Previsão de Crescimento de 70% da Nvidia: Jensen Huang Diz que a Oferta, Não a Demanda, Define o Limite

Jensen Huang afirma que a previsão de crescimento de 70% da Nvidia reflete um teto de oferta, e não o limite da demanda dos clientes. A Nvidia espera que a receita aumente cerca de 70% no ano fiscal de 2028, uma projeção incomum para um ano inteiro feita por uma empresa que navega gastos voláteis com IA.

A previsão sinaliza confiança de que a Nvidia pode continuar crescendo apesar dos chips personalizados de Amazon, Google, Microsoft, OpenAI e Anthropic. Mas também levanta uma questão mais difícil: quanta demanda existe de forma independente e quanta depende de a Nvidia ajudar clientes a financiar uma infraestrutura construída em torno de seu hardware?

A resposta de Huang é que a Nvidia consegue enxergar a demanda por toda a cadeia de suprimentos de IA. A empresa trabalha com fornecedores de chips, operadores de nuvem, desenvolvedores de modelos, empresas, governos e construtores de data centers. Críticos enxergam muitas dessas conexões de outra forma. Eles temem que a Nvidia esteja financiando ou apoiando cada vez mais os clientes que compram seus sistemas.

Esse conflito importa mais do que o percentual em manchete. A Nvidia não está mais apenas vendendo aceleradores em um mercado de infraestrutura construído inteiramente por outras empresas. Ela está ajudando a garantir capacidade de fabricação, locais para data centers, financiamento e compromissos de receita de nuvem.

O resultado é um negócio com visibilidade incomum sobre construções futuras. É também um negócio que assume novos riscos além do design de semicondutores.

A Previsão de Crescimento de 70% da Nvidia É uma Promessa Limitada pela Oferta

A previsão da Nvidia indica que a empresa espera que a demanda supere o que sua rede de fabricação e infraestrutura consegue fornecer.

A Nvidia apresentou inicialmente a projeção durante sua teleconferência de resultados do segundo trimestre do ano fiscal de 2027, em 26 de agosto. A diretora financeira Colette Kress disse que a empresa esperava um crescimento de receita de aproximadamente 70% no ano fiscal de 2028.

O número chamou atenção porque a Nvidia normalmente não orientava investidores em relação a um ano fiscal futuro inteiro. Suas projeções geralmente se concentravam no trimestre seguinte, quando cronogramas de oferta e pedidos de clientes eram mais fáceis de avaliar.

Huang posteriormente repetiu a previsão durante a Communacopia and Technology Conference do Goldman Sachs. Seus comentários na conferência apresentaram a projeção como resultado da visibilidade da Nvidia sobre seu mercado.

A Nvidia reportou aproximadamente US$ 96 bilhões em receita trimestral no período encerrado em 26 de julho de 2026. A receita de data centers atingiu US$ 89 bilhões, alta de 18% em relação ao trimestre anterior.

A empresa também projetou cerca de US$ 108 bilhões em receita para seu terceiro trimestre fiscal. Esses números mostram que a previsão de 70% parte de uma base muito maior do que a enfrentada pela Nvidia no início da expansão da IA generativa.

Kress disse que as projeções dos clientes apontavam para uma demanda que poderia dobrar no ano seguinte. A Nvidia ainda limitou sua previsão de receita a 70% porque a oferta disponível não conseguiria atender a todas essas solicitações.

Huang reforçou essa distinção durante a teleconferência de resultados. Ele afirmou que a demanda era substancialmente maior que o volume que a Nvidia esperava entregar. A oferta já garantida pela empresa deu à administração confiança no número menor.

Não se trata simplesmente de alegar que mais empresas encomendarão chips individuais. A Nvidia agora descreve seu produto na escala de um sistema de computação completo.

Uma instalação moderna da Nvidia pode incluir CPUs, GPUs, equipamentos de rede, switches, componentes de refrigeração e software abrangente. Essas partes operam como um único computador em escala de data center.

Huang usou o sistema GB200 NVL72 da Nvidia para ilustrar essa mudança. Ele combina 36 CPUs Grace e 72 GPUs Blackwell por meio da interconexão NVLink da Nvidia.

Ele disse que os pedidos do sistema cresciam 27% mês a mês quando falou em setembro. Esse número representava o ritmo atual dos pedidos, e não uma garantia de que esse ritmo continuaria indefinidamente.

