Samsung alerta: crise de chips de memória pode durar até 2028

A Samsung emitiu um alerta que deveria estar na mesa de todo CTO, CMO e founder de SaaS do planeta: a crise de chips de memória — o componente que está por trás do boom de inteligência artificial — pode se aprofundar e durar até 2028. Não é um problema temporário de supply chain. É um gargalo estrutural que vai redefinir o custo de fazer IA nos próximos anos.

Por que chips de memória são o verdadeiro gargalo da IA

Quando se fala em “chips de IA”, a maioria das pessoas pensa em GPUs — as Nvidia H100, B200, e afins. GPUs são de fato escassas e caras. Mas o verdadeiro ponto de estrangulamento não é a GPU em si. É a memória que alimenta ela.

Para treinar e rodar modelos de linguagem em escala, as GPUs precisam de um tipo específico de memória chamada HBM (High Bandwidth Memory). HBM é um empilhamento vertical de chips DRAM que fica fisicamente ao lado da GPU, entregando a largura de banda massiva necessária para mover bilhões de parâmetros dentro do modelo em milissegundos.

Sem HBM suficiente, as GPUs mais potentes do mundo ficam subutilizadas. É como ter um motor Ferrari com um tubo de combustível de Fusca.

A Samsung é uma das apenas três empresas no mundo (junto com SK Hynix e Micron) que produzem HBM em escala. E todas as três estão dizendo a mesma coisa: a demanda cresce mais rápido que a capacidade de produção.

A matemática do problema

A demanda por HBM é movida por um fator: treinamento e inferência de modelos de IA. Cada novo modelo — GPT-5, Gemini 3, Claude 4, Llama 4 — requer exponencialmente mais compute. E cada unidade de compute requer mais memória de alta largura de banda.

Estimativas da indústria apontam que a produção global de HBM vai crescer cerca de 200% entre 2024 e 2027. Mas a demanda projetada cresce mais de 400% no mesmo período. Esse gap é o que a Samsung está sinalizando. E não é algo que se resolve construindo mais fábricas — cada fábrica de HBM custa US$ 10-15 bilhões e leva 2-3 anos para ficar operacional.

O efeito cascata: quem paga a conta

Aqui está onde isso sai do mundo da semicondutores e entra no mundo de qualquer empresa que usa IA:

1. Custo de APIs vai subir. OpenAI, Anthropic, Google — todos dependem de infraestrutura que inclui HBM. Se o custo de memória sobe (e está subindo), o custo de inferência sobe. E custo de inferência subindo significa que o preço por token nas APIs vai aumentar. Todo SaaS que embute chamadas de GPT/Claude/Gemini no produto vai sentir a pressão nas margens.

2. Produtos “AI-first” ficam mais caros de operar. Aquela startup que promete “IA ilimitada” na assinatura básica? O unit economics dela depende de custo de inferência baixo. Se HBM fica escasso e caro, esses modelos de negócio quebram. Veremos uma onda de reprecificação em SaaS em 2026-2027.

3. Apple, Nvidia, toda a cadeia é afetada. A Apple usa HBM nos chips M-series e na linha de servidores para Apple Intelligence. A Nvidia precisa de HBM colado em cada GPU. Se a Samsung alerta que vai piorar até 2028, todo o roadmap de hardware do ecossistema de IA é impactado.

O que isso significa para o mercado de marketing e SaaS

No ecossistema onde opero — agências, SaaS de marketing, ferramentas de automação —, o impacto é indireto mas real. Vejo três consequências práticas:

Ferramentas ficarão mais caras. Toda plataforma que oferece recursos de IA — de geração de copy a análise de criativos — está operando com margens que serão comprimidas se o custo de compute sobe. Isso vai ser repassado para o cliente final, seja por aumento de preço ou redução de limites.

Estratégia de modelo único é arriscada. No SOC, quando configuro a stack de ferramentas de um cliente, já recomendo não depender de um único provedor de IA. Se o custo da OpenAI dispara, você precisa ter fallback para Claude, Gemini, ou modelos open-source rodados localmente. Diversificação de modelos é uma estratégia de gestão de custo e de risco.

Otimização de prompts deixa de ser opcional. Cada token tem custo. E se esse custo vai subir, então a eficiência do prompt — conseguir o resultado com menos tokens — torna-se uma habilidade comercial. No FunnelStack, onde uso IA para gerar variações de criativos, copy e análise de campanhas em volume, a otimização de prompts é o que separa uma operação rentável de uma que consome margem.

Uma questão geopolítica

Há uma dimensão que não dá para ignorar: HBM é um mercado de três empresas, sendo duas sul-coreanas (Samsung, SK Hynix) e uma americana (Micron). Isso significa que a cadeia de suprimentos de IA global depende de duas empresas em um país que é vizinho da Coreia do Norte e no meio de tensões geopolíticas entre EUA e China.

Qualquer interrupção — conflito, sanção, desastre natural em fábricas coreanas — não seria um problema de supply chain. Seria uma parada cardíaca no ecossistema de IA mundial. E dado que estamos falando de 2028 como horizon, a probabilidade de que algum evento geopolítico ocorra nesse período não é trivial.

Preparar-se para IA mais cara

A narrativa dos últimos três anos foi “IA está ficando mais barata e melhor”. A curva de custo estava caindo, o que justificava a adoção massiva e os modelos de negócio construídos sobre premissas de compute barato. O alerta da Samsung sugere que essa curva pode achatar — ou inverter — nos próximos dois anos.

Para qualquer empresa que dependa de IA como infraestrutura (e em 2026, isso é quase toda empresa), a estratégia precisa incluir cenários de custo crescente. Não é pessimismo — é gestão de risco. Quem se preparar para IA mais cara agora vai estar bem posicionado quando a conta chegar.