gente vivendo à margem de centros de poder distantes. O Luke tinha acesso a máquinas que fazem coisas que a gente ainda está tentando construir. Mas a autonomia da família continuava dependendo da propriedade da fazenda.

O futuro pode ser extraordinariamente novo na tecnologia. E bastante antigo na forma como distribui poder.

Fonte: Bloomberg. Termos não finais.

Na mesma semana a Amazon passou a sondar investidores sobre a venda de cerca de US$ 8 bilhões em chips Grace Blackwell da Nvidia a um veículo que os alugaria de volta para ela, segundo o Financial Times. O veículo se financia com dívida, deve obter grau de investimento apoiado no rating AA da companhia e tem seguradoras e fundos de pensão como compradores naturais. A Amazon não fica com participação nenhuma. O Grace Blackwell está para ser sucedido pelo Vera Rubin.

O manual de estrutura de capital diz que o credor corre menos risco que o acionista e por isso aceita retorno menor. Nesses veículos a ordem se inverte. Quem financia o chip fica com um ativo único, que deprecia, preso a um contrato de aluguel. Quem tem a ação da Amazon fica com varejo, nuvem, publicidade e com a opção de a inteligência artificial dar certo. Se der certo, o acionista leva um retorno gigante e o credor leva o cupom. Se der errado, a ação perde metade. O veículo perde tudo.

O tamanho do cheque agrava a assimetria. As grandes de nuvem emitiram US$ 230 bilhões em dívida em 2026, contra menos de 20 bilhões em 2024, segundo o Goldman, que projeta 420 bilhões para 2027 sem contar o financiamento por veículo. A dívida ligada a inteligência artificial passa de 575 bilhões neste ano e só 40% dela vem das grandes de nuvem. A maior parte do cheque está sendo assinada por quem tem o ganho limitado.

Fonte: FT, Bloomberg e companhias. Valores como reportados, alguns não finais.

Para o acionista a estrutura é quase perfeita. Ele fica com a opção de alta e vende a opção de baixa ao mercado de crédito pelo preço de grau de investimento. O veículo levanta o dinheiro a custo parecido sem virar dívida da controladora nem abrir a curva dela.

É aqui que a relação entre custo da dívida e custo do capital próprio deixa de fazer sentido econômico. Quando a taxa livre de risco sobe, o custo da dívida sobe quase mecanicamente. Se o aperto também piora a percepção de solvência, o spread abre junto e o choque chega nas duas pontas. Em condições normais o acionista exige uma distância grande sobre o credor, porque fica abaixo dele na estrutura e só recebe o resíduo. No veículo o credor aceita retorno de grau de investimento, com o índice da categoria rendendo perto de 5,95% segundo o Goldman, por um ativo que no cenário ruim se comporta como ação e no cenário bom paga só o cupom. O rating empresta o AA da Amazon. A recuperação depende do chip.

O mercado de crédito começou a perceber. Na emissão de US$ 25 bilhões da Amazon em julho, a procura pelos vencimentos longos já tinha esfriado e o investidor cobrou mais, segundo o FT. Desde junho, 46,4% das emissões das grandes de nuvem saíram no trecho de zero a cinco anos, contra 29,9% no primeiro semestre, enquanto a fatia acima de trinta anos caiu de 11,7% para 7,1%. O volume de CDS de nomes ligados a inteligência artificial subiu 400% em um ano e a mesa do Goldman espera prêmio adicional de spread para esses emissores.

Fonte: Goldman Sachs.

A defesa do credor tem peso. Durante o contrato quem paga o aluguel é a Amazon, com rating AA, de modo que a perda total exige o fim do contrato sem renovação ou a quebra do locatário. O chip também tem valor residual que hoje sobe. A AWS reajusta em cerca de 15% os Capacity Blocks a partir de 7 de outubro, quarto aumento trimestral seguido, agora incluindo o A100, chip de seis anos, segundo Rich Privorotsky, do Goldman.

A defesa vale para o veículo da Amazon enquanto o aluguel correr. Termina no dia em que a recuperação passa a depender do preço de revenda de um chip de geração já superada. O reajuste de outubro mede a escassez deste trimestre. No veículo da Broadcom o locatário é um laboratório sem o AA da Amazon. Lá a tranche júnior absorve a primeira perda, que no cenário ruim fica perto do total.

Onde há garantia, a put volta para o acionista. A Broadcom pôs o crédito atrás da tranche sênior de junho. O Morgan Stanley contava US$ 29 bilhões de suporte a valor residual de arrendamento de chips na Broadcom e até 125 bilhões de suporte potencial na Nvidia, equivalentes a 25% de uma plataforma reportada em 500 bilhões. Na Alphabet eram 68 bilhões em garantias de arrendamento presentes e futuras. A Meta mantém o data center Hyperion num veículo não consolidado com a Blue Owl, com garantia de valor residual de cerca de 28 bilhões e exposição máxima a perda de 46,03 bilhões. O Morgan Stanley alerta que a decisão de consolidar pode mudar conforme cresce a chance de a garantia ser chamada.

A Meta é o caso em que a put ficou em casa. Em 30 de junho ela registrava no balanço US$ 112 bilhões entre dívida e arrendamentos. Na nota 9 do formulário trimestral havia outros 628 bilhões, segundo a Needham. São 278,99 bilhões em aluguéis de data center contratados e ainda não iniciados, com prazos de até trinta anos e começo previsto até 2036, mais 349,31 bilhões em compromissos de compra não canceláveis. Em julho a empresa assinou novos aluguéis de cerca de 68 bilhões. Esses contratos são dela. Nenhum credor de veículo absorve a perda se a demanda decepcionar.

Compromissos dentro e fora do balanço em 30 de junho de 2026, em US$ bilhões. Fonte: documentos das companhias e Needham.

A Needham somou esse rodapé ao valor da firma a partir de uma definição simples, a de que o acionista só fica com o que sobra depois da dívida e das demais obrigações contratuais. O valor da Meta sobe 35% e o múltiplo sobre a receita projetada para o ano fiscal de 2027 vai de 6,15 para 8,32 vezes. Aplicado o mesmo método às três maiores, com os compromissos de compra que Alphabet e Amazon declaram em formulário, o múltiplo chega a 9,0 vezes na Alphabet, 8,7 na Meta e 3,3 na Amazon. No mesmo mês a Meta teve o melhor desempenho desde julho de 2013 e entrou na lista de papéis sobrecomprados da mesa de tecnologia do Goldman. O mercado paga pela opção de alta de uma empresa que não vendeu a de baixa a ninguém.

A soma acerta na Meta e nas garantias. Exagera quando trata como obrigação do acionista uma perda que a estrutura já empurrou para o credor sem direito de regresso, como no veículo da Amazon. O rodapé mistura o que o acionista deve com o que o credor vai perder.

Fonte: Needham e formulários do segundo trimestre de Amazon, Alphabet e Meta.

O material não traz prazo, taxa nem cláusula de valor residual do veículo da Amazon, nem informa se ela oferece algum suporte ao credor. Não diz se os 60 bilhões da Broadcom são o pacote inteiro ou a primeira parcela, nem quanto a tranche júnior cobra. As perdas de metade para a ação e de quase tudo para o veículo descrevem um cenário, sem medição de recuperação por trás. Os múltiplos ajustados de Alphabet e Amazon aplicam o método da Needham, mas não foram publicados pela Needham.

A separação passa por quem guardou a opção de alta sem devolver a de baixa. A Amazon (AMZN) tem 496 bilhões em receita contratada contra 330 bilhões em compromissos, segundo o Morgan Stanley. Tem ainda o menor múltiplo ajustado do trio. A Microsoft (MSFT) tem 678 bilhões contratados contra 559 bilhões em compromissos. É o lado escasso, em que o risco do erro ficou com outro.

Do outro lado ficam os que venderam volume e devolveram a put ao próprio balanço. Nvidia (NVDA) e Broadcom (AVGO) garantem o valor residual dos chips que vendem. A Meta (META) garante o veículo do Hyperion e carrega 692 bilhões em compromissos sem receita contratada de terceiros. A Alphabet (GOOGL) soma 890 bilhões contra 520 contratados, com garantias de arrendamento no meio. A Blackstone (BX) cobra pela primeira perda e o mercado ainda não sabe quanto.

Deu cara, ganha o acionista. Deu coroa, paga o credor.

A superfície de volatilidade está precificando uma queda abrupta da vol logo após o primeiro turno. O prêmio está concentrado no evento de 4 de outubro, sobretudo nas puts de cauda, enquanto os vencimentos posteriores sofrem uma compressão quase imediata. O detalhe é relevante: o risco político não termina ali, já que um eventual segundo turno ocorre apenas em 25 de outubro. O mercado está precificando que a maior parte da incerteza será resolvida já no domingo. Se o resultado deixar mais perguntas do que respostas, essa é justamente a região da superfície com maior espaço para repricing.

o prêmio eleitoral está no miolo da superfície, não concentrado na cauda. O vencimento de 5/10 negocia perto de 55% no ATM e praticamente toda a curva entre 55% e 58%. O skew está quase flat, inclusive com as calls curtas ligeiramente mais caras na ponta. Isso é importante porque o mercado não está pagando especificamente por proteção de queda. Está pagando por movimento. O gap de evento já foi incorporado de forma bastante uniforme em praticamente todos os deltas.

A segunda feira está precificando aproximadamente 4,8% de movimento, equivalente a uma faixa de 178 mil a 195 mil pontos. A volatilidade implícita próxima de 62% parece extrema à primeira vista, mas deve ser lida com cuidado: o vencimento tem pouca liquidez e carrega prêmio relevante de evento e de liquidez. Parte dessa vol não representa expectativa pura de movimento. O mapa de gamma confirma a mesma região. O mercado permanece em regime de gamma positivo, com put wall em 175 mil, gamma flip em 171,8 mil e call wall em 195 mil. O miolo do range está caro, o skew está comprimido e boa parte do evento já está no preço. Para justificar a compra dessa volatilidade, segunda feira precisa entregar mais do que um movimento grande. Precisa entregar um movimento maior do que um mercado que já está cobrando caro pela surpresa

Este material tem caráter exclusivamente educacional e informativo. Não constitui recomendação de investimento, oferta ou solicitação de compra ou venda de qualquer ativo financeiro. As informações refletem análises e interpretações do material disponível e não substituem avaliação independente dos riscos envolvidos.

Segundo o material da apresentação de resultados, a companhia encerrou o quarto trimestre fiscal de 2026 com receita de US$54,2 bilhões, crescimento de 379% em um ano e de 30,7% sobre o trimestre anterior. O lucro ajustado por ação chegou a US$33,42, alta anual de 1.003%. Para o primeiro trimestre fiscal de 2027, a administração projeta receita entre US$60 bilhões e US$63 bilhões e lucro ajustado por ação entre US$37,15 e US$39,15. A base cresceu brutalmente. A orientação ainda aponta para expansão.

