Nvidia Entra em 2027 com uma Recompensa Maior e um Risco Muito Maior

A Nvidia entra em 2027 com a receita em alta de 106%, mas sua vantagem mais forte já não se apoia apenas em processadores gráficos. A empresa agora quer capturar uma parcela maior dos gastos em cada data center de IA, de CPUs e redes a sistemas completos em escala de rack.

Essa expansão sustenta uma tese otimista para as ações da Nvidia que circula no Google News e foi republicada por diversos veículos financeiros. No entanto, o argumento subjacente merece um escrutínio maior do que sugere um simples rótulo de “melhor ação de semicondutores”.

A tese original sobre a ação aponta para a escala, o crescimento e o portfólio de produtos em expansão da Nvidia. Ela também argumenta que os investidores deveriam focar menos na participação de mercado de aceleradores e mais na receita capturada por gigawatt.

Essa distinção importa. A principal disputa da Nvidia já não é apenas entre GPUs da Nvidia, aceleradores da AMD ou chips personalizados de provedores de nuvem. O conflito central é a plataforma completa de data center da Nvidia contra clientes que cada vez mais querem fornecedores alternativos, silício próprio e maior controle.

Os resultados financeiros tornam difícil descartar a posição da Nvidia. Eles também revelam uma empresa assumindo compromissos maiores em manufatura, memória, capacidade de nuvem e financiamento de infraestrutura.

Esta não é uma história simples sobre uma vencedora incontestável. É um teste sobre se a Nvidia consegue transformar sua liderança de mercado em uma plataforma mais ampla sem assumir riscos excessivos de oferta e demanda.

A Escolha de Ação no Google News Começa com um Crescimento Extraordinário

Os resultados mais recentes da Nvidia sustentam o cenário otimista, mas a composição desse crescimento importa mais do que a porcentagem em destaque.

A Nvidia reportou receita de US$ 96,2 bilhões no segundo trimestre fiscal, para o período encerrado em 26 de julho de 2026. A receita subiu 18% em relação ao trimestre anterior e 106% em relação ao ano anterior.

O segmento Data Center gerou US$ 89 bilhões, representando mais de nove décimos da receita trimestral total. Esse segmento cresceu 117% em relação ao ano anterior, segundo os resultados do segundo trimestre da Nvidia.

A empresa também reportou margem bruta de 75%. O lucro operacional alcançou US$ 63,7 bilhões segundo os princípios contábeis geralmente aceitos, enquanto o lucro líquido chegou a US$ 59,7 bilhões.

Esses números estabelecem a base por trás da manchete do Google News. A Nvidia está apresentando um crescimento excepcional apesar de partir de uma base de receita que normalmente tornaria difícil uma expansão de três dígitos.

A administração prevê receita de US$ 108 bilhões no terceiro trimestre, com variação de 2% para cima ou para baixo. O ponto médio implica outro aumento sequencial substancial.

A Nvidia não incluiu nenhuma receita de computação para Data Center da China nessa previsão. Essa exclusão é importante porque as restrições de exportação reduziram drasticamente seu acesso a um mercado historicamente relevante.

O crescimento não vem apenas do envio de mais versões do mesmo acelerador. A Nvidia está vendendo sistemas que combinam GPUs, CPUs, interconexões, switches, equipamentos de rede e software.

Isso muda a forma como sua oportunidade deve ser medida. Uma estimativa de participação no mercado de aceleradores captura apenas uma camada do que a Nvidia agora vende para um data center de IA.

Um provedor de nuvem pode comprar GPUs da Nvidia enquanto usa CPUs, redes e software de outros fornecedores. A estratégia da Nvidia é substituir mais dessas decisões de compra separadas por uma arquitetura integrada.

A empresa chama essas implantações de fábricas de IA, ou seja, data centers projetados para transformar energia e dados em resultados de treinamento ou inferência de modelos. Inferência é o processo de executar um modelo treinado para produzir respostas, imagens, previsões ou ações.

A estratégia aumenta a receita potencial da Nvidia em cada instalação. Ela também torna os clientes mais dependentes de sua arquitetura, de seu calendário de lançamentos e de seu ambiente de software.

Para os compradores, essa integração pode reduzir o esforço necessário para montar e otimizar milhares de componentes. Também pode restringir sua liberdade de substituir outro fornecedor mais tarde.

