As ações cíclicas sempre atingem o topo quando estão "mais baratas"—Citrini, o "influenciador dos chips" que foi pioneiro em apostar no hardware de IA, está saindo silenciosamente

A instituição de pesquisa de chips famosa Citrini Research já foi uma das vozes mais ativas e otimistas nas negociações de hardware de IA. Agora, a Citrini reduziu substancialmente sua exposição em semicondutores e até mantém algumas posições vendidas. Por trás dessa mudança, está seu julgamento de uma mudança estrutural fundamental no financiamento da infraestrutura de IA: quando o capital incremental muda do fluxo de caixa próprio das megacorporações de nuvem para os mercados de ações e dívida, o sentimento do mercado se torna parte do próprio fundamento.

Em 21 de outubro, o fundador da Citrini, James van Geelen, gravou essa conversa no podcast Monetary Matters. Naquela época, as ações de semicondutores tinham acabado de registrar nove quedas consecutivas — o apresentador Jack destacou que esse foi o recorde de quedas mais longo desde 2006. A avaliação de James foi: isso ainda não é suficiente para abalar os gastos com construção de IA, mas a natureza do risco mudou. Ele disse: "Se o sentimento do mercado desabar, esses fundos incrementais secam — porque isso deixa de ser uma empresa gastando seu próprio dinheiro, e passa a ser decidido pelo mercado."

A conversa abordou por que ele se desfez dos semicondutores, a lógica por trás de apostar em Meta e contra o Google, o significado da margem bruta de inferência de cerca de 80% da DeepSeek, e quais sinais fariam com que ele voltasse a investir em chips. Ao mesmo tempo, ele revelou que o gargalo no desenvolvimento de novos medicamentos está na "escassez de macacos", não em poder computacional; a verdadeira oportunidade de investimento está em terceirização clínica, e não em ações conceituais de IA.

Fluxo de caixa das big techs vai para o negativo, a estrutura de financiamento mudou, e o sentimento pode matar os fundamentos

Para entender por que a Citrini reduziu seu portfólio em hardware de IA, é preciso primeiro compreender o risco de "reflexividade" ao qual ele se refere — esse é o mecanismo central de todo o raciocínio.

Nos primeiros três a quatro anos de negociação de IA, as megacorporações de nuvem financiaram a infraestrutura de IA com seus próprios fluxos de caixa operacionais. Isso significa que, independentemente das oscilações do sentimento do mercado — seja choque tarifário, fechamento de trades de arbitragem do iene ou qualquer outro tipo de pânico — enquanto empresas como Meta e Microsoft continuarem gastando, as bases das empresas de semicondutores têm um "piso" garantido. O sentimento pode derrubar o preço das ações, mas não a receita.

Agora, esse mecanismo não funciona mais, e o fluxo de caixa das gigantes de tecnologia está secando rapidamente e até ficando negativo. O julgamento da Citrini James é que praticamente todo investimento incremental atual em infraestrutura de IA vem de financiamento acionário (seja venture capital ou mercado aberto) ou de dívida.

Isso significa que a IA pode se tornar mais útil, e o uso pode continuar a crescer, mas, se o sentimento do mercado desabar, esses fundos incrementais secam — porque não é mais uma empresa gastando seu próprio dinheiro, e sim o mercado que decide.

É isso que ele chama de "reflexividade": um movimento negativo no sentimento pode cortar diretamente a cadeia de financiamento e impactar os gastos reais em construção, e não apenas pressionar as avaliações.

Ele ainda quantificou esse ponto de pressão. Para sustentar as avaliações atuais da infraestrutura, a receita anual recorrente (ARR) dos laboratórios de IA precisa atingir cerca de US$ 1 trilhão até o final de 2028. Considerando a base atual de aproximadamente US$ 13,6 bilhões de ARR, seria necessário adicionar cerca de US$ 50 bilhões de novo ARR líquido todo mês.

Se você baseia sua hipótese de retorno do investimento em infraestrutura de IA numa soma de US$ 500 bilhões de ARR entre os laboratórios, mas no fim isso chegar a US$ 300 bilhões, é um desastre.

James listou alguns fatores que pesam sobre o crescimento do ARR.

O primeiro é "o consumo já é suficiente". Ele próprio, ao usar modelos de ponta, sente que suas necessidades diárias já são "cobertas em 99%" pelos modelos atuais; habilidades superiores dificilmente trarão novos pagamentos.

O segundo é "quedas de preço não levaram a aumento proporcional de uso". Ele citou o índice econômico da Anthropic: "Uma queda de 10% no custo de tarefas correspondeu a apenas 3% de aumento no uso."