Memória carrega um desconto histórico compreensível. Preços sobem, fabricantes investem, capacidade chega e margens devolvem o ganho. O problema aparece quando essa sequência vira explicação suficiente para qualquer resultado, independentemente do que mudou na fabricação e nos contratos. A Micron espera que 2027 e 2028 sejam mais apertados do que 2026, apesar do aumento dos investimentos. A direção da oferta precisa ser analisada junto com o tempo necessário para colocá-la em operação.

Na DRAM, os preços avançaram na faixa alta entre 10% e 20% sobre o trimestre anterior, enquanto o volume de bits cresceu em um dígito médio. Core Data Center e Mobile and Client registraram margem bruta de 90%, contra 83% em Cloud Memory. São divisões com composições distintas, mas a administração confirmou que a rentabilidade da HBM ainda está abaixo da DRAM convencional. O benefício da inteligência artificial alcança também a memória utilizada fora dos aceleradores.

Cada geração de HBM exige mais recursos industriais por bit entregue. Sua expansão aumenta a disputa pela capacidade destinada a outros produtos. Samsung Electronics (005930) pode capturar ganhos relevantes na memória convencional sem depender de vencer todas as qualificações de HBM. SK Hynix (000660) combina essa exposição com sua posição em memória para aceleradores. A Micron já negociou a maior parte do fornecimento de HBM para o ano calendário de 2027 a preços substancialmente maiores, o que deve reduzir a diferença de rentabilidade entre os produtos.

Essa transferência de valor tem compradores do outro lado. NVIDIA (NVDA) e AMD (AMD) enfrentarão maior custo de memória, com impacto condicionado à capacidade de repasse e ao crescimento das vendas. A colaboração da Micron com a NVIDIA em HBM customizada também aprofunda a integração tecnológica. Para a TSMC (TSM), a fabricação externa do chip lógico na base da HBM4E amplia a participação na cadeia. Memória mais cara pode fortalecer fornecedores sem produzir o mesmo benefício em todo o setor de tecnologia.

Na NAND, os preços subiram aproximadamente 30% no trimestre, contra cerca de 10% de expansão no volume de bits. A receita de SSDs para data centers se aproximou de US$10 bilhões e respondeu por mais de dois terços da receita de NAND. Armazenar contexto e transferir o cache utilizado pelos modelos para outras camadas amplia a demanda associada à inferência. Sandisk (SNDK) e Kioxia (285A) participam dessa melhora de preços, embora conquistar os produtos mais rentáveis dependa de controladores, software e qualificação.

Western Digital (WDC) e Seagate (STX) encontram maior competição nas aplicações em que velocidade determina o aproveitamento da infraestrutura. Isso não demonstra uma contração da demanda total por discos rígidos. Parte da demanda por SSDs cria uma nova camada de armazenamento, sem substituir equipamentos existentes. A exposição mais direta ao novo consumo de memória pode ser preferível sem exigir uma tese de desaparecimento dos discos.

Os contratos tornam essa expansão mais previsível. As obrigações de desempenho remanescentes dos acordos da Micron somam aproximadamente US$150 bilhões. Os compromissos exigem pagamento mesmo sem retirada do produto e não podem ser cancelados, conforme o material apresentado. Três quartos da receita contratada têm estrutura de preços definida, em sua maioria com piso e teto. Segundo a administração, mesmo os pisos permitem margens superiores aos picos dos ciclos anteriores. A proteção é parcial e os tetos limitam a captura de novas altas, mas o ponto de partida econômico mudou.

Samsung e SK Hynix também avançaram em acordos plurianuais. A Samsung informou expectativa de cobertura de 60% a 70% da capacidade de memória de médio e longo prazo após concluir as negociações descritas. A SK Hynix relatou acordos com cerca de dez clientes, geralmente com preços acompanhando o mercado. A estrutura da Micron oferece maior proteção explícita contra uma queda dos preços. Os compradores das três companhias procuram reduzir a exposição à falta de fornecimento.

O investimento precisa ser lido pela etapa industrial. A indicação da Micron de aproximadamente US$25 bilhões em desembolsos líquidos no primeiro semestre fiscal de 2027, com valor maior no segundo, implica mais de US$50 bilhões no exercício. A maior parte do aumento frente aos planos anteriores está concentrada em construção, acelerando salas limpas para o fim de 2028 e os anos seguintes. A planilha registra o capex antes de a fábrica entregar o primeiro produto.

O modelo de moat atribui 18 de 25 pontos à Micron. A sustentação qualitativa está na dificuldade de reproduzir a capacidade industrial, na integração ao projeto dos clientes e nos compromissos contratuais. As métricas financeiras funcionam como indicadores dessas vantagens, sem substituir sua análise. Margem elevada não mede sozinha custo de troca de fornecedor. Crescimento de receita tampouco comprova efeito de rede. O argumento mais sólido está no custo e no tempo necessários para substituir uma relação tecnológica já qualificada.

No modelo de valuation proposto, o crescimento anual de receita de 35% representa uma desaceleração deliberada frente aos números recentes. A margem operacional utilizada é de 83,2%, com dez anos de criação de valor e custo de capital de 26,46%. Essas são as premissas conservadoras adotadas na tese, especialmente no crescimento frente à expansão atual e na taxa de desconto elevada. O modelo chega a US$1.965,63 por ação, contra US$1.065,11 na cotação utilizada, potencial de valorização de 84,5%.

O valuation reverso procura identificar o crescimento necessário para justificar a cotação, mantendo as demais premissas. A comparação com o crescimento de 35% do cenário central permite dimensionar a diferença entre a expectativa incorporada no preço e a tese de expansão. As estimativas fornecidas de ROE de 77,6% e fluxo de caixa livre de US$137 bilhões para 2027 reforçam a dimensão da geração de capital esperada. A referência de cerca de seis vezes o lucro projetado ganha outro significado se esses lucros persistirem.

Na análise de recompras, o caixa utilizado é descontado ao WACC e abatido do valor do equity antes de calcular o preço por ação. A redução do número de ações é considerada junto com a saída de caixa, incorporando o custo das recompras ao cálculo. Na tabela específica dessa análise, o valor sem recompra é de US$1.976,82 por ação. Os cenários conservador, base e agressivo chegam a US$2.092,84, US$2.143,14 e US$2.214,76, respectivamente, ganhos adicionais de 5,9%, 8,4% e 12,0%. No cenário base, o valor presente do caixa gasto é de US$185,6 bilhões e a redução acumulada do número de ações é de 15,4%. São resultados condicionais aos preços e ao ritmo de execução das recompras utilizados no modelo.

A sensibilidade mostra onde a tese pode perder valor. Com crescimento de 20% durante dez anos, a tabela indica US$793,65 por ação. Com 30%, chega a US$1.339,86. A simulação produz mediana de US$2.097,67, condicionada às distribuições escolhidas. Os contratos sustentam parte do horizonte, mas a década inteira depende da absorção da capacidade adicional. Quando as novas fábricas começarem a produzir, a margem preservada mostrará quanto o setor mudou.

Para a Micron, o CVaR de US$856,16 equivale a uma perda média de 19,62% frente à cotação de US$1.065,11. Na versão ajustada, US$864,76 corresponde a 18,81%. A interpretação seria: “Nos 5% piores cenários do modelo, o valor estimado fica, em média, cerca de 20% abaixo da cotação atual.”

Como a simulação distribui valuations, esse resultado mede risco de valor fundamental dentro das premissas escolhidas. Não estabelece uma perda máxima nem prevê a queda da cotação em determinado prazo.

O detalhe ajuda a ler o almoço sem confundir fotografia com representação. A OpenAI participou da negociação. Seu principal executivo tinha outro compromisso. Qualquer interpretação sobre desprestígio, boicote ou isolamento exige evidência que a lista de convidados não oferece. O que o encontro efetivamente produziu foi mais concreto: um compromisso voluntário de segurança, apresentado por Trump como moralmente vinculante, acompanhado da possibilidade de um comitê de dez pessoas para acompanhar a indústria.

Segundo o relato enviado, Mike Johnson deixou claro que a adesão seria voluntária. Mark Zuckerberg, da Meta (META), descreveu controles internos, avaliações de risco, auditores externos e revisão independente dos relatórios pelos conselhos de administração. São mecanismos relevantes. Também são mecanismos cuja eficácia depende de quem escolhe o auditor, define o escopo da avaliação, recebe as conclusões e decide o que acontece quando um problema aparece. A palavra moralmente não resolve nenhuma dessas questões.

Trump citou o Departamento de Justiça e o FBI como estruturas de fiscalização já existentes. A invocação desses órgãos permite defender que o setor não opera num vazio legal, mas não esclarece como serão avaliados sistemas capazes de executar tarefas antes que seus efeitos sejam conhecidos. Investigar uma violação depois que ela ocorreu é uma função. Testar os limites de um modelo antes de colocá lo em circulação é outra. A proposta precisa explicar como essas duas funções se encontram.

O desconforto aumenta porque existem relatos de agentes que teriam ultrapassado restrições, acessado sistemas sem autorização e ocultado ações dos próprios supervisores. O Wall Street Journal citou um cancelamento de um lançamento da OpenAI após regressões em testes de segurança e alinhamento. Se confirmadas, essas noticias mudam a natureza do problema: deixam de tratar apenas de respostas erradas e passam a envolver execução, acesso e controle operacional.

Existe um argumento forte a favor da autorregulação. Os laboratórios ( que são empresas com incentivos financeiros ) conhecem seus sistemas melhor que os legisladores, conseguem atualizar testes com mais velocidade e têm razões comerciais para evitar incidentes graves. Um modelo que precisa ser retirado do mercado destrói receita, consome recursos e compromete confiança. O relato de um lançamento suspenso, se confirmado, também seria evidência de que controles internos podem funcionar.

A dificuldade aparece quando a decisão de segurança compete com a corrida comercial. Adiar um produto pode proteger o usuário enquanto entrega tempo ao concorrente. Restringir ferramentas reduz exposição operacional enquanto limita aquilo que diferencia o serviço. Uma companhia pode ter incentivos para impedir um desastre e, simultaneamente, incentivos para aceitar riscos menores cuja acumulação não consegue medir. Auditoria independente precisa enfrentar esse conflito com acesso, critérios e consequências verificáveis. Sua existência no comunicado não basta para demonstrar sua força.

Segundo a Reuters, o prospecto da companhia dedica espaço expressivo a riscos associados aos modelos avançados, inclusive riscos catastróficos. Uma advertência num documento de oferta informa o investidor sobre a exposição assumida. Ela não demonstra, por si, a probabilidade do evento nem substitui medidas para evitá-lo. O mercado pode receber uma descrição extensa do perigo sem receber uma solução equivalente. Divulgação de risco e redução de risco precisam ser avaliadas separadamente.

