A recente elevação das taxas de juros pelo Federal Reserve e a expectativa de novas altas colocam sob os holofotes os arranjos de financiamento para as empresas que buscam capital para centros de dados e chips de inteligência artificial. Esse cenário de juros crescentes coincide com um ceticismo crescente dos investidores em relação a dívidas ligadas à IA em geral, o que pode resultar em custos de captação mais elevados para novos negócios. Contudo, em um nicho do mercado de financiamento de IA que poderia parecer o mais vulnerável – os empréstimos de taxa flutuante utilizados por grandes compradores de GPUs –, alguns dos maiores empréstimos já foram estruturados para atenuar o impacto das taxas de referência mais altas, pelo menos por enquanto.
Empresas como CoreWeave, Iren e Nscale têm recorrido a empréstimos de prazo com saques adiados (Delayed Draw Term Loans – DDTLs) nos últimos anos para financiar a aquisição de unidades de processamento gráfico (GPUs) da Nvidia. Essa modalidade, que permite que os fundos sejam sacados conforme as GPUs são compradas e implementadas, é frequentemente estruturada com taxas de juros flutuantes para parte da capacidade de empréstimo. Um exemplo é o maior DDTL da CoreWeave, uma linha de US$ 8,5 bilhões, que é dividida aproximadamente entre parcelas de taxa flutuante e taxa fixa. Isso significa que a taxa de juros de parte do financiamento pode mudar com frequência, diferentemente de títulos de cupom fixo, comumente usados no financiamento de data centers de IA.
Mecanismos de Proteção Contra Juros
A taxa de juros da parcela flutuante de muitos DDTLs é baseada em indicadores de curto prazo, como a Secured Overnight Financing Rate (SOFR), que tende a acompanhar as variações na taxa de referência do Fed, acrescida de um spread fixo. A SOFR tem registrado flutuações recentes, acompanhando a política monetária, com algumas de suas variantes prospectivas, como a Term SOFR, girando em torno de 4% em uma base trimestral. Os spreads recentes em grandes empréstimos de GPU variaram de aproximadamente 2,25 a 5,5 pontos percentuais adicionados a benchmarks baseados em SOFR, com variações dependendo da credibilidade do cliente.
Para a componente de taxa flutuante, muitos dos maiores empréstimos de GPU contam com proteções significativas contra a alta das taxas. Esses mecanismos geralmente envolvem derivativos, como swaps de taxa de juros, onde o tomador paga uma taxa fixa a uma contraparte e recebe uma taxa flutuante. A CoreWeave, por exemplo, estava com hedge de pelo menos 75% de seus empréstimos flutuantes previstos sob uma linha de US$ 2,6 bilhões do ano anterior. A parcela flutuante de sua nova linha de US$ 8,5 bilhões, por sua vez, estará sujeita a um requisito de hedge de no mínimo 95% dos empréstimos previstos. Da mesma forma, o empréstimo de US$ 1,85 bilhão da Nscale para um data center no Texas exige hedges que cubram entre 90% e 110% de seus empréstimos flutuantes projetados.
Vantagens e Limitações da Estrutura DDTL
A própria estrutura do DDTL oferece benefícios. Os juros geralmente começam a incidir apenas quando o dinheiro é sacado, embora os tomadores possam pagar uma taxa menor sobre o compromisso não sacado. Isso permite que um comprador de GPUs garanta um grande volume de fundos e pague juros apenas à medida que os utiliza para adquirir e implementar o hardware. No entanto, essa proteção não elimina completamente o risco da taxa para os tomadores, especialmente ao considerar novas captações. Requisitos de hedge já foram incorporados em alguns acordos de empréstimo, limitando a exposição flutuante das empresas.
Para novas instalações, empresas e seus credores ainda podem ter que decidir quanta exposição deixar sem hedge. Além dos DDTLs, provedores de infraestrutura de IA podem buscar uma variedade de outras fontes de financiamento, como financiamento de fornecedores, crédito privado, títulos e dívida conversível, além da emissão de ações. Contudo, nem todas essas opções são ideais para o financiamento específico de GPUs, dado que os gastos ocorrem ao longo do tempo. A CoreWeave, por exemplo, informou aos investidores que seus DDTLs estão estruturados para alinhar os pagamentos da dívida com os contratos de seus clientes.
Implicações para o Mercado de IA
Os spreads de crédito de IA com grau de investimento têm se alargado recentemente, e novas emissões estão mais caras que o mercado em geral. Projetos de data centers de IA com rating inferior têm visto investidores exigindo rendimentos especialmente altos. A dívida conversível pode reduzir os custos de juros, mas acarreta o risco de diluição para os acionistas. Em suma, encontrar financiamento atraente pode estar se tornando mais difícil.
A elevação dos custos de captação para IA não está diretamente ligada apenas às taxas de juros. Investidores têm sido inundados com nova oferta, enquanto questões sobre o retorno final dos investimentos em IA permanecem em grande parte sem resposta. O mercado de dívida para empresas com grau de investimento e o mercado de crédito privado são fontes potenciais de capital, mas a quantidade de dívida sendo emitida sugere que os custos de captação podem aumentar. A forma exata como grandes empresas como OpenAI e Anthropic financiarão suas necessidades de computação ainda é incerta, dependendo de sua capacidade de abrir capital e alcançar grau de investimento ao longo do tempo.
Perguntas em Aberto no Financiamento de IA
Um ponto de interrogação paira sobre quem exatamente financiará a expansão da infraestrutura da indústria de IA. Hipóteses existem, mas a origem de todo o capital necessário ainda é desconhecida. Enquanto os mercados públicos são vastos, a dívida provavelmente será negociada a um preço mais alto devido à quantidade sendo colocada. A incerteza sobre o retorno dos investimentos em IA e o volume de novas emissões de dívida criam um cenário desafiador para empresas que buscam capital para infraestrutura de IA.
O cenário de financiamento para infraestrutura de IA, especialmente para GPUs, é complexo. Embora as estruturas atuais ofereçam alguma proteção contra a alta das taxas de juros, o aumento geral dos custos de captação e a incerteza sobre os retornos futuros dos investimentos em IA sugerem um ambiente mais desafiador para novas captações. A capacidade de empresas de IA de se tornarem públicas e manterem grau de investimento será crucial para seu acesso a financiamento no futuro. Com reportagem de Brazil Valley
Source · The Information