Portanto, a tese sobre a ação se apoia em mais do que na demanda por aceleradores de IA. Ela pressupõe que a Nvidia consegue continuar ampliando sua participação em todo o orçamento de infraestrutura.

Essa é uma proposta de negócio mais forte do que vender um único componente. Também é uma promessa mais exigente de executar.

A Nvidia Quer Uma Parcela Maior de Cada Data Center de IA

A métrica mais importante da Nvidia rumo a 2027 é a oportunidade de receita por gigawatt, e não apenas a participação de mercado de GPUs.

Na teleconferência de resultados de agosto da Nvidia, a administração afirmou que sua oportunidade de receita havia crescido de cerca de US$ 18 bilhões por gigawatt com Hopper para US$ 25 bilhões com Blackwell.

Para Vera Rubin, a empresa estima uma oportunidade de cerca de US$ 40 bilhões por gigawatt. Um gigawatt mede a capacidade elétrica, que se tornou uma restrição prática para o tamanho de novos campi de IA.

Essas estimativas são projeções da empresa, não médias do setor verificadas de forma independente. Ainda assim, mostram como a Nvidia define sua próxima fase de crescimento.

Hopper estabeleceu principalmente a Nvidia como fornecedora preferida de aceleradores para IA generativa. Blackwell expandiu a arquitetura para sistemas integrados maiores, incluindo produtos em escala de rack e redes de alta velocidade.

Vera Rubin amplia essa abordagem com a CPU Vera, a GPU Rubin, interconexões NVLink, redes Ethernet ou InfiniBand e outros processadores. NVLink é a tecnologia de conexão de alta largura de banda da Nvidia para conectar aceleradores em um único sistema computacional.

A Nvidia afirmou que Vera Rubin entrou em produção plena e iniciou remessas de produção em agosto de 2026. A empresa espera que os produtos Rubin representem cerca de 20% da receita de Data Center durante o terceiro trimestre.

A administração também afirmou ter recebido pedidos de compra de todos os principais hyperscalers, provedores de nuvem de IA e fabricantes de sistemas. Um hyperscaler é uma empresa que opera redes muito grandes de nuvem e data centers.

Essas declarações indicam uma transição mais rápida do que os investidores normalmente esperam entre gerações de semicondutores. Mudanças de produto frequentemente criam pausas enquanto os compradores testam o hardware, preparam o software e consomem o estoque anterior.

A Nvidia afirma que a demanda por Blackwell permanece forte enquanto Rubin ganha escala. Se isso continuar, a empresa poderá introduzir uma nova arquitetura sem criar a habitual lacuna de receita.

O portfólio mais amplo acrescenta outra camada. A Nvidia afirmou que a receita acumulada em 12 meses de sua CPU Grace superou US$ 5 bilhões, enquanto a CPU Vera entrou em produção plena.

A administração vê cerca de US$ 20 bilhões de demanda total no mercado de CPUs para servidores que está abordando. Ela espera que a receita de CPUs da Nvidia mais do que dobre durante o ano fiscal de 2028.

As redes também estão crescendo. A Nvidia afirmou que a receita trimestral de redes estabeleceu outro recorde, com crescimento sequencial de 18%.

A receita de Ethernet Spectrum-X aumentou 2,6 vezes em relação ao ano anterior. Ethernet é a base de rede padrão usada pela maioria dos data centers, enquanto Spectrum-X é o sistema da Nvidia projetado para cargas de trabalho de IA.

Essa expansão é o mecanismo por trás do cenário otimista para 2027. A Nvidia pode perder alguma participação em aceleradores enquanto aumenta sua receita com CPUs, switches, interconexões e sistemas completos.

Para os clientes, a atração está no design coordenado. A Nvidia pode otimizar conjuntamente chips, redes, software de sistema e bibliotecas de modelos, em vez de tratá-los como partes isoladas.

A administração afirma que Vera Rubin oferece throughput 30 vezes maior por megawatt e custo por token 35 vezes menor do que Grace Blackwell Ultra. Essas comparações vêm da Nvidia e dependem da carga de trabalho e da configuração do sistema.

Ainda assim, o desempenho por unidade de energia tornou-se uma questão central de compra. Muitos projetos de IA são limitados por eletricidade, refrigeração, cronogramas de construção e acesso à rede elétrica antes de ficarem sem recursos para chips.

