Era dos chips personalizados de IA: sob a evolução colaborativa entre ASIC e GPU, a MRVL pode tornar-se a próxima empresa de um trilhão de dólares?

27 de maio de 2026, a Marvell Technology (MRVL) divulgou os resultados do primeiro trimestre do FY2027 — receita de 2,418 milhões de dólares, aumento de 28% em relação ao ano anterior, crescimento de 9% em relação ao trimestre anterior, superando ligeiramente a previsão de mercado de 2,41 bilhões de dólares. Mas o que realmente fez o mercado ferver não foi essa performance acima das expectativas, e sim o que aconteceu a seguir: em 2 de junho, o CEO da NVIDIA, Jensen Huang, no COMPUTEX 2026 em Taipei, apareceu ao lado do CEO da Marvell, Matt Murphy, e anunciou publicamente: “Senhoras e senhores, esta é a próxima empresa a atingir um valor de mercado de um trilhão de dólares.”

Essa declaração fez com que as ações da Marvell disparassem mais de 30% em um único dia. Até o momento do anúncio, o preço das ações da Marvell desde 2026 quase dobrou, com alta de 95% no ano.

Por trás dessas oscilações, surge uma questão mais profunda do setor: os chips ASIC (Application-Specific Integrated Circuit) para IA estão se tornando uma via paralela ao desenvolvimento de GPUs. Por que gigantes tecnológicos (Google TPU, Amazon Trainium, Meta MTIA) estão evitando a NVIDIA e investindo em pesquisa e desenvolvimento próprios? Qual o papel da Marvell nesse cenário — substituta ou colaboradora das GPUs?

A essência dos chips ASIC para IA: da abordagem generalista à especializada — uma mudança de paradigma

Para entender por que gigantes tecnológicos estão investindo em chips próprios, primeiro é preciso esclarecer um conceito: a diferença fundamental entre ASIC e GPU reside na balança entre versatilidade e especialização.

GPU (Unidade de Processamento Gráfico) é um chip de computação geral para IA. As GPUs da NVIDIA podem se destacar em treinamento, inferência, visão computacional, reconhecimento de voz, sistemas de recomendação e diversas tarefas de IA, mas isso também implica em circuitos redundantes e conjuntos de instruções genéricos, o que pode ser otimizado em termos de eficiência energética em cenários específicos.

ASIC (Circuito Integrado de Aplicação Específica) é hardware feito sob medida para tarefas específicas de IA. Tomemos como exemplo o TPU (Tensor Processing Unit) do Google, cujo núcleo é profundamente codificado para operações de multiplicação de matrizes, podendo oferecer várias vezes a taxa de throughput de matriz por watt em comparação com uma GPU de mesma potência. Especificamente:

• Vantagem de eficiência energética: em tarefas específicas de inferência de IA, o ASIC pode alcançar de 3 a 5 vezes o desempenho por watt de uma GPU
• Otimização de custos: em implantação em larga escala (como data centers na nuvem com milhões de unidades), o TCO (custo total de propriedade) do ASIC é significativamente menor do que a compra de GPUs comerciais
• Vantagem na integração de sistemas: chips ASIC próprios podem ser integrados com o software, arquitetura de rede e sistemas de resfriamento do provedor de nuvem, otimizando toda a cadeia

Essa mudança de paradigma é fundamentada na lógica de que as cargas de trabalho de IA estão migrando de treinamentos diversificados para inferência em escala. Quando a arquitetura do modelo de IA converge (como o Transformer se tornando padrão) e a escala de inferência cresce exponencialmente, a otimização por hardware dedicado torna-se uma tendência inevitável.

Um analista descreveu isso com precisão: “A Marvell não está ‘substituindo a NVDA’, mas abrindo uma segunda via de mercado para IA. ASICs customizados podem ser a rota de crescimento mais rápida nos próximos anos, embora muitas vezes negligenciada.”

