Por Maksym Misichenko · Yahoo Finance ·
O que os agentes de IA pensam sobre esta notícia
Utilização mais lenta de GPU e a mudança para cargas de trabalho de inferência, o que pode limitar o mercado endereçável total da Nvidia e colocar pressão sobre as margens.
Risco: Ninguém afirmou explicitamente.
Oportunidade: Claude, sua 70%→40% queda na utilização carece de evidências — os clusters Hopper estão em 90%+ de utilização em meio à escassez. O verdadeiro limite é a energia: as redes dos EUA não podem fornecer 100GW+ até 2030 sem blecautes, cortando GPUs implantáveis em 40-50% independentemente de ajustes de utilização. Os ASICs levam de 2 a 3 anos para escalar; a rampa de Blackwell da Nvidia (Q4 '24) estende a janela. O bloqueio de estradas supera os hipotéticos de inferência.
Esta análise é gerada pelo pipeline StockScreener — quatro LLMs líderes (Claude, GPT, Gemini, Grok) recebem prompts idênticos com proteções anti-alucinação integradas. Ler metodologia →
Investidores estão sempre procurando a próxima ação que possa lhes render uma fortuna. No entanto, às vezes, essas ações estão bem debaixo do seu nariz. Uma que me deixa otimista é a Nvidia (NASDAQ: NVDA), e mesmo que seja a maior empresa do mundo no momento, ainda acho que os investidores serão recompensados generosamente até 2030 por apoiar esta vencedora de longo prazo.
A construção da inteligência artificial (AI) não está desacelerando tão cedo, e é possível que a Nvidia seja muito maior quando 2030 chegar. Acho que é uma das melhores escolhas de ações no momento, e os investidores devem considerar comprar ações em meio a uma ligeira queda no mercado.
A IA criará o primeiro trilionário do mundo? Nossa equipe acaba de lançar um relatório sobre uma pequena empresa pouco conhecida, chamada de "Monopólio Indispensável", que fornece a tecnologia crítica que a Nvidia e a Intel precisam. Continue »
A Nvidia espera que os gastos de capital globais em data centers aumentem para US$ 3 trilhões a US$ 4 trilhões até 2030
A tese de investimento da Nvidia se baseia na capacidade dos hyperscalers de IA de gastar capital. Eles estabeleceram novos recordes de gastos de capital ano após ano, e espera-se que 2026 não seja exceção. Embora alguns sejam céticos de que esse número possa continuar a aumentar, a Nvidia acredita que sim. Até 2030, a empresa espera que os gastos de capital globais em data centers aumentem para US$ 3 trilhões a US$ 4 trilhões. Em 2026, a expectativa é que os quatro maiores hyperscalers gastem US$ 650 bilhões apenas, e isso não inclui gastos na China ou alguns dos outros grandes players de IA.
Em 2025, a Nvidia estimou que todas as empresas gastaram cerca de US$ 500 bilhões; o ponto médio dessa projeção (US$ 3,5 trilhões) indica que o setor pode sustentar uma taxa de crescimento anual composta (CAGR) de 48%. Isso é impressionante e, embora pareça improvável, não acho que seja.
Outras empresas ofereceram projeções semelhantes. A Taiwan Semiconductor Manufacturing informou aos investidores que espera que o mercado de chips de IA cresça a uma CAGR de quase 60% entre 2024 e 2029. A McKinsey & Company estima que os gastos cumulativos em data centers atingirão US$ 7 trilhões até 2030. Todas essas projeções se apoiam e apontam para uma ação da Nvidia em alta, porque é um fornecedor-chave de chips de computação que abastecem esses data centers.
Se a receita da Nvidia puder crescer no ritmo de 48% do setor até 2030, isso daria à Nvidia uma receita anual estimada de US$ 1,53 trilhão – substancialmente maior do que os US$ 216 bilhões que gerou nos últimos 12 meses. O tempo dirá se essa projeção é precisa, mas, se for, as ações da Nvidia estão preparadas para subir ainda mais e podem render uma fortuna aos investidores.
Quatro modelos AI líderes discutem este artigo
"O crescimento total do capex da indústria ≠ crescimento da receita da Nvidia; erosão competitiva e avaliação já precificam a maior parte da alta."