A Nvidia chama essas instalações de fábricas de IA porque elas transformam eletricidade e dados em resultados de treinamento e inferência de modelos. Inferência é o processo de usar um modelo treinado para gerar respostas, previsões ou outros resultados.

A unidade de venda maior muda a forma como os investidores devem interpretar a previsão. A Nvidia não está contabilizando apenas chips enviados a data centers existentes. Ela planeja em torno de instalações completas que exigem energia, refrigeração, terreno, financiamento e construção.

Isso faz da previsão, em parte, um cronograma de implantação industrial. Cada meta de receita depende de fornecedores e clientes concluírem uma longa cadeia de trabalho dentro do prazo.

Essa cadeia cria maior visibilidade porque projetos de grande porte exigem planejamento plurianual. Também cria mais oportunidades para atrasos.

Agentes de IA Estão Impulsionando uma Necessidade de Computação Muito Maior

O argumento central de Huang sobre a demanda é que agentes de IA executam tarefas mais longas, tornando cada solicitação de usuário muito mais cara em termos computacionais.

Um chatbot básico costuma responder a um prompt com uma resposta. Um agente de IA pode planejar uma tarefa, chamar ferramentas de software, inspecionar resultados, corrigir erros e repetir esse ciclo.

Cada etapa consome capacidade de inferência. A carga de trabalho pode crescer rapidamente quando um agente realiza pesquisa, desenvolvimento de software, atendimento ao cliente, análise científica ou operações empresariais.

Durante a transcrição de resultados da Nvidia, Huang estimou que um agente pode exigir de 15 a 100 vezes mais computação do que o uso humano direto. Ele afirmou que o volume varia conforme o problema resolvido.

Essa estimativa é uma alegação da empresa, não um benchmark independente que cubra todas as aplicações. Ainda assim, o mecanismo subjacente é claro. Sequências de raciocínio mais longas e chamadas repetidas a ferramentas exigem mais tokens gerados e mais tempo de acelerador.

O desenvolvimento de modelos também está se expandindo para além de um pequeno grupo de laboratórios de ponta. A Nvidia afirma que a demanda agora vem de hyperscalers, neoclouds, startups de IA, empresas, companhias industriais, instituições de pesquisa e clientes soberanos.

Hyperscalers são os maiores provedores de nuvem, incluindo Amazon Web Services, Microsoft Azure e Google Cloud. Neoclouds são empresas de infraestrutura mais novas, construídas principalmente em torno de computação com GPU.

No segundo trimestre reportado pela Nvidia, a receita de hyperscalers alcançou US$ 49 bilhões. Outra categoria de clientes, que abrange neoclouds, indústrias e empresas, gerou US$ 40 bilhões.

Essa segunda categoria cresceu 25% em relação ao trimestre anterior e 138% em relação ao ano anterior, segundo a Nvidia. Sua escala sustenta o argumento de Huang de que o mercado é mais amplo do que um laboratório de IA ou um cliente de nuvem.

Kress disse que parceiros neocloud deveriam encerrar 2026 com oito gigawatts de capacidade instalada. Eles tinham aproximadamente três gigawatts no fim de 2025.

Um gigawatt mede potência, não desempenho computacional. Ainda assim, oferece um indicador útil de quão grandes esses projetos se tornaram. Um novo campus de data center pode exigir energia comparável à de um grande empreendimento industrial.

A Amazon fornece outro sinal de demanda. A Nvidia disse que a AWS começaria a implantar mais dois milhões de GPUs Nvidia durante o trimestre reportado. O cronograma de implantação se estende até o segundo trimestre fiscal de 2029 da Nvidia.

A AWS também planeja usar tecnologia da Nvidia em modelos, serviços de nuvem e robótica de armazéns. Ainda assim, a Amazon continua desenvolvendo seus próprios aceleradores Trainium, criando simultaneamente parceria e concorrência.

O Google segue estratégia semelhante com suas Tensor Processing Units. A Microsoft tem aceleradores Maia, enquanto OpenAI e Anthropic desenvolvem programas de hardware personalizado.

Esses projetos pressionam a Nvidia porque seus maiores clientes querem maior controle sobre custos e oferta. Eles não eliminam automaticamente a demanda por sistemas da Nvidia.

Aceleradores personalizados funcionam melhor quando uma empresa consegue otimizar hardware, software e cargas de trabalho em conjunto. A vantagem da Nvidia é uma compatibilidade mais ampla entre clientes, modelos, nuvens e ferramentas de desenvolvimento.