Por que os gigantes tecnológicos estão desenvolvendo chips próprios? A lógica de custo-benefício de se afastar da NVDA

Microsoft, Amazon, Google e Meta — os quatro maiores gigantes de computação em nuvem — estão acelerando seus planos de chips próprios a uma velocidade sem precedentes, formando a tendência mais importante de longo prazo no setor de chips para IA nos últimos anos.

Google TPU (Tensor Processing Unit): já na sua 7ª geração, auxiliada pela Broadcom, é o projeto de chip customizado mais antigo e de maior escala na indústria. A previsão da Counterpoint é que a Broadcom detenha cerca de 60% do mercado de ASICs para servidores de IA em 2027.

Amazon Trainium / Inferentia: a série Trainium, desenvolvida com a ajuda da Marvell, está sendo implantada rapidamente. O Trainium 3 foi totalmente implementado no início de 2026.

Microsoft Maia: em janeiro de 2026, a Microsoft lançou a segunda geração de seu chip de IA próprio, Maia 200, fabricado com tecnologia TSMC de 3nm, já em implantação em data centers.

Meta MTIA (Meta Training and Inference Accelerator): também auxiliada pela Broadcom.

A lógica por trás dessa tendência pode ser resumida em três níveis:

| Nível | Lógica central | Fundamentação | | --- | --- | --- | | Primeiro: custo | Alto custo de aquisição de GPUs em larga escala | Os principais provedores de nuvem gastaram entre 660 e 700 bilhões de dólares em capital em 2026; ASICs próprios podem reduzir o custo por inferência para 30-50% do de GPUs comerciais | | Segundo: eficiência energética | O consumo de energia dos data centers é um gargalo operacional | ASICs podem oferecer maior throughput com o mesmo consumo de energia em racks | | Terceiro: estratégia | Reduzir dependência de fornecedores únicos | Gigantes de nuvem evitam que seus negócios dependam de roteiros de produtos e estratégias de preço da NVIDIA |

O conceito de “aliança contra a NVIDIA” tem sido amplamente discutido nesse contexto. É importante destacar que isso não é uma organização formal, mas uma descrição do movimento coletivo de gigantes tecnológicos em direção ao desenvolvimento de chips customizados. Segundo previsões do Morgan Stanley e Counterpoint, o mercado de ASICs para IA deve crescer de aproximadamente 12 bilhões de dólares em 2024 para 30 bilhões em 2027, com uma taxa de crescimento anual composta de 34%.

A previsão do Goldman Sachs é mais agressiva: a participação de ASICs no mercado de chips de IA deve subir para 40% em 2026 e ultrapassar 45% em 2027, quase igualando a participação das GPUs. Ao mesmo tempo, a quantidade de servidores com ASICs deve crescer 44,6% em 2026, enquanto a de GPUs comerciais aumenta apenas 16,1%.

A dualidade da Marvell MRVL: substituta ou colaboradora?

Na narrativa de desdolarização da NVIDIA, o papel da Marvell é frequentemente interpretado como uma substituta da NVIDIA. Mas o cenário completo é muito mais complexo do que esse rótulo.

Primeiro, há uma clara hierarquia no mercado de ASICs customizados.

Dados do Counterpoint e de outras instituições indicam que o mercado de serviços de design de ASICs para IA apresenta uma estrutura de duopólio:

• Broadcom (AVGO): aproximadamente 55-60% de participação, líder absoluto no mercado global de ASICs customizados, com vínculos profundos com Google, Meta, OpenAI e outros clientes
• Marvell (MRVL): cerca de 13-15%, segunda maior, com clientes principais como Amazon, Microsoft e Google

Juntos, controlam cerca de 95% do mercado de design de ASICs para IA. É importante notar que o mercado de ASICs para IA ainda está em rápido crescimento, com todos os players compartilhando os benefícios do crescimento incremental, mais próximos de uma expansão conjunta do que de uma disputa por fatias de mercado existentes.