Pela leitura dele, esse dado mostra que o paradoxo de Jevons (em que maior eficiência leva a maior consumo total) pode não se aplicar a tokens no curto prazo. Após as empresas estruturarem um fluxo de trabalho de IA suficientemente bom, o volume de chamadas aos modelos tende até a cair: talvez, quando a IA não funciona tão bem, sua demanda por tokens seja maior porque precisa ficar editando constantemente.

O terceiro é o aumento da fatia dos modelos open source. Ele menciona a participação dos modelos open source no ARR incremental; segundo sua estimativa, ela cresceu de cerca de 1% um ano atrás para cerca de 18% agora. Os compradores pagam por tarefa, desde que a capacidade mínima seja suficiente: eles não vão usar um jato de combate para ir ao trabalho; vão de carro.

Ele aponta que a diferença de capacidade entre modelos chineses e americanos ainda existe, então o choque de preços não é sua principal preocupação. O que ele mais considera é: não se trata de saber se IA é útil ou se vai melhorar, mas sim se o gasto de ponta é realmente econômico. Ele acredita que, no curto prazo, "trabalho de escritório" precisa ser o aplicativo matador, sustentando a maior parte da demanda de token nos próximos anos.

“Mais barato” é exatamente como o topo do ciclo se parece

O apresentador observou que, considerando a lucratividade, essas empresas de tecnologia parecem, agora, mais baratas do que em 2023 devido ao grande aumento nos lucros — então, por que reduzir exposição? Citrini James usou a lógica das ações cíclicas para responder:

Esse é o ciclo — setores cíclicos sempre atingem o topo quando parecem mais baratos olhando para o lucro esperado do próximo ano.

Em outras palavras, James acredita que o "barato" é uma ilusão criada pelo lucro temporariamente elevado — exatamente o padrão das ações cíclicas. O lucro das ações cíclicas sobe e desce com o ciclo do setor. Quando o ciclo está no pico e os lucros estão no ápice, o denominador aumenta, e o P/L baseado no "lucro esperado do próximo ano" cai, parecendo barato. Mas esse lucro é do topo do ciclo. Assim que o ciclo desacelera, o lucro cai e o preço acompanha. Portanto, o momento em que parece mais barato geralmente é o auge do lucro, próximo ao topo do ciclo.

O apresentador acrescentou um paralelo: ninguém vai comprar ações de petrolíferas quando estão com o maior lucro e P/L de apenas 14 vezes.

Essa lógica justifica seu rebalanceamento de portfólio. Ele diz que, se ainda mantivesse posições pesadas em infraestrutura em abril ou maio, o portfólio "teria caído cerca de 50%". E quando os semicondutores sofreram um recuo de dois a três meses em setembro e outubro de 2023, ele não se apressou em buscar substitutos porque as avaliações estavam baixas e a downside era limitada. Agora é diferente:

O espaço para quedas, caso resultados ou sentimentos negativos realmente apareçam, é grande.

Ele vê sua operação como um ajuste de portfólio, não uma posição pessimista sobre toda a IA: ainda é otimista com a Nvidia e enxerga oportunidades mais assimétricas nos chamados “agentic utilities” (ou seja, setores que realmente usam e se beneficiam da IA na prática). Ele destaca ainda que a demanda ainda supera a oferta — o problema é o futuro.

Comprado em Meta, vendido em Google, esperando sinais para voltar aos chips

Sobre posições específicas, a lógica de Citrini James é igualmente clara.

O ponto central em apostar na Meta é o potencial de monetização do Muse (o assistente de IA da Meta). O modelo dele considera o ARPU atual da Meta, pouco acima de US$ 20 por usuário, com ativos de dados abrangendo Instagram, WhatsApp e Facebook. "Se o Muse tiver qualquer adoção significativa, você pode traçar uma linha direta a partir desse dado, e ver o ARPU quadruplicando até 2030." Ele diz que, a partir do verão, já estava muito otimista, e o lançamento do Muse confirmou esse ponto de vista.

A lógica de vender Google vem de sua preocupação com a saída de talentos da DeepMind. Ele acredita que o mercado subestima o impacto negativo dessa debandada, exatamente quando o negócio de busca ainda enfrenta ameaças estruturais. "Eu mesmo estou usando muito menos a busca do Google. Será que search será completamente substituído? Não sei, talvez não. Mas o risco existe, e eles continuam perdendo talentos." Ele mantém um stop, mas segue operando o par "comprar Meta, vender Google".