Se um novo sistema produzir mais resultados de modelos dentro de um limite fixo de energia, um cliente poderá aumentar a capacidade utilizável sem esperar por outro data center.

Isso torna a eficiência da plataforma comercialmente importante. Também explica por que a Nvidia está direcionando compradores para sistemas completos, em vez de GPUs independentes.

A Principal Disputa é o Controle da Plataforma, Não Um Único Chip

O adversário mais consequente da Nvidia é o desejo do cliente de evitar a dependência de uma única plataforma de infraestrutura.

A AMD continua sendo a concorrente mais clara entre os fornecedores independentes de chips. Seu segmento Data Center gerou US$ 6,7 bilhões no segundo trimestre de 2026, alta de 107% em relação ao ano anterior.

A AMD apresentou sua família Instinct MI400, incluindo a MI455X para treinamento e inferência de IA em larga escala. Ela também lançou CPUs para servidores EPYC de sexta geração e continuou desenvolvendo seu ambiente de software ROCm.

A empresa anunciou colaborações envolvendo Anthropic e Microsoft. Seus resultados do segundo trimestre informaram que a Anthropic planejava implantar até dois gigawatts de sistemas MI450, enquanto a Microsoft planejava implantações mais amplas do Helios no Azure.

A AMD não precisa igualar a receita total da Nvidia para alterar o comportamento dos compradores. Precisa fornecer desempenho, compatibilidade de software e oferta suficientes para se tornar uma segunda fonte confiável.

Uma alternativa viável dá poder de negociação aos provedores de nuvem. Ela também pode ajudá-los a reservar sistemas da Nvidia para cargas de trabalho que mais se beneficiam do software e da arquitetura de interconexão da Nvidia.

Os provedores de nuvem criam uma segunda pressão competitiva por meio de chips personalizados. Amazon, Google e Microsoft investiram em processadores projetados para seus próprios serviços.

O silício personalizado pode atender a cargas de trabalho mais restritas do que um acelerador de uso geral. Essa especialização pode melhorar a eficiência de custos quando o operador controla tanto o hardware quanto o software executado sobre ele.

A abordagem envolve contrapartidas. Os clientes precisam adaptar modelos, ferramentas de desenvolvimento e processos operacionais a outra arquitetura. Eles também perdem parte da flexibilidade oferecida pela capacidade amplamente disponível da Nvidia.

O ambiente de software CUDA da Nvidia continua sendo uma defesa significativa. CUDA fornece aos desenvolvedores ferramentas e bibliotecas para criar aplicações executadas em GPUs da Nvidia.

Anos de adoção criaram conhecimento técnico, software otimizado e fluxos de trabalho em torno de CUDA. Portanto, mudar de hardware pode envolver mais do que substituir uma placa dentro de um servidor.

Ainda assim, a expansão da plataforma da Nvidia pode intensificar o incentivo à mudança. Um comprador que adquire CPUs, GPUs, redes, sistemas e software da Nvidia ganha integração, mas concentra mais decisões de infraestrutura em um único fornecedor.

Essa concentração afeta negociações de preços, resiliência de compras e escolhas futuras de arquitetura. Grandes provedores de nuvem raramente querem que um fornecedor controle todas as camadas críticas.

É por isso que a participação em aceleradores, por si só, oferece uma visão incompleta em ambas as direções. A Nvidia pode gerar mais receita apesar de perdas de participação, mas os clientes podem resistir à sua expansão mesmo continuando a comprar enormes quantidades de GPUs.

O resultado competitivo variará conforme a carga de trabalho. O treinamento de modelos de fronteira valoriza redes, maturidade de software e confiabilidade de sistemas em larga escala.

A inferência pode ser mais fragmentada. Ela inclui assistentes interativos, busca, sistemas de recomendação, ferramentas de programação, geração de vídeo e aplicações empresariais internas.

Algumas cargas de trabalho de inferência se beneficiam da plataforma geral da Nvidia. Outras podem executar com eficiência em aceleradores da AMD, chips internos ou processadores projetados para um modelo específico.

A Nvidia respondeu acelerando seu cronograma de produtos e ampliando seu portfólio. Isso torna mais difícil para um rival mirar uma arquitetura estática.

Também eleva a pressão de execução. A Nvidia precisa coordenar novos chips, memória, redes, refrigeração, fabricação e software em mais produtos a cada ano.

