AMD e Broadcom pressionam a Nvidia, mas a história dos chips de IA de US$ 100 bilhões precisa de correção

AMD e Broadcom estão aumentando a pressão sobre a Nvidia com duas estratégias distintas, mas a Broadcom não anunciou um plano de financiamento de US$ 100 bilhões. Esse número se refere às vendas anuais projetadas de chips de IA da Broadcom, enquanto um acordo separado da AMD teria potencial para se aproximar de US$ 100 bilhões.

A distinção importa porque esses acordos atacam partes diferentes da posição da Nvidia. A AMD quer que a Meta e outros compradores adotem suas GPUs Instinct programáveis como alternativas aos sistemas da Nvidia. A Broadcom ajuda as maiores empresas de IA a criar aceleradores personalizados, adaptados a seus próprios modelos e data centers.

Nenhuma das duas rotas deslocou a plataforma de uso geral da Nvidia. A Nvidia ainda combina aceleradores, redes, sistemas e software maduro em um pacote que os clientes podem implantar em diversas cargas de trabalho. A nova pressão vem de compradores que decidem que algumas cargas justificam um segundo fornecedor ou um chip desenvolvido para uma finalidade específica.

A manchete dos US$ 100 bilhões combina duas histórias diferentes

O valor reportado de US$ 100 bilhões é real, mas não descreve a Broadcom captando ou fornecendo financiamento para um programa de chips de IA.

A Broadcom afirmou em março de 2026 que esperava que as vendas anuais de chips de IA superassem US$ 100 bilhões durante o ano fiscal de 2027. A previsão reflete a receita esperada de aceleradores personalizados e produtos de rede para IA, e não uma linha de financiamento.

A perspectiva da empresa veio após a aceleração da demanda de clientes de hiperescala, ou seja, empresas de nuvem e tecnologia que operam frotas computacionais muito grandes. Segundo uma projeção de receita, a Broadcom espera que a demanda por chips personalizados leve seu negócio de IA além desse patamar.

Os números mais recentes divulgados pela Broadcom mostram por que os investidores estão levando a previsão a sério. Sua receita de semicondutores para IA no segundo trimestre fiscal de 2026 atingiu US$ 10,8 bilhões, alta de 143% em relação ao mesmo período do ano anterior. A administração atribuiu esse crescimento a aceleradores de IA personalizados e produtos de rede em seus resultados trimestrais.

A história separada dos US$ 100 bilhões envolve AMD e Meta. As empresas anunciaram um acordo plurianual cobrindo até 6 gigawatts de implantações de GPUs AMD Instinct. A Associated Press informou que as compras sob o acordo poderiam chegar a US$ 100 bilhões ao longo de sua vigência.

O registro regulatório da AMD não atribui esse valor exato em dólares ao acordo. Ele confirma a meta de implantação, o roteiro de produtos, a estrutura de warrants e o cronograma esperado. O primeiro gigawatt está programado para começar a ser enviado durante o segundo semestre de 2026.

Nos termos do acordo de GPUs com a Meta, a implantação inicial usará uma GPU Instinct personalizada baseada na arquitetura MI450 da AMD. Ela funcionará com processadores EPYC de sexta geração e o software ROCm da AMD no design de rack Helios da empresa.

A AMD também emitiu à Meta um warrant baseado em desempenho cobrindo até 160 milhões de ações da AMD. A aquisição das ações depende de volumes de envio, marcos técnicos, condições comerciais e patamares do preço das ações da AMD.

Essa estrutura dá à Meta um incentivo financeiro para ajudar a AMD a alcançar uma escala significativa de implantação. Ela também reduz a chance de que um grande compromisso de manchete permaneça desvinculado de entregas reais de produtos.

A projeção da Broadcom e o acordo da AMD com a Meta, portanto, descrevem eventos econômicos diferentes. Um é a previsão de um fornecedor para a receita anual de IA. O outro é um compromisso de longo prazo de um cliente que inclui compras de hardware e participação acionária baseada em desempenho.

