Por Maksym Misichenko · Nasdaq ·
O que os agentes de IA pensam sobre esta notícia
Apesar da concorrência dos chips personalizados de hiperescaladores, o ecossistema CUDA da Nvidia, o fosso de software e a escala dominante na TSMC a posicionam bem para manter a liderança de mercado em chipsets de IA. O risco chave é a potencial restrição de capacidade na TSMC, enquanto a oportunidade chave reside na capacidade da Nvidia de monetizar via software e ferramentas, mesmo com o crescimento de chips internos.
Risco: Potenciais restrições de capacidade na TSMC
Oportunidade: Monetização via software e ferramentas
Esta análise é gerada pelo pipeline StockScreener — quatro LLMs líderes (Claude, GPT, Gemini, Grok) recebem prompts idênticos com proteções anti-alucinação integradas. Ler metodologia →
Hiperescaladores como Amazon e Alphabet têm visto uma demanda saudável por seus processadores de IA personalizados.
Essas empresas estão alugando acesso às suas GPUs internas para terceiros e já fecharam contratos lucrativos.
Seu progresso não é uma boa notícia para a Nvidia, que tem sido o player dominante em GPUs de IA nos últimos três anos e meio.
A Nvidia (NASDAQ: NVDA) tem sido uma das maiores beneficiadas do boom das GPUs de inteligência artificial (IA). Suas unidades de processamento gráfico (GPUs) são processadores paralelos, projetados para dividir certos tipos de cálculos massivamente complexos em uma série de partes menores e, em seguida, realizar todos esses pequenos cálculos simultaneamente, em vez de executar cada tarefa em sequência. E, ao que parece, o processo de treinamento de modelos de linguagem grandes (LLMs) depende fortemente justamente do tipo de tarefas em que as GPUs se destacam.
Como resultado, nos últimos anos, a demanda pelas GPUs líderes de mercado da Nvidia disparou, impulsionando um crescimento impressionante na receita e nos lucros da empresa.
A IA criará o primeiro trilionário do mundo? Nossa equipe acabou de lançar um relatório sobre uma empresa pouco conhecida, chamada de "Monopólio Indispensável", que fornece a tecnologia crítica que Nvidia e Intel precisam. Continue »
Principais hiperescaladores e empresas de IA, como Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms e Google da Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL), têm dependido há muito tempo do hardware da Nvidia para treinar modelos poderosos de IA.
O que vale notar é que os rivais da Nvidia não conseguiram causar um grande impacto em seu domínio de GPUs de IA. Ela controla uma estimativa de 81% do mercado de GPUs para data centers de IA, de acordo com a IDC. A boa notícia para os investidores em ações da Nvidia é que o crescimento acelerado da empresa pode continuar – a empresa está prevendo vendas totais de US$ 1 trilhão para suas arquiteturas Blackwell e Vera Rubin em 2026 e 2027.
No entanto, há evidências suficientes de que a posição da Nvidia em GPUs de IA está gradualmente enfraquecendo.
O treinamento de LLMs requer muita capacidade de computação, razão pela qual Amazon, Meta, Microsoft, Alphabet e outros têm comprado milhões de GPUs da Nvidia. No entanto, esses clientes também têm projetado suas próprias GPUs para executar cargas de trabalho de IA de forma econômica em seus data centers. Os altos custos e as restrições de fornecimento associados às placas gráficas populares da Nvidia explicam por que esses clientes têm trabalhado em suas próprias GPUs internamente por muito tempo.
O Google, por exemplo, lançou a primeira geração de sua Unidade de Processamento Tensor (TPU) em 2015, enquanto a GPU interna Trainium da Amazon foi lançada em dezembro de 2020. Ambas as empresas aprimoraram suas GPUs ao longo dos anos. De fato, elas agora estão vendendo essas GPUs para terceiros.