Em segundo lugar, a relação entre Marvell e NVIDIA não é de substituição, mas de colaboração profunda.

Essa relação mudou estruturalmente em 2026. Em março, a NVIDIA anunciou um investimento estratégico de 2 bilhões de dólares na Marvell. As duas empresas estão colaborando intensamente na tecnologia NVLink Fusion, integrando os chips customizados da Marvell e soluções de interconexão óptica no ecossistema de fábricas de IA e redes de IA-RAN da NVIDIA.

Depois, na COMPUTEX 2026, Huang deu um apoio mais explícito: (os switches de data center da Marvell) são essenciais para lidar com cargas de trabalho de IA.

Por que a NVIDIA investiria em uma empresa que também desenvolve chips customizados? A lógica é a seguinte:

Quando os clusters de treinamento de IA se expandem de milhares para dezenas ou centenas de milhares de GPUs, a conexão entre elas se torna um recurso mais escasso do que o próprio poder de processamento. Huang expressou essa ideia na COMPUTEX — à medida que a computação de IA se dispersa por todo o data center, a importância dos dispositivos de interconexão é equiparável à das GPUs. E a Marvell possui uma tecnologia insubstituível em interconexão óptica de alta velocidade, switches Ethernet e DSPs de 1,6 T.

Assim, o papel da Marvell pode ser definido como colaborador — ela não busca substituir as GPUs da NVIDIA, mas oferecer uma alternativa de chips customizados fora do ecossistema NVIDIA, além de atuar como fornecedora de infraestrutura de interconexão dentro do próprio ecossistema da NVIDIA. Essa dupla função confere à Marvell um valor estratégico único na cadeia de infraestrutura de IA.

Análise do relatório do Q1 FY2027 da Marvell: validação dos argumentos

A lógica setorial acima se traduziu em resultados financeiros quantificáveis? O último relatório da Marvell fornece uma validação importante.

Dados financeiros principais

| Indicador | Valor | Comparação / Variação | | --- | --- | --- | | Receita do Q1 FY2027 | 2,418 milhões de dólares | +28% YoY / +9% QoQ | | Receita do segmento de data center | 1,833 milhões de dólares | +27% YoY / 76% da receita total | | Previsão média de receita do Q2 FY2027 | 2,7 bilhões de dólares | implícito +35% YoY | | Meta de receita para FY2027 | aproximadamente 11,5 bilhões de dólares | +40% YoY | | Meta de receita para FY2028 | aproximadamente 16,5 bilhões de dólares | +44% em relação a FY2027 | | Meta de longo prazo para chips de IA customizados | atingir 10 bilhões de dólares em 2029 | — |

Fonte: Relatório oficial da Marvell e teleconferência do Q1 FY2027

Indicadores a observar

O segmento de data center da Marvell no Q1 de FY2027 atingiu recorde de 1,833 bilhões de dólares, representando 76% da receita total, demonstrando que a estrutura de negócios já está estrategicamente focada em IA para data centers.

Mais importante, a gestão revisou para cima as projeções futuras: a meta de receita para FY2027 foi elevada de aproximadamente 11 bilhões para 11,5 bilhões de dólares, e a de FY2028 de cerca de 15 bilhões para 16,5 bilhões. O Morgan Stanley, após o relatório, atualizou sua previsão de longo prazo, estimando crescimento de cerca de 50% na receita de data centers em FY2027, acelerando para aproximadamente 55% em FY2028.

Um marco importante: a Marvell será oficialmente incluída no índice S&P 500 em 22 de junho de 2026, com uma capitalização de aproximadamente 254 bilhões de dólares, substituindo a Pool Corp. Essa é mais uma evidência de que a demanda por IA está impulsionando a entrada de empresas de semicondutores nos principais índices de ações.