A disputa de 2027, portanto, não é uma simples corrida de benchmarks. Trata-se de uma disputa sobre quanto controle os clientes cederão em troca de implantação mais rápida e desempenho integrado.

Uma Aposta de US$ 279 Bilhões em Fornecimento Eleva as Apostas

A confiança da Nvidia na demanda agora está incorporada a compromissos que tornam erros de previsão mais caros.

A Nvidia aumentou seus compromissos de fornecimento e capacidade de US$ 119 bilhões após o trimestre anterior para US$ 279 bilhões em 26 de julho de 2026.

Esses compromissos cobrem principalmente capacidade de memória e fabricação para produtos atuais e futuros de data center. Eles se estendem por vários anos fiscais, segundo o relatório trimestral da Nvidia.

Alguns acordos podem ser cancelados, reprogramados ou ajustados antes que a Nvidia faça pedidos firmes. Essa flexibilidade reduz o risco, mas não elimina as consequências operacionais e financeiras de uma desaceleração da demanda.

A Nvidia listou US$ 366 bilhões em compromissos futuros totais. Além de fornecimento e capacidade, o valor incluiu acordos de nuvem, arrendamentos de data centers, investimentos em participações e despesas de capital.

A empresa também divulgou US$ 36 bilhões em compromissos associados a um novo modelo envolvendo parceiros selecionados de nuvem de IA. Sob esses acordos, os parceiros compram infraestrutura da Nvidia enquanto a Nvidia se compromete a adquirir serviços de nuvem.

Esses compromissos de nuvem geralmente se estendem por seis anos. Eles diminuem quando clientes terceiros ou a Nvidia utilizam a capacidade.

Esse arranjo pode ajudar provedores menores de nuvem de IA a financiar implantações maiores. Também pode sustentar a demanda por sistemas da Nvidia ao dar a esses operadores um comprador comprometido para sua capacidade.

No entanto, ele torna mais complexa a relação entre fornecedor, investidor, financiador de infraestrutura e cliente. A Nvidia pode apoiar o ecossistema que compra seus produtos enquanto também consome serviços desse ecossistema.

Isso não torna a receita inválida. Significa, porém, que os investidores devem examinar de onde se origina a demanda final por cargas de trabalho e quanto da capacidade é absorvida por terceiros.

A empresa reportou US$ 3,3 bilhões em investimentos pelo método de equivalência patrimonial em financiadores de infraestrutura. Sua exposição máxima a perdas relacionada a determinadas entidades de participação variável atingiu US$ 4,7 bilhões.

A Nvidia também detinha US$ 99 bilhões em investimentos em participações e tinha outros US$ 25 bilhões em compromissos de investimento em participações. Essas posições ampliam sua exposição para além das remessas de produtos.

O risco central não é que a demanda por IA desapareça de repente. O risco mais plausível é que a infraestrutura chegue mais rápido do que aplicações rentáveis, conexões elétricas ou cargas de trabalho dos clientes.

Data centers exigem terrenos, eletricidade, edifícios, equipamentos de refrigeração, financiamento e aprovações regulatórias. A própria Nvidia alerta que a escassez desses recursos pode atrasar implantações e afetar o momento de reconhecimento da receita.

Os clientes podem adiar compras se um edifício não estiver pronto. Também podem adotar uma nova arquitetura de forma mais gradual quando o capital ou a energia continuarem restritos.

Os compromissos da Nvidia amplificam ambos os resultados. Garantir memória escassa e capacidade de fabricação protege sua capacidade de atender a uma demanda forte.

Os mesmos compromissos se tornam mais difíceis de administrar se os pedidos forem adiados, concorrentes conquistarem implantações maiores ou clientes reduzirem gastos.

A história dos semicondutores oferece muitos exemplos de escassez de fornecimento se transformando em correções de estoque. A posição atual da Nvidia é incomum porque os compromissos vão muito além do estoque convencional de chips.

A empresa está ajudando a coordenar uma expansão de infraestrutura medida em gigawatts e obrigações plurianuais. Isso lhe dá mais influência sobre o ritmo das implantações.

Também vincula seus resultados mais estreitamente à construção, à disponibilidade de energia, às condições de financiamento e à economia dos serviços de IA.

A perspectiva otimista do Google News enfatiza as restrições de oferta como evidência de demanda. A leitura mais cética questiona se os compromissos de fornecimento estão crescendo mais rapidamente do que o consumo final de usuários financiado de forma independente.