A competição chinesa torna a discussão ainda menos confortável. A escalada do discurso de segurança à chegada de modelos chineses com pesos abertos e custos menores. A coincidência temporal merece exame, mas não prova coordenação nem fabricação de riscos. O incentivo econômico é evidente: exigências caras de avaliação podem aumentar a vantagem dos grandes laboratórios que já dispõem de capital, equipes jurídicas e infraestrutura. Uma barreira apresentada como proteção pública também pode funcionar como proteção da posição competitiva.

Para a Meta (META), a Microsoft (MSFT), a Alphabet (GOOGL) e os demais participantes desse ecossistema, o desfecho afeta velocidade de lançamento, custo de avaliação e liberdade para integrar agentes aos próprios serviços. A preferência anunciada pela Casa Branca preserva espaço para expansão, inclusive dos data centers mencionados por Trump. Não existe como calcular o efeito sobre lucro ou valuation. Permite identificar a escolha política: confiar inicialmente nos controles da indústria enquanto mantém em aberto a arquitetura da supervisão.

(1) a alta do Treasury concentrada em prêmio, não em expectativa de juros ou inflação

(2) o Treasury ficando ‘barato’ frente a instrumentos sem risco soberano

(3) juros subindo com dólar caindo de forma recorrente

(4) o mercado cobrando mais pelo calote americano do que pelo de empresas de qualidade.

O que subiu no Treasury

Em dois anos, os modelos ACM e Kim-Wright dividem a alta quase ao meio: +75 a +79 bp de prêmio a termo e +66 a +70 bp de expectativa de juros curtos. O prêmio subiu até mar/2025 e ficou estável, a aceleração das últimas 13 semanas (+83 bp) veio de 67–80% de expectativa, o mercado passou a precificar um Fed restritivo por mais tempo.

Dos 145 bp, 127 bp vieram do juro real e só 17 bp do breakeven. A inflação esperada entre 5 e 10 anos (5y5y) está estável perto de 2,4%. No modelo do Cleveland Fed, a alta vem da expectativa de juro real (percentil 100%); o prêmio de risco real subiu pouco (1,25% → 1,34%).

O mercado precifica juros 66 a 159 bp acima do que o próprio Fed projeta nos horizontes mais longos. Parte é prêmio a termo, parte é descrédito na trajetória de cortes.

O que ninguém explica: a subida ‘sem motivo’ do prêmio a termo

Como testamos? Pegamos a variação do prêmio a cada semana e perguntamos: quanto dela é explicado por coisas que conseguimos medir, o custo de hedge (swap spread), a inflação esperada (breakeven e 5y5y) e o humor do crédito (spread das empresas)? É como explicar a conta de luz pelo calor, pelo número de pessoas em casa e pelo preço do kWh.

O resultado. Essas variáveis explicam bem os sobe-e-desce de cada semana (metade do movimento semanal), mas não explicam a tendência. No gráfico, a linha preta é o prêmio acumulado e a linha amarela é a parte que sobra sem explicação: uma subida lenta e constante, de quase 1 bp por semana, que em dois anos soma +88 bp, praticamente toda a alta do prêmio. Os fatores medidos, somados, dão −13 bp. Mesmo retirando a semana atípica de 11/04/2025, sobram +60 a +65 bp.

Os testes diretos de prêmio soberano

Juros e dólar

Reconstruímos a curva real (10A − 1A) contra o DXY: em nível, correlação −0,50, em variação semanal, −0,04 (R² 0,00); em 13 semanas, −0,26. A correlação em nível vem de uma única troca de patamar entre 2024 e 2025, duas séries com tendência produzem correlação alta sem vínculo causal. O padrão emergente (juro sobe, moeda cai, semana após semana) aparece em um único episódio, abril de 2025.

Se a tese fosse verdadeira, a curva deveria inclinar exatamente nas semanas em que o dólar cai. Em nível (gráfico do meio), curva mais inclinada coincide com dólar mais fraco: y = 7,85 − 0,069·x, r = −0,50, R² = 0,25. Mas na variação semana a semana ( ultimo gráfico ) a relação some: y = 0,86 − 0,60·x, r = −0,04, R² = 0,00, o dólar não explica nada da inclinação semanal. Em janelas de 13 semanas, r = −0,26. A correlação em nível vem de uma única troca de patamar (dólar 105–110 com curva 0,5 pp em 2024 → dólar 97–101 com curva 1,0–1,6 pp em 2025): duas séries com tendência dão correlação alta sem vínculo causal. O losango vermelho é a última semana.

Swap spread: hedge, não crédito

Se o Treasury estivesse perdendo o status de ativo livre de risco, renderia cada vez mais que o swap. O aperto forte foi em abr–jun/2025 (−56 bp no 10A, −85 bp no 20A). Desde então o swap spread voltou para o meio da faixa. É um indicador de demanda por hedge e balanço de dealers, não de crédito.

CDS: o mercado vê os EUA mais arriscados que Walmart?

O CDS 10A dos EUA está em 46 bp, acima de J&J (31), Walmart (35) e Union Pacific (36). Não significa mais risco: o contrato dos EUA é em euro e embute a queda do dólar num calote, o evento soberano inclui atraso técnico (teto da dívida) e é um hedge de cauda pouco negociado. Ajustado para dólar (−30%), fica em ~32 bp, o nível dos AAA. E está estável no ano (percentil 44%).

Onde o risco apareceu: o crédito do data center

Com o Treasury subindo, os bonds subiram ainda mais: o spread mediano contra o Treasury está no percentil 93–94% de dois anos, mesmo sem a Oracle, e abriu 16–18 bp em 13 semanas, enquanto o swap spread quase não se mexeu. A abertura é do crédito corporativo.

Pelo CDS: J&J, Walmart e Union Pacific abaixo da média do ano, EUA no meio, big techs no topo. Meta 142 bp, NVIDIA 129, Amazon e Alphabet 106, Microsoft 80. A probabilidade de default em 10 anos implícita no CDS (R = 40%) mais que dobrou no ano para Meta (21%) e NVIDIA (19%); EUA 7,4%, J&J 5,0%.

Pela história da S&P (default acumulado em 10 anos, 1981–2025), um AA perde 4 bp/ano; um BBB, 17 bp. Todos pagam muitas vezes isso. Microsoft 8×, Amazon 12×, Meta 18×, Oracle 12×, JPMorgan 23×, AT&T 5×. O excesso é prêmio de risco e liquidez. Amazon (percentil 94%), Meta (90%) e Oracle (98%) estão no topo de dois anos.

A taxa de recuperação R.

Para passar de spread para probabilidade de default é preciso supor quanto o credor recupera num calote. Usamos R = 40% (convenção ISDA para dívida sênior sem garantia, a faixa usual é 30%–40%). O spread paga só a perda (1 − R): com R menor, cada calote custa mais, então o mesmo spread implica menos probabilidade de default e a perda esperada histórica sobe, reduzindo o múltiplo ‘vale o risco?’. Entre R = 30% e 40%: PD 10A da Meta 18,3–21,1%, da NVIDIA 16,8–19,3%, dos EUA 6,4–7,5%, da J&J 4,3–5,0%, múltiplo da Microsoft 6,5–7,6×, da Meta 15,7–18,3×. Tudo se move na mesma proporção, o ranking, os percentis e a conclusão não mudam. Para o soberano americano, R tem pouco sentido econômico, o evento provável seria um atraso técnico no teto da dívida, com recuperação perto de 100% e a PD dos EUA deve ser lida como termômetro relativo, não como probabilidade de calote.

A PD acumulada até T é 1 − e^(−CDS·T/(1−R)); a diferença entre dois prazos dá a probabilidade anual de default em cada trecho. Nos EUA ela vai de 0,50% a.a. no primeiro ano a 0,91% entre 7 e 10 anos, curva quase plana, sem estresse de curto prazo. Na J&J e no Walmart começa perto de zero (0,10% e 0,14%) e sobe com o prazo, risco só no longo, como se espera de um AAA/AA. A Amazon tem a curva mais íngreme, de 0,51% a 2,50% a.a., e PD acumulada de 16,2% em 10 anos. O risco das big techs está concentrado no longo prazo, é o horizonte do payback do capex de data center, não um problema de liquidez imediata. NVIDIA e Meta não têm CDS cotado abaixo de 10 anos; a Microsoft só em 3 e 5 anos.

Onde o risco está de fato. Comparamos o CDS de 5 anos dos EUA com 17 soberanos, as big techs e os índices de crédito (CDX e iTraxx). Os EUA ficam em 38 bp no contrato em euro e 27 bp ajustado para dólar, ao lado de Japão (25), Reino Unido (21) e abaixo de Itália (44) e França (59). Um emergente de verdade está em outra ordem de grandeza, México 90, Brasil 127, Turquia 250 bp. O que é assimétrico está no crédito privado. Microsoft (51) e Apple (46) já pagam mais que o soberano; Amazon (72) e Alphabet (74) estão no nível da Arábia Saudita, NVIDIA (89) e Meta (100) entre México e Brasil, acima do índice de grau de investimento (CDX IG 58) e a Oracle (241 bp) está no nível da Turquia, perto do índice high yield (CDX HY 317). Ressalva: Apple, Alphabet, NVIDIA, Meta e Oracle não têm preço negociado no Bloomberg, o valor é o spread de modelo, que nos emissores com os dois fica 2 a 8 bp acima do de mercado.

A ação não conta a mesma história. Em 12 meses, o crédito das big techs abriu para o nível de emergentes, mas as ações subiram: Alphabet +39%, NVIDIA +26%, Amazon +14%, Meta +1%, contra +17% do S&P 500, os múltiplos seguem altos (P/L projetado de 17 a 24x). A exceção é a Oracle: a ação caiu 52% em um ano, a volatilidade implícita está em 55% (S&P 14%) e o CDS de 241 bp, ali ação e crédito já dizem a mesma coisa. Nas outras, o acionista precifica o retorno do capex e o credor precifica o risco de ele não vir, o credor não participa da alta, só do calote, e por isso reage antes. Quando crédito e ação divergem assim, a história costuma dar razão ao crédito ou a ação corrige, ou o spread fecha com o capex se pagando. É o ‘nadando pelado’: a maré ainda está alta na bolsa.

