Um único fio: o que está realmente a sustentar o boom da IA

Um dos instintos mais valiosos que um líder empresarial ou investidor pode desenvolver é a capacidade de reconhecer uma arquitetura subjacente que já viu antes, mesmo quando todos os elementos à superfície mudaram.

Os ativos são diferentes. O vocabulário é diferente. Os produtos e os mercados são diferentes. Até os países e as regiões são diferentes. O empreendimento parece inteiramente novo e o entusiasmo em seu redor é genuíno. Mas, quando fazemos o trabalho de harmonizar os conceitos, a terminologia e o significado, a estrutura que está por baixo é, muitas vezes, exatamente a mesma. Em 2026, nada recompensa mais esse instinto do que o boom das infraestruturas de inteligência artificial — e ignorá-lo pode sair-nos caro.

Quero começar por um ponto para o qual quase ninguém olha, porque parece técnico, mas acaba por ser o motor de tudo. Encontro constantemente empreendedores que me dizem, quase com orgulho, que não são “pessoas de números”. Eu também não sou, por temperamento. Mas, ao longo de 40 anos, disciplinei-me para encarar essa frase como a enorme fragilidade que realmente é, porque é nos números que a história está verdadeiramente registada.

O processo básico é este. Quando uma empresa vende equipamento — um chip, um servidor, um switch de fibra ótica — regista imediatamente a totalidade da venda como receita, no trimestre em que o produto é expedido. A empresa que compra esse equipamento não regista o custo de uma só vez. Uma aquisição de capital é capitalizada e depois depreciada ao longo da vida útil esperada do ativo. Em qualquer grande ciclo de investimento industrial, os lucros do vendedor são, por isso, antecipados para o presente, enquanto os custos do comprador são empurrados para o futuro. O mercado vê o ganho do vendedor, interpreta-o como prosperidade e atribui-lhe um valor como se essa situação fosse durar para sempre. Raramente dura.

As regras contabilísticas, importa dizê-lo claramente, não são a anomalia. A verdadeira questão está escondida em três palavras: a vida útil esperada do ativo. Nenhum regulador entrega esse número a uma empresa. É a gestão que o estima. E essa estimativa está hoje a desempenhar um papel extraordinariamente importante. Os maiores compradores de hardware para IA estão a amortizar os seus clusters de GPU ao longo de cerca de seis anos, mesmo quando o mercado de revenda e o ritmo incessante de lançamento de novos chips sugerem uma vida económica real mais próxima de dois ou três anos.

Na IA, a obsolescência é tão real como a depreciação, se não mais. Cada ano adicional atribuído à vida útil de um ativo reduz o encargo anual com depreciações e aumenta o lucro reportado. Hoje, não custa nada. A conta chega mais tarde, quando os períodos de depreciação acabam por ser encurtados e vários anos de custos diferidos chegam de uma só vez. Isto não é fraude. É uma estimativa. Mas é uma estimativa que está a ser feita sempre na mesma direção, e toda a indústria da IA que hoje alimenta manchetes globais, mercados bolsistas e investimento está a fazê-la ao mesmo tempo.

Para os leitores do Link to Leaders, eis por que razão esta não é apenas uma preocupação americana e por que motivo um investidor português, coreano ou neerlandês não pode simplesmente classificá-la como um “problema dos EUA”, ainda que se possa argumentar que as principais empresas de IA estão aí sediadas.

As estimativas de vida útil são uma decisão de gestão em ambos os grandes referenciais contabilísticos mundiais. Quer falemos da Nvidia, da ASML, da TSMC, da Samsung ou da SK Hynix, todas reconhecem a receita da venda de equipamento no momento da transferência do controlo e todas deixam ao critério da gestão do comprador a definição dos pressupostos de depreciação. Toda a cadeia global de fornecimento de semicondutores — americana, neerlandesa, taiwanesa ou coreana — contém o mesmo mecanismo nas suas contas. Não há uma jurisdição para onde fugir.

Outra preocupação é que, durante um boom, os vendedores têm um forte incentivo para ajudar os clientes a comprar. No final da década de 1990, a Lucent e a Nortel emprestavam dinheiro às próprias operadoras que lhes compravam equipamentos de telecomunicações: registavam a receita da venda e mantinham o risco de crédito associado ao empréstimo. Quando essas operadoras falharam, perderam em ambas as frentes.