Aquisição da Celestial AI pela Marvell: aprofundando a estratégia de computação e interconexão óptica

Ao analisar a narrativa de crescimento da Marvell, uma aquisição merece atenção especial — em dezembro de 2025, a Marvell anunciou a aquisição da Celestial AI, uma empresa de tecnologia de interconexão óptica, por cerca de 6 bilhões de dólares, com conclusão formal em fevereiro de 2026.

A Celestial AI é especializada em fotônica de silício e tecnologia de interconexão óptica, com foco em resolver o crescente gargalo de memória (memory wall) nos data centers de IA — ou seja, o limite de transferência de dados entre processamento e armazenamento.

O objetivo estratégico dessa aquisição é integrar a expertise da Marvell em ASICs customizados, switches Ethernet e DSPs de 1,6 T com a tecnologia de interconexão óptica da Celestial AI, formando uma capacidade tecnológica de ponta que cobre toda a cadeia de transmissão de dados. Analistas do JPMorgan apontam que a Marvell se tornou a única empresa que cobre design de ASICs, DSPs ópticos de 1,6 T, fotônica de silício (via Celestial AI) e switches CXL — um conjunto de tecnologias atualmente sem concorrentes capazes de replicar.

No ritmo de comercialização, a Marvell estima que a receita inicial da Celestial AI começará a contribuir a partir do segundo semestre de FY2028, atingindo uma taxa de operação anualizada de 5 bilhões de dólares no quarto trimestre.

Análise comparativa: diferenças estruturais entre Marvell, NVIDIA e AMD

No ecossistema de chips para IA, as estratégias comerciais da Marvell, NVIDIA e AMD são fundamentalmente distintas, o que influencia seus caminhos de crescimento e avaliações. Antes de comparar, é importante notar que as métricas de avaliação variam bastante devido às diferenças de escopo, tamanho, ritmo de crescimento e margem de lucro de cada empresa. As estimativas aqui apresentadas são apenas referências, não recomendações de investimento. Os investidores devem avaliar de forma independente, considerando seus riscos.

Diferenças nos modelos de negócio principais

| Dimensão | NVIDIA (NVDA) | Marvell (MRVL) | AMD (AMD) | | --- | --- | --- | --- | | Modelo central | Venda de GPUs genéricas e sistemas completos de IA | ASICs customizados + infraestrutura de interconexão de alta velocidade | GPU, CPU e FPGA de uso geral | | Forma de produtos de IA | Chips/sistemas acabados (HGX/DGX) | Chips semi-customizados para provedores de nuvem e soluções de interconexão | GPUs MI e APU | | Relação com clientes | Ampla base de clientes finais | Vínculo profundo com principais provedores de nuvem (Amazon, Microsoft, Google) | Fabricantes de servidores, centros de supercomputação, alguns provedores de nuvem | | Barreiras principais | Ecossistema CUDA + capacidade de integração de sistemas | Capacidade de customização + expertise em interconexão óptica e Ethernet | Arquiteturas múltiplas + foco em custo-benefício |

Comparativo de volume de receita e crescimento

| Indicador | NVIDIA (FY2026, até janeiro de 2026) | Marvell (FY2026 completo + previsão FY2027) | AMD (ano de 2025) | | --- | --- | --- | --- | | Receita anual | aproximadamente 130 bilhões de dólares | cerca de 8,2 bilhões de dólares em FY2026 / meta de ~11,5 bilhões em FY2027 | aproximadamente 25-28 bilhões de dólares | | Receita de IA no último trimestre | mais de 35 bilhões de dólares em data center | 18,33 bilhões de dólares em data center | aproximadamente 15-20 bilhões de dólares em trimestre de GPUs MI | | Crescimento YoY | cerca de 40-50% | cerca de 40% em FY2027 | entre 20-30% |

Fonte: relatórios financeiros das empresas e dados de mercado públicos.

Diferenças sob a ótica do investidor

O Morgan Stanley comparou NVDA e MRVL, apontando que o crescimento esperado de lucros de longo prazo da NVIDIA (51,7%) é maior do que o da Marvell (39,4%), mas a avaliação da Marvell é mais sensível a pedidos e novos clientes. Essa diferença reflete os diferentes estágios de ciclo de vida: a NVIDIA está em fase de expansão madura, enquanto a Marvell está na fronteira de uma transformação qualitativa de ASICs customizados.