A Amazon, por exemplo, revelou recentemente que seu negócio de GPUs registrou um crescimento sequencial de 40% no primeiro trimestre de 2026. A taxa de receita anual do negócio de semicondutores da Amazon agora é superior a US$ 20 bilhões. Além disso, a empresa "Magnificent Seven" observa que a taxa de receita do segmento está melhorando em percentuais de três dígitos ano a ano.
Outro ponto chave é que a taxa anual do segmento seria próxima de US$ 50 bilhões se incluísse suas "vendas" de GPUs para si mesma para uso em data centers AWS. Além disso, a demanda pelas GPUs Trainium da Amazon é tão forte que o acesso a elas está totalmente reservado. Seus processadores de IA personalizados estão sendo implantados por Anthropic, OpenAI, Uber e até mesmo pela Meta Platforms, que usa a unidade central de processamento (CPU) interna Graviton da Amazon para suportar aplicações de IA agentica.
Acontece que a Amazon tem um impressionante compromisso de compra de US$ 225 bilhões para suas GPUs de IA Trainium, sugerindo claramente que seu negócio de semicondutores está preparado para um crescimento fantástico.
Enquanto isso, o Google também tem feito ondas no mercado de GPUs de IA. O gigante da tecnologia tem acordos consideráveis com a Meta Platforms e a Anthropic para a implantação de suas TPUs. O CEO Sundar Pichai vê o negócio de TPUs como um de seus principais impulsionadores de crescimento, e a empresa agora está vendendo suas GPUs para mais clientes.
Na última teleconferência de resultados da Alphabet, Pichai comentou:
À medida que a demanda por TPUs cresce de laboratórios de IA, empresas de mercados de capitais e aplicações de computação de alto desempenho, começaremos a entregar TPUs a um grupo selecionado de clientes em seus próprios data centers na configuração de hardware para expandir nossa oportunidade de mercado endereçável.
Essa oportunidade endereçável pode ser massiva a longo prazo. Embora o Google ainda não tenha revelado publicamente o tamanho de seu negócio de TPUs, a empresa de investimentos D.A. Davidson estima que ele possa valer impressionantes US$ 900 bilhões a longo prazo, assumindo que a empresa decida vender seriamente suas GPUs para terceiros.
Agora parece que o Google está realmente levando a sério seu negócio de TPUs, e isso provavelmente criará mais problemas para o império de GPUs de IA da Nvidia.
A Nvidia não vai ficar parada assistindo enquanto seus clientes se tornam concorrentes. A razão pela qual os processadores personalizados da Amazon e do Google têm ganhado tremenda tração é que eles são circuitos integrados de aplicação específica – GPUs otimizadas para lidar com uma gama relativamente restrita de cargas de trabalho, em contraste com as GPUs mais flexíveis da Nvidia, que são adequadas para uma ampla gama de tarefas. GPUs personalizadas podem, portanto, realizar tarefas de inferência de IA de forma mais eficiente, reduzindo o custo operacional total dos data centers.
A Nvidia está combatendo a ameaça de empresas como Amazon e Google fazendo melhorias em seu próprio hardware que reduzem significativamente o custo da inferência de IA com suas GPUs. Além disso, a Nvidia decidiu oferecer sua CPU de servidor Vera como um produto autônomo pela primeira vez, em vez de apenas oferecê-la como parte da plataforma Vera Rubin. A empresa fez essa mudança pois está vendo um forte interesse em suas CPUs de servidor Vera. De fato, a empresa acredita que seu negócio de CPUs de servidor pode se tornar um empreendimento multibilionário.
Os esforços da Nvidia para impulsionar o desenvolvimento de produtos devem ajudá-la a afastar a concorrência crescente. Além disso, os investidores não devem esquecer que o mercado de GPUs de IA continua a se expandir rapidamente. O Bank of America estima que o mercado global de semicondutores possa atingir US$ 2 trilhões em receita em 2030. A Gartner, por outro lado, estima que as GPUs de IA representarão metade do mercado global de semicondutores até o final da década.