Combiná-los produz uma manchete dramática, mas obscurece o mecanismo competitivo. A Broadcom não está financiando um ataque à Nvidia. Broadcom e AMD estão ajudando grandes clientes a reduzir a dependência de uma única plataforma computacional por meio de diferentes tipos de silício.

Por que as estratégias de AMD e Broadcom pressionam a Nvidia

A AMD concorre por implantações de aceleradores amplamente programáveis, enquanto a Broadcom transforma cargas de trabalho selecionadas de clientes em silício personalizado.

Uma unidade de processamento gráfico, ou GPU, é um processador paralelo programável adequado para treinar e servir muitos tipos de modelos de IA. A Nvidia construiu sua liderança ao combinar esses processadores com seu ambiente de software CUDA, redes de alta velocidade e sistemas completos de servidores.

A AMD desafia esse modelo com sua família de GPUs Instinct, o software ROCm, processadores EPYC e sistemas Helios em escala de rack. A empresa quer que os clientes vejam seus produtos como uma segunda plataforma pronta para implantação, e não como chips isolados.

O acordo com a Meta oferece um teste exigente. Os primeiros sistemas usarão um acelerador baseado na MI450 otimizado para as cargas de trabalho da Meta, mas continuarão fazendo parte da arquitetura programável mais ampla da AMD. A Meta pode influenciar o produto preservando mais flexibilidade do que um design de finalidade única normalmente oferece.

A Broadcom segue uma rota diferente. Ela trabalha com um pequeno número de grandes clientes para implementar circuitos integrados específicos para aplicações, geralmente chamados de ASICs. Um ASIC é projetado para um conjunto mais restrito de tarefas do que uma GPU de uso geral.

Essa especialização pode eliminar recursos de hardware de que um cliente não precisa. Também pode otimizar movimentação de memória, formatos numéricos, redes e consumo de energia em torno de cargas de trabalho previsíveis. O benefício potencial cresce quando uma empresa opera servidores suficientes para distribuir os custos de projeto por uma implantação enorme.

A Broadcom também fornece switches Ethernet, componentes ópticos, tecnologia de interconexão e outros produtos de rede. Esse portfólio permite que ela participe de uma parcela maior de um cluster personalizado, não apenas do acelerador.

A OpenAI ilustra a estratégia. Em outubro de 2025, OpenAI e Broadcom anunciaram planos para 10 gigawatts de aceleradores projetados pela OpenAI e sistemas de rede associados. As implantações estavam programadas para começar durante o segundo semestre de 2026 e continuar até 2029.

Nos termos do plano de aceleradores personalizados, a OpenAI é proprietária da arquitetura, enquanto a Broadcom apoia o desenvolvimento, a implementação, a conectividade e a implantação. Os sistemas usam tecnologia Ethernet da Broadcom para a comunicação dentro e entre racks computacionais.

Essa divisão de trabalho muda a relação da Broadcom com a Nvidia. A Broadcom não precisa criar uma plataforma universal de GPUs nem persuadir milhares de desenvolvedores a adotar um novo ambiente de programação.

Em vez disso, a Broadcom ajuda alguns clientes enormes a internalizar parte do processo de projeto de chips. Cada projeto bem-sucedido pode redirecionar uma carga de trabalho substancial e recorrente para longe de GPUs vendidas no mercado aberto.

A AMD precisa de adoção mais ampla de software porque os clientes programam suas GPUs para muitas aplicações. A Broadcom precisa de relações profundas com compradores cujas cargas de trabalho sejam estáveis e grandes o suficiente para justificar o desenvolvimento personalizado.

As duas estratégias podem coexistir em um único data center. Um cliente pode usar sistemas Nvidia para pesquisa de novos modelos, GPUs AMD para frotas de produção selecionadas e ASICs apoiados pela Broadcom para cargas de trabalho maduras de inferência.

É por isso que a história de AMD e Broadcom é mais significativa do que uma disputa convencional entre fornecedores. A Nvidia não enfrenta um único substituto. Ela enfrenta clientes que cada vez mais dividem as compras de computação entre plataformas de uso geral, alternativas e personalizadas.