No ciclo atual, os fabricantes de chips têm adquirido participações em empresas que, por sua vez, utilizam esse capital para comprar o seu hardware. O círculo é mais pequeno e os balanços são muito mais robustos, mas a configuração é familiar. Uma receita que uma empresa, na prática, ajudou a financiar não tem a mesma qualidade que uma venda feita a um comprador independente que utiliza os seus próprios recursos.

Em meados dos anos 2000, o instrumento era diferente, mas o destino foi idêntico: hipotecas eram agrupadas, divididas e reclassificadas até que o risco subprime passasse a ostentar uma classificação AAA. Todos os participantes da cadeia cobravam uma comissão no momento da transação e o risco de longo prazo acabava por deslocar-se para quem estivesse no fim da linha, precisamente aquele com menor visibilidade sobre aquilo que efetivamente detinha.

Quando os preços das casas caíram nos Estados Unidos — um cenário que os modelos nunca tinham testado — as perdas apareceram todas de uma só vez e a economia global esteve perto de colapsar.

Ativos diferentes, instrumentos diferentes, mas exatamente a mesma estrutura em cinco partes:
— uma inovação genuína cria procura real;
— o capital entra mais depressa do que a economia real consegue absorvê-lo;
— a engenharia financeira procura preencher essa diferença;
— a complexidade transfere o risco para a parte menos informada;
— e avaliações opacas mantêm a festa durante muito mais tempo do que os fundamentos justificariam.

Este fim de semana, vejam os dois filmes “Margin Call” e “The Big Short” para perceberem este mecanismo em ação.

E a indústria está atualmente a gastar qualquer coisa como dez a doze dólares em infraestruturas por cada dólar de receita de software de IA que gera. A despesa existe, é atual e concreta. Os retornos continuam, em grande medida, a ser uma aspiração.

O J.P. Morgan estima que o investimento de capital dos cinco maiores hyperscalers norte-americanos atingirá cerca de 697 mil milhões de dólares em 2026 — um valor revisto em alta em mais de 150 mil milhões de dólares no espaço de apenas um ano —, enquanto a Goldman Sachs projeta mais de 5 biliões de dólares de investimento em IA e centros de dados até 2030.

No seu pico, todo o ciclo de investimento em telecomunicações durante a bolha dot-com representava cerca de 213 mil milhões de dólares por ano, a preços atuais. O ciclo da IA, num único ano, está a decorrer a um ritmo mais de três vezes superior e, enquanto percentagem da economia, com uma intensidade próxima do dobro. Indicadores de avaliação de longo prazo, como o rácio preço/lucro ajustado ao ciclo, encontram-se em níveis atingidos apenas algumas vezes nos últimos 140 anos.

Agora, a ressalva — e é mais importante do que qualquer outra coisa que escrevi até aqui.

Durante grande parte dos últimos dois anos, a resposta tranquilizadora a todas estas preocupações estava nos balanços: Amazon, Microsoft, Alphabet e Meta possuem alguns dos balanços mais robustos da história empresarial e estavam a financiar este ciclo de investimento através dos seus próprios fluxos de caixa. Portanto, não parecia existir uma espiral de dívida semelhante à que ocorreu nas telecomunicações pronta a desfazer-se.

Mas aquilo que era verdade há apenas um ano já não o é.

O investimento de capital das maiores empresas cresceu para além da sua capacidade interna de geração de caixa, as emissões de obrigações empresariais ultrapassaram os 100 mil milhões de dólares em 2025, e uma parcela crescente do investimento está agora alojada em joint ventures e veículos de propósito específico, nos quais o hyperscaler assume uma participação minoritária, assina um contrato de arrendamento de longo prazo e deixa a dívida nas mãos de fundos de crédito privado e seguradoras.

O Banco de Pagamentos Internacionais, na sua análise de março de 2026, descreveu estes mecanismos como “shadow borrowing”, ou endividamento fora do balanço — obrigações economicamente semelhantes a dívida que permanecem, em grande medida, fora dos balanços empresariais. A Morgan Stanley estima entre 250 e 300 mil milhões de dólares em emissões em 2026 por parte dos hyperscalers e dos veículos a eles associados.

A dívida e o risco não desapareceram. Apenas mudaram de lugar.

