#NVIDIAEarnings

Os resultados da NVIDIA acabam de confirmar algo muito maior do que apenas mais um trimestre recorde
Os resultados mais recentes da NVIDIA não são simplesmente uma atualização otimista para uma empresa de semicondutores. Estão a tornar-se um indicador em tempo real da rapidez com que a economia global das infraestruturas de IA está a expandir-se. A receita atingiu $96.2 mil milhões no Q2 fiscal de 2027, um aumento de 106% face ao ano anterior, enquanto a receita do segmento de Data Center alcançou uns extraordinários $89 mil milhões, mais 117%. Ainda mais importante, a NVIDIA prevê aproximadamente $108 mil milhões de receita no próximo trimestre. Os números mostram que os gastos em infraestruturas de IA ainda não estão a abrandar.

Mas a questão mais importante é o que acontece para além da NVIDIA.

Cada nova fábrica de IA exige muito mais do que um acelerador. Por detrás de cada grande implementação de GPUs existe um ecossistema complexo de semicondutores que envolve memória de alta largura de banda, DRAM, encapsulamento avançado, redes, componentes óticos, armazenamento, CPUs para servidores, infraestruturas de energia e arrefecimento. Quando a capacidade de computação de IA se expande, a procura pode propagar-se por quase toda a cadeia de fornecimento tecnológico.

A memória é um dos estrangulamentos mais importantes a acompanhar.

As cargas de trabalho de IA são extremamente intensivas em dados, e a memória de alta largura de banda tornou-se uma parte crítica das plataformas modernas de aceleradores. À medida que a densidade computacional aumenta, a capacidade de transferir dados rapidamente entre processadores e memória torna-se tão importante como o poder de processamento bruto. Isto significa que o boom da IA pode criar uma segunda camada de procura de semicondutores para além das GPUs, potencialmente beneficiando os fabricantes de memória, ao mesmo tempo que aumenta os custos dos componentes para os construtores de sistemas.

Isto cria um equilíbrio interessante para os investidores. Uma forte procura de memória pode sustentar os preços e o crescimento das receitas, mas uma inflação persistente dos componentes também pode pressionar ainda mais as margens a jusante da cadeia. A própria NVIDIA reportou uma margem bruta de 75% no Q2, enquanto as suas previsões para o Q3 apontam para cerca de 74%, demonstrando que uma procura extraordinária não elimina as pressões sobre os custos.

A próxima grande área é a das redes.

Milhares de aceleradores não conseguem operar de forma eficiente como chips isolados. Precisam de comunicações extremamente rápidas entre GPUs, CPUs, memória e armazenamento. A mais recente expansão da plataforma da NVIDIA inclui sistemas de comutadores Spectrum-6 compatíveis tanto com ótica conectável como com ótica co-packaged, estando estes sistemas a ser implementados em grandes fábricas de IA. Este é um sinal importante: a oportunidade nas infraestruturas de IA está a expandir-se da computação para a camada de conectividade de alta velocidade.

É aqui que as redes óticas se tornam cada vez mais importantes.

À medida que os clusters de IA aumentam de dimensão, transferir enormes quantidades de dados entre máquinas torna-se um desafio fundamental de engenharia. Aceleradores mais rápidos criam maiores requisitos de largura de banda, o que aumenta a procura por comutadores, módulos óticos, interconexões e componentes relacionados. Os vencedores da próxima fase do ciclo da IA poderão, por isso, incluir empresas que resolvem estes estrangulamentos das infraestruturas, e não apenas empresas que produzem os processadores mais mediáticos.

A NVIDIA também está a expandir-se mais profundamente para o segmento das CPUs e dos sistemas completos.

A plataforma Vera Rubin da empresa inclui a CPU Vera e um conjunto mais amplo de tecnologias de computação, redes e armazenamento concebidas para cargas de trabalho de IA. A NVIDIA está a posicionar-se cada vez mais não apenas como fornecedora de GPUs, mas como fornecedora de infraestruturas completas de computação acelerada.