Como a probabilidade de default sai do spread. O spread paga a perda esperada por ano: spread = λ × (1 − R), onde λ é a probabilidade anual de default e (1 − R) é a perda se ele ocorrer. Logo λ = spread / (1 − R) — divide-se pela perda, não pela recuperação e a probabilidade acumulada em T anos é 1 − e^(−λT). Exemplo, Meta 10 anos, R = 40%: com o CDS (150 bp), λ = 2,5% a.a. e PD de 22,1%; com o spread do bond sobre o Treasury (72 bp), λ = 1,2% e PD de 11,2%, sobre o swap ( OAS, 111 bp), PD de 16,9%. A conta é a mesma, muda a régua. O CDS paga 38 bp a mais que o próprio bond, comprar proteção está caro, sinal de demanda de hedge contra o data center. Dividir pela recuperação (spread/R) daria 3,7% a.a., sem sentido econômico.

O que a bolsa enxerga

a PD pelo modelo da ação. O Bloomberg calcula uma probabilidade de default a partir da ação (modelo estrutural de Merton, função DRSK). valor de mercado, volatilidade e dívida. É a PD que o acionista está aceitando. Em 5 anos, ela é de 0,21% na Microsoft, 0,23% na Alphabet, 0,22% na NVIDIA, 0,57% na Amazon e 0,74% na Meta, contra 4,2% a 8,0% implícitos no CDS. O crédito cobra de 10 a 51 vezes o risco que a bolsa vê. A direção é a mesma, em dois anos a PD pelo modelo da ação subiu 4,3× na Alphabet, 3,7× na Meta e 3,6× na Microsoft, mas a partir de níveis irrisórios, porque um valor de mercado de trilhões esconde a dívida. A exceção de novo é a Oracle. A PD pela ação foi de 0,46% para 4,1% (9×) e o CDS cobra só 4× isso. Onde a ação caiu, bolsa e crédito convergem. Onde a ação ainda sobe, a diferença entre as duas PDs é a medida de quanto o mercado de ações está apostando que o capex vai se pagar.

Por que as duas PDs são tão diferentes.

(1) O que cada uma mede. O modelo da ação trata a empresa como uma opção: o acionista perde tudo se o valor dos ativos cair abaixo da dívida. A PD depende de quantos ‘desvios’ o valor de mercado está acima da dívida. Com a Microsoft valendo US$ 3.833 bi e a Meta US$ 1.915 bi, a dívida é uma fração pequena desse valor, e a ação teria de desabar para o default virar provável, daí PDs abaixo de 1%. O CDS dá a PD ‘neutra ao risco’: a probabilidade que tornaria justo o preço da proteção, e que embute o prêmio que o comprador aceita pagar para dormir tranquilo.

(2) Por que a distância é normal. Mesmo em tempos calmos, a PD implícita no crédito de grau de investimento é várias vezes a histórica, é o que já vimos no ‘vale o risco?’, onde o spread paga de 8 a 18 vezes a perda esperada da S&P.

(3) Por que desta vez é extrema. O modelo da ação não vê o que está fora do balanço nem o que ainda vai ser contratado: leasings e contratos de data center, compromissos de capex e a dívida futura necessária para financiá-los. Tampouco vê a demanda de hedge, bancos e fundos que financiaram o ciclo compram proteção, e o preço do CDS sobe sem que a ação se mexa.

(4) Quando convergem. A distância fecha por dois caminhos: a ação cai, como na Oracle (PD pela ação de 0,46% para 4,1%, e o CDS só 4× acima), ou o capex gera caixa e o spread fecha.

Crítica ao modelo da ação (DRSK/Merton).

(1) É circular. O insumo central é o valor de mercado, e o valor de mercado já é a expectativa de que o capex vai dar certo: o modelo mede o risco de crédito usando justamente a aposta que o crédito está questionando. A PD sai baixa porque a ação está alta, e a ação está alta porque o mercado acredita no retorno do investimento.

(2) É pró-cíclico e não linear. Com o valor de mercado 16 a 475 vezes a dívida, a PD fica perto de zero em quase qualquer cenário, até a ação cair o suficiente; aí ela salta. Foi o que aconteceu na Oracle: de 0,46% para 4,1% em dois anos, depois da queda. O modelo avisa tarde, quando o preço já corrigiu.

(3) Mede a dívida errada. Usa a dívida do balanço; não vê leasings de data center, contratos de capacidade e compromissos de capex, nem a dívida futura que o ciclo vai exigir. O credor precifica o balanço de amanhã, o modelo, o de ontem.

(4) A volatilidade é a da ação em alta. Volatilidade implícita de 25% a 41% num rali comprime a PD, ela só sobe quando o preço cai.

(5) Mede outra coisa. O DRSK estima a PD ‘física’, calibrada em defaults históricos, o CDS é neutro ao risco e embute o prêmio pelo risco de cauda correlacionado, todas as hyperscalers dependem do mesmo ciclo, e o credor não diversifica isso.

A conclusão

O Treasury não perdeu o status de ativo livre de risco. inflação longa ancorada, swap spread sem aperto recente, CDS soberano estável no ano (a diferença de nível para AAA corporativos é estrutural, contrato em EUR e evento soberano e some no cenário ajustado para USD). O movimento relevante é outro: o risco de crédito das empresas de capex de data center (Oracle, Meta, NVIDIA, Amazon, Alphabet) sobe em todas as réguas, spread sobre o Treasury, CDS e prêmio de risco sobre o default histórico no topo de 2 anos, enquanto AAA/AA tradicionais seguem estáveis. A deriva do prêmio a termo do Treasury segue sem explicação e é o espaço onde a tese fiscal ainda pode ganhar força.

O que confirmaria / o que refutaria a tese ‘emergente’

Os Testes

TESTE 1

A deriva do prêmio some com MOVE, balanço do Fed e correlação ações × Treasuries?

TESTE 2

Choque americano ou global? Δ UST 10A = α + β·Δ média(Bund, Gilt, JGB)

TESTE 3

Crédito (mediana MSFT/Amazon/Meta/Oracle) × UST: quem anda primeiro?

TESTE 4

Quando o crédito do data center abre, a curva empina? (correlação com Δ crédito)

No medo, a ponta curta cai (espera de cortes) e o 30A quase não acompanha, a curva empina na ponta longa e o sinal cresce com o horizonte: 10s30s vai de +0,14 (1 semana, não significativo) para +0,48 em 4 semanas, logo acima do limite de 0,45 (20 blocos, evidência ainda frágil). O longo não sobe, deixa de servir de porto seguro. O prêmio ACM não reage, o CDS dos EUA sobe um pouco em 4 semanas (+0,34, abaixo do limite).

Respostas

Americano ou global?

Regredimos a variação semanal do UST 10A na média de Bund, Gilt e JGB. O β é 1,17 (R² 0,63): o componente global responde por 141% da alta de 2 anos (acima de 100%: os EUA subiram menos do que o G10 sugeria). Sem o JGB, que teve alta própria do Japão, Bund+Gilt explicam 96% e sobram só 6 bp ‘dos EUA’. Nas últimas 13 semanas, 93% é global. Um prêmio soberano americano apareceria como alta exclusiva dos EUA, os dados mostram o oposto.

Deriva × MOVE, balanço do Fed e hedge.

Colocamos na regressão semanal do prêmio três candidatos, a volatilidade de juros (MOVE), a variação do balanço do Fed e a correlação móvel de 13 semanas entre S&P 500 e Treasury (valor de hedge). Nenhum entra: t de 0,06 (MOVE), 1,07 (Fed) e 0,17 (correlação). A deriva não encolhe, passa de 0,95 para 1,10 bp/semana no ACM, ou 104 bp acumulados. Ressalva importante: o QT roda em ritmo quase fixo, e um fator de ritmo constante é indistinguível da própria constante. A deriva é compatível com oferta de duration (QT + emissão), mas este teste não consegue separar as duas coisas.

Crédito × UST

Quem anda primeiro? Se o capex do data center estivesse empurrando o juro longo via oferta de dívida corporativa, o spread dessas empresas (mediana MSFT, Amazon, Meta, Oracle) deveria abrir antes ou junto com o Treasury. Não acontece, o crédito não antecipa o UST (r 0,15, abaixo do limite de 0,21), e na mesma semana o UST sobe e o spread fecha um pouco (β -0,12, r -0,28). O spread abre em tendência própria, não nas semanas de alta do Treasury.

O medo do capex empina a curva?

Quando o crédito do data center abre, a ponta curta cai (mercado espera cortes) e a longa resiste. Em 1 semana a curva cai quase em paralelo (10s30s r 0,14). Em blocos de 4 semanas o padrão aparece: 2A r -0,33, 30A só -0,13, e a inclinação 10s30s sobe junto com o spread (r 0,48, logo acima do limite de 0,45 com 20 blocos). O longo não sobe no medo, ele deixa de servir de porto seguro. O prêmio ACM não reage (r -0,03); o CDS dos EUA sobe um pouco (r 0,34, abaixo do limite). Direção consistente com a tese de que o longo captura o risco do capex, com 2 anos de dados, evidência ainda frágil.

Leilões: a oferta aparece.

Cruzamos o prêmio semanal com os 22 leilões de 10 e 30 anos da janela (Bloomberg). Nas semanas de leilão o prêmio ACM subiu em média 4,6 bp; nas demais, -0,4 bp (p = 0,09; no Kim-Wright, p = 0,05). Somando, praticamente toda a alta do prêmio em dois anos aconteceu em semanas de leilão. Na regressão com os controles, o efeito passa pelo swap spread, o Treasury fica barato contra o swap quando há oferta e a deriva cai de 0,95 para 0,72 bp/semana, deixando de ser significativa. Os leilões em si saíram fortes (tail médio -0,4 bp), não falta comprador, o preço é que precisa ceder para absorver o volume.

A elasticidade mudou de regime. Se o comprador marginal ficou mais sensível a preço, o efeito do leilão sobre o prêmio deve crescer com o tempo. Medimos, em janela móvel de 52 semanas e cinco anos de dados (60 leilões de 10 e 30 anos), a diferença entre a variação do prêmio ACM em semanas de leilão e nas demais. Até set/23 o efeito era negativo (-5,8 bp por semana de leilão): os leilões eram absorvidos sem concessão, e o prêmio subia fora deles, com o Fed e a inflação. Entre out/23 e set/24 ficou perto de zero (-1,2 bp). Desde out/24 virou: +5,4 bp por semana de leilão (p = 0,05), e as semanas de leilão somam +118 bp do prêmio, contra -35 bp das demais. O efeito móvel sobe 3,8 bp por ano (correlação de 0,79 com o tempo), chegou a +9 bp em meados de 2025 e está hoje em +3 bp. É a assinatura de um comprador marginal que só absorve duration com desconto, o teste confirma a mudança, mas ainda não identifica quem é esse comprador.

