AI data-center semiconductor, powered-shell and electricity infrastructure supply chain: A UBS vê um caminho para suprir a demanda de data centers de AI até 2030, mas a execução de projetos de rede e de oferta behind-the-meter é crucial.

Visão geral

Este estudo temático da UBS testa se a infraestrutura de AI impulsionada por semicondutores pode ser suportada por construção de data centers e disponibilidade de energia. A UBS conclui que há capacidade teórica para apoiar suas premissas de aceleradores até 2030, mas isso exige execução em rede, construção e energia local.

Visões principais

A UBS converte as previsões de GPU e ASIC em demanda de energia por rack. O aumento de dies, densidade e potência térmica permite que os GW implantados cresçam mesmo com menos racks. A firma estima ~340GW de capacidade incremental de computação em 2026-2030, equivalente a ~380GW de capacidade de instalações com PUE de 1.12. GPUs comerciais respondem por ~200GW, ou 59%, e ASICs por ~140GW, ou 41%. A participação de ASICs sobe de 35% em 2026E para 43% em 2030, mas GPUs comerciais mantêm cerca de 70% da receita de data centers, versus 30% para ASICs, por maior aplicabilidade, conteúdo de sistema e monetização de software. A UBS prevê capacidade da NVIDIA de ~17GW em 2026 para ~51GW em 2030, com CAGR de 32%; a AMD cresce de ~1GW para ~9GW, com CAGR de 90%. Google e AWS são os maiores contribuintes de ASIC. A UBS Evidence Lab vê ~276GW de data centers em construção ou planejados, cobrindo apenas ~70-75% dos ~380GW implícitos. A carteira aumentou ~75GW entre 1Q26 e 2Q26, e a UBS estima que ainda são necessários 100-105GW de shells não anunciados. Projetos anunciados nos próximos 1-2 anos podem operar em 2029-30, mas um data center greenfield exige mais de 15 meses, ou 18-24 meses em cenário conservador. A UBS estima ~307GW de suporte de rede global: ~271GW nos Estados Unidos, 16GW na Europa e 20GW em outras regiões. O caso-base dos EUA oferece ~76GW; o cenário maior exige conclusão de usinas, projetos iniciais e menos retiradas. A capacidade alternativa de ~156GW pode apoiar o cenário de 151GW de projetos iniciais. A China poderia fornecer 30-40GW adicionais, mas é excluída por restrições de remessas de aceleradores dos EUA. Soluções behind-the-meter acrescentam ~108GW, principalmente ~90GW da Caterpillar e até 18GW da Innio. Com a rede, isso resulta em ~415GW de energia potencial, acima dos ~380GW necessários. Em 2027, a demanda implícita é ~57GW contra ~38GW de visibilidade; em 2028, ~76GW contra ~50GW. Cerca de 40-50% dos ~50GW de projetos iniciais em cada ano precisa converter-se em oferta conectada. A UBS destaca riscos de regulamentação, interconexão e equipamentos. Projetos podem ser atrasados ou cancelados; a interconexão até operação comercial supera quatro anos, transformadores podem levar até 210 semanas, sistemas de backup e switchgear ~18 meses e turbinas a gás locais mais de três anos. Aplicando seu modelo de GW e receita por GW, a UBS deriva receita de data centers da NVIDIA de ~$408B em CY26E e $1.1T em CY28E. CY26E está alinhado ao modelo, mas a diferença aumenta em CY27-28, em parte pela mistura HGX versus NVL72. A UBS argumenta que sistemas de AI integrados permitem à NVIDIA capturar mais gasto de infraestrutura por GW e executar mais trabalho de AI dentro de um limite fixo de energia.

Estrutura de análise

A UBS parte de remessas esperadas de GPU e ASIC, configurações de rack e potência térmica para calcular GW de computação, converte-os em capacidade de instalações com PUE de 1.12, compara-os com shells, rede e capacidade behind-the-meter e aplica as premissas de GW e conteúdo por GW ao modelo da NVIDIA.

Notas metodológicas

• Marco de análise setorialMarco de oferta e demanda

  Demanda de capacidade de computação de AI versus oferta de shells de data centers e energia

  A UBS transforma premissas de implantação de semicondutores em requisitos de energia e verifica se construção, rede e geração local podem atendê-los.

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Remessas de semicondutores, densidade de energia de racks, construção de data centers e infraestrutura elétrica

  O relatório acompanha como os roteiros de aceleradores geram demanda por racks, shells, conexões de rede e equipamentos behind-the-meter.

• OutroOutro

  Conversão de eficiência de uso de energia e estrutura de receita por GW

  A UBS usa PUE de 1.12 para converter carga de computação em capacidade de instalações e combina estimativas de GW com conteúdo por GW da NVIDIA para derivar receita implícita.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• NVIDIA (NVDA)

  Principal beneficiária de semicondutores na estrutura de infraestrutura de AI baseada em energia da UBS.