Isto altera a forma como o ciclo dos semicondutores deve ser analisado.

Em vez de perguntar apenas “Quantas GPUs venderá a NVIDIA?”, a melhor pergunta começa a ser “Quanta infraestrutura é necessária para cada unidade adicional de computação de IA?”

Uma implementação de GPUs pode desencadear procura por memória. Mais memória exige encapsulamento avançado. Clusters maiores exigem redes mais rápidas. Redes mais rápidas exigem conectividade ótica. Centros de dados maiores exigem mais armazenamento, CPUs, energia e arrefecimento. E cada nova fábrica de IA exige capacidade de fabrico de semicondutores para suportar todo o sistema.

Isto cria um poderoso efeito multiplicador.

Existe outro desenvolvimento importante que poderá tornar este ciclo estruturalmente diferente dos anteriores booms dos semicondutores: a IA está a passar do treino para a inferência contínua e para cargas de trabalho agentic.

O treino criou a primeira enorme vaga de procura por computação. Mas, quando os agentes de IA começarem a executar tarefas continuamente em áreas como programação, pesquisa, apoio ao cliente, análise financeira, cuidados de saúde, robótica, indústria transformadora e aplicações empresariais, a procura por computação poderá tornar-se persistente, em vez de ficar concentrada em torno de eventos de treino de modelos.

A própria NVIDIA descreveu a IA como estando a atingir um ponto de inflexão e salientou que a computação está cada vez mais ligada a trabalho produtivo e lucrativo. Esta distinção é importante porque muda a narrativa de “as empresas estão a comprar IA porque têm de investir no futuro” para “as empresas estão a comprar capacidade computacional porque a IA está a tornar-se parte da sua economia operacional”.

No entanto, isto não significa que todas as empresas de semicondutores ganhem automaticamente.

O maior risco é que a oferta acabe por acompanhar a procura mais rapidamente, ou que a economia das infraestruturas de IA se torne menos atrativa. Construir capacidade de IA exige enormes despesas de capital, eletricidade, arrefecimento, redes e capacidade de produção de semicondutores. Se os clientes não conseguirem gerar retornos suficientes a partir dessas infraestruturas, os gastos poderão eventualmente tornar-se mais seletivos.

A valorização é outro risco.

Uma indústria de IA forte pode ainda assim sofrer correções acentuadas do mercado se as expectativas avançarem mais rapidamente do que os resultados efetivos. Por isso, os investidores precisam de distinguir entre empresas com encomendas reais, produção em expansão e fluxos de caixa sustentáveis, e empresas que beneficiam sobretudo da narrativa da IA.

É por isso que os resultados da NVIDIA são tão importantes.

O resultado não prova que todas as ações relacionadas com IA continuarão a subir. O que mostra é que a procura subjacente por infraestruturas de IA continua extraordinariamente forte, enquanto a indústria ainda está a enfrentar importantes limitações de capacidade e da cadeia de fornecimento.

A minha principal conclusão é simples:

A primeira vaga de investimento em IA centrou-se em encontrar as empresas que criavam os modelos.

A segunda vaga centrou-se nas empresas que produziam os aceleradores.

A próxima vaga poderá centrar-se nos estrangulamentos que rodeiam esses aceleradores.

Memória. Redes. Conectividade ótica. Encapsulamento avançado. CPUs. Armazenamento. Energia. Arrefecimento. Fundições.

A oportunidade nos semicondutores está a tornar-se muito maior do que a própria GPU.

A NVIDIA pode ser o motor que impulsiona a revolução da IA, mas a verdadeira oportunidade económica poderá espalhar-se cada vez mais por toda a máquina construída em torno desse motor.

A IA já não é apenas uma história sobre chips mais inteligentes.

Está a tornar-se uma expansão global das infraestruturas — e os resultados mais recentes da NVIDIA sugerem que essa expansão continua a acelerar.

$NVDA ‌@Gate_Square