Huang afirma que a Nvidia executa modelos dos principais laboratórios fechados e de desenvolvedores de modelos abertos. Esse alcance permite que um cliente implante software semelhante em diversos ambientes sem precisar reconstruir tudo para um chip especializado.

CUDA, a plataforma de programação da Nvidia para computação em GPU, continua central para essa posição. Desenvolvedores passaram anos criando bibliotecas, ferramentas e aplicações em torno dela.

A previsão de crescimento de 70% da Nvidia pressupõe que essa plataforma completa continue preferível para uma parcela substancial da nova capacidade. Ela não exige que aceleradores personalizados fracassem.

Em vez disso, a previsão pressupõe que a demanda total cresça rápido o bastante para as duas abordagens. A Nvidia pode perder algumas cargas de trabalho para chips desenvolvidos internamente enquanto amplia as vendas em um mercado de computação maior.

A incerteza está no timing. Clientes podem superestimar a adoção de agentes no curto prazo, enquanto aplicações úteis podem levar mais tempo para gerar receita do que a infraestrutura leva para ser construída.

Se as empresas tiverem dificuldade em transformar experimentos com agentes em fluxos de trabalho confiáveis, operadores de nuvem poderão enfrentar menor utilização. Isso enfraqueceria a lógica econômica por trás de outra rodada de pedidos de equipamentos.

Para trabalhadores do conhecimento, o sinal prático é a profundidade de uso, e não os anúncios de modelos. Sistemas que se tornarem incorporados ao desenvolvimento de software, à pesquisa, às vendas e às operações consumirão computação repetidamente.

Uma base de conhecimento de IA pesquisável, por exemplo, pode combinar recuperação de informações com chamadas repetidas a modelos. Em escala, esses fluxos de trabalho cotidianos importam mais do que uma única demonstração.

O Alcance Full-Stack da Nvidia Explica a Confiança de Huang

A Nvidia acredita que pode fazer previsões mais adiante porque agora monitora tanto a oferta de semicondutores quanto a infraestrutura física que aguarda seus sistemas.

Empresas de chips tradicionalmente estimam a demanda a partir de pedidos de clientes, cronogramas de fabricação, estoques e atividade dos canais. A Nvidia agora acompanha outra camada de informações.

Huang disse que a empresa acompanha terrenos para data centers, energia elétrica e estruturas de edifícios em todo o mundo. Uma estrutura é a construção física preparada antes da chegada de servidores e equipamentos de rede.

Esse conhecimento importa porque a construção de capacidade de IA leva anos. Um cliente não pode instalar um sistema avançado sem garantir conexões com serviços públicos, equipamentos de refrigeração, empreiteiros, licenças e capital.

A Nvidia se posicionou nos dois lados do cronograma de implantação. A montante, trabalha com fundições, fornecedores de memória, provedores de empacotamento e outros fabricantes de componentes.

A jusante, coordena-se com operadores de nuvem, desenvolvedores de data centers, empresas de energia, corporações e instituições financeiras. Essa posição dá à Nvidia uma visão antecipada de projetos antes da entrega do hardware.

Seus compromissos de gastos refletem a escala dessa coordenação. O documento trimestral da Nvidia informou que os compromissos de oferta e capacidade aumentaram de US$ 119 bilhões para US$ 279 bilhões até 26 de julho.

Esses compromissos ajudam a garantir a produção para arquiteturas atuais e futuras. Também podem se tornar um passivo se as implantações dos clientes desacelerarem ou se as transições tecnológicas ocorrerem de forma diferente do esperado.

O valor de vendas da Nvidia por gigawatt aumentou à medida que seus sistemas se tornaram mais integrados. Huang disse que Hopper representava cerca de US$ 18 bilhões em equipamentos Nvidia por gigawatt.

Ele situou Grace Blackwell em aproximadamente US$ 25 bilhões por gigawatt e Vera Rubin em cerca de US$ 40 bilhões. Essas são estimativas da Nvidia para o valor dos sistemas, não custos universais de construção.

A progressão mostra por que a receita pode crescer mais rápido do que o número de data centers energizados. Cada geração pode concentrar equipamentos de computação e rede mais valiosos por trás da mesma conexão elétrica.

As novas plataformas também levam a Nvidia para categorias antes atendidas por diversos fornecedores. A empresa vende aceleradores, CPUs, componentes de rede, interconexões, software e sistemas completos em escala de rack.

Essa expansão gera mais receita para a Nvidia a cada implantação. Também significa que a previsão da Nvidia depende de os clientes adotarem uma parcela maior de sua arquitetura.