Após a aquisição da Celestial AI, investimentos estratégicos da NVIDIA e entrada no índice S&P 500, o banco de investimentos Stifel elevou a meta de preço da Marvell para 321 dólares (antes 230), reafirmando compra.

Riscos potenciais na corrida por chips customizados

Num mercado altamente otimista, alguns riscos devem ser considerados:

Aumento da competição de participação de mercado

Embora a Marvell seja a segunda maior no mercado de ASICs, a líder Broadcom (AVGO) já conquistou grandes contratos com Google TPU e Meta MTIA. A possibilidade de a Marvell perder participação até 2027, estimada em torno de 8%, é real.

Risco de concentração de clientes

A dependência de poucos clientes principais (Amazon, Microsoft, Google) é alta. Mudanças na estratégia ou na preferência de produtos desses clientes podem impactar significativamente a Marvell. A empresa já trabalha com mais de 20 clientes em ASICs de IA, mas a maior parte da receita ainda depende de poucos.

Estabilidade de margens

A margem operacional de cerca de 15% reflete seu perfil de fornecedora de hardware tradicional. Com a escala de produção de ASICs, a margem pode melhorar, mas essa evolução é incerta e será acompanhada de perto pelo mercado.

Incertezas na evolução dos GPUs da NVIDIA

A rápida evolução da linha de GPUs da NVIDIA pode atrasar projetos de ASICs ou alterar o cenário competitivo.

Riscos geopolíticos e de cadeia de suprimentos

Questões como restrições comerciais, desglobalização e riscos políticos globais podem afetar a cadeia de fornecimento de semicondutores.

Risco de avaliação

Com receita de cerca de 8,2 bilhões de dólares em FY2026 e valor de mercado de aproximadamente 250 bilhões de dólares, o mercado já precificou bastante o potencial de crescimento futuro. Quaisquer resultados abaixo do esperado podem gerar ajustes de avaliação.

Conclusão

O desempenho acima do esperado do Q1 FY2027 da Marvell, aliado à previsão de Jensen Huang de um valor de mercado de um trilhão de dólares, sinaliza que a corrida por chips ASIC para IA está saindo da periferia para o centro do palco.

De uma perspectiva macro setorial, a infraestrutura de computação de IA está passando por uma transformação estrutural — de uma arquitetura unipolar centrada na GPU da NVIDIA, para uma abordagem mais diversificada, combinando treinamento com GPUs e inferência/interconexão com ASICs.

A aparição coletiva de chips customizados do Google TPU, Amazon Trainium, Microsoft Maia, Meta MTIA reflete uma direção comum de desdolarização da NVIDIA por parte dos principais provedores de nuvem globais. Mas isso não significa substituição da NVIDIA. Na verdade, a colaboração profunda entre Marvell e NVIDIA revela uma dinâmica mais complexa: o fator decisivo na vitória dos data centers de IA está se estendendo da capacidade de processamento para a conexão. Quando a escala do cluster ultrapassa dezenas de milhares de GPUs, a interconexão eficiente entre chips é tão importante quanto o poder de cálculo de cada um.

Nesse novo cenário de múltiplos polos em competição e cooperação, a Marvell, com sua atuação dupla em ASICs customizados e infraestrutura de interconexão de alta velocidade, está construindo uma barreira estratégica única. Não é uma rota para substituir GPUs, mas uma via paralela, indispensável na cadeia completa de infraestrutura de IA.

Se a previsão de uma próxima empresa de valor de um trilhão de dólares se concretizará, dependerá do ritmo de pedidos, da evolução de participação de mercado e das rotas tecnológicas nos próximos anos. Mas uma coisa é certa: a era dos chips customizados já começou.