A vantagem da Nvidia é uma plataforma, não apenas um chip mais rápido

Os desafiantes precisam competir com o ambiente operacional completo da Nvidia, e não apenas igualar um benchmark ou garantir um grande pedido.

A posição da Nvidia se apoia em várias camadas conectadas. Suas GPUs realizam a computação, o NVLink conecta processadores dentro dos sistemas, os produtos de rede conectam sistemas em clusters e o CUDA oferece aos desenvolvedores ferramentas para criar e operar software.

Essa integração reduz o risco de implantação. Uma organização pode começar com uma carga de trabalho, mudar sua arquitetura de modelo e reutilizar grande parte do mesmo conhecimento de desenvolvimento e operações.

O silício personalizado oferece uma proposta diferente. Ele pode melhorar a eficiência para um alvo estável, mas suas vantagens podem se reduzir quando mudam os modelos, formatos numéricos, demandas de memória ou padrões de atendimento.

Os clientes da Broadcom assumem grande parte desse risco arquitetural porque definem seus aceleradores. A Broadcom pode executar o plano de silício e rede, mas o cliente precisa decidir qual comportamento de modelo merece suporte permanente em hardware.

A AMD tem mais flexibilidade porque a Instinct continua sendo uma plataforma de GPUs programáveis. No entanto, os clientes ainda precisam validar bibliotecas ROCm, ferramentas de orquestração, compatibilidade de modelos, comportamento de rede e confiabilidade operacional em escala.

A Meta tem experiência nesse trabalho. A AMD afirma que a Meta já usa aceleradores MI300 e MI350, enquanto milhões de processadores EPYC operam em toda a infraestrutura da Meta. O novo acordo amplia uma relação existente, em vez de começar com um comprador não testado.

Ainda assim, uma estrutura de 6 gigawatts não equivale a 6 gigawatts já instalados. A implantação inicial de um gigawatt continua sendo o primeiro grande ponto de verificação de execução. As parcelas posteriores de warrants dependem, em parte, de envios adicionais.

Enquanto isso, a Nvidia continua expandindo seus próprios sistemas e compromissos com clientes. A empresa reportou receita de data centers de US$ 193,7 bilhões no ano fiscal de 2026, um aumento de 68% em relação ao ano anterior.

Seus resultados fiscais de 2026 também descreveram uma parceria plurianual com a Meta envolvendo grandes implantações de CPUs Nvidia, produtos de rede e milhões de GPUs Blackwell e Rubin.

O acordo da Meta com a AMD, portanto, não representa um abandono total da Nvidia. Ele representa diversificação dentro de uma expansão de data centers grande o suficiente para suportar múltiplas arquiteturas.

Essa distinção afeta como a concorrência de mercado deve ser medida. Conquistar o papel de um novo fornecedor não significa automaticamente tomar da Nvidia uma quantidade equivalente de negócios existentes.

Alguns chips alternativos substituirão sistemas Nvidia. Outros atenderão novas cargas de trabalho que um cliente antes não poderia operar economicamente. Outros ainda darão aos compradores poder de negociação ao tratar de fornecimento, roteiros e configurações de sistemas.

A Nvidia também responde ao silício personalizado com ciclos de produto mais rápidos e produtos específicos para cargas de trabalho. Sua plataforma Rubin busca reduzir os custos de inferência, enquanto seu portfólio de rede permite que ela concorra por gastos em infraestrutura mesmo quando a arquitetura de computação muda.

A escala da empresa lhe dá outra vantagem. Mais sistemas instalados criam mais experiência entre desenvolvedores, otimização de software, conhecimento de resolução de problemas e integrações de terceiros. Esses benefícios reforçam a confiança dos clientes.

A concorrência de AMD e Broadcom enfraquece a premissa de que toda nova carga de trabalho de IA precisa rodar na Nvidia. Ela não elimina o valor prático da base instalada da Nvidia.