Concorrentes podem atacar diferentes camadas dessa pilha. A AMD vende aceleradores, a Broadcom ajuda empresas a desenvolver chips personalizados, e provedores de nuvem oferecem seu próprio silício.

A Cerebras e outros desenvolvedores especializados propõem formas alternativas de construir sistemas de computação para IA. Alguns miram a economia da inferência, enquanto outros enfatizam capacidade de memória ou escalabilidade mais simples.

A defesa da Nvidia é a fungibilidade: um sistema pode atender a muitos modelos e clientes, em vez de uma carga de trabalho estritamente definida. Essa flexibilidade é particularmente importante para operadores de nuvem.

Uma neocloud quer alugar a capacidade disponível ao cliente que oferecer o melhor retorno. Hardware otimizado para um único modelo pode se tornar difícil de reaproveitar quando a demanda muda.

A Nvidia argumenta que a ampla compatibilidade de software protege o valor de revenda e locação de seus equipamentos. Instituições financeiras também se importam com essa afirmação, pois precisam avaliar o risco dos ativos no longo prazo.

No entanto, o hardware de computação se deprecia mais rapidamente do que a infraestrutura convencional. Um compromisso de nuvem de seis anos pode abranger várias gerações de produtos da Nvidia.

Os clientes ainda podem preferir sistemas mais antigos para inferências menos exigentes. Porém, essa demanda secundária precisa continuar forte o bastante para sustentar o valor residual esperado.

A previsão de crescimento de 70% da Nvidia, portanto, se apoia em duas formas de visibilidade. A primeira vem da capacidade contratada e de projetos físicos. A segunda vem da crença da Nvidia de que sua plataforma continuará economicamente útil após a chegada de sistemas mais novos.

A primeira pode ser medida por compromissos e construção. A segunda só ficará clara por meio de utilização, taxas de locação e renovações de clientes.

A Questão do Financiamento Circular Não Desaparece

Os acordos da Nvidia podem viabilizar uma demanda genuína e, ao mesmo tempo, transferir mais risco de clientes e infraestrutura para o próprio balanço patrimonial da empresa.

A crítica ao financiamento circular é direta. A Nvidia investe em empresas de IA ou apoia sua infraestrutura, e essas empresas usam capital para comprar acesso a sistemas da Nvidia.

Críticos temem que esse arranjo possa fazer a demanda parecer mais independente do que realmente é. Se os clientes não conseguirem financiar a expansão sem apoio do fornecedor, as vendas atuais poderão antecipar demanda futura.

A Nvidia rejeita essa interpretação. Kress disse a analistas que a empresa vê seu apoio como desenvolvimento de infraestrutura respaldado pelo uso dos clientes e por capital fornecido de forma independente.

Em projetos de neocloud, a Nvidia pode oferecer um compromisso take-or-pay que cobre parte da capacidade de uma instalação. Take-or-pay significa que a Nvidia concorda em pagar por uma quantidade mínima, mesmo quando o uso real fica abaixo desse nível.

Esse piso pode ajudar um operador de nuvem a obter financiamento para o projeto. A Nvidia então recebe uma participação na receita gerada acima do nível garantido.

Kress disse que a empresa é remunerada pela venda do hardware e pode posteriormente receber receita de locação. A Nvidia informou US$ 36 bilhões nesses compromissos de serviços em nuvem em 26 de julho.

O documento afirma que os provedores de nuvem podem deixar de fornecer capacidade à Nvidia e vendê-la a terceiros por taxas melhores. O compromisso da Nvidia diminui à medida que clientes externos ou a própria Nvidia consomem a capacidade.

Essa estrutura é diferente de simplesmente emprestar dinheiro a um cliente para comprar hardware. Ainda assim, a Nvidia assume custos se a utilização externa não se desenvolver.

Sua exposição se estende a projetos físicos. A Nvidia divulgou até US$ 3,5 bilhões em garantias relacionadas a obrigações de terreno, energia e construção para parceiros selecionados de nuvem de IA.

A empresa também firmou garantias ligadas ao PORTS Technology Campus da SB Energy, em Ohio. A Nvidia limitou esse apoio a um total agregado de US$ 105 bilhões, sujeito a condições.

O campus planejado abrange aproximadamente 4,25 gigawatts de carga de TI. Espera-se que seus nove data centers comecem a entrar em operação durante o ano fiscal de 2029 da Nvidia.