Continuo a considerar mais provável que este ciclo termine numa correção dolorosa das ações com avaliações mais elevadas do que numa crise sistémica, porque os maiores intervenientes têm, efetivamente, capacidade para abrandar o investimento e absorver uma eventual desilusão.

Mas a margem de conforto é hoje menor do que era há um ano, e qualquer líder que continue a repetir que “é tudo financiado através de fluxos de caixa” deve atualizar essa leitura.

Finalmente, nada do que escrevi até aqui significa que a tecnologia seja vazia ou desprovida de valor. Na minha própria e modesta escala de operações nos setores imobiliário e hoteleiro, nos Estados Unidos e no Alentejo, a utilidade da IA é inequívoca e acredito que se revelará verdadeiramente transformadora.

Hoje, já fazemos internamente programação, melhoramos websites, geramos análises comparativas e desenvolvemos modelos financeiros e empresariais que, há apenas um ano, teria contratado a outra empresa ou fornecedor para realizar.

Já disse mais do que uma vez aos meus colegas que gostaria de ser 20 anos mais novo, para ter podido utilizar estas ferramentas nas fases anteriores da minha carreira, ligadas à agricultura e à educação.

Uma inovação genuína e uma inovação incorretamente avaliada pelo mercado não são conceitos opostos. Os engenheiros de telecomunicações de 1999 tinham razão sobre a Internet. Estavam simplesmente adiantados no tempo — e foram os acionistas que pagaram essa diferença.

Assim, a questão em aberto não é saber se a inovação é real.

A questão é saber se o mercado voltou, mais uma vez, a comprimir uma história de uma década no preço de um único ano — e se uma parte significativa dos lucros reportados está assente numa estimativa que todos fizeram, simultaneamente, na mesma direção.

Já temos história recente suficiente para estarmos atentos. Não temos desculpa para sermos surpreendidos.

Versão em inglês

 A Single Thread: What is Actually Propping Up the AI Boom

One of the most valuable instincts a business leader or investor can develop is the ability to recognize an underlying architecture he has seen before, even when every surface detail has changed. The assets are different. The vocabulary is different. The products and the markets are different. Even the nations and the regions are different. The enterprise feels entirely new, and the excitement around it is genuine. But once you do the work of harmonizing the concepts, the terminology and the meaning, the structure underneath is often exactly the same. In 2026, nothing rewards that instinct more than the artificial intelligence infrastructure boom, and we ignore it at our peril.

I want to begin somewhere most people never look, because it sounds technical and turns out to be the whole engine. I meet entrepreneurs constantly who tell me, almost with pride, that they are not “numbers people.” Neither am I by temperament. But I have disciplined myself over forty years to treat that phrase as the glaring weakness it is, because the numbers are where the story is actually kept.

Here is the basic process. When a company sells equipment — a chip, a server, a fiber switch — it records the entire sale as revenue immediately, in the quarter it ships. The company that buys that equipment does not record the cost all at once. A capital purchase is capitalized and then depreciated over the asset’s expected life. In any large industrial buildout, the seller’s profits are therefore pulled into today while the buyer’s costs are pushed into tomorrow. The market sees the seller’s gain, books it as prosperity, and prices it as though it will last forever. It rarely does.

The rules of accounting, I should say plainly, are not a quirk. The quirk is actually buried in three words: the asset’s expected life. No regulator hands a company that number. Management estimates it. And the estimate is doing extraordinary work right now. The largest buyers of AI hardware are writing off their GPU clusters over roughly six years, even as the resale market and the relentless cadence of new chips suggest a real economic life closer to two or three. With A.I., obsolescence is every bit as real as depreciation, if not more so. Every additional year of assumed life lowers the annual depreciation charge and raises reported profit. It costs nothing today. It comes due later, when the schedules are eventually shortened and several years of deferred cost arrive at once. This is not fraud. It is an estimate. But it is an estimate that runs in only one direction, and the entire A.I. industry that is fueling global headlines, stock markets, and investment has made it at the same time.

For the readers of Link to Leaders, here is why this is not merely an American concern, and why a Portuguese or Korean or Dutch investor cannot simply file it under “US problem” because it could be reasonably said the primary A.I. companies reside. But useful-life estimates are a management judgment under both of the world’s dominant accounting regimes. Whether Nvidia, ASML, TSMC, Samsung and SK Hynix, all of them book equipment revenue on the same control-transfer trigger, and all of them leave the buyer-side depreciation assumption to management discretion. The entire global chip supply chain — American, Dutch, Taiwanese, Korean — contains the identical mechanic in every set of accounts. There is no jurisdiction to flee to.