A disputa real é pela economia da inferência

Os chips personalizados da Broadcom se tornam mais persuasivos quando um cliente consegue prever uma carga de trabalho, enquanto a AMD se beneficia quando os compradores precisam de flexibilidade sem aceitar a dependência da Nvidia.

O treinamento cria um modelo ao processar grandes conjuntos de dados e atualizar seus parâmetros. A inferência usa o modelo treinado para responder a solicitações, gerar conteúdo, classificar informações ou operar um recurso de IA.

As cargas de trabalho de treinamento mudam à medida que pesquisadores testam novas arquiteturas e métodos de escalonamento. Essa incerteza favorece hardware programável e software maduro, porque os engenheiros não conseguem prever perfeitamente os requisitos computacionais futuros.

A inferência pode se tornar mais padronizada depois que um modelo entra em produção. Uma empresa pode atender a solicitações semelhantes bilhões de vezes, tornando economicamente importantes pequenas melhorias no consumo de energia e na utilização dos equipamentos.

A estratégia de aceleradores personalizados da Broadcom mira essa repetição. Um hyperscaler pode remover recursos genéricos desnecessários e ajustar o hardware aos seus modelos, padrões de memória e design de rede.

A colaboração entre OpenAI e Broadcom mostra quão estreitamente o desenvolvedor de modelos e o fornecedor de silício podem trabalhar. A OpenAI projeta o acelerador e a arquitetura de sistema usando o conhecimento de seus modelos. A Broadcom transforma esse plano em silício, racks e conectividade prontos para implantação.

A abordagem não garante custos totais menores. Projetar um chip avançado exige engenharia, capacidade de fabricação, encapsulamento, memória, software, validação e suporte contínuo.

Um design também pode chegar depois que a carga de trabalho-alvo mudou. Ciclos longos de desenvolvimento criam o risco de que decisões de otimização se tornem obsoletas antes de uma implantação ampla.

Os clientes da Broadcom são excepcionalmente capazes de assumir esse risco. Empresas como OpenAI e grandes operadores de nuvem controlam cargas de trabalho significativas e podem comprometer infraestrutura em escala de gigawatts.

A AMD ocupa o meio-termo. Suas GPUs continuam programáveis, mas grandes clientes podem influenciar versões específicas dos produtos e configurações de racks.

A primeira implantação baseada em MI450 da Meta será personalizada para suas cargas de trabalho. AMD e Meta também estão alinhando os roteiros de GPUs, CPUs, sistemas e software ao longo de várias gerações de produtos.

Isso é mais do que uma compra padrão de equipamentos. Permite que a Meta molde uma plataforma alternativa sem assumir total responsabilidade por um ASIC personalizado.

O desafio da AMD é transformar esse tipo de colaboração em uma plataforma repetível. O software desenvolvido para um hyperscaler ainda precisa contribuir para ferramentas melhores e maior confiabilidade para outros compradores.

O ROCm melhorou, mas a adoção não pode ser medida apenas por anúncios de hardware. Os clientes precisam de bibliotecas estáveis, suporte a modelos, monitoramento, recuperação de falhas e engenheiros capazes de operar grandes instalações.

A Broadcom enfrenta o problema oposto de escalonamento. Seu negócio pode crescer rapidamente por meio de poucos contratos, mas cada cliente espera uma personalização substancial. A empresa precisa administrar cronogramas de design, encapsulamento avançado, alocação de fabricação e requisitos de rede em vários programas.

Ambas as empresas se beneficiam da crescente demanda por inferência. À medida que recursos de IA alcançam mais usuários, os compradores se importam menos com resultados máximos de benchmarks e mais com o trabalho útil entregue por cada unidade de energia e infraestrutura.

Essa mudança não torna o treinamento irrelevante. Desenvolvedores de modelos de fronteira ainda exigem clusters flexíveis e de alto desempenho para experimentos. A Nvidia permanece particularmente forte quando os clientes desejam uma plataforma geral que abranja pesquisa e produção.

