A corrida para construir infraestrutura de inteligência artificial continua movimentando cifras gigantescas. A Nvidia chega à divulgação de seus resultados financeiros com aproximadamente US$ 119 bilhões em pedidos de chips já contratados, um indicador da enorme demanda existente por capacidade computacional destinada à IA.
O volume chama atenção mesmo para os padrões da companhia, que se tornou uma das empresas mais valiosas do mundo justamente por fornecer os aceleradores utilizados na construção de grandes data centers.
Jensen Huang, CEO da Nvidia, chegou a classificar o atual comportamento da demanda como “parabólico”, indicando que os pedidos continuam crescendo em ritmo excepcional.
US$ 119 bilhões mostram tamanho da corrida pela IA
A carteira de pedidos funciona como uma importante sinalização sobre a demanda futura.
Empresas responsáveis por grandes plataformas de nuvem, laboratórios de inteligência artificial e operadores de data centers estão investindo bilhões de dólares para ampliar suas estruturas computacionais.
Grande parte dessa expansão depende de GPUs e aceleradores capazes de realizar o treinamento e a inferência dos modelos mais avançados.
É exatamente nesse mercado que a Nvidia construiu sua principal vantagem.
O resultado é uma situação incomum: clientes disputam capacidade de fornecimento antes mesmo que todos os equipamentos estejam disponíveis para entrega.
IA virou uma corrida por infraestrutura
Durante a primeira fase da popularização da IA generativa, grande parte da atenção estava nos modelos.
Chatbots, geração de imagens e ferramentas capazes de produzir códigos dominavam as discussões.
Agora, o foco começa a se deslocar para a infraestrutura necessária para manter esses sistemas funcionando.
Um modelo avançado pode exigir milhares de aceleradores operando simultaneamente.
Quando milhões de pessoas e empresas começam a utilizar esses serviços, a demanda cresce novamente por causa da inferência — o processamento realizado cada vez que alguém envia uma solicitação para uma IA.
Isso significa que a necessidade de chips não termina quando o treinamento é concluído.
Data centers de IA exigem investimentos gigantescos
Comprar os processadores representa apenas parte da conta.
Grandes clusters de IA exigem servidores, memória de alta velocidade, redes, sistemas de armazenamento, energia e refrigeração.
O resultado são projetos de data centers que podem consumir bilhões de dólares.
Esse movimento está transformando empresas de tecnologia em algumas das maiores investidoras em infraestrutura física do planeta.
Microsoft, Meta, Amazon, Alphabet e outros grandes grupos vêm direcionando enormes volumes de capital para ampliar sua capacidade computacional.
Enquanto esses investimentos continuarem, fabricantes de chips permanecem entre os principais beneficiados.
Nvidia vende mais do que GPUs
Uma das razões para a posição privilegiada da Nvidia é que sua estratégia ultrapassou a venda isolada de processadores.
A companhia desenvolveu um ecossistema que envolve GPUs, redes de alta velocidade, sistemas completos de computação e uma extensa plataforma de software.
O CUDA, por exemplo, tornou-se uma das principais ferramentas utilizadas por desenvolvedores para executar cargas de computação acelerada.
Essa integração cria uma barreira competitiva importante.
Um cliente que constrói milhares de aplicações e processos utilizando esse ecossistema pode encontrar dificuldades para migrar rapidamente para outra arquitetura.
Blackwell ampliou capacidade para modelos maiores
A geração Blackwell foi desenvolvida justamente para atender à explosão dos modelos generativos e sistemas cada vez maiores.
Além de aumentar desempenho, a Nvidia vem trabalhando em arquiteturas nas quais dezenas ou centenas de GPUs funcionam como um único sistema.
A lógica é necessária porque os modelos mais avançados ultrapassaram a capacidade prática de um processador individual.
O data center começa a funcionar como uma espécie de computador gigantesco, no qual processamento, memória e rede precisam trabalhar de maneira extremamente coordenada.
Próxima geração aumenta pressão sobre clientes
A Nvidia também acelerou seu ciclo de desenvolvimento.
Novas arquiteturas estão chegando em intervalos menores, obrigando operadores de infraestrutura a decidir constantemente quando expandir e quando substituir equipamentos.
Para os grandes laboratórios de IA, esperar demais pode significar perder competitividade.
Um concorrente com mais capacidade computacional pode treinar modelos maiores, realizar mais experimentos e atender mais usuários.
Essa dinâmica transforma GPUs em um recurso estratégico.
