O "aprendizado contínuo" da IA pode iniciar um novo ciclo de armazenamento! Citi: demanda por HBM, DRAM de servidor e eSSD está aumentando, escassez pode continuar até 2031.

De acordo com o APP da Economia Inteligente (Economia Inteligente em Português), o Citi afirmou em seu mais recente relatório global da indústria de semicondutores que, à medida que a inteligência artificial avança do modelo tradicional de treinamento e inferência para a era do “aprendizado contínuo”, o mercado global de chips de memória pode estar prestes a entrar em um novo ciclo de crescimento estrutural da demanda. Diferente do modelo de AI atual, que depende principalmente de treinamento único, o aprendizado contínuo exige que o modelo absorva constantemente novos dados, atualize seu conhecimento e, ao mesmo tempo, retenha e acesse informações aprendidas anteriormente. Isso significa que HBM, DDR5 de servidor e SSDs empresariais (eSSD) podem experimentar simultaneamente uma expansão da demanda, agravando ainda mais a escassez global de oferta de memória em 2028, possivelmente até 2031.

O Citi acredita que o aprendizado contínuo será um dos principais temas do desenvolvimento de AI nos próximos cinco anos. Nesse modelo, os modelos de AI deixam de ser relativamente estáticos após o treinamento e passam a treinar-se incrementalmente com base em novas tarefas, dados e conhecimentos, evitando o esquecimento das informações obtidas anteriormente. A atualização constante dos modelos e a demanda por acesso a dados históricos aumentarão significativamente o consumo de recursos computacionais e de armazenamento dos sistemas de AI.

O banco prevê que, a partir de 2027, a demanda por armazenamento para treinamento e inferência de AI acelerará simultaneamente. Dentre eles, o HBM será beneficiado pelo treinamento contínuo e atualização de modelos, o DDR5 de servidor e o SoCAMM2 serão impulsionados pelo aumento da carga de trabalho do CPU e da inferência de AI, enquanto o eSSD assumirá a função de armazenamento de longo prazo para grandes quantidades de dados históricos e caches como o KV Cache.

Neste contexto, o Citi destaca Samsung Electronics, SK Hynix (SKHY.US), Micron Technology (MU.US), SanDisk (SNDK.US) e Kioxia como os principais alvos recomendados no segmento de armazenamento; para o setor de equipamentos e materiais de semicondutores, as preferências são Inspur Technology, Applied Materials (AMAT.US), Lam Research (LRCX.US), TES, Eugene Technology e TechWing.

AI entra na era do “aprendizado contínuo” e a lógica de demanda por armazenamento está mudando

O Citi aponta que os modelos de AI atuais apresentam uma limitação importante: embora possam reter o conhecimento adquirido durante o treinamento, eles não integram automaticamente as interações posteriores do usuário ou dados incessantemente gerados aos parâmetros do modelo.

O aprendizado contínuo busca resolver esse problema. Os modelos precisam receber treinamento constante sobre novas tarefas e conhecimentos, ao mesmo tempo mantendo informações previamente adquiridas; um dos maiores desafios técnicos é evitar o chamado “esquecimento catastrófico”, quando o modelo perde habilidades ao aprender novos conhecimentos.

Essa mudança pode remodelar toda a cadeia de armazenamento de AI.

Entre 2022 e 2024, à medida que o tamanho dos modelos de treinamento de AI aumenta, a demanda por HBM explodiu primeiro, enquanto a procura por DRAM tradicional e NAND permaneceu relativamente fraca. Mas a partir do segundo semestre de 2025, com a complexidade crescente das tarefas de inferência de AI, a demanda por DDR5 de servidor e eSSD começou a crescer rapidamente.

O Citi prevê que de 2027 ao primeiro semestre de 2028 será alcançado o primeiro estágio do aprendizado contínuo. Nesse período, os servidores de AI precisarão treinar e atualizar constantemente modelos, além de realizar tarefas de inferência cada vez mais complexas, resultando no primeiro crescimento simultâneo e acelerado na demanda por HBM, DRAM de servidor, SoCAMM2 e eSSD.

A partir do segundo semestre de 2028, a AI pessoal e a AI física (Physical AI) podem se tornar os novos motores de demanda. Com a popularização de aplicações como edge AI, gestão local de dados e robótica, os dispositivos finais precisarão de memória persistente e de adaptação contínua ao ambiente, o que também pode impulsionar o ciclo de crescimento do armazenamento local e de borda.

Vale ressaltar que o uso de AI Tokens já apresenta rápida expansão. Conforme mostrado na página 3 do relatório, entre janeiro de 2025 e agosto de 2026, a taxa composta de crescimento mensal do uso de AI Tokens é de cerca de 31%, com aumento anual de 2434% em agosto de 2026. O Citi considera que essa tendência reforça a expectativa de que intensidade da carga de trabalho e demanda por armazenamento de AI cresçam no longo prazo.

