A máquina de receita que não para de acelerar
A Nvidia acaba de entregar um trimestre que deixou o mercado de queixo caído. A receita do quarto trimestre fiscal bateu US$ 68,13 bilhões, representando um salto impressionante de 73% na comparação com o mesmo período do ano anterior. Esse tipo de crescimento já seria notável para qualquer empresa de tecnologia, mas quando olhamos para onde esse dinheiro está sendo gerado, o cenário fica ainda mais interessante. A divisão de data center foi responsável por US$ 62,13 bilhões desse total, com uma alta de 75% ano a ano. Estamos falando de mais de 91% de toda a receita da companhia vindo de um único segmento, o que mostra uma concentração estratégica que poucos conseguem replicar no mercado atual.
Isso significa que a Nvidia deixou de ser apenas a fabricante das placas de vídeo mais desejadas do planeta. Ela se transformou na espinha dorsal de toda a infraestrutura que sustenta a economia da inteligência artificial. Cada novo modelo de linguagem treinado, cada aplicação de IA generativa colocada em produção e cada sistema autônomo que entra em operação depende, em algum grau, do hardware e do ecossistema de software que a empresa construiu ao longo dos últimos anos. E o mais relevante é que essa dependência não mostra sinais de desaceleração — pelo contrário, a demanda continua crescendo em um ritmo que surpreende até os analistas mais otimistas.
O CEO Jensen Huang tem repetido em praticamente todas as apresentações públicas que estamos vivendo o início de uma nova era computacional. E os números parecem dar razão a ele. A empresa não está apenas surfando uma onda passageira de hype em torno da inteligência artificial. Ela está construindo, camada por camada, uma plataforma completa que vai desde os chips até os frameworks de software, passando por redes de interconexão e soluções de refrigeração para data centers de próxima geração. É uma aposta de longo prazo que, até agora, tem se mostrado extremamente acertada.
GB300 NVL72 e a revolução na performance por watt
Um dos destaques mais marcantes dos resultados recentes da Nvidia é o sistema GB300 NVL72. Esse rack integrado, composto por 72 GPUs Blackwell interconectadas, entrega até 50 vezes mais performance por watt em comparação com a geração anterior baseada na arquitetura Hopper. Em termos práticos, isso significa que a mesma quantidade de energia elétrica consegue processar um volume drasticamente superior de tarefas de inferência, algo fundamental para data centers que enfrentam restrições crescentes de capacidade energética e de refrigeração ao redor do mundo.
Mas o número que realmente chama a atenção é a redução de até 35 vezes no custo por token de inferência em relação ao Hopper. Para quem trabalha com modelos de linguagem em produção, isso muda completamente a equação econômica. Serviços que antes eram inviáveis por conta do custo computacional agora se tornam acessíveis. Imagine uma empresa que roda milhões de consultas diárias em um modelo de IA generativa — com o GB300, o custo por consulta despenca, abrindo portas para aplicações em escala que simplesmente não faziam sentido financeiro na geração anterior de hardware.
Esse avanço não é apenas um exercício de engenharia pelo simples prazer da inovação. Ele responde a uma demanda real do mercado. Os grandes provedores de nuvem e as empresas que operam seus próprios data centers precisam de cada vez mais capacidade de processamento sem necessariamente conseguir expandir sua infraestrutura física ou energética na mesma proporção. A eficiência do GB300 NVL72 resolve essa equação de forma elegante e é um dos principais motivos pelos quais a demanda por sistemas Blackwell continua aquecida meses após o lançamento.
AI Agents e a nova fronteira de demanda computacional
Se o treinamento de grandes modelos de linguagem foi o primeiro grande motor de demanda por GPUs, os AI Agents representam a próxima onda — e possivelmente ainda maior. Esses agentes autônomos de inteligência artificial são sistemas capazes de executar tarefas complexas de forma independente, tomando decisões, interagindo com ferramentas externas e se adaptando a contextos dinâmicos sem intervenção humana constante. A diferença fundamental em relação aos chatbots tradicionais é que os AI Agents não apenas respondem perguntas, eles planejam, executam e iteram sobre resultados. E cada uma dessas etapas consome uma quantidade significativa de poder computacional, tanto na fase de inferência quanto no processamento em tempo real.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Para a Nvidia, isso representa uma oportunidade colossal. Enquanto o treinamento de modelos é um processo que acontece de forma periódica e concentrada, a inferência com agentes autônomos é contínua e escalável. Imagine milhões de AI Agents rodando simultaneamente em empresas ao redor do mundo, cada um deles consumindo ciclos de GPU para processar linguagem natural, analisar dados, gerar código e tomar decisões em tempo real. A demanda por performance de inferência explode nesse cenário, e é exatamente aí que as novas arquiteturas da empresa entram em cena.