Espera-se que a OpenAI alugue o campus por 20 anos, com exceções limitadas. A exposição da Nvidia diminui à medida que a OpenAI efetua pagamentos de aluguel e pode terminar após eventos especificados.

Esse arranjo cria uma conexão clara entre a Nvidia, um laboratório de IA, um desenvolvedor de data centers e a futura demanda por hardware. É razoável que investidores examinem toda a cadeia.

A Nvidia afirma que as garantias tratam de uma incompatibilidade de financiamento. Laboratórios de fronteira podem ter uma demanda em rápido crescimento sem o histórico de crédito exigido para contratos de infraestrutura de várias décadas.

A empresa informou ter investido quase US$ 50 bilhões em laboratórios de IA de fronteira. A Nvidia caracteriza esse valor como uma pequena parcela do fluxo de caixa livre esperado no mesmo período.

Em agosto, a Nvidia também anunciou parcerias com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. O anúncio de financiamento visava mobilizar mais de US$ 500 bilhões em capital de terceiros ao longo do tempo.

Esses acordos eram memorandos de entendimento, não implantações concluídas do valor total. O documento da Nvidia alertou que acordos preliminares poderiam não resultar em contratos definitivos.

As plataformas propostas teriam instituições externas subscrevendo projetos individuais. A Nvidia ainda poderia fornecer apoio limitado ao valor residual, a seu critério.

A defesa mais simples de Huang veio durante sua participação em uma conferência em setembro. Ele argumentou que a Nvidia contribui com uma pequena quantia, enquanto um volume muito maior de capital externo retorna ao mercado de infraestrutura.

A resposta resume a tese da Nvidia, mas não resolve a questão contábil ou econômica. Um ciclo financeiro não precisa de contribuições iguais de todos os participantes para concentrar riscos.

A questão mais importante é se os usuários finais geram caixa suficiente para sustentar as cobranças de locação na nuvem. Essa receita precisa, em algum momento, cobrir eletricidade, instalações, financiamento, hardware e margens dos operadores.

Uma utilização positiva pode fazer a intervenção da Nvidia parecer uma formação sensata de mercado. Uma utilização fraca pode expor garantias, reduzir preços de locação e deixar clientes com equipamentos que envelhecem rapidamente.

Os investidores já pediram maior divulgação. Antes dos resultados da Nvidia em agosto, analistas do Morgan Stanley solicitaram ampla transparência sobre investimentos e acordos de financiamento.

Melissa Otto, líder de pesquisa da Visible Alpha, classificou a previsão de 70% como um aumento significativo em relação às expectativas de mercado próximas de 45%. Sua avaliação, divulgada junto com uma análise mais ampla dos investidores, destaca por que o debate importa.

Uma previsão tão acima das expectativas depende de mais do que desempenho superior de chips. Ela depende de um sistema de financiamento e construção que cresça sem criar capacidade ociosa excessiva.

Os próprios documentos da Nvidia reconhecem que os riscos de escassez e excesso de oferta coexistem. Energia, terreno, capital ou componentes insuficientes podem atrasar a receita.

Os clientes também podem postergar novas arquiteturas ou adotá-las mais lentamente do que o esperado. Mudanças nas condições de mercado podem tornar os compromissos da Nvidia menos valiosos e prejudicar os resultados financeiros.

A conclusão equilibrada não é que todo projeto apoiado pela Nvidia produza demanda artificial. Tampouco é que a subscrição independente elimine o risco da Nvidia.

A empresa está usando sua posição de mercado para resolver gargalos reais de infraestrutura. Ao fazer isso, está vinculando seu balanço patrimonial mais estreitamente à utilização dos clientes e à qualidade de crédito deles.

Essa contrapartida é o teste central por trás da confiança de Huang.

Três Sinais Testarão a Previsão de Jensen Huang

Investidores devem acompanhar a conversão de fornecimento, a utilização externa e a concentração de clientes, em vez de tratar o número de 70% como autoevidente.

O primeiro sinal é a conversão, pela Nvidia, de seus US$ 279 bilhões em compromissos de fornecimento e capacidade em sistemas enviados e pagos. Esses compromissos demonstram preparação, mas a receita exige produtos concluídos e data centers prontos.

A memória representa uma restrição imediata. A Nvidia afirmou que a forte demanda por IA apertou a oferta e pressionou os custos.

A empresa reportou uma margem bruta de 75% no trimestre. A administração esperava que essa métrica caísse para até 71% antes de se recuperar.