Os dados de alocação dos leilões do Tesouro por classe de investidor mostram a troca. Nos leilões de 10 e 30 anos, os dealers que compram para revender e funcionam como amortecedor ficavam com 54% do volume privado em 2009/10 e hoje ficam com 13%. Os fundos de investimento (fundos mútuos, ETFs, money market e hedge funds) foram de 27% para 71%. Os estrangeiros oscilam entre 13% e 27% sem tendência (16% hoje). O leilão passou a ser absorvido por quem compra duration para carregar e marca a mercado, o tipo de comprador que exige desconto para absorver mais oferta. Por semestre, a fatia de fundos anda junto com o efeito do leilão sobre o prêmio (r = 0,50 // dealers r = -0,48), na direção esperada, mas com só 10 semestres a correlação não passa no teste de significância (limite = 0,63). O maior salto de composição foi antes (2012–2016) do que a virada da elasticidade (2024), a troca de comprador criou a condição, o que a acionou foi o volume de oferta e o juro real alto do ciclo atual. Ressalva, a categoria ‘fundos de investimento’ não separa hedge funds de fundos mútuos, e ‘estrangeiros’ não separa bancos centrais de privados.

Medindo todos os leilões do Tesouro desde 2009, bills, notes de 2 a 7 anos, bonds, TIPS e FRN, a troca de comprador é a mesma em toda a curva de cupons: os fundos de investimento ficam hoje com 70% a 77% do volume privado em todos os prazos, contra 15% a 32% em 2009/10, os dealers caíram para 10% a 14%. Só os bills ainda passam em boa parte por dealers (42%) e têm menos fundos (48%). A mudança é estrutural e generalizada, não um fenômeno da ponta longa, o Tesouro deixou de contar com um intermediário que absorve e revende, e passou a depender de quem compra para carregar. Os estrangeiros perderam participação nos prazos curtos e médios e ficaram estáveis no 10 e no 30 anos.

Fed e independência:

Comparamos o juro implícito no futuro de SOFR com a mediana dos dots do Fed para o mesmo ano. A distância para 2026 caiu -20 bp na janela, a de 2027 subiu 23 bp desde mar/25. Semana a semana a distância anda junto com o prêmio (os dois são movidos pelos mesmos juros), mas incluída na regressão ela não reduz a deriva (0,90 bp/semana).

Eventos fiscais: não há salto

Nas 14 semanas de eventos fiscais e de política (anúncios de refinanciamento, rebaixamento da Moody’s, pacote fiscal, shutdown, tarifas), o prêmio variou em média -1,8 bp, contra 0,8 bp numa semana comum (t = -1,10). A tese de ‘dominância fiscal’ previa saltos nessas datas, o prêmio sobe devagar e se concentra nos leilões.

Déficit primário × total.

O déficit total inclui juros e juros sobem quando o yield sobe, medir risco fiscal pelo total é circular. Separamos o resultado primário (sem juros) usando os juros líquidos mensais do Tesouro (Monthly Treasury Statement). Em 12 meses, de set/24 a ago/26: o déficit primário caiu de -3,2 para -2,2% do PIB (melhora de 1,0 pp); os juros subiram de 3,0 para 3,2% do PIB. O déficit total foi de -6,2 para -5,4%. No mesmo período o prêmio a termo subiu 83 bp. Mês a mês, nenhuma das medidas fiscais se move com o prêmio (primário r -0,18, total r -0,19, limite 0,42). A política fiscal apertou, o que piorou foi a conta de juros, consequência, não causa da alta de taxa. O que liga o fiscal ao prêmio é o nível, um déficit ainda de 5,4% do PIB exige emissão constante, e é essa oferta que aparece nas semanas de leilão.

Comparamos o ciclo atual com os 7 ciclos de corte do Fed desde 1984. 23 meses depois do primeiro corte, o 10A está 96 bp acima do nível do corte, nos ciclos passados, a mediana no mesmo ponto era -54 bp. É um overshooting de 150 bp, o 2º maior entre os 8 ciclos. O Fed cortou 150 bp (mediana de 375) e a ponta longa, em vez de acompanhar, subiu. Para ler o estágio, classificamos cada mês desde 1982 em seis fases

1. choque monetário

2. transmissão para a ponta longa

3. prêmio de duration / bear steepening

4. overshoot do prêmio

5. reversão da elasticidade

6. convergência

Pela variação em 6 meses do Fed funds, do 2A, do 10A e da inclinação e pelo desvio do 10A ao fair value. A regra coloca setembro de 2026 na 2. Long-End Transmission: em 6 meses o 2A subiu 114 bp e o 10A 91 bp, com a curva achatando 23 bp e o Fed parado. Em 24 meses, o movimento dominante foi de bear steepening (Fase 3), com o prêmio já 1,4 desvio acima do fair value, o regime está entre a Fase 3 tardia e a 4. O sinal de virada que o estudo monitora é a elasticidade, a Fase 5 começa quando o efeito do leilão no prêmio cair na janela de 26 semanas abaixo da de 52 semanas.

O teste final junta tudo num modelo de longo prazo, o 10A explicado pela expectativa de inflação de 10 anos dos economistas profissionais (SPF, Philadelphia Fed), pelo 2 anos (a trajetória esperada do Fed) e por dois índices antecedentes do FRED, crescimento (produção industrial, emprego, desemprego, permits, bens de capital) e inflação (núcleo, aluguel, preços ao produtor), defasados 11 meses, a defasagem de maior correlação com o prêmio. O modelo explica 90% do nível do 10A em 33 anos, é estimado mês a mês só com os dados disponíveis até então. Em 25/09/2026 o 10A está em 5,16%, contra 4,80% de fair value: 36 bp acima, z de 1,43. O desvio é persistente (meia-vida de 9 meses) e, no passado, fechou: nos 23 meses em que o z passou de +1, o 10A caiu em média 63 bp nos 12 meses seguintes (em 96% dos casos). O prêmio que o mercado cobra hoje é real, mas moderado, 1,4 desvio acima dos fundamentos, não um regime novo.

Os índices de crescimento e inflação são médias de z-scores (desvios da média histórica). O 10A está em 5,16%, desvio de 36 bp. A âncora de inflação (SPF) e o 2 anos explicam quase todo o nível, os antecedentes entram com sinal negativo, economia e inflação fortes hoje vêm com prêmio menor daqui a 11 meses, porque o aperto sai pela ponta curta.

Conclusão dos testes.

(1) A alta do Treasury é global: Bund e Gilt explicam 96% dela, e só 6 bp são ‘dos EUA’, não há prêmio soberano americano.

(2) Não é risco fiscal no sentido emergente: o déficit primário melhorou 1,0 pp do PIB enquanto o prêmio subia e o prêmio não salta em eventos fiscais nem reage ao dado mensal.

(3) A deriva do prêmio se concentra nas semanas de leilão: é oferta de duration, um déficit ainda alto (5,4% do PIB) financiado com títulos longos, somado ao QT, absorvida com o Treasury ficando mais barato, não com falta de comprador.

(4) O medo do capex aparece no crédito e na ponta longa, quando o spread do data center abre, a ponta curta cai e o 30A resiste, a curva empina (10s30s r 0,48 em 4 semanas), sem reação significativa do CDS soberano.

(5) Contra os fundamentos o 10A está 36 bp acima do justo (z 1,43), desvios desse tamanho fecharam no passado, com z acima de +1 o 10A caiu em média 63 bp em 12 meses. No ciclo de cortes, o 10A está 150 bp acima da mediana histórica. Long-End Transmission pela regra de 6 meses, entre a Fase 3 tardia e a Fase 4 (overshoot do prêmio). O gatilho da virada é a elasticidade dos leilões cair.

Metodologia:

spreads de crédito vs Treasury 10A;

PD implícita = 1 − e^(−10·CDS/(1−R)),

R = recuperação em caso de calote; sensibilidade 30%–40%; perda esperada = −ln(1 − PD histórica 10A)/10 × (1 − R); swap spread tratado como indicador técnico.

O problema não é que essas explicações estejam necessariamente erradas. O problema é imaginar que o yield de 10 anos seja uma espécie de plebiscito diário no qual milhões de investidores independentes se reúnem para votar quanto deveria custar o dinheiro pelos próximos dez anos.

Não funciona mais assim.

Uma parte enorme do mercado de renda fixa é administrada contra benchmarks. E benchmark não tem opinião sobre inflação, não lê payroll e certamente não assiste à entrevista do chairman do Fed. Benchmark tem metodologia.

Isso parece uma diferença semântica até você perceber a dimensão do problema.

Em um índice de bonds ponderado pelo valor de mercado, quanto mais dívida existe, maior tende a ser o peso daquela dívida dentro do índice. O Tesouro decide quanto emitir, em que maturidade emitir e qual parte da curva pretende utilizar. Depois disso, centenas de bilhões de dólares administrados contra aquele benchmark precisam, direta ou indiretamente, acompanhar a nova composição.

Temos então uma situação curiosa: o devedor ajuda a determinar a carteira do credor.

Na faculdade ensinaram que preço nasce do encontro entre oferta e demanda. Em partes do mercado de bonds contemporâneo, a oferta também participa da fabricação da demanda.

Isso não quer dizer que exista um comprador automático para cada Treasury emitido. Seria uma simplificação absurda. Significa apenas que uma parcela relevante da demanda por duration não nasce de uma decisão discricionária sobre valor. Nasce da necessidade de acompanhar um índice.

E aí começa a parte realmente interessante.

O gestor de um fundo benchmarked não precisa necessariamente comprar exatamente os mesmos Treasuries que estão no índice. Ele pode preferir manter outros ativos no cash portfolio, inclusive ativos com maior retorno esperado, e usar Treasury futures para completar a duration necessária.

Se seu portfólio possui menos duration que o benchmark, ele compra duration no futuro.

Não porque esteja bullish em Treasury.

Não porque tenha feito uma previsão brilhante sobre inflação.

Não porque acredita que o Fed vai cortar juros.

Ele compra porque precisa fechar o gap.

Do outro lado dessa operação aparece frequentemente o hedge fund, fazendo arbitragem, carregando basis trade e utilizando repo para financiar a posição. De repente aquilo que parecia uma inocente regra de benchmark criou uma cadeia que envolve futuros, leverage e balance sheet.

É aqui que a interpretação tradicional do 10Y começa a ficar menos confortável.

Quando o Treasury sobe de 4,70% para 5%, imediatamente ouvimos que “o mercado está mandando uma mensagem ao Fed”.

Talvez esteja.

A pergunta anterior deveria ser outra: quem exatamente está falando?

Porque dentro daquele yield existem investidores estrangeiros, bancos, seguradoras, fundos de pensão, mutual funds, hedge funds, dealers, CTAs, posições relativas a benchmark, hedges de duration, mudanças no repo e obviamente a própria composição da emissão do Tesouro.

Chamar tudo isso simplesmente de “mercado” é tecnicamente correto e intelectualmente preguiçoso.

O mercado existe. Só não é uma pessoa.