Another concern is that in a boom Sellers have a powerful incentive to help their customers buy. In the late 1990s, Lucent and Nortel lent money to the very carriers purchasing their switches: they booked the revenue on the sale and retained the credit risk on the loan, and when the carriers failed they lost both. In this cycle, the chip makers have taken equity positions in firms that turn around and spend that capital on their hardware. The circle is smaller and the balance sheets are far stronger, but the shape is familiar. Revenue that a company has, in effect, helped to fund is not the same quality of revenue as a sale to an unrelated buyer with its own cash.

In the mid-2000s the instrument was different but the destination identical: mortgages were pooled, sliced and re-rated until subprime risk wore a AAA label, everyone in the chain collected a fee at the moment of transaction, and the long-term risk drifted toward whoever sat at the end of the line with the least visibility into what he actually held. When house prices fell across the U.S. — a scenario the models had never tested — the losses surfaced all at once, and the global economy nearly failed. Different assets, different instruments, but the identical five-part structure:

• a genuine innovation creates real demand;
• capital pours in faster than the real economy can absorb it;
• financial engineering bridges the gap;
• complexity pushes risk toward the least-informed party;
• and opaque valuations keep the party going far longer than the fundamentals deserve.

This weekend, watch the two films “Margin Call” and “The Big Short” to see this in action.

And the industry is currently spending something on the order of ten to twelve dollars on infrastructure for every dollar of AI software revenue it collects. The spending is here, now and concrete. The returns, so far, are mostly aspirational. J.P. Morgan estimates that capital expenditure by the five largest US hyperscalers will reach roughly $697 billion in 2026 — a figure revised upward by well over $150 billion in the course of a single year — and Goldman Sachs projects spending on AI and data centers of more than $5 trillion by 2030. At its peak, the entire dot-com telecom buildout ran at roughly $213 billion a year in today’s money. The AI cycle, in a single year, is running at more than three times that, and as a share of the economy at nearly double the intensity. Long-running valuation gauges such as the cyclically adjusted price-earnings ratio sit at a level reached only a handful of times in 140 years.

Now the caveat, and it matters more than anything else I have written. For much of the past two years the reassuring answer to all of this was the balance sheet: Amazon, Microsoft, Alphabet and Meta possess some of the strongest in the history of business and were funding the buildout from their own cash flow, so there was no telecom-style debt spiral waiting to unwind. But what was true just a year ago no longer is. Capex at the largest firms has grown beyond internal cash generation, their corporate bond issuance passed $100 billion in 2025, and a rising share of the buildout now sits in joint ventures and special purpose vehicles in which the hyper-scaler takes a minority stake, signs a long-term lease, and leaves the debt with private credit funds and insurers. The Bank for International Settlements, in its March 2026 review, described these arrangements as “shadow borrowing” — obligations economically akin to debt that sit largely outside the corporate balance sheet. Morgan Stanley expects $250 to $300 billion of issuance in 2026 from the hyper-scalers and their affiliated vehicles.

The debt and risk didn’t disappear, it only moved. My judgment remains that this is more likely to end as a painful re-pricing of the most expensive equities than as a systemic crisis, because the largest players really can slow down and absorb a disappointment. But the comfort is narrower than it was a year ago, and any leader still repeating the “all funded from cash flow” line should update it.

Finally, none of the above is an argument that the technology is hollow. At my own modest scale of operations in real estate and hospitality, in the United States and in the Alentejo, the utility is unmistakable and I expect it will prove transformative. We are now doing coding ourselves, enhancing websites, generating comparisons, and financial and enterprise modeling that just a year ago I would have used another firm or vendor for. I have said to colleagues more than once that I wish I were twenty years younger, so that I could have used these tools in my earlier agricultural and educational careers. Genuine innovation and mis-priced innovation are not opposites. The telecom engineers of 1999 were right about the internet. They were simply early, and their shareholders paid for the difference.

So the open question is not whether the innovation is real. It is whether the market has once again compressed a decade-long story into a single year’s price — and whether a great many reported profits are resting on an estimate that everyone made in the same direction at the same time. We have enough recent history now to be on guard. We have no excuse for surpr