  Pontos fortes

  A UBS espera mais conteúdo de sistemas integrados e receita por GW implantado; a receita implícita alcança ~$408B em CY26E e $1.1T em CY28E.

  Pontos fracos

  A receita por GW depende da mistura assumida entre arquiteturas HGX e NVL72.

  Comparação

  GPUs comerciais mantêm cerca de 70% da receita implícita de data centers apesar do ganho de participação dos ASICs.

  Riscos

  Conclusão de projetos elétricos, construção, licenças e gargalos da cadeia de suprimentos podem limitar a implantação de computação.

• AMD (AMD)

  Participante de GPUs comerciais na previsão de capacidade de aceleradores da UBS.

  Pontos fortes

  A UBS estima crescimento de capacidade implantada de ~1GW em 2026 para ~9GW em 2030, com CAGR de 90%.

  Pontos fracos

  O crescimento começa de uma base muito menor que a da NVIDIA.

  Comparação

  A UBS estima que GPUs comerciais representam 59% da capacidade incremental até 2030.

  Riscos

  A implantação depende das mesmas condições de powered shell e cadeia de suprimentos do mercado mais amplo de aceleradores.

• Caterpillar

  Fornecedora de equipamentos de energia primária behind-the-meter para data centers.

  Pontos fortes

  A UBS estima que equipamentos da Caterpillar podem suportar ~90GW de capacidade incremental de shells entre 2026 e 2030.

  Pontos fracos

  A capacidade é compartilhada com mineração, petróleo e gás e outros mercados finais.

  Comparação

  A Caterpillar é a maior contribuinte behind-the-meter estimada pela UBS, à frente da Innio.

  Riscos

  A alocação para data centers e a mistura de aplicações de energia primária determinam a contribuição realizada.

• Innio

  Fornecedora de equipamentos de energia primária behind-the-meter para data centers.

  Pontos fortes

  Cerca de 80% da carteira atual de equipamentos para data centers está ligada a energia primária; a UBS estima potencial até ~18GW de base instalada acumulada.

  Pontos fracos

  A contribuição estimada depende da execução de aumentos anuais de capacidade de 1GW.

  Comparação

  A UBS estima que a Innio complementa a maior contribuição behind-the-meter da Caterpillar.

  Riscos

  São necessárias expansão de capacidade de equipamentos e alocação a data centers.

Dados principais

• Capacidade incremental acumulada de computação~340GWEstimativa da UBS para 2026-2030.
• Capacidade implícita de shell de data centers~380GWNecessidade para 2026-2030 usando PUE de 1.12.
• Disponibilidade potencial total de energia~415GW~307GW de suporte de rede mais ~108GW behind-the-meter.
• Carteira global visível de data centers~276GWEm construção ou planejada; suporta ~70-75% das estimativas de aceleradores da UBS.
• Capacidade implícita e visibilidade de powered shell em 2027~57GW versus ~38GWExclui usinas em estágio inicial.
• Capacidade implícita e visibilidade de powered shell em 2028~76GW versus ~50GWProjetos iniciais ou oferta behind-the-meter são necessários para fechar a lacuna.
• Receita implícita de data centers da NVIDIA~$408B in CY26E and $1.1T in CY28EDerivada da estrutura de GW baseada em energia da UBS.

Impacto e implicações

A UBS argumenta que a disponibilidade de energia não invalida necessariamente a demanda de AI por semicondutores até 2030, mas torna a conclusão de projetos elétricos iniciais, a construção de data centers e a alocação de equipamentos behind-the-meter fatores críticos. Sua estrutura indica potencial de alta para a trajetória de receita de data centers modelada para a NVIDIA, especialmente em CY27-28.

Riscos

• Legislação estadual e local, moratórias e regras mais rígidas de custos podem atrasar ou cancelar projetos.
• Baixa conversão de projetos iniciais de rede pode deixar a capacidade de powered shell abaixo da demanda implícita em 2027 e 2028.
• Atrasos de interconexão de rede podem postergar a oferta elétrica disponível.
• Longos prazos para transformadores, switchgear, sistemas de backup e turbinas a gás podem limitar construções.
• Aquisição de energia, oposição comunitária e escassez de mão de obra podem estender a construção greenfield além das premissas da UBS.

Pontos a observar

• A conversão de ~50GW de projetos iniciais de rede em cada um de 2027 e 2028.
• O ritmo de novos anúncios necessário para fechar a lacuna visível de 100-105GW de shells.
• Adições de capacidade da rede dos EUA, retiradas e tendências de margem de reserva.
• A alocação de equipamentos da Caterpillar, Innio e possivelmente Cummins à energia primária para data centers.
• Licenciamento, interconexão e legislação estadual e local.
• A mistura de sistemas HGX e NVL72 da NVIDIA, que afeta a receita por GW.