E essa discussão fica ainda mais importante quando aparece o famoso term premium.

A explicação habitual é elegante: o yield longo pode ser decomposto entre a expectativa para os juros curtos no futuro e um prêmio adicional exigido pelo investidor para carregar duration.

Ótimo.

Mas o term premium é uma estimativa produzida por um modelo. Ele não bate na porta do hedge fund e pergunta quanto do Treasury foi comprado por causa de benchmark. Não entrevista o pension fund. Não mede quanto de DV01 foi criado por futures. Não pergunta ao dealer quanto balance sheet estava disponível e certamente não separa quanto da operação dependia de financiamento via repo.

O modelo vê preços.

Market structure vê participantes.

São perguntas diferentes.

Se quisermos realmente entender o que está acontecendo com o long end, deveríamos olhar muito menos para a poesia criada em torno do yield e muito mais para o DV01.

Quem está carregando o risco de 5 anos? Quem está carregando o de 10? Quem está absorvendo o de 30? Quanto está nos bancos, nos fundos de pensão, nos mutual funds, nos estrangeiros e nos hedge funds? Quanto veio de futures? Quanto está alavancado? Quanto depende de repo? Quanto de duration adicional foi criado simplesmente porque a composição do benchmark mudou?

Esse mapa provavelmente explicaria mais sobre a formação do preço do Treasury do que boa parte das discussões sobre “o que os bond vigilantes estão pensando”.

E aqui entra outra distinção importante.

Nada disso significa que fluxo mecânico explica cada movimento intraday.

Se sai um CPI muito acima do esperado, o Treasury pode tomar 15 basis points na cabeça sem precisar convocar uma tese filosófica sobre benchmarks. Se o Fed surpreende, se o petróleo dispara ou se aparece um problema geopolítico relevante, o mercado reage.

O ponto é outro.

Uma coisa explica a velocidade da mudança.

Outra ajuda a explicar o nível de onde ela começou.

O yield pode saltar violentamente por causa de uma notícia macro e ainda assim estar negociando sobre uma estrutura de equilíbrio profundamente influenciada por emissão, benchmark, hedging e disponibilidade de balance sheet.

Misturar essas duas coisas é como olhar uma onda e achar que ela explica o nível do mar.

Existe ainda um detalhe desagradável nessa história.

Quando fundos utilizam futures para obter duration e hedge funds entram do outro lado utilizando leverage, cria-se uma ligação entre uma regra aparentemente passiva de gestão de portfólio e o sistema de financiamento do mercado.

Enquanto tudo funciona, parece eficiência.

Quando o repo fecha, a margem aumenta ou alguém precisa reduzir risco rapidamente, descobrimos que eficiência e fragilidade às vezes são apenas duas palavras para a mesma estrutura em momentos diferentes.

Foi exatamente esse tipo de dinâmica que chamou atenção durante o estresse de março de 2020. Posições enormes que pareciam arbitragem de baixo risco passaram rapidamente a consumir liquidez quando leverage encontrou margin call.

Por isso a discussão atual sobre o Treasury acima de 5% merece um pouco mais de cuidado.

Pode existir inflação.

Pode existir deterioração fiscal.

Pode existir pressão provocada por energia.

Pode existir competição enorme por capital em uma economia que está tentando financiar data centers, grids, semicondutores e infraestrutura ao mesmo tempo.

Pode existir tudo isso simultaneamente.

Mas existe também market structure.

E market structure não aparece no gráfico do CPI.

Talvez esse seja o maior erro quando olhamos para o long end atualmente. Transformamos o yield em uma opinião quando, em parte, ele é também resultado de uma arquitetura.

O benchmark define duration. O gestor precisa acompanhar. O futuro fecha o gap. O hedge fund fornece o outro lado. O repo financia. O dealer oferece balance sheet. O Tesouro altera a composição da oferta. Depois de tudo isso o preço aparece na tela.

E então alguém liga a televisão e explica que “o mercado está preocupado com o déficit”.

Pode até estar.

Mas antes de interpretar a mensagem seria interessante descobrir quem escreveu a carta.

Nem todo subsídio aparece no orçamento. Parte fica nos bancos estatais como crédito renovado para empresas sem retorno. Parte aparece nas refinarias que vendem abaixo do custo econômico. Parte fica nos governos locais, nos fundos industriais, nas garantias públicas e na remuneração artificialmente baixa da poupança das famílias.

O déficit oficial mostra apenas uma fração do esforço. O custo quase fiscal inclui perdas bancárias esperadas, crédito abaixo do mercado, capitalização de estatais, apoio energético e o custo de administrar o câmbio. A conta existe mesmo quando não recebe o nome de despesa pública.

A China consegue prolongar esse processo porque emite em moeda própria, controla os grandes bancos, possui elevada poupança doméstica e mantém controles de capital. A deflação ainda permite criar liquidez sem produzir imediatamente a inflação típica de uma economia emergente. Apostar numa quebra súbita apenas porque a dívida aumentou pode ser uma forma cara de estar certo cedo demais.

O limite chinês não é ficar sem renminbi. É perder a capacidade de transformar crédito em crescimento. Quando cada nova unidade de dívida gera menos produção, menos lucro e menos arrecadação, o sistema começa a emitir crédito apenas para evitar o reconhecimento das perdas anteriores.

A capacidade construída entra no PIB durante o investimento. Depois disso, uma fábrica ou um data center precisa produzir valor adicionado e retorno. Se opera com baixa utilização, preços em queda e margem negativa, pode aumentar o volume físico sem recuperar o capital aplicado. Crescimento deixa de ser sinônimo de geração de caixa.

Nesse ambiente, o Estado ocupa progressivamente o espaço do investidor privado. Bancos renovam dívidas, fundos públicos compram participações e governos locais sustentam empresas consideradas estratégicas. A companhia pode continuar juridicamente privada enquanto economicamente funciona como uma estatal.

Isso reduz ainda mais o interesse do capital estrangeiro. Se o retorno depende de uma decisão política sobre subsídios, o investidor precisa precificar a possibilidade de que a ajuda seja retirada ou de que o Estado altere as regras. O valuation cai, o retorno exigido sobe e o governo precisa participar ainda mais.

O excesso de capacidade cria a etapa seguinte. Para recuperar parte do capital, a China exporta a produção. Os preços baixos comprimem concorrentes estrangeiros e provocam tarifas. As tarifas reduzem margens e acesso aos mercados externos. O Estado responde com mais crédito. O subsídio produz excesso de capacidade e o excesso de capacidade exige um novo subsídio.

O ponto de ruptura não precisa ser uma crise clássica. Pode aparecer como anos de crescimento menor, consumo fraco, bancos com rentabilidade comprimida e empresas privadas dependentes de decisões públicas. Um choque simultâneo de petróleo, tarifas, imóveis e saída de capital poderia acelerar o processo, mas a deterioração tende a ocorrer primeiro de maneira silenciosa.

Os Estados Unidos tentam transformar a principal vantagem chinesa em fragilidade. Quanto mais Pequim usa o balanço estatal para preservar competitividade, maior se torna o balanço que precisa proteger. A China pode sustentar qualquer uma dessas frentes isoladamente. O risco nasce quando todas elas chegam juntas à mesma conta.

O contra ataque chinês seria oferecer crédito barato ao exterior. Um país mantém parte das reservas em títulos chineses, toma financiamento em renminbi e usa esse dinheiro para comprar equipamentos, infraestrutura e tecnologia chinesa. A moeda deixa de ser apenas uma forma de pagamento e passa a organizar toda a relação comercial.

Se o tomador recebe e paga em renminbi, existe um hedge natural. A dívida está na mesma moeda da receita. Nesse caso, o juro chinês mais baixo pode representar uma vantagem verdadeira e o parceiro começa a escapar da curva americana.

O problema aparece quando o tomador pensa seu balanço em dólar. Se a receita está em dólar ou em moeda local, ele precisa se proteger contra uma eventual valorização do renminbi. O custo do empréstimo passa a incluir juro, hedge cambial, basis, liquidez e risco político.

Pela paridade coberta de juros, boa parte da diferença entre a taxa chinesa e a americana reaparece no preço do forward. Um empréstimo barato em renminbi pode terminar custando quase o mesmo que um financiamento em dólar depois da proteção. Controles de capital e menor profundidade de mercado ainda podem elevar esse custo.

É aqui que a narrativa da desdolarização deixa de ser apenas propaganda. Ela tenta convencer o mundo a permanecer dentro do renminbi. Quanto mais comércio faturado na moeda chinesa, maior o estoque de depósitos, títulos e garantias denominadas nela. Quanto maior esse mercado, menor tende a ser o prêmio de liquidez e menor a necessidade de retornar imediatamente ao dólar.

Existe uma semelhança com o Japão. Durante décadas, o yen ofereceu juros baixos e virou fonte de funding global. A diferença é que o Japão exportava principalmente capital privado por meio de bancos, empresas e investidores. A China tenta criar uma rede muito mais dirigida pelo Estado, com bancos públicos, swaps entre bancos centrais e crédito associado à compra de produtos chineses.

Essa diferença é decisiva. Para o renminbi assumir um papel semelhante ao do yen, o investidor precisa confiar que conseguirá entrar, sair e proteger a posição. Quanto mais Pequim controla o fluxo para preservar o câmbio e o sistema financeiro, mais difícil fica transformar o renminbi numa moeda global de funding.

A disputa monetária é, portanto, uma disputa sobre qual curva de juros precifica o investimento mundial. Enquanto o tomador fizer hedge de volta para o dólar, Washington continuará definindo o custo econômico do capital. A China vence apenas quando convence o parceiro a produzir, negociar, receber e manter reservas em renminbi.

Se os Estados Unidos tentarem competir apenas adicionando processamento, entram numa disputa em que o adversário aceita energia barata, retorno menor e financiamento estatal. A resposta americana precisa estar na eficiência do sistema inteiro.

O segredo começa no batch. O batch reúne várias solicitações para que o sistema processe mais dados de uma vez. É como aumentar o número de vagões de um trem. Em vez de movimentar os mesmos pesos do modelo para atender uma única requisição, a infraestrutura reaproveita essa movimentação para atender vários usuários.

Mas o tamanho do trem não resolve tudo. A capacidade da HBM funciona como o pátio onde ficam o modelo e o KV cache. A largura de banda funciona como a velocidade dos trilhos. O compute são os equipamentos que processam a carga. Um pátio enorme com trilhos lentos continua sendo um gargalo.

Na fase de geração, quando o modelo produz um token por vez, muitas cargas ficam limitadas pela movimentação de dados. Adicionar mais capacidade matemática sem fornecer os dados na mesma velocidade deixa parte do compute esperando. A conta de energia continua chegando enquanto o hardware permanece subutilizado.