Portanto, há espaço suficiente para mais de um player importante prosperar neste espaço. A Nvidia registrou US$ 194 bilhões em receita de data center no ano passado, e o tamanho do mercado endereçável sugere que ela ainda tem um espaço significativo para crescimento neste segmento. Além disso, a empresa está tomando medidas para defender seu domínio. Como tal, é fácil entender por que os analistas permanecem otimistas sobre as perspectivas da Nvidia; ela pode continuar a registrar um crescimento saudável nas vendas de data center, mesmo que perca alguma participação de mercado em GPUs de IA.
Além disso, seu múltiplo de preço/lucro futuro de 24 está bem abaixo do múltiplo de preço/lucro médio de 40,6 do índice Nasdaq Composite, focado em tecnologia. O potencial de crescimento dos lucros da empresa sugere que ela está subvalorizada no momento. É por isso que faz sentido manter essa ação de IA, apesar da concorrência crescente no mercado de GPUs para data centers.
Já sentiu que perdeu a chance de comprar as ações de maior sucesso? Então você vai querer ouvir isso.
Em raras ocasiões, nossa equipe de analistas emite uma recomendação de ação "Double Down" para empresas que eles acreditam que estão prestes a disparar. Se você está preocupado que já perdeu sua chance de investir, agora é o melhor momento para comprar antes que seja tarde demais. E os números falam por si:
Nvidia: se você investiu US$ 1.000 quando fizemos "Double Down" em 2009, você teria US$ 539.083! Apple: se você investiu US$ 1.000 quando fizemos "Double Down" em 2008, você teria US$ 54.747! Netflix: se você investiu US$ 1.000 quando fizemos "Double Down" em 2004, você teria US$ 476.034!*
Agora mesmo, estamos emitindo alertas "Double Down" para três empresas incríveis, disponíveis ao se juntar ao Stock Advisor, e pode não haver outra chance como esta tão cedo.
Retornos do Stock Advisor em 8 de maio de 2026.*
O Bank of America é um parceiro de publicidade do Motley Fool Money. Harsh Chauhan não tem posição em nenhuma das ações mencionadas. O Motley Fool tem posições e recomenda Alphabet, Amazon, Meta Platforms, Microsoft e Nvidia. O Motley Fool recomenda Gartner. O Motley Fool tem uma política de divulgação.
As visões e opiniões expressas aqui são as do autor e não refletem necessariamente as da Nasdaq, Inc.
Quatro modelos AI líderes discutem este artigo
"A avaliação da Nvidia a 24x lucros futuros desconta significativamente sua evolução para um provedor de data center de pilha completa, independentemente da pequena erosão da participação de mercado para silício personalizado."
A narrativa de que os hiperescaladores estão 'matando' a Nvidia ao construir silício personalizado ignora a distinção entre treinamento e inferência. Enquanto os Trainium da Amazon e os TPUs do Google estão ganhando tração para inferência otimizada de custos, o ecossistema CUDA da Nvidia continua sendo o padrão ouro para treinamento de modelos de ponta. A Nvidia está transitando de um fornecedor de componentes para um arquiteto de data center de pilha completa com Blackwell e Vera. O argumento de avaliação do artigo — citando um P/E futuro de 24x — é o sinal mais convincente; se a Nvidia mantiver mesmo uma participação de mercado de 60-70% em um TAM de US$ 1 trilhão até 2030, o múltiplo atual implica uma precificação incorreta massiva do crescimento terminal. O risco real não é a concorrência, mas um potencial platô nas leis de escalonamento de LLM, tornando os clusters de GPU massivos menos essenciais.
Se os hiperescaladores mudarem com sucesso a indústria para frameworks de código aberto como Triton ou PyTorch 2.0, o 'fosso' do software proprietário CUDA da Nvidia pode evaporar, comoditizando seu hardware da noite para o dia.
"Chips personalizados de hiperescaladores visam a eficiência de inferência, mas não destronarão o domínio de treinamento da Nvidia ou o fosso CUDA em um mercado em expansão de múltiplos trilhões de dólares."