Ambas as interpretações podem ser verdadeiras por vários trimestres. A diferença só se torna visível quando a capacidade começa a operar e os clientes a utilizam de forma rentável ou têm dificuldade para preenchê-la.

China, Concentração de Clientes e Execução Continuam Sendo Riscos em Aberto

A tese de crescimento da Nvidia depende de condições que a administração não consegue controlar plenamente, incluindo política comercial, gastos dos clientes e entrega de infraestrutura.

A China representa o risco político mais claro. A Nvidia disse que as remessas de produtos Hopper para data centers à China representaram menos de 1 por cento da receita de Data Center no trimestre mais recente.

A empresa excluiu a receita de computação para Data Center na China de sua projeção para o terceiro trimestre. Seu relatório anual afirmou que a Nvidia estava efetivamente excluída do mercado chinês de computação para data centers ao fim do ano fiscal de 2026.

Regras de exportação podem restringir chips com base em desempenho de processamento, largura de banda de interconexão, largura de banda de memória e outras características. Mudanças nessas regras podem afetar produtos depois que a Nvidia já investiu em seu desenvolvimento.

O mercado perdido também dá aos concorrentes locais espaço para desenvolver hardware, software e relações com clientes. A Nvidia alertou que ecossistemas rivais mais fortes na China podem criar concorrência em outros lugares.

A concentração de clientes adiciona outro risco. Durante o ano fiscal de 2026, um cliente direto representou 22 por cento da receita total da Nvidia, enquanto outro representou 14 por cento.

Um cliente direto pode ser um distribuidor, fabricante de sistemas, provedor de nuvem ou desenvolvedor de modelos. O usuário final da infraestrutura pode estar por trás dessa relação direta de compra.

A Nvidia também afirmou que uma empresa de pesquisa e implantação de IA contribuiu de forma significativa para a receita ao comprar serviços de nuvem de seus clientes. Isso mostra como um desenvolvedor de modelos pode influenciar os gastos de vários provedores de infraestrutura.

A concentração não é necessariamente um sinal de demanda fraca. As maiores implantações de IA naturalmente vêm de organizações com acesso a grande financiamento, dados, capacidade de nuvem e equipes de engenharia.

Mas ela torna mais importantes as decisões de gasto de um pequeno número de empresas. Um atraso na implantação ou uma mudança na estratégia de modelos pode afetar vários fornecedores ao mesmo tempo.

A concorrência cria uma incerteza relacionada. O avanço da AMD, os chips internos dos provedores de nuvem e os processadores especializados em inferência podem limitar a capacidade da Nvidia de capturar todas as camadas.

A cadência anual de produtos da Nvidia reduz o tempo que os concorrentes têm para responder. Também deixa menos margem para problemas de fabricação, integração ou software.

Rubin combina vários componentes novos em um sistema em escala de rack. Um atraso em memória, refrigeração, redes ou equipamentos de energia pode restringir toda a implantação.

As alegações da administração sobre desempenho e custo também exigem interpretação cuidadosa. Ganhos em benchmarks não se traduzem automaticamente em economias equivalentes para todas as cargas de trabalho de produção.

Os clientes consideram utilização, portabilidade de software, comportamento dos modelos, redes, contratos de energia, manutenção e financiamento. Um sistema pode liderar em um benchmark e ainda produzir um resultado econômico diferente em operação.

A avaliação acrescenta outra camada, mesmo sem depender de um único múltiplo de mercado de curta duração. A escala da Nvidia significa que as expectativas já pressupõem crescimento substancial e execução contínua.

Uma empresa forte ainda pode gerar retornos de investimento decepcionantes se seus resultados ficarem abaixo de premissas elevadas. Por outro lado, um crescimento percentual mais lento não enfraquece automaticamente o negócio se as margens e a geração de caixa permanecerem altas.

Os leitores devem, portanto, separar três questões. A Nvidia pode continuar sendo a principal fornecedora de infraestrutura de IA, sua receita pode continuar crescendo e sua ação ainda pode reagir negativamente à mudança nas expectativas.

A seleção de ações do Google News comprime essas questões em uma única conclusão. Uma análise mais útil as mantém distintas.

Os resultados da Nvidia atualmente sustentam sua liderança. Eles não eliminam os riscos de fornecimento, concentração, concorrência, política ou avaliação.