Se a disponibilidade de memória melhorar e as novas arquiteturas entrarem em produção em volume dentro do cronograma, a Nvidia poderá atender uma parcela maior da demanda que enxerga. Atrasos enfraqueceriam a explicação baseada na oferta para a previsão.

Portanto, investidores devem comparar a orientação de receita trimestral com estoques, compromissos de compra, margens e comentários sobre a transição de plataformas. Compromissos crescentes sem remessas proporcionais mereceriam atenção mais próxima.

O segundo sinal é a utilização por terceiros em neoclouds e data centers apoiados. Este é o teste mais claro da preocupação com o financiamento circular.

A Nvidia afirma que seus compromissos de nuvem diminuem quando clientes externos consomem capacidade. Um forte uso por terceiros transferiria o risco para longe da Nvidia e validaria a economia independente dos projetos.

A utilização também precisa gerar taxas de locação sustentáveis. Um data center pode parecer movimentado enquanto gera retornos insuficientes, porque os provedores oferecem acesso a GPUs com desconto para atrair clientes.

Operadores de nuvem devem demonstrar que a receita cresce junto da capacidade instalada. Também precisam mostrar que a demanda dos clientes vai além de alguns laboratórios de fronteira e hyperscalers.

O crescimento reportado pela Nvidia entre empresas, projetos soberanos e nuvens regionais sustenta esse argumento. Divulgações futuras precisam mostrar que esses clientes se tornam usuários duradouros, em vez de apenas pipelines anunciados.

Se a exposição take-or-pay da Nvidia cair enquanto a receita dos parceiros se expandir, o argumento de formação de mercado da empresa se fortalecerá. Garantias crescentes acompanhadas de uso externo fraco fortaleceriam o argumento dos críticos.

O terceiro sinal é o equilíbrio entre os sistemas da Nvidia e chips projetados pelos clientes. Amazon, Google, Microsoft, OpenAI e Anthropic têm fortes razões para diversificar.

Silício personalizado pode reduzir custos para cargas de trabalho estáveis e diminuir a dependência de um único fornecedor. Também pode dar aos desenvolvedores de modelos maior controle sobre memória, redes e design de software.

A Nvidia não precisa impedir essas implantações. Ela precisa que sua plataforma retenha cargas de trabalho suficientes enquanto o mercado geral se expande.

Observe se os provedores de nuvem continuam encomendando sistemas completos da Nvidia enquanto implantam seus próprios aceleradores. Uma estratégia mista sustentaria a afirmação de Huang de que a Nvidia atende a um mercado amplo e crescente.

Uma mudança significativa para hardware proprietário, tanto no treinamento quanto na inferência, enfraqueceria essa conclusão. Também poderia reduzir o poder de precificação da Nvidia e o valor capturado por gigawatt.

A previsão para o ano fiscal de 2028 será testada progressivamente, não em uma única data de divulgação de resultados. Cronogramas de construção, compras de fornecimento, uso de nuvem e implantações de chips concorrentes revelarão se suas premissas permanecem alinhadas.

Desenvolvedores e compradores empresariais também devem acompanhar disponibilidade e preços. Uma oferta maior pode tornar a inferência avançada mais fácil de acessar, mesmo que as organizações nunca comprem hardware da Nvidia diretamente.

Os trabalhadores do conhecimento vivenciarão essa previsão por meio do software. Se os agentes se tornarem confiáveis o bastante para gerenciar fluxos de trabalho mais longos, a demanda por computação poderá aumentar sem que os usuários vejam a infraestrutura por trás disso.

A previsão de crescimento de 70% da Nvidia é, em última análise, uma afirmação sobre comportamento, não apenas sobre manufatura. Ela pressupõe que as empresas usarão IA em volume suficiente para justificar uma expansão histórica da capacidade computacional.

Huang explicou por que a Nvidia vê esse cenário como provável. A empresa está presente em modelos, nuvens, empresas, fornecedores, projetos de energia e provedores de capital.

Esse alcance dá à Nvidia informações que poucos concorrentes possuem. Também significa que a Nvidia está ajudando a criar o futuro que diz já conseguir enxergar.

A próxima questão é se os clientes gerarão valor independente suficiente para sustentá-lo. Observe os sistemas entregues, a utilização de nuvens de terceiros e a adoção de chips personalizados nos próximos trimestres.

Esses indicadores mostrarão se os 70% representam uma demanda duradoura ou uma cadeia de suprimentos avançando à frente de seus usuários.