Em um setor conhecido por projeções otimistas que raramente se concretizam, Jensen Huang, CEO da Nvidia, tem motivos concretos para soar confiante. Em declarações feitas em 10 de setembro de 2026, o executivo detalhou por que acredita que a empresa vai crescer 70% em receita no próximo ano fiscal, passando de aproximadamente US$ 400 bilhões para cerca de US$ 680 bilhões. Mais do que um exercício de otimismo, Huang apresentou os dados específicos que sustentam essa projeção – e eles revelam o quanto a demanda por computação de IA está transformando o mercado de hardware.
Para colocar em perspectiva: crescer 70% significa adicionar US$ 280 bilhões em receita em um único ano. Isso equivale ao valor de mercado de empresas como a Nike ou a General Motors, gerado como receita nova em 12 meses. A Nvidia já é uma das empresas mais valiosas do mundo, e os números que Huang apresentou sugerem que a trajetória está longe de desacelerar.
O sistema que puxa o crescimento: Grace CPUs e Blackwell GPUs
No coração das projeções de Huang está um sistema específico que combina 36 processadores Grace, desenvolvidos pela própria Nvidia para tarefas de IA, com 72 GPUs da família Blackwell, a mais recente geração de chips gráficos da empresa. Esse sistema está registrando um crescimento de 27% mês a mês em vendas, uma taxa que, se mantida, duplicaria as vendas em menos de quatro meses.
Os números de escala são igualmente impressionantes: cada unidade completa desse sistema custa US$ 8,5 milhões e consome 250 mil kilowatts de energia, o equivalente ao consumo de uma cidade de médio porte. Quem compra esse hardware não são consumidores individuais, mas os maiores laboratórios de IA e provedores de nuvem do mundo, empresas como Microsoft, Google, Amazon e Meta, além de startups como Anthropic e OpenAI.
A GPU Blackwell, em particular, representa um salto geracional em relação à família H100, que foi o chip dominante de IA nos últimos dois anos. As Blackwells oferecem maior eficiência energética e desempenho significativamente superior para treinamento e inferência de modelos grandes, o que torna a atualização de infraestrutura praticamente obrigatória para qualquer laboratório que queira manter competitividade.
“A Nvidia roda todos os modelos”
Uma das falas mais reveladoras de Huang foi direta ao ponto: “A Nvidia roda todos os modelos. Todo laboratório pode nos usar.” A afirmação não é apenas marketing: ela reflete uma posição de mercado que a empresa construiu ao longo de anos de desenvolvimento de software e hardware especializados para IA.
O ecossistema CUDA, plataforma de computação paralela da Nvidia usada para treinar modelos de IA, tornou-se o padrão de facto do setor. Praticamente todos os grandes modelos de linguagem, incluindo os da Anthropic (Claude), OpenAI (ChatGPT, Astra), Google (Gemini) e modelos de código aberto como Llama da Meta, foram treinados em GPUs da Nvidia. Migrar para hardware alternativo exigiria reescrever uma quantidade enorme de código e perder anos de otimizações acumuladas.
Isso coloca a Nvidia em uma posição única: ao contrário da maioria das empresas de tecnologia, ela não compete diretamente com seus clientes. Tanto a OpenAI quanto o Google, que brigam ferozmente pelo mesmo usuário final, dependem da Nvidia para rodar suas operações. É uma posição raramente vista na indústria e que explica em grande parte a trajetória de crescimento da empresa.
Vigilância global de data centers
Outro detalhe revelado por Huang aponta para a inteligência de mercado sofisticada que a empresa desenvolveu. Segundo ele, “estamos rastreando cada gigawatt de terreno, energia e infraestrutura ao redor do mundo.” A declaração revela que a Nvidia monitora de perto os planos de expansão de data centers globalmente, o que lhe permite antecipar demanda e ajustar sua produção com precisão.
Essa visibilidade é possível porque a venda de chips de alto desempenho para data centers envolve contratos negociados meses ou anos antes da entrega. Os clientes comprometem quantidades específicas com antecedência, o que permite à Nvidia ter um pipeline de pedidos excepcionalmente detalhado. Quando Huang diz que vai crescer 70%, ele não está apenas especulando: está lendo contratos já firmados.
No Brasil, esse crescimento da infraestrutura global de IA tem reflexos práticos. Provedores de nuvem como AWS, Azure e Google Cloud, que rodam em hardware da Nvidia, continuam expandindo sua capacidade, incluindo data centers em território nacional. Quanto mais chips Blackwell entram em operação, mais acessíveis ficam os serviços de IA para empresas brasileiras que dependem dessas plataformas.
A questão dos acordos circulares
Huang também abordou, com certa ironia, uma preocupação recorrente dos analistas de mercado: os chamados “acordos circulares”, em que a Nvidia investe em startups de IA que, em troca, compram chips da empresa. Para os céticos, esse arranjo inflaria artificialmente a receita.
A resposta de Huang foi direta: “Colocamos US$ 1 e voltam US$ 100.” Segundo ele, todos os investimentos da Nvidia em startups são lastreados em contratos de receita já existentes, ou seja, a empresa só investe em parceiros que já estão gerando vendas reais de produto, não apenas promessas futuras. Seja qual for a interpretação, a realidade é que a Nvidia encerrou seu último trimestre com receitas e margens que superaram as expectativas do mercado.
Chips de IA e o futuro da computação
O crescimento da Nvidia reflete uma mudança estrutural no setor de tecnologia. Durante décadas, o chip mais importante era o processador central (CPU), responsável por praticamente toda a computação de consumidores e empresas. Com a ascensão da IA generativa, a GPU, originalmente concebida para renderizar gráficos em jogos, tornou-se o componente mais valioso da era digital.
Para desenvolvedores e profissionais de tecnologia no Brasil, entender essa mudança é fundamental. Ferramentas usadas no dia a dia, de ChatGPT e Claude a sistemas de recomendação do Netflix e Spotify, rodam em algum lugar em GPUs da Nvidia. O crescimento de 70% projetado por Huang é, em última análise, um reflexo de quanto a inteligência artificial se tornou parte da infraestrutura tecnológica global.
Concorrentes como AMD e Intel estão tentando competir no mercado de chips para IA, mas a vantagem do ecossistema CUDA torna a transição difícil e lenta. Google, Apple e Amazon também estão desenvolvendo chips próprios para reduzir a dependência da Nvidia, mas, por enquanto, a empresa mantém uma posição dominante que parece difícil de contestar no curto prazo.
O que esperar nos próximos meses
Com as projeções de crescimento de 70% para o próximo ano fiscal, a Nvidia entra em um território de escalas que pouquíssimas empresas já alcançaram. A demanda por GPUs Blackwell deve continuar elevada enquanto laboratórios de IA, governos e grandes corporações acelerarem seus investimentos em inteligência artificial.
O contexto geopolítico também joga um papel importante: restrições de exportação dos Estados Unidos para a China limitam quais versões de chips a Nvidia pode vender a clientes chineses, o que tem impactado parte de suas receitas. Mesmo assim, a demanda no restante do mundo mais do que compensa essa limitação, segundo as estimativas da empresa.
Para acompanhar os detalhes completos das declarações de Jensen Huang, leia a matéria original no TechCrunch (em inglês).