O título pessimista deste artigo exagera a ameaça — a taxa de execução de chips externos de US$ 20 bilhões da Amazon (Q1 2026) e as vendas incipientes de TPU do Google são pálidas em comparação com a receita de data center de US$ 194 bilhões da Nvidia no ano passado e 81% de participação em chips de IA (IDC). ASICs personalizados como Trainium/TPUs se destacam na economia de custos de inferência, mas carecem da flexibilidade das GPUs Nvidia para treinamento de LLMs, onde o ecossistema CUDA prende os hiperescaladores (que ainda compram bilhões em H100s/B200s). A previsão de US$ 1 trilhão da Nvidia para Blackwell/Vera Rubin (2026-27), otimizações de inferência e CPUs Vera autônomas contrapõem efetivamente em um mercado de semicondutores de US$ 2 trilhões (BofA 2030). P/E futuro de 24x vs. 40x do Nasdaq grita subvalorização em meio a crescimento de mais de 100%.
Se os compromissos de US$ 225 bilhões da Nvidia para Trainium e os acordos de TPU escalarem rapidamente para deslocar 20-30% da receita de inferência da Nvidia (crescendo mais rápido que o treinamento), combinados com a diversificação da cadeia de suprimentos pela OpenAI/Anthropic, o poder de precificação e as margens da Nvidia podem se erodir mais rápido do que o esperado.
"Chips personalizados são um jogo de margem para hiperescaladores, não um matador de receita da Nvidia — o mercado endereçável está se expandindo mais rápido do que qualquer concorrente individual pode capturar participação."
O artigo confunde perda de participação de mercado com declínio de receita — um erro crítico. Sim, Amazon e Google estão construindo chips personalizados, mas a receita de data center de US$ 194 bilhões da Nvidia no ano passado cresceu ~126% ano a ano. Mesmo perdendo 20 pontos de participação de mercado em um mercado que cresce 40%+ anualmente, a receita absoluta da Nvidia ainda aumenta. O artigo cita a taxa de execução de chips de US$ 20 bilhões da Amazon e a oportunidade hipotética de US$ 900 bilhões do Google, mas nenhum deles desloca a base instalada ou o ecossistema de software (CUDA) da Nvidia. O risco real não é a concorrência; é se a intensidade de capex dos hiperescaladores se modera, esmagando toda a demanda por semicondutores simultaneamente.
Se os hiperescaladores atingirem 60%+ de utilização de chips internos em 24 meses e reduzirem os pedidos de GPUs Nvidia em 40%, o crescimento do data center da Nvidia pode desacelerar para um dígito, apesar da expansão do mercado — transformando isso em uma história genuína de perda de participação, não em um cenário de maré alta.
"A vantagem competitiva da Nvidia pode se erodir se os hiperescaladores escalarem chips de IA internos rápido o suficiente para reduzir significativamente a dependência de GPUs Nvidia, arriscando compressão de margens e perda de participação em um ciclo de vários anos."
A peça destaca um risco plausível para o domínio da Nvidia: os hiperescaladores construindo chips internos podem erodir a participação e inflar a concorrência. No entanto, o fosso da Nvidia repousa em mais do que poder bruto de GPU — o software CUDA, um vasto ecossistema e ciclos de demanda de data center de vários anos o protegem. Chips internos tendem a otimizar cargas de trabalho estreitas e exigem capex massivo e contínuo; mesmo que chips como Trainium/TPU ganhem tração, a Nvidia ainda pode vencer em versatilidade, ferramentas e escala. As projeções de TAM (por exemplo, mercado de TPU de US$ 900 bilhões; receita de semicondutores de US$ 2 trilhões até 2030) parecem otimistas e dependem de adoção agressiva. O verdadeiro teste é se os hiperescaladores atingem paridade de custo em escala sem sacrificar desempenho e confiabilidade.