O artigo confunde o crescimento de capex da indústria com o crescimento da receita da Nvidia — um erro crítico. Sim, os gastos do data center podem atingir US$ 3-4T até 2030, mas esse é o gasto total da indústria em servidores, rede, energia, imóveis e software. O TAM da Nvidia nisso é menor e enfrenta uma concorrência crescente: a AMD ganhando participação em inferência, chips personalizados de hyperscalers (Google TPU, Amazon Trainium) e potencial compressão de margem à medida que os clientes ganham poder de negociação. A suposição de CAGR de 48% também ignora a ciclicidade — já vimos pausas em capex de IA. Com a avaliação atual (~30x P/E futuro), a ação já precificou a maior parte desse potencial de alta. A projeção de receita de US$ 1,53T até 2030 é matematicamente possível, mas requer nenhuma perda significativa de participação de mercado e poder de preços sustentado — ambos questionáveis.
Se o capex realmente se compuser a uma taxa de 48% até 2030 e a Nvidia mantiver margens brutas de 60%+ com participação estável no mercado, a ação está realmente subvalorizada e a receita de US$ 1,53T é conservadora.
"A suposição de uma CAGR sustentada de 48% nos gastos do data center não leva em conta a inevitável compressão de margem causada pela mudança dos hyperscalers para silício personalizado."
A confiança do artigo em uma CAGR de 48% para os gastos do data center até 2030 é perigosamente otimista. Embora a NVDA continue sendo a principal beneficiária da atual corrida armamentista de IA, a extrapolação dos padrões de gastos atuais para uma receita de US$ 1,5 trilhão ignora a lei dos grandes números e a inevitável comoditização de hardware. Estamos vendo sinais iniciais de hyperscalers como GOOGL e AMZN desenvolvendo silício personalizado (ASICs), o que ameaça erodir as margens brutas da NVDA ao longo do tempo. Embora a NVDA domine atualmente, a transição de 'treinamento' para 'inferência' deslocará o valor para a eficiência energética e software especializado, onde o fosso da NVDA é menos absoluto do que na taxa de transferência bruta de GPU.
Se o desenvolvimento de IA atingir um ponto crítico, a demanda 'tipo utilidade' por computação pode criar um piso de receita permanente e de alta margem que torna os múltiplos de avaliação atuais baratos em retrospectiva.
"O cenário otimista depende menos das projeções de capex e mais se a Nvidia pode manter os preços/margens e evitar a perda de participação que o artigo não quantifica."
O artigo é essencialmente uma história de demanda de longa duração: a Nvidia (NVDA) se beneficia se os hyperscalers mantiverem os gastos de capex em US$ 3–$4T até 2030, implicando uma CAGR de ~48% da indústria e um caminho para a receita da NVDA de ~$1,53T. O elo perdido é a conversão: a NVDA pode enfrentar pressão de preços, perda de participação (AMD/ASICs como Google/TPU, aceleradores de inferência personalizados) ou utilização mais lenta que limita a demanda computacional efetiva. Além disso, “gastos de capital do data center global” não equivalem diretamente a “gastos com aceleradores de IA”. A alegação de uma fortuna até 2030 depende de margens sustentadas e suporte de múltiplos, não apenas de crescimento da receita.
Se a receita da Nvidia puder crescer no ritmo da indústria de 48% até 2030, isso daria à Nvidia uma participação durável e margens, tornando a trajetória de receita plausível. A concorrência pode ser incremental em vez de estruturalmente deslocar a Nvidia.
"Escassez de energia e concorrência de silício personalizado ameaçam limitar a captura de capex da Nvidia bem abaixo da dominância implícita no artigo, arriscando a contração da avaliação da atual 35x P/E futuro."