O impacto prático disso é que empresas de todos os setores estão repensando suas estratégias de infraestrutura. Não basta mais ter alguns servidores com GPUs para rodar modelos pontuais. A adoção em larga escala de AI Agents exige uma base de data center robusta, com baixa latência, alta largura de banda e capacidade de escalar rapidamente conforme a demanda cresce. E a Nvidia não está oferecendo apenas o chip — ela entrega o rack completo, o software de orquestração, as bibliotecas otimizadas e até a consultoria de arquitetura para que seus clientes consigam extrair o máximo de performance de cada dólar investido. Esse modelo de negócio verticalizado é um dos grandes diferenciais competitivos da empresa e explica por que a receita de data center continua em trajetória de crescimento acelerado.
Plataforma Rubin e o roadmap que garante o futuro
Um dos aspectos mais impressionantes da estratégia da Nvidia é a velocidade com que ela renova seu portfólio de produtos. A arquitetura Blackwell mal começou a ser entregue em volume e a empresa já anunciou a plataforma Rubin, prevista para ser lançada no segundo semestre de 2026. Essa cadência agressiva de lançamentos não é acidental. Jensen Huang declarou publicamente que a empresa pretende manter um ciclo anual de novas arquiteturas, algo praticamente inédito na indústria de semicondutores, que historicamente trabalha com ciclos de dois a três anos entre gerações.
O que torna a Rubin especialmente relevante é a promessa de reduzir os custos de inferência de IA em até 10 vezes em comparação com os sistemas Blackwell. Se o Blackwell já representa um salto monumental em relação ao Hopper, a Rubin promete levar a eficiência a um patamar onde a inferência em larga escala se torna acessível para um universo ainda maior de empresas e aplicações. Isso é particularmente importante no contexto dos AI Agents, onde a inferência contínua e massiva é o fator determinante de custo operacional.
A plataforma Rubin deve incorporar avanços tanto no design dos chips quanto nas tecnologias de empacotamento e interconexão. Indicações do mercado apontam que ela utilizará memória HBM de próxima geração e um barramento NVLink ainda mais rápido, permitindo que centenas de GPUs trabalhem juntas como se fossem um único processador gigante. Para cargas de trabalho envolvendo AI Agents, isso é transformador, porque permite que modelos maiores e mais sofisticados rodem com latências menores, viabilizando interações em tempo real que antes seriam impossíveis.
A combinação de hardware de ponta com o ecossistema CUDA, que já conta com milhões de desenvolvedores ao redor do mundo, cria uma barreira de entrada que concorrentes como AMD e Intel ainda lutam para superar. Cada nova geração de GPU da Nvidia chega ao mercado já com suporte completo de bibliotecas, frameworks e ferramentas de desenvolvimento, algo que leva anos para ser construído e que não pode ser simplesmente copiado da noite para o dia.
Sovereign AI e a demanda que vem dos governos
Um vetor de crescimento que muita gente ainda subestima é a chamada Sovereign AI, ou inteligência artificial soberana. Trata-se do movimento de países que estão investindo na construção de infraestrutura doméstica de IA, fora dos ecossistemas dos grandes hyperscalers americanos como AWS, Azure e Google Cloud. A ideia é garantir soberania tecnológica, proteger dados sensíveis e desenvolver capacidades de inteligência artificial alinhadas às necessidades e regulamentações locais.
A Nvidia relatou que a demanda por Sovereign AI ultrapassou US$ 30 bilhões no ano fiscal de 2026, triplicando em relação ao ano anterior. Esse número é impressionante e reflete um movimento global que vai muito além dos Estados Unidos e da China. Países na Europa, Oriente Médio, Sudeste Asiático e América Latina estão alocando recursos significativos para construir seus próprios data centers de IA, e a Nvidia está posicionada como a fornecedora preferencial de hardware e software para esses projetos.
Esse mercado é particularmente interessante porque representa uma fonte de receita menos dependente dos ciclos de investimento das big techs. Enquanto os gastos dos hyperscalers podem flutuar de trimestre para trimestre com base em suas próprias prioridades estratégicas, os investimentos governamentais em infraestrutura de IA tendem a ser mais estáveis e de longo prazo, impulsionados por políticas públicas e estratégias nacionais de competitividade tecnológica. Para a Nvidia, isso funciona como um colchão de receita adicional que diversifica e fortalece o portfólio de clientes da companhia.