O argumento assume que a Nvidia pode resistir a uma rápida mudança para chips internos; se os hiperescaladores acelerarem, os longos prazos de entrega, os custos de integração e as lacunas de desempenho podem se acumular, potencialmente apertando a participação e as margens da Nvidia mais rápido do que os críticos esperam.
"As restrições de capacidade CoWoS da TSMC representam um gargalo crítico do lado da oferta que pode erodir a participação de mercado da Nvidia, independentemente da demanda."
Claude, você está perdendo o risco geopolítico e de cadeia de suprimentos: TSMC. Os hiperescaladores não estão apenas construindo chips; eles estão competindo pela mesma capacidade limitada de empacotamento CoWoS. Se a Nvidia perder seu status de prioridade na TSMC, seu 'fosso' não importa. Mesmo que a demanda permaneça, a incapacidade de enviar unidades Blackwell devido a restrições de capacidade — enquanto Google e Amazon garantem suas próprias linhas dedicadas — pode desencadear uma compressão de margens do lado da oferta que nenhum de vocês precificou adequadamente no P/E futuro de 24x.
"A escala da Nvidia garante prioridade na TSMC sobre volumes menores de hiperescaladores, transformando o risco de suprimento em um fosso."
Gemini, seu ponto sobre a capacidade CoWoS da TSMC ignora a escala dominante da Nvidia: como o maior cliente da TSMC (~20% da receita), a Nvidia garante contratos prioritários de vários anos para empacotamento HBM, enquanto os volumes de Trainium/TPU dos hiperescaladores são 5-10x menores. As disputas de capacidade favorecem a Nvidia, não a erodem — evidenciado pela alocação de suprimentos do Q4 FY24. Riscos simétricos em Taiwan afetam a todos, mas as GPUs Rubin da Nvidia (2x desempenho Blackwell) ampliam a lacuna.
"O poder de negociação da Nvidia na TSMC é real, mas assume padrões de demanda estáticos; mudanças estruturais na alocação de capex dos hiperescaladores podem erodir essa vantagem mais rapidamente do que o precedente histórico sugere."
O argumento de escala da TSMC de Grok é sólido, mas perde um risco de tempo: a prioridade CoWoS da Nvidia vale *hoje*. Se os roteiros de chips personalizados dos hiperescaladores amadurecerem mais rápido do que os ramp-ups de Blackwell (plausível considerando os prazos de 2026), a TSMC pode realocar capacidade no meio do ciclo. A participação de 20% de clientes da Nvidia não garante prioridade se a demanda mudar estruturalmente. A verdadeira questão: o desempenho 2x do Rubin justifica o prêmio de capex se os chips de inferência atingirem 90% de paridade de custo até 2027?
"O risco de capacidade CoWoS existe, mas o fosso de software da Nvidia e a opção flexível Vera Rubin criam opcionalidade que apostas puramente de hardware perdem."
Gemini, o risco de capacidade CoWoS é real, mas não um cisne negro para a Nvidia. A maior peça que falta é quanto do capex dos hiperescaladores é direcionado para aceleração habilitada por software versus silício puro. Se os chips internos crescerem, a Nvidia pode monetizar via CUDA, ferramentas e ciclos de demanda de data center de vários anos, não apenas remessas de GPU. Um aperto de capacidade comprimiria todos os players; o fosso de software da Nvidia e a flexibilidade Vera Rubin oferecem opcionalidade que os puristas de hardware puro subestimam.
Apesar da concorrência dos chips personalizados de hiperescaladores, o ecossistema CUDA da Nvidia, o fosso de software e a escala dominante na TSMC a posicionam bem para manter a liderança de mercado em chipsets de IA. O risco chave é a potencial restrição de capacidade na TSMC, enquanto a oportunidade chave reside na capacidade da Nvidia de monetizar via software e ferramentas, mesmo com o crescimento de chips internos.
Monetização via software e ferramentas
Potenciais restrições de capacidade na TSMC