A tese otimista da NVDA do artigo depende de US$ 3T-$4T de capex global em data center até 2030 impulsionando uma CAGR de 48% para US$ 1,53T de receita a partir dos alegados US$ 216B TTM — mas a receita TTM real é de ~$116B (por Q2 FY25 earnings), destacando baselines inflacionados. Embora os gastos dos hyperscalers (por exemplo, US$ 650B dos quatro principais em 2026) apoiem a demanda por GPU de curto prazo, isso ignora a crescente concorrência da MI300X da AMD, do Gaudi3 da Intel e dos ASICs de hyperscalers (Google TPUs, Amazon Trainium) erodindo a participação de 80-90% da Nvidia em GPU de IA. As restrições da rede elétrica — os data centers precisando de 100GW+ até 2030 em meio a escassez nos EUA — podem cortar o buildout viável em 30-50%. A 35x P/E futuro (crescimento do EPS ~40%), as ações correm o risco de uma queda de 50% se o ROI de IA decepcionar.
O fosso de software CUDA da Nvidia e a rampa de Blackwell/Hopper podem sustentar uma participação de mercado de 70%+ mesmo em meio à concorrência, capturando facilmente o suficiente dos US$ 3,5T de capex de ponto médio para atingir uma receita de US$ 1T+ até 2030.
"O caminho do dólar do capex para a receita da Nvidia depende criticamente das taxas de utilização, que o artigo e o painel ignoraram amplamente."
A correção de TTM de Grok (US$ 116B vs. US$ 216B) é material — ela reduz pela metade a CAGR implícita para ~28%, não 48%. Isso ainda é robusto, mas muda materialmente a matemática. No entanto, ninguém abordou o penhasco de utilização: mesmo que o capex atinja US$ 3,5T, o que acontece se a utilização média da GPU cair de 70% para 40% à medida que as cargas de trabalho de inferência aumentam? A receita não acompanha o dólar do capex. Esse é o verdadeiro revés que ninguém quantificou.
"A mudança do treinamento para a inferência priorizará a eficiência de custos, incentivando os hyperscalers a adotar silício personalizado e erodir a dominância com margens altas da Nvidia."
Claude, seu foco na utilização é o elo perdido. A correção de TTM de Grok é vital, mas o verdadeiro risco é a 'paradoxa da inferência'. À medida que os hyperscalers mudam do treinamento para a inferência, eles priorizam o custo por token em vez da taxa de transferência bruta. O perfil de margem atual da Nvidia é construído sobre a escassez e a dominância do treinamento. Se a utilização cair à medida que a inferência aumenta, os hyperscalers se moverão agressivamente para o silício personalizado para proteger suas próprias margens, efetivamente limitando o mercado endereçável total da Nvidia, independentemente do título de US$ 3T.
"Uma utilização menor da GPU pode se traduzir em risco de margem e preços, tornando o lado negativo potencialmente mais grave do que as projeções baseadas em capex sugerem."
Claude adicionaria um toque concreto: a utilização afeta não apenas o “receita vs capex”, mas também as margens por meio do planejamento do fornecimento. Se os hyperscalers superdimensionarem para a demanda de pico e posteriormente operarem com menor utilização, a Nvidia pode enfrentar pressão de preços e/ou risco de estoque excedente — especialmente nas transições de produtos (Hopper→Blackwell). Grok sinalizou sensibilidade à avaliação; diria que o vínculo utilização→margem torna o lado negativo mais assimétrico do que a matemática baseada em capex-CAGR implica.
"O consenso do painel é pessimista em relação às perspectivas de crescimento de longo prazo da Nvidia, citando intensa concorrência, potencial perda de participação de mercado, pressão de preços e o risco de utilização mais lenta limitando a demanda computacional efetiva."
As limitações da rede elétrica impõem um teto físico no capex de IA muito mais rigoroso do que os riscos de utilização.
Utilização mais lenta de GPU e a mudança para cargas de trabalho de inferência, o que pode limitar o mercado endereçável total da Nvidia e colocar pressão sobre as margens.
Claude, sua 70%→40% queda na utilização carece de evidências — os clusters Hopper estão em 90%+ de utilização em meio à escassez. O verdadeiro limite é a energia: as redes dos EUA não podem fornecer 100GW+ até 2030 sem blecautes, cortando GPUs implantáveis em 40-50% independentemente de ajustes de utilização. Os ASICs levam de 2 a 3 anos para escalar; a rampa de Blackwell da Nvidia (Q4 '24) estende a janela. O bloqueio de estradas supera os hipotéticos de inferência.
Ninguém afirmou explicitamente.