A pressão surge quando cargas de trabalho maduras se tornam grandes o suficiente para serem separadas. Uma empresa pode manter trabalhos de pesquisa incertos na Nvidia enquanto transfere serviços previsíveis de inferência para a AMD ou aceleradores personalizados.

Essa desagregação gradual é uma ameaça mais crível do que um evento de substituição repentina. Ela altera a premissa padrão de compra, uma carga de trabalho por vez.

O que os Grandes Compromissos Ainda Não Provam

Previsões de receita, acordos em gigawatts e warrants de ações demonstram intenção estratégica, mas as implantações determinarão se eles alteram o poder de mercado.

A previsão da Broadcom pressupõe que os clientes concluam grandes programas personalizados dentro do cronograma. A empresa precisa transformar contratos de design em aceleradores fabricados, sistemas de rede e receita reconhecida.

Esse processo depende de fornecedores externos. Chips avançados de IA exigem processos de fabricação de ponta, memória de alta largura de banda, encapsulamento complexo, substratos, componentes ópticos e energia para data centers.

Um atraso em qualquer camada pode deslocar o cronograma de implantação. A concentração de receita também importa, pois os maiores programas personalizados vêm de um grupo limitado de clientes.

Os resultados fiscais do segundo trimestre da Broadcom fornecem evidências da demanda atual. No entanto, projetar mais de US$ 100 bilhões em vendas de IA no ano fiscal de 2027 ainda exige uma forte expansão em relação aos níveis trimestrais atuais.

A previsão é uma orientação da administração, não receita já realizada. Os investidores devem observar as vendas reconhecidas e o cronograma de remessas, em vez de tratar o objetivo final como garantido.

O acordo entre AMD e Meta contém incerteza semelhante. Seu teto de 6 gigawatts descreve a escala potencial da parceria, enquanto o primeiro gigawatt oferece o teste operacional de curto prazo.

O warrant baseado em desempenho reforça essa distinção. A Meta obtém benefícios econômicos adicionais apenas à medida que condições de implantação, técnicas, comerciais e de preço das ações são cumpridas.

Esse mecanismo alinha incentivos, mas não elimina o risco de execução. A AMD precisa entregar sistemas baseados em MI450, processadores EPYC, rede e software ROCm que atendam aos requisitos da Meta.

O valor potencial divulgado do acordo também não deve ser tratado como receita garantida. As compras finais dependem do progresso das implantações ao longo de vários anos e gerações de hardware.

A Nvidia tem razões para defender sua posição de forma agressiva. Ela pode reduzir os custos de inferência com novas arquiteturas, oferecer rede integrada, aprofundar a otimização de software e usar sua escala de produção para acelerar as entregas.

Os clientes também enfrentam custos de migração. Engenheiros treinados em CUDA não se tornam instantaneamente igualmente produtivos em outra pilha. Ferramentas internas, pipelines de implantação e otimizações de modelos podem vincular organizações a uma plataforma estabelecida.

Chips personalizados criam outra forma de dependência. Um hyperscaler que investe pesadamente em um parceiro de design pode ter dificuldade para levar a mesma arquitetura a outro lugar.

A Broadcom pode se tornar essencial para um cliente mesmo quando esse cliente reduz sua dependência da Nvidia. Portanto, a diversificação de fornecedores em uma camada pode criar concentração em outra.

O cenário competitivo também é mais amplo do que três empresas. A Amazon desenvolve aceleradores Trainium, o Google opera Tensor Processing Units, e a Microsoft tem seu programa Maia. A Marvell participa do silício personalizado, enquanto várias empresas especializadas em aceleradores miram cargas de trabalho específicas.

Essas alternativas reduzem a precisão de uma narrativa simples de Nvidia contra todos. Os compradores estão construindo frotas mistas, e cada arquitetura compete por uma categoria de trabalho.

O desafio imposto por AMD e Broadcom é mais forte onde os clientes têm escala, profundidade de engenharia e demanda previsível. Organizações menores podem continuar preferindo acesso em nuvem a sistemas Nvidia porque não conseguem justificar desenvolvimento personalizado ou validação complexa de plataformas.