Eficiência de capital que impressiona Wall Street
Além do crescimento acelerado da receita, os indicadores de eficiência financeira da Nvidia estão em patamares que fariam qualquer CFO do planeta ficar com inveja. A empresa gerou US$ 97 bilhões em fluxo de caixa livre no ano fiscal de 2026, mantendo margens brutas de 75,2%. Esses números são extraordinários para uma empresa que opera na indústria de semicondutores, tradicionalmente intensiva em capital.
Mas o dado que realmente salta aos olhos é o retorno sobre o capital empregado, ou ROCE, que superou 101%. Isso significa que a Nvidia está gerando mais de um dólar de lucro operacional para cada dólar de capital investido no negócio. Em termos simples, a máquina de gerar valor da empresa está funcionando com uma eficiência que poucos negócios na história recente do mercado de tecnologia conseguiram alcançar. Essa performance financeira robusta dá à companhia uma flexibilidade enorme para investir em pesquisa e desenvolvimento, realizar aquisições estratégicas e retornar valor aos acionistas sem comprometer seu balanço.
Essa combinação de crescimento acelerado com margens elevadas e geração de caixa abundante é o que sustenta a avaliação premium das ações da Nvidia no mercado. Mesmo após a queda de 4% registrada desde a última cobertura de analistas, a tese de investimento permanece sólida, ancorada em fundamentos que vão muito além de projeções otimistas — são números reais, entregues trimestre após trimestre 📈
O cenário competitivo e os desafios pela frente
Apesar de todos os números positivos, seria ingênuo ignorar os desafios que a Nvidia enfrenta. A concentração de receita no segmento de data center é, ao mesmo tempo, uma fortaleza e um ponto de atenção. Qualquer desaceleração nos investimentos em infraestrutura de IA por parte das big techs — como Google, Microsoft, Amazon e Meta — teria um impacto direto nos resultados da empresa. Além disso, o cenário geopolítico continua sendo uma variável imprevisível. As restrições de exportação para a China, que já afetaram vendas de chips de alta performance, podem se intensificar dependendo das decisões regulatórias dos próximos meses.
No campo competitivo, a AMD tem feito progressos significativos com sua linha Instinct MI300, e empresas como Google e Amazon estão desenvolvendo chips customizados de IA para reduzir a dependência da Nvidia. Os TPUs do Google, por exemplo, já são amplamente utilizados internamente e estão disponíveis como serviço na Google Cloud. Ainda assim, a vantagem acumulada da Nvidia em termos de ecossistema de software e base instalada é difícil de superar no curto e médio prazo. O CUDA se tornou praticamente um padrão da indústria para computação em GPU, e migrar cargas de trabalho complexas para plataformas alternativas envolve custos significativos de tempo e engenharia que muitas empresas simplesmente não estão dispostas a assumir neste momento.
Além do hardware puro, a Nvidia tem investido pesado em software e serviços. A plataforma NIM, que facilita o deploy de modelos de IA em produção, e o Omniverse, voltado para simulação e gêmeos digitais, são exemplos de como a empresa está ampliando suas fontes de receita para além da venda de chips. Esse ecossistema completo funciona como um flywheel: quanto mais empresas adotam o hardware da Nvidia, mais desenvolvedores criam soluções otimizadas para ele, o que atrai ainda mais empresas. É um ciclo virtuoso que sustenta a tese de crescimento contínuo 🚀
O que esperar daqui para frente
Outro ponto que merece atenção é a sustentabilidade do ritmo de crescimento. Manter taxas de expansão de 70% ou mais sobre uma base de receita que já ultrapassa dezenas de bilhões de dólares por trimestre é matematicamente desafiador. A boa notícia para a Nvidia é que a adoção de AI Agents em escala empresarial ainda está nos estágios iniciais. Setores como saúde, finanças, manufatura e logística estão apenas começando a explorar o potencial desses agentes autônomos, e cada nova implementação significa mais demanda por GPUs e infraestrutura de data center.
Se a projeção de que a economia de AI Agents movimentará trilhões de dólares nos próximos anos se confirmar, a Nvidia está posicionada para capturar uma fatia generosa desse mercado. A combinação de um roadmap tecnológico agressivo com Blackwell e Rubin, uma base crescente de Sovereign AI, eficiência financeira de classe mundial e um ecossistema de software praticamente imbatível forma uma tese difícil de contestar.
A Nvidia não está apenas vendendo GPUs. Ela está criando o sistema operacional da economia da inteligência artificial — e cada trimestre que passa, essa visão se torna mais concreta nos números. Para quem acompanha o setor de tecnologia e inteligência artificial, essa é uma história que vale continuar observando de perto.