Jensen Huang vê demanda “parabólica”
A descrição utilizada por Jensen Huang ajuda a compreender a expectativa do mercado.
A demanda não estaria simplesmente aumentando de maneira gradual.
Ela estaria acelerando à medida que novas aplicações de IA aparecem.
Além dos chatbots, empresas estão investindo em agentes autônomos, geração de vídeo, robótica, veículos, descoberta científica e inteligência artificial aplicada a diferentes setores.
Cada nova categoria pode criar uma camada adicional de consumo computacional.
Agentes de IA podem ampliar ainda mais o consumo
Os agentes representam uma mudança especialmente relevante.
Um chatbot tradicional pode receber uma pergunta e produzir uma resposta.
Um agente pode realizar dezenas ou centenas de operações para concluir uma tarefa.
Ele pode pesquisar informações, consultar bancos de dados, executar ferramentas, analisar documentos e revisar os próprios resultados.
Cada etapa consome processamento.
Se agentes passarem a trabalhar continuamente dentro de milhões de empresas, a quantidade de inferência necessária poderá crescer significativamente.
Essa é uma das apostas que ajudam a sustentar os investimentos atuais em infraestrutura.
Mercado observa se pedidos virarão receita
Apesar do entusiasmo, existe uma pergunta fundamental para investidores: quanto dessa demanda será convertida em crescimento sustentável?
Uma carteira de US$ 119 bilhões representa uma sinalização extremamente forte, mas o mercado acompanhará ritmo de entregas, margens e projeções futuras.
Também será importante observar se os grandes clientes continuarão aumentando seus investimentos.
As maiores empresas de tecnologia possuem recursos suficientes para construir enormes data centers, mas precisam demonstrar que a inteligência artificial conseguirá produzir receitas capazes de justificar esses gastos.
Chips próprios são ameaça no longo prazo
Outro desafio está dentro dos próprios clientes da Nvidia.
Grandes empresas de tecnologia vêm desenvolvendo aceleradores próprios.
Google possui seus TPUs. Amazon investe em Trainium. Microsoft e Meta também trabalham em chips destinados a cargas específicas de inteligência artificial.
Essas iniciativas procuram reduzir custos e diminuir a dependência de um único fornecedor.
No curto prazo, entretanto, construir um chip não significa necessariamente substituir todo o ecossistema da Nvidia.
Software, disponibilidade, desempenho e facilidade de implementação continuam sendo fatores importantes.
Concorrência também aumenta
A AMD permanece como uma das principais concorrentes no mercado de aceleradores para data centers.
Outras startups tentam desenvolver arquiteturas específicas para IA.
Existe ainda uma corrida internacional, especialmente na China, para criar alternativas capazes de reduzir a dependência das tecnologias norte-americanas.
Quanto maior o mercado, maior será o incentivo para que novos concorrentes apareçam.
A Nvidia precisa, portanto, continuar inovando rapidamente para preservar sua posição.
Energia começa a virar o próximo gargalo
Existe um limite para a quantidade de chips que pode ser instalada.
E ele não está necessariamente dentro das fábricas de semicondutores.
Está na rede elétrica.
Clusters de IA podem consumir enormes quantidades de energia, e grandes projetos de data centers já enfrentam dificuldades para encontrar regiões com capacidade elétrica suficiente.
Isso está levando empresas de tecnologia a buscar contratos de longo prazo com geradoras, fontes renováveis e até projetos relacionados à energia nuclear.
A próxima grande limitação da inteligência artificial pode não ser simplesmente conseguir fabricar GPUs.
Pode ser conseguir energia suficiente para mantê-las funcionando.
Nvidia virou termômetro da economia da inteligência artificial
Poucas empresas representam tão claramente o atual ciclo de investimentos em IA quanto a Nvidia.
Quando seus pedidos crescem, isso significa que empresas em diferentes partes do mundo continuam construindo infraestrutura.
Quando suas projeções mudam, o mercado interpreta isso como um sinal sobre toda a indústria.
Os US$ 119 bilhões em pedidos contratados colocam ainda mais atenção sobre os próximos resultados.
Mais do que descobrir quanto a Nvidia faturou no último trimestre, investidores querem saber se a corrida por capacidade computacional continuará acelerando.
Por enquanto, os pedidos sugerem que a construção da infraestrutura necessária para a inteligência artificial está longe de terminar.
A questão começa a mudar.
Em vez de perguntar se empresas continuarão investindo em IA, o mercado começa a perguntar até onde será possível expandir data centers, redes e geração de energia para acompanhar uma demanda que a própria Nvidia descreve como parabólica.
