Futuros
Aceda a centenas de contratos perpétuos
TradFi
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Lançamento
CandyDrop
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Pre-IPOs
Desbloquear acesso completo a IPO de ações globais
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Simple Earn
Ganhe juros com tokens inativos
Investimento automático
Invista automaticamente de forma regular.
Investimento Duplo
Aproveite a volatilidade do mercado
Soft Staking
Ganhe recompensas com staking flexível
Empréstimo de criptomoedas
0 Fees
Dê em garantia uma criptomoeda para pedir outra emprestada
Centro de empréstimos
Centro de empréstimos integrado
Acabei de perceber algo importante de Jensen Huang durante a última chamada de resultados da Nvidia que a maioria das pessoas pode estar a ignorar. O CEO basicamente lançou uma bomba sobre como é que os gastos com infraestrutura de IA realmente se vão desenrolar nos próximos anos, e isso muda toda a narrativa de crescimento.
Aqui está o que chamou a atenção: Huang apontou que o mundo gastou historicamente cerca de $400 bilhões anualmente em infraestrutura de computação clássica. Mas, ao considerar o que as cargas de trabalho de IA realmente exigem, ele diz que estamos a falar de mil vezes mais capacidade. Isso não é um crescimento incremental - é uma mudança de paradigma completa na quantidade de poder de computação que precisa ser implantado.
O timing é interessante porque a Nvidia está prestes a lançar a sua plataforma de próxima geração Vera Rubin, a partir da segunda metade deste ano. Isto não é apenas mais uma atualização de GPU. A arquitetura Rubin é tão eficiente que os modelos de IA podem ser treinados com 75% menos GPUs em comparação com a geração Blackwell atual, e os custos por token de inferência caem 90%. Quando se executam serviços de IA em grande escala, esse tipo de redução de custos muda toda a economia do negócio.
O que torna isto relevante neste momento é a magnitude da oportunidade. Huang estimou anteriormente que os gastos com centros de dados de IA poderiam atingir $4 triliões anualmente até 2030. Isso parecia agressivo na altura, mas se fizeres as contas com base nos requisitos de capacidade que ele descreve, começa a parecer mais realista. Ainda mais se os custos por token continuarem a cair e o uso acelerar.
No lado da avaliação, a Nvidia está a negociar a um P/E futuro de 21,5 com base nas estimativas de lucros para o ano fiscal de 2027, o que é na verdade mais barato do que o múltiplo atual do S&P 500 de 24,7. O P/E da ação de 36,1 fica 41% abaixo da média de 10 anos de 61,6. O consenso de Wall Street prevê que os lucros cresçam para $8,23 no próximo ano, partindo dos $4,77 que a empresa acabou de divulgar.
Não estou a fazer previsões aqui, mas se essas estimativas de lucros se confirmarem e a ação não se mexer, ela precisaria de subir 186% só para se alinhar às avaliações históricas. Mesmo uma subida parcial nesse cenário seria substancial, e é provavelmente por isso que os investidores institucionais continuam a encontrar razões para aumentar posições em qualquer fraqueza.