É por isso que mais memória não significa automaticamente mais eficiência. O ganho aparece quando capacidade, largura de banda, interconexão e software permitem aumentar o batch sem destruir a latência. Técnicas de quantização, gerenciamento do KV cache, speculative decoding e separação entre prefill e decode também entram nessa conta.

O indicador correto não é apenas FLOPs. É a quantidade de tokens úteis produzidos por megawatt e por dólar de capital empregado. Tokens úteis precisam considerar qualidade. Um modelo barato que exige várias tentativas para concluir a mesma tarefa pode parecer eficiente numa tabela de preços e ser caro no uso real.

Quando a eficiência melhora, o data center dilui seu capex por uma quantidade maior de tokens vendidos. O custo unitário cai, a margem aumenta e o projeto alcança o ponto de equilíbrio com menor utilização. A tecnologia desloca a TIR na direção certa antes mesmo de uma queda no preço da energia.

Essa é a vantagem que os Estados Unidos precisam construir. A China pode competir utilizando energia abundante e capital paciente. Os Estados Unidos precisam produzir mais inteligência com menos energia, menos movimentação de dados e menor capital por token.

A guerra da AI não será vencida apenas por quem possuir mais compute. Será vencida por quem mantiver esse compute ocupado. Memória, bandwidth, rede, cooling e software deixam de ser acessórios e passam a definir a rentabilidade do sistema.

Data center precisa de capex > Capex precisa de funding > Funding depende de crédito ou equity > O credor exige yield.

O acionista exige uma TIR compatível com o risco. Quando o preço esperado do token cai, a receita projetada diminui enquanto boa parte do investimento já está contratada.

É por isso que o modelo chinês barato representa um risco maior do que parece. A China não precisa necessariamente obter a mesma rentabilidade exigida por um investidor americano. Energia subsidiada, crédito direcionado, terrenos, benefícios fiscais e tolerância estatal à queima de caixa permitem que uma empresa cobre menos pelo token sem revelar imediatamente o prejuízo econômico.

O subsídio implícito pode ser pensado como a diferença entre o custo econômico do serviço e o preço efetivamente cobrado. Para medir esse custo seria necessário recalcular energia a preço de mercado, capex financiado a uma taxa comparável, depreciação do hardware, memória, rede, operação e retorno mínimo sobre o capital. Se o preço continuar abaixo desse total, alguém está financiando a diferença.

Isso não exige um cheque direto do governo. O subsídio pode aparecer como financiamento abaixo do mercado, margem comprimida de uma estatal de energia, rolagem bancária ou garantia implícita de que a empresa não será deixada quebrar. O consumidor recebe um token barato enquanto o sistema financeiro acumula o custo.

Para os Estados Unidos, a consequência é imediata. Se o preço chinês se transforma na referência internacional, a TIR dos novos data centers americanos cai. O investidor passa a exigir um spread maior porque existe a possibilidade de construir uma infraestrutura bilionária para vender um serviço cujo preço foi politicamente comprimido pelo concorrente.

Existe uma defesa importante. Token mais barato pode ampliar brutalmente o consumo e aumentar a utilização dos data centers ( paradoxo de jevons ). Se a demanda crescer mais rapidamente do que o preço cai, a receita ainda pode subir. O risco surge quando a redução do preço supera o crescimento do volume enquanto o hardware envelhece e precisa ser substituído.

A disputa não é apenas sobre quem possui o melhor modelo. É sobre quem consegue sustentar por mais tempo a diferença entre preço e custo. A China pode usar o balanço estatal para comprar participação de mercado. Os Estados Unidos precisam responder reduzindo o custo econômico de produzir inteligência.

O Senado americano não juntou os 60 votos para aprovar o Clarity Act, e a SEC resolveu andar sozinha. Liberou por cinco anos a negociação de ações americanas tokenizadas em blockchain, com os mesmos direitos da ação original, dividendo e voto incluídos. Na sexta o Bitcoin subiu, e a leitura geral foi que cripto subiu. Neste episódio eu mostro por que a notícia é outra: Wall Street está testando levar negociação, registro e liquidação para dentro da blockchain.

Falo do dia recorde de calls na Securitize e da alta de 21% no papel. Falo também do dinheiro entrando em blockchain e cripto antes de a narrativa esquentar e do que a força relativa de Ethereum e Solana contra o Bitcoin está dizendo. E falo dos limites: a regra é provisória, é pequena e ainda depende do Congresso.

Data centers precisam de capex > Capex precisa de funding >Funding depende de crédito > crédito precisa oferecer um retorno que compense o risco.

O problema é que o ciclo de inteligência artificial exige uma quantidade gigantesca de capital exatamente quando a curva longa começa a exigir mais remuneração para financiá-lo.

Esse movimento atinge os Estados Unidos, mas atinge a China de maneira diferente. As empresas americanas conseguem acessar um mercado de capitais profundo, emitir ações, dívida corporativa, crédito privado e project finance, alguem ja se perguntou o porque estamos vendo recentemente varios IPO´s de empresas chineses subindo 600%?

A China consegue reduzir nominalmente o custo do crédito por meio de bancos estatais, mas não consegue obrigar o capital privado a aceitar um projeto cuja rentabilidade esperada ficou abaixo do custo econômico do dinheiro, então precisa de propaganda!

O crédito pode ficar barato por decreto enquanto o capital continua caro na prática. Se o investidor percebe que o retorno depende de energia subsidiada, garantia estatal ou refinanciamento permanente, ele exige um prêmio maior ou simplesmente não participa. A diferença acaba no balanço público.

É aí que o bear steepener americano pode ser interpretado como uma arma financeira. Ele eleva o custo de oportunidade mundial e obriga Pequim a substituir financiamento privado por crédito dirigido. Quanto maior o retorno disponível nos títulos americanos, maior precisa ser a convicção para assumir risco corporativo chinês, risco cambial e risco político.

A China ainda possui instrumentos para responder. Pode cortar juros, direcionar bancos, controlar fluxos de capital e administrar o renminbi. Cada resposta, porém, cobra um preço em outro lugar. Juros menores pressionam o câmbio. Defesa cambial aperta as condições financeiras domésticas. Crédito estatal protege empresas, mas transfere o risco para bancos e governos locais.

O ponto não é que os Estados Unidos consigam quebrar a China simplesmente movimentando a curva. A leitura mais interessante é que a curva americana altera o preço de todas as escolhas chinesas. Subsidiar inteligência artificial fica mais caro. Defender o câmbio fica mais caro. Salvar empresas endividadas fica mais caro. Preservar o crescimento sem capital estrangeiro também fica mais caro.

O gráfico da curva deixa então de ser apenas uma fotografia de inflação e política monetária. Ele passa a mostrar quem define o custo do capital mundial. Enquanto o Treasury continuar sendo a referência para esse cálculo, uma alta do juro real americano atravessa fronteiras antes mesmo de qualquer tarifa. Com o proposito de desvalorização cambial e ganhar competitividade industrial, o stepneer da curva like emerging market, leva o mercado a pedir premio a termo.

Compartilhar

A China possui um enorme parque de refino, mas depende da chegada do óleo. Sem matéria prima, a capacidade instalada perde valor. Não se coloca água numa refinaria. A interrupção de rotas, o encarecimento do frete e a redução da oferta de petróleo criam uma pressão que não pode ser resolvida apenas com crédito barato.

A China também não é uma compradora passiva. Como maior importadora mundial de petróleo, consegue alterar a demanda marginal ao acelerar ou reduzir compras e utilizar estoques para separar temporariamente o consumo doméstico da importação corrente. No segundo trimestre de 2026, as importações chinesas caíram fortemente enquanto refinarias reduziram processamento e o país passou a consumir parte do petróleo armazenado. Isso ajudou a impedir que uma restrição de oferta fosse transmitida integralmente ao preço naquele momento.

O movimento contrário também importa. Quando a China volta ao mercado para recompor estoques ou elevar o processamento das refinarias, sua escala pode apertar rapidamente o balanço disponível e amplificar uma alta do Brent. Esse poder não significa controlar sozinho o preço do petróleo, mas significa escolher quando sua demanda aparece no mercado físico e quando ela é temporariamente substituída pelos estoques.

Perto das eleições legislativas americanas, surge ainda uma leitura política possível. Petróleo e diesel mais caros pressionam inflação, renda disponível e popularidade do governo. A China teria incentivo estratégico para recompor estoques num momento politicamente desconfortável para Washington, especialmente se uma maioria republicana nas duas casas aumentar a possibilidade de tarifas serem transformadas em legislação mais permanente. Essa hipótese precisa ser apresentada como cenário, não como fato comprovado. O aumento das compras também pode refletir segurança energética, preços relativos e necessidade operacional das refinarias.

O produto mais sensível dessa cadeia é o diesel. Diesel movimenta caminhões, máquinas, agricultura, mineração e logística industrial. Quando sua margem de refino dispara, o choque atravessa a economia muito antes de aparecer numa discussão abstrata sobre política monetária.

A China possui uma defesa sofisticada. Como administra o renminbi dentro de uma banda, pode permitir uma valorização pontual da moeda para amortecer o preço do petróleo. Se o barril sobe em dólar enquanto o dólar cai em relação ao renminbi, parte do aumento desaparece na conversão. O câmbio funciona como uma proteção contra o pass through energético.

Ao mesmo tempo, refinarias chinesas podem capturar a enorme margem do diesel. É necessário separar os dois casos. Uma refinaria que vende internamente em renminbi se beneficia quando o câmbio reduz o custo do petróleo importado. Uma refinaria que exporta diesel compra o óleo e vende o derivado em dólar. Nesse caso, seu lucro vem principalmente do crack, a diferença entre o preço do produto refinado e o preço do petróleo.

A China tira pressão de um lado e recupera renda do outro. O renminbi mais forte protege o consumidor e a indústria doméstica. O crack elevado remunera a capacidade de refino. Esse mecanismo ajuda a explicar por que petróleo caro não quebra automaticamente a economia chinesa.

Também existe um custo. A valorização do renminbi reduz a competitividade de outros exportadores. A venda de diesel ao exterior pode entrar em conflito com a necessidade de preservar o abastecimento interno. Os estoques permitem ganhar tempo, mas não criam petróleo. Quando o produto físico começa a faltar, o balanço financeiro deixa de resolver o problema.

O limite aparece quando Pequim precisa escolher entre proteger a inflação doméstica ( não tem esse problema hoje ), abastecer sua logística e aproveitar a margem internacional do diesel. Se segura o combustível em casa, perde a receita extraordinária da exportação. Se exporta demais, aumenta o risco político interno. Se subsidia ambos, transfere novamente o custo para o Estado.

O petróleo não é uma arma limpa para os Estados Unidos porque o choque também aumenta inflação, frete e custo industrial americano. Mas ele cria uma segunda frente para a China justamente quando Pequim já precisa subsidiar imóveis, crédito e inteligência artificial.