Isso significa que o comportamento de compra dos hyperscalers não deve ser generalizado para todo o mercado. Um design que funciona para Meta ou OpenAI pode não se tornar uma alternativa amplamente disponível para empresas.

Três Sinais Mostrarão se a Pressão É Real

A próxima fase depende de sistemas entregues, receita reconhecida e migração de cargas de trabalho, e não de valores de compromissos anunciados.

O primeiro sinal é a implantação inicial da AMD pela Meta. A AMD espera que as remessas que sustentam o primeiro gigawatt comecem durante a segunda metade de 2026.

Os leitores devem observar se a Meta confirma o uso em produção, quais cargas de trabalho migram para o sistema baseado em MI450 e se as implantações avançam além do primeiro marco do warrant. Uma expansão dentro do prazo fortaleceria a alegação da AMD de que pode operar em escala de hyperscaler.

Um atraso, escopo limitado de cargas de trabalho ou expansão lenta enfraqueceria a conclusão competitiva. Isso sugeriria que grandes clientes ainda veem a AMD principalmente como instrumento de negociação ou experimento secundário.

O segundo sinal é a receita trimestral de semicondutores para IA da Broadcom. A empresa precisa reduzir a distância entre seus atuais trimestres de vários bilhões de dólares e sua projeção para o ano fiscal de 2027.

O crescimento da receita, por si só, não responderá a todas as perguntas. Os investidores também precisam de evidências de que vários programas de aceleradores personalizados estão entrando em produção, em vez de um único cliente impulsionar a maior parte do aumento.

Uma expansão diversificada da produção validaria o modelo da Broadcom. Previsões não cumpridas ou atrasos nas implantações mostrariam o quanto a estratégia continua exposta a cronogramas de clientes e restrições de fabricação.

O terceiro sinal é a resposta da Nvidia à economia da inferência. A Nvidia prometeu custos menores por token com sistemas mais novos, incluindo Rubin, enquanto continua a agrupar computação e rede.

Se a Nvidia reduzir os custos de atendimento rápido o suficiente, os clientes poderão obter menos benefícios econômicos com hardware personalizado. ASICs apoiados pela Broadcom ainda serviriam à independência estratégica, mas o argumento financeiro poderia se estreitar.

Se os sistemas AMD e aceleradores personalizados mantiverem vantagens claras de eficiência em cargas de trabalho estáveis, os clientes terão razões mais fortes para dividir implantações futuras. A Nvidia poderia continuar crescendo enquanto perde seu status de escolha automática para todos os grandes clusters.

Para desenvolvedores e compradores empresariais, a implicação imediata não é que um fornecedor venceu. É que as decisões de implantação exigem uma análise mais precisa das cargas de trabalho.

As equipes devem separar treinamento experimental, serviços de inferência em mudança e cargas de trabalho maduras de alto volume. Cada categoria atribui um valor diferente à programabilidade, maturidade do software, personalização, consumo de energia e diversidade de fornecedores.

Elas também devem preservar as evidências por trás das escolhas de infraestrutura. Uma base de conhecimento de engenharia pesquisável pode conectar resultados de benchmarks, conclusões de compatibilidade, relatórios de incidentes e compromissos de fornecedores ao longo dos ciclos de avaliação.

A manchete de US$ 100 bilhões captura a escala dos gastos com infraestrutura de IA, mas comprime dois desenvolvimentos distintos em uma única afirmação. A Broadcom projetou mais de US$ 100 bilhões em vendas anuais de chips de IA, enquanto a AMD garantiu uma estrutura com a Meta supostamente avaliada em até esse valor.

A questão mais importante é se esses compromissos produzirão sistemas funcionais que suportem cargas de trabalho relevantes em produção. Acompanhe o primeiro gigawatt AMD da Meta, a conversão de receita da Broadcom e a resposta da Nvidia aos custos de inferência. Esses sinais revelarão se a pressão de AMD e Broadcom está mudando o mercado ou apenas se expandindo ao lado dele.