Sobre quando voltar aos semicondutores, ele define critérios claros: ver crescimento consistente no uso pago e uma aceleração na segunda derivada do crescimento de ARR, refletindo que o fluxo de caixa dos clientes realmente sustenta o financiamento da construção. Se a demanda atual ainda estiver limitada pela oferta, e estivermos apenas em um intervalo entre saltos de capacidade dos modelos e lançamento de novos produtos — com usuários mais dispostos a pagar quando as novidades chegarem —, sua preocupação não se justifica, e esta queda nos papéis de infraestrutura pode ser uma oportunidade de compra.

Sua opinião sobre CoreWeave é relativamente branda — estima uma probabilidade de inadimplência em torno de 60%, mas não espera que ela aconteça de fato. Seu cenário de queda para o ciclo de IA é "com um gemido, e não uma explosão": não será um default em uma empresa provocando um crash, mas sim uma revisão da expectativa de ARR dos laboratórios de US$ 400 bilhões para US$ 360 bilhões, diferença essa já precificada, se espalhando para o mercado e derrubando todo o setor.

Sobre a DeepSeek, ele cita dados da DeepInfer (framework de inferência interna da DeepSeek): serve 1,55 quatrilhão de tokens por dia, receita de cerca de US$ 38 por hora de GPU, enquanto o custo de aluguel de GPU por hora no mercado é de US$ 5 a US$ 8, sugerindo uma margem bruta de inferência de cerca de 80%, e um payback do investimento em GPU de cerca de 81 dias. "Isso significa que ainda pode haver espaço para queda dos preços dos tokens, especialmente fora do segmento de modelos de ponta."

Usando o Claude para projetar anticorpos contra veneno de escorpião: o que a IA comprime, e o que não comprime

Citrini James revelou também um experimento raro: sua equipe colaborou com a Anthropic e usou o Claude para projetar, em 64 horas, 211 moléculas candidatas a anticorpos contra veneno de escorpião, sendo que 17 delas conseguiram, no laboratório, se ligar com sucesso ao alvo. O resultado impressiona, mas levou a uma conclusão pouco favorável para os otimistas de IA: A IA está "comoditizando" o design de medicamentos, mas o gargalo real está no laboratório, nos macacos, não no poder computacional.

Para entender exatamente o que a IA pode ou não fazer na descoberta de fármacos, a equipe de Citrini James fez algo incomum: procurou a equipe de ciências da vida da Anthropic (Nathan Frey, Amir Chennisa e Steven Molina), operou na sede da Anthropic, usando o modelo interno de pesquisa deles, e em 64 horas projetou anticorpos para veneno de escorpião.

Durante o processo, o Claude utilizou cerca de 300 subagentes, gerou 180 desenhos de projetos e, ao final, foram encaminhadas 211 moléculas candidatas para análise. Os resultados mostraram que 17 delas conseguiram se ligar ao alvo, sendo 7 específicas para o veneno de escorpião mexicano CN2, e o melhor candidato, CN2B1, ainda formou uma ligação competitiva na região esperada com um anticorpo neutralizante já conhecido.

"A IA gerou essas moléculas, das quais 17 se ligaram no laboratório — isso é realmente impressionante."

Mas James logo ressaltou o outro lado, que considera mais importante. O que a IA comprime é o tempo do conceito até o plano experimental — um processo que antes levava meses, agora toma poucos dias. Mas a síntese, testes e obtenção de dados de controle ainda consumiram 39 dias. "Se os dados correm na velocidade da vida, a chegada da IA não faz as células da placa de Petri crescerem mais rápido. Aí está o gargalo."

Ele estima que, no fluxo total do design de fármacos até os testes clínicos, a IA pode comprimir cerca de 20% do tempo, sendo os outros 80% intrínsecos, incomprimíveis. Esse julgamento leva direto à sua conclusão de investimento: investir em experimentos, em empresas que aceleram experimentos — e não nas ações de descoberta de medicamentos por IA.

Ele menciona explicitamente a Charles River Laboratories (CRL) como sua aposta de maior convicção. Aproximadamente 60% da receita da CRL vêm de descoberta precoce e avaliação de segurança, está no fundo do ciclo de recuperação e ainda tem ampla capacidade para novos pedidos, com cada novo contrato indo direto para o lucro.

Ele ainda aponta um gargalo que o mercado não precificou totalmente: escassez de macacos. Primatas não humanos são o recurso insubstituível mais próximo do homem para testes pré-clínicos, com um ciclo reprodutivo de cerca de quatro anos e expansão de oferta extremamente difícil. "Provavelmente esta é a maior restrição de oferta nos testes pré-clínicos."