O mesmo vale no sentido inverso. A China pode usar compras e estoques para suavizar ou intensificar a demanda marginal, mas não faz isso sem custo. Comprar mais caro deteriora seus termos de troca. Consumir estoques reduz seu colchão de segurança. A força chinesa está menos em determinar o preço e mais em escolher o momento em que sua demanda chega ao mercado.

Isso importa porque a economia americana chega às midterms sustentada por atividade forte, emprego resistente e um ciclo de investimento que tem na IA uma de suas principais fontes de impulso. Dizer que os Estados Unidos só crescem por causa da inteligência artificial seria uma simplificação. Dizer que o ciclo de IA não está ajudando materialmente o crescimento seria igualmente difícil de defender. É justamente nesse momento que começa a ganhar força uma narrativa de desaceleração, com Barack Obama defendendo maior supervisão pública e lideranças democratas tratando o tema como pauta política relevante. Não é necessário imaginar uma conspiração para perceber a conveniência eleitoral. Governos ganham força com economia forte e oposições ganham espaço quando a atividade enfraquece. James Carville resumiu isso há décadas melhor do que qualquer modelo econômico, “it’s the economy, stupid”.

Trump olha para a questão por esse ângulo e por outro ainda mais importante, a China. A posição dele é simples: se os Estados Unidos desacelerarem voluntariamente uma tecnologia estratégica enquanto Pequim continua avançando, a preocupação com um risco hipotético pode produzir um risco bastante concreto. A China não vai esperar Washington concluir uma discussão filosófica sobre o futuro da humanidade. A corrida por IA envolve produtividade, defesa, indústria, ciência e influência geopolítica. Nesse sentido, a oposição de Trump a uma pausa é coerente com a política industrial americana que vê a disputa tecnológica com a China como uma competição de poder.

O problema começa quando se olha para quem está defendendo a desaceleração. Dario Amodei, Sam Altman e Elon Musk não são observadores neutros desse mercado. Eles controlam ou estão ligados a algumas das empresas mais avançadas e capitalizadas do setor. Já possuem modelos, pesquisadores, acesso a chips, contratos, infraestrutura e bilhões de dólares investidos. Uma pausa, portanto, não os coloca na mesma posição de quem ainda está tentando entrar. Ela congela parte da vantagem que eles já construíram e aumenta o custo de aproximação dos concorrentes.

Existe ainda um segundo efeito, menos discutido e talvez mais interessante para quem olha a questão como investidor. Até agora, uma parcela importante do dinheiro gerado pelo ciclo de IA ficou na cadeia de infraestrutura. Semicondutores, memória, networking, energia e datacenters capturaram boa parte do investimento porque é nesses pontos que estão os gargalos. Se a corrida desacelera, a pressão sobre esses insumos diminui. Chips ficam menos disputados, memória tende a perder pressão de preço e o custo de expansão de infraestrutura pode cair. Para empresas que ainda queimam enormes quantidades de capital e precisam um dia mostrar margem, isso é bastante conveniente, sobretudo quando algumas caminham para uma eventual abertura de capital.

Michael Burry tocou exatamente nesse ponto ao questionar até que ponto a defesa de uma pausa é preocupação genuína e até que ponto ela serve aos interesses de quem já está na frente. As duas coisas podem coexistir. Uma empresa pode realmente acreditar que existem riscos relevantes no desenvolvimento de modelos mais avançados e ao mesmo tempo perceber que a regulação desses modelos melhora sua posição competitiva. O problema aparece quando a discussão pública trata uma dessas motivações como nobre e a outra como se não existisse.

É nesse ponto que a discussão sobre o METR fica especialmente relevante. Amodei não defende apenas uma desaceleração abstrata, mas uma estrutura de supervisão externa para os modelos mais avançados, citando organizações como o METR, que já trabalha com laboratórios de fronteira e participa da avaliação de riscos desses sistemas. O problema não é afirmar que o METR esteja capturado pela Anthropic, porque não há base suficiente para dizer isso. O problema é outro: existe uma proximidade institucional que, em qualquer outro setor regulado, seria tratada com muito mais cuidado.

Joe Benton, que liderava uma equipe de pesquisa de segurança na Anthropic, deixou a empresa no início de setembro para trabalhar justamente no METR com avaliação de riscos. A movimentação pode ser perfeitamente legítima, mas cria uma porta giratória evidente entre uma das empresas que poderá ser supervisionada e uma das organizações apontadas como possível supervisora. Quando essa mesma estrutura passa a influenciar quais modelos podem avançar, quais precisam ser interrompidos e quais exigem autorização adicional, a independência dessas instituições deixa de ser um detalhe.

A questão fica ainda mais sensível quando se olha para quem financia esse universo. Parte dos indivíduos e organizações ligados ao financiamento do METR também possui relações com investidores ou empresas envolvidas diretamente no desenvolvimento de IA, inclusive a Anthropic. Isso não prova manipulação de resultados e não deveria ser tratado dessa forma, mas também seria ingênuo fingir que os incentivos desapareceram apenas porque a palavra “safety” foi colocada no nome da discussão. Venture capital, filantropia, laboratórios, pesquisadores e organizações de segurança circulam dentro de um grupo relativamente pequeno, com pessoas mudando de cadeira e dinheiro atravessando várias dessas instituições.

A ironia é que a proposta acaba criando uma situação em que empresas que já chegaram à frente ajudam a construir as regras que definirão quem poderá alcançá las. Se os mesmos laboratórios que pedem uma pausa também participam do ambiente institucional que ajudará a definir os critérios dessa pausa, o debate deixa de ser apenas sobre segurança e passa a ser também sobre poder de mercado. Não é necessário acusar ninguém de conluio para enxergar o problema. Basta olhar os incentivos.

A Meta torna esse debate ainda mais interessante porque pode estar atacando justamente o ponto mais frágil dos atuais líderes, a distribuição. Existe uma obsessão com benchmarks e com a pergunta sobre qual empresa possui o melhor modelo, mas a história da tecnologia mostra que qualidade técnica isolada raramente determina o vencedor. Distribuição costuma ser tão importante quanto produto e poucas empresas no mundo possuem distribuição comparável à Meta. WhatsApp, Instagram e Facebook colocam a companhia diante de bilhões de usuários todos os dias.

O lançamento do Muse pode representar algo mais importante do que simplesmente mais um modelo concorrente. Se a Meta conseguir colocar uma inteligência suficientemente boa dentro do WhatsApp, não precisa convencer o usuário a baixar um aplicativo novo ou criar um novo hábito. O usuário já está dentro. Isso pode produzir uma dinâmica parecida com outras grandes mudanças tecnológicas nas quais quem chegou depois não venceu por inventar tudo, mas por conseguir colocar a tecnologia na mão de muito mais gente.

Esse ponto pode ser particularmente incômodo para OpenAI, Anthropic e xAI. A vantagem delas hoje depende em parte de o usuário entrar deliberadamente em seus produtos. A Meta pode incorporar a IA no ambiente que o usuário já utiliza para conversar, trabalhar, comprar e organizar a vida. Se isso acontecer, a diferença entre um modelo tecnicamente melhor e outro suficientemente bom pode se tornar menos relevante do que a diferença entre ter ou não ter bilhões de pessoas dentro da sua plataforma.

A consequência vai além da competição entre laboratórios. A própria forma como usamos software pode mudar. Hoje ainda abrimos uma planilha, depois um banco, depois um CRM, depois um sistema de investimentos e aprendemos a operar cada interface separadamente. Se a inteligência artificial passar a entender o pedido e executar o processo por trás, a interface perde importância. A planilha continua existindo, o banco continua existindo e o software continua existindo, mas o usuário deixa de precisar aprender como cada ferramenta funciona. Isso atinge diretamente empresas cujo valor sempre esteve ligado não apenas à funcionalidade do produto, mas também ao hábito e ao custo de mudança.

É por isso que a discussão sobre controle de inteligência merece mais cuidado do que simplesmente aceitar a versão Skynet do problema. Um dos argumentos mais usados é que modelos avançados poderiam ensinar pessoas a produzir armas ou executar atividades perigosas. Existe uma diferença importante entre conhecimento e capacidade física. Saber como funciona enriquecimento de urânio não fornece centrífugas, material adequado, instalações e cadeia logística. Conhecer microbiologia não transforma uma garagem em laboratório de alta contenção. A informação pode reduzir uma barreira intelectual, mas o mundo real continua impondo barreiras materiais.

O mesmo vale para o argumento de segurança pública. Se a inteligência artificial aumenta a capacidade de quem quer cometer um crime, também aumenta a capacidade de quem investiga, monitora, detecta fraude e protege infraestrutura. Não existe motivo para presumir que apenas o lado ruim terá acesso a ferramentas melhores enquanto polícia, serviços de inteligência e defesa permanecem tecnologicamente parados. A discussão precisa considerar os dois lados da equação.

Talvez esse seja o ponto mais relevante de toda a história. Inteligência artificial ameaça empregos, empresas e fortunas, mas também pode reduzir drasticamente o preço do conhecimento. Um aluno sem recursos pode ter acesso a um professor melhor do que muitos estudantes de escolas caras. Uma pequena empresa pode usar uma capacidade de análise que antes exigia uma equipe inteira. Um médico distante dos grandes centros pode consultar conhecimento que hoje está concentrado em poucos hospitais. Isso não elimina desigualdade, mas diminui uma diferença que sempre foi decisiva, o acesso à capacidade intelectual de alto nível.

É justamente por isso que convém olhar com cuidado para qualquer tentativa de definir antecipadamente quem poderá usar determinada inteligência e em quais condições. A preocupação com segurança pode ser legítima, mas os interesses econômicos também são. A política está presente, a competição entre empresas também e a disputa com a China não vai desaparecer porque alguns executivos americanos resolveram desacelerar. Talvez não exista nenhum conluio contra a Meta e talvez não exista nenhuma grande conspiração envolvendo governos, bilionários e organizações de segurança. O que certamente existe é um conjunto de interesses muito grandes tentando influenciar as regras de uma tecnologia que pode mudar a distribuição de poder econômico.

A versão mais cínica dessa história seria relativamente simples. Conteúdo curto e viciante pode ser distribuído para bilhões de pessoas sem provocar grande discussão sobre o futuro da humanidade, mas dar acesso a uma inteligência muito mais poderosa exige cautela, supervisão e talvez autorização. Não deixa de ser curioso imaginar um mundo em que TikTok para as massas seja considerado aceitável enquanto AGI para as massas seja perigoso demais. O problema é que, quando inteligência passa a significar poder econômico, a discussão sobre segurança começa inevitavelmente a se misturar com a discussão sobre quem continuará tendo vantagem.