Demanda por HBM pode aumentar 62% em 2027 e mais 69% em 2028

Entre os produtos de armazenamento, o HBM continua sendo uma das áreas mais beneficiadas pelo treinamento e aprendizado contínuo de AI.

Apesar de recentes preocupações de mercado com possíveis reduções nas configurações de HBM dos chips de AI e com questões de segurança, o Citi acredita que isso não indica enfraquecimento da demanda geral por HBM. Pelo contrário, os fabricantes de chips de AI estão migrando de arquiteturas "Scale-up" para "Scale-out", ampliando a capacidade computacional através do emprego de mais aceleradores, o que mantém a demanda de HBM por sistema em ascensão.

O Citi prevê que a demanda de bits HBM aumentará 62% em 2027 em relação ao ano anterior, chegando a 75,2 bilhões de Gb, e crescerá mais 69% em 2028, atingindo 127 bilhões de Gb — aproximadamente o dobro das previsões anteriores. Além da Nvidia, a demanda por chips ASIC de Broadcom (AVGO.US), Google e outros também continuará a impulsionar esse crescimento.

Mais importante: mesmo que os fabricantes de memória aumentem agressivamente a produção, a oferta de HBM pode não acompanhar a demanda.

O Citi estima que a demanda por HBM crescerá de 46,4 bilhões de unidades equivalentes a 1Gb em 2026 para 75,2 bilhões em 2027, enquanto a oferta aumentará de 36,1 bilhões para 59,3 bilhões no mesmo período, resultando em uma insuficiência de cerca de 21% em 2027; em 2028, conforme as remessas de ASIC aumentam ainda mais, este déficit poderá crescer para aproximadamente 36%.

Portanto, o Citi vê as recentes “reduções de especificações” do HBM mais como uma estratégia de resposta para melhorar a eficiência dos recursos diante da oferta limitada — para maximizar o volume de aceleradores de AI expedidos — e não como um sinal de enfraquecimento da demanda.

A inferência de AI se torna o segundo motor de crescimento; demanda por DRAM de servidor pode saltar 51% em 2027

Se o HBM é impulsionado principalmente pelo treinamento de AI, o DRAM de servidor poderá ser o maior beneficiado com a expansão da inferência e do aprendizado contínuo de AI.

O Citi prevê que, com o aprendizado contínuo, a demanda por DRAM de servidor crescerá mais de 50% em 2027, enquanto a procura por eSSD também pode aumentar cerca de 50%. Com a crescente complexidade das tarefas de inferência, tanto a demanda por CPU quanto por memória de servidor continuarão a subir.

Especificamente, o banco projeta que a demanda por DRAM de servidor saltará de 226,3 bilhões de unidades equivalentes a 1Gb em 2026 para 341,7 bilhões em 2027, um incremento anual de cerca de 51%. Nesta altura, os servidores responderão por cerca de 67% da demanda global de DRAM, permanecendo como o maior mercado de aplicação.

Essa tendência é complementada pela diminuição da configuração de HBM por acelerador em certos chips de AI. À medida que parte das cargas de trabalho de memória, como o KV Cache, passam do HBM para o DRAM de servidor ou armazenamento externo, a demanda por DRAM de servidor e eSSD pode aumentar ainda mais.

O Citi destaca que clientes de armazenamento estão estendendo a duração de alguns contratos de fornecimento de longo prazo (LTA) de três para cinco anos, refletindo a crescente visibilidade da demanda de memória para os próximos anos.

Demanda por eSSD pode explodir, com alta prevista de quase 53% em 2027

O mercado de NAND também pode se beneficiar significativamente na era do aprendizado contínuo.

O aprendizado contínuo exige que os modelos de AI aprendam constantemente novas informações e, ao mesmo tempo, mantenham grandes volumes de dados já adquiridos, o que requer maior capacidade de armazenamento de longo prazo.

O Citi prevê que a demanda global por NAND crescerá 29,1% em 2027, superior aos 21,2% de aumento de oferta previstos; no mesmo ano, a demanda por SSDs empresariais deve aumentar 52,9% em relação ao ano anterior, bem acima do crescimento global de cerca de 45% dos SSDs.

Um dos principais fatores dessa expansão é o descarregamento do KV Cache. Com alguns aceleradores de AI diminuindo a configuração de HBM, mais e mais caches KV e outras cargas de trabalho de memória podem ser transferidos para o armazenamento externo, o que favorece a alta demanda por SSDs empresariais de alta capacidade QLC.

O Citi também aponta que servidores de AI estão aumentando a configuração de armazenamento próximo à GPU, incluindo SSDs QLC, para possibilitar que mais dados fiquem próximos aos aceleradores e, assim, melhorar a eficiência de memória do modelo e de acesso a dados.