Três Sinais Testarão a Tese da Nvidia para 2027

A adoção de Rubin, o uso de capacidade por terceiros e as implantações competitivas mostrarão se a estratégia de plataforma da Nvidia está se fortalecendo ou se tornando excessivamente estendida.

O primeiro sinal é a aceleração da receita de Vera Rubin. A Nvidia espera que Rubin contribua com cerca de 20 por cento da receita de Data Center no terceiro trimestre.

Essa meta é incomumente específica e chega pouco depois do início das remessas de produção. Cumpri-la sustentaria a alegação da Nvidia de que os clientes podem adotar uma nova arquitetura sem desacelerar a demanda por Blackwell.

A qualidade da aceleração importa tanto quanto o percentual. Os investidores devem observar se os sistemas se tornam operacionais em vários provedores de nuvem e se os clientes relatam desempenho estável em grande escala.

Uma transição bem-sucedida reforçaria a estratégia de lançamentos anuais da Nvidia. Um atraso envolvendo memória, refrigeração, redes ou software enfraqueceria a tese de que a integração reduz consistentemente o risco de implantação.

O segundo sinal é a utilização entre parceiros de nuvem de IA. A Nvidia assumiu compromissos de nuvem plurianuais enquanto esses parceiros compram sua infraestrutura.

O uso por terceiros indicará se clientes independentes desejam a capacidade a preços sustentáveis. Uma forte utilização externa mostraria que o arranjo está ampliando o acesso à demanda real.

Uma utilização fraca aumentaria a preocupação de que a Nvidia esteja absorvendo capacidade para sustentar uma expansão de infraestrutura ligada às suas próprias vendas de produtos.

As evidências relevantes não virão apenas de gigawatts anunciados. Os leitores devem buscar capacidade operacional, contratos com clientes, receita de serviços, comportamento de renovação e utilização divulgada.

O terceiro sinal é a implantação competitiva em escala. As relações anunciadas da AMD com Anthropic e Microsoft fornecem testes concretos para a geração MI400 e o ROCm.

Se essas implantações se transformarem em cargas de trabalho substanciais de produção, os clientes terão uma alternativa mais crível à plataforma completa da Nvidia. Isso pressionaria a Nvidia mesmo que os gastos gerais com infraestrutura de IA continuassem crescendo.

Se os sistemas rivais permanecerem limitados a cargas de trabalho selecionadas, a vantagem da Nvidia em software, redes e implantação integrada parecerá mais duradoura.

Os chips personalizados dos provedores de nuvem pertencem ao mesmo sinal. Seu progresso será mais significativo quando sustentarem cargas de trabalho importantes de produção, e não quando uma empresa apenas anunciar mais um processador.

Esses três sinais devem ser avaliados em conjunto. Rubin pode acelerar com sucesso enquanto aceleradores alternativos também ganham participação.

Essa combinação sustentaria a visão de que a infraestrutura de IA está se expandindo rápido o suficiente para vários fornecedores. Também testaria o plano da Nvidia de compensar a pressão sobre a participação em aceleradores ao capturar mais gastos em outros lugares.

Um resultado mais fraco teria aparência diferente. Atrasos em Rubin, baixa utilização de capacidade por terceiros e adoção competitiva mais rápida desafiariam tanto as premissas de demanda quanto a expansão da plataforma da Nvidia.

A Nvidia inicia esse teste a partir de uma posição notável. Seu trimestre mais recente gerou US$ 96,2 bilhões em receita, margem bruta de 75 por cento e crescimento de 117 por cento em Data Center.

A empresa também está assumindo compromissos condizentes com essa ambição. Sua posição de US$ 279 bilhões em fornecimento mostra o quanto a administração espera que a demanda continue.

Para desenvolvedores e compradores corporativos, essa disputa moldará a disponibilidade de hardware, as escolhas de nuvem, a portabilidade de software e o custo de executar modelos de IA. Acompanhar essas decisões exige mais do que seguir uma manchete sobre ações.

Para os investidores, a questão central é igualmente direta. A participação crescente da Nvidia em cada data center de IA crescerá mais rápido do que a exposição financeira e operacional necessária para garanti-la?

Mantenha essa pergunta em mente ao ler a próxima manchete do Google News. Acompanhe as implementações do Rubin, o uso real da capacidade e as cargas de trabalho competitivas em produção antes de considerar qualquer escolha individual de semicondutores como definitiva.