A Nvidia acabou de anunciar outro trimestre que faria a maioria das empresas chorar de inveja. A receita atingiu US$ 57 bilhões no Q3 FY2026, um aumento de 62% em relação ao mesmo período do ano anterior, com o segmento de data center sozinho gerando US$ 51,2 bilhões.
Os números por trás da narrativa
A receita de data centers da Nvidia, de US$ 51,2 bilhões, cresceu 25% em relação ao trimestre anterior e 66% em relação ao mesmo período do ano anterior. Isso coloca as operações de data centers da empresa acima de uma taxa anualizada de US$ 200 bilhões.
A empresa controla aproximadamente 80% do mercado de aceleradores de IA. Essa dominância não se trata apenas de hardware. Trata-se do ecossistema de software CUDA que prende os desenvolvedores à arquitetura da Nvidia.
O mercado global de inferência de IA está projetado para crescer de US$ 106,15 bilhões em 2025 para US$ 254,98 bilhões até 2030, representando uma taxa de crescimento anual composta de 19,2%. As arquiteturas Blackwell e Blackwell Ultra foram especificamente projetadas para melhorar a economia de inferência, tornando mais barato e rápido executar modelos de IA em produção.
Por que a inferência é mais importante que o treinamento
Treinar um modelo de IA é uma despesa única (ou periódica). A inferência — executar esse modelo treinado para atender usuários reais — ocorre continuamente. Cada consulta ao ChatGPT, cada resultado de busca gerado por IA, cada interação automatizada de atendimento ao cliente é uma carga de trabalho de inferência. Algumas estimativas do setor sugerem que a inferência pode eventualmente representar 80-90% de toda a demanda por computação em IA.
O CEO da Nvidia, Jensen Huang, vem sinalizando essa transição por trimestres. A arquitetura Blackwell foi projetada para lidar com os padrões computacionais específicos de inferência, onde a latência e o custo por consulta são tão importantes quanto o desempenho bruto.
A estranha reação do mercado
Apesar de apresentar números que superaram as expectativas, as ações da Nvidia caíram. A ação está cotada abaixo de 22x lucros futuros, uma avaliação que parece modesta para uma empresa que cresce sua receita em 62% ao ano.
Enquanto a Nvidia domina o treinamento, as cargas de inferência são mais diversificadas e potencialmente mais acessíveis aos concorrentes. Chips personalizados do Google, da Amazon e de um crescente grupo de startups estão todos direcionados especificamente à inferência. O espaço de redes GPU descentralizadas também está crescendo, oferecendo potencialmente computação de inferência a custos mais baixos ao agregar hardware subutilizado.
O múltiplo de lucros futuros abaixo de 22x sugere que o mercado está precificando alguma versão desse risco. Se isso representa uma oportunidade ou um aviso depende inteiramente de a Nvidia conseguir manter seu domínio à medida que a IA passa da construção de modelos para a execução em larga escala.