Ao mesmo tempo, a demanda por NAND em eletrônicos de consumo pode ser prejudicada pelo mercado relativamente fraco de celulares e PCs, mas o Citi acredita que o crescimento da demanda empresarial impulsionado pela inferência de AI pode compensar esse impacto. O relatório também menciona que data centers de AI, inclusive na China, estão considerando cada vez mais substituir HDDs por SSDs, o que pode expandir ainda mais a demanda potencial por eSSD a partir de 2027.

Caso o déficit de DRAM chegue a 9,7% em 2028, o ciclo de alta dos preços pode continuar

Outro lado do rápido crescimento da demanda é que a expansão da oferta da indústria de memória permanece restrita.

O Citi estima que a demanda global de bits DRAM aumentará cerca de 30,2% em 2027, bem acima do crescimento de oferta de 18,8%, mudando o mercado de relativo equilíbrio em 2026 para déficit em 2027, com lacuna de cerca de 8,7%; em 2028, o déficit subirá para cerca de 9,7%.

Essas restrições de oferta têm duas causas principais. Por um lado, Samsung Electronics, SK Hynix e Micron estão realocando cada vez mais capacidade de DRAM para o HBM; por outro, o ritmo da migração para processos avançados está ficando mais lento e a construção de novas fábricas de wafer exige um longo tempo, de modo que a oferta incremental de bits não pode ser liberada rapidamente.

O Citi prevê que a capacidade média global de wafer de DRAM crescerá apenas 8% em 2027, enquanto o fornecimento anual de bits aumentará cerca de 18,8%, mantendo a pressão de oferta ao longo de todo o ano.

O aperto entre oferta e demanda também significa que os preços da memória podem continuar sólidos.

O Citi estima que, após uma alta de 242,4% no preço médio ponderado da DRAM em 2026, o preço em 2027 pode subir mais 23,1%. Embora o ritmo seja mais lento em relação ao pico de 2026, a persistente escassez tanto de HBM como de DRAM tradicional permitirá que os preços continuem subindo.

NAND também entra em fase de oferta restrita, déficit pode continuar até 2031

A pressão de oferta do mercado NAND também está aumentando.

O Citi prevê aumento de 29% na demanda de NAND em 2027, contra apenas 21% de crescimento da oferta, resultando em déficit de cerca de 6,1%. Em 2028, prevê-se que a demanda aumente 33%, permanecendo acima do crescimento de oferta de 25%, mantendo o déficit em cerca de 5,5%.

Uma das principais razões para esse cenário é que fabricantes globais de memória continuam priorizando a ampliação da capacidade de DRAM e HBM, limitando assim o aumento da produção de NAND.

O Citi acredita que, sob os impactos combinados do aprendizado contínuo, eSSD de alta densidade, descarregamento de KV Cache da Nvidia e, após 2028, demanda de AI pessoal e física, a restrição global de oferta de memória pode se agravar e perdurar até 2031.

Isso significa que o atual ciclo de memória pode não mais depender apenas de fatores tradicionais de curto prazo, como o restabelecimento de estoques de smartphones e PCs, mas passa a apresentar cada vez mais características de demanda estrutural impulsionada pela evolução da arquitetura de computação de AI.

Fabricantes de memória aumentam agressivamente a produção; empresas de equipamentos e materiais também são beneficiadas

Visando a expansão de demanda de longo prazo, fabricantes de memória estão iniciando programas de capex em escala ainda maior, potencialmente expandindo as oportunidades de investimento em armazenamento de AI para a cadeia de equipamentos e materiais de semicondutores.

O Citi prevê que os investimentos globais em DRAM e NAND passarão de cerca de US$ 54,9 bilhões em 2026 para US$ 80,4 bilhões em 2027, alta de 46,5%. Desse total, o capex em DRAM deve ser de US$ 58,6 bilhões (alta de 51,6%) e, em NAND, de US$ 21,8 bilhões (alta de 34,2%).

No longo prazo, o relatório estima que o capex global em DRAM e NAND pode atingir cerca de US$ 322,5 bilhões até 2031, sendo DRAM em torno de US$ 254 bilhões e NAND, US$ 68,5 bilhões.

Desta forma, o Citi acredita que este ciclo favorável de memória beneficia não apenas fabricantes de chips de armazenamento, mas também tem potencial para gradualmente se estender a empresas de equipamentos e materiais semicondutores.

No segmento de armazenamento, o banco destaca Samsung Electronics, SK Hynix, Micron Technology, SanDisk e Kioxia como preferências; em equipamentos e materiais, aposta em Inspur Technology, Applied Materials, Lam Research, TES, Eugene Technology e TechWing. Segundo o Citi, com o aprendizado contínuo e o desenvolvimento de AI pessoal no médio e longo prazo impulsionando o crescimento estrutural da demanda, fabricantes de memória se beneficiarão diretamente da oferta cronicamente restrita, enquanto as empresas de equipamentos e materiais poderão aproveitar maiores investimentos e maior utilização da capacidade dos fabs de wafer.