A Investida de Financiamento de US$ 500 Bilhões da Nvidia Transforma a Computação de IA em um Teste para Wall Street

A Nvidia recrutou seis gigantes financeiros para mobilizar mais de US$ 500 bilhões para infraestrutura de IA, transformando a história do financiamento de US$ 500 bilhões em um teste de computação financeiramente viável.

A empresa anunciou a iniciativa em 10 de agosto de 2026, com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. Os parceiros planejam estabelecer plataformas independentes de financiamento respaldadas por capital de terceiros.

O argumento de Jensen Huang vai além de encontrar dinheiro para mais data centers. O diretor-executivo da Nvidia afirma que a computação das fábricas de IA está se tornando uma classe de ativos investível, capaz de gerar receita recorrente durante sua vida operacional.

Essa alegação desafia uma objeção conhecida ao boom da IA. Críticos veem aceleradores que envelhecem rapidamente, receita de software incerta e estruturas de financiamento que, às vezes, conectam fornecedores de chips, operadores de infraestrutura e seus clientes.

A Nvidia vê algo mais próximo de infraestrutura produtiva. Um cluster de GPUs pode vender capacidade computacional repetidamente, suportar muitas cargas de trabalho e gerar caixa enquanto seu hardware se deprecia.

Portanto, a disputa central não é entre a Nvidia e outra fabricante de chips. É entre a tese de infraestrutura da Nvidia e o risco de que a engenharia financeira esteja avançando mais rápido do que a demanda sustentável dos usuários finais.

O Que o Anúncio de US$ 500 Bilhões da Nvidia Realmente Mudou

A Nvidia deixou de tratar o financiamento como um serviço secundário para clientes selecionados. Ela está ajudando a construir um mercado de capitais em torno da computação de IA.

O anúncio de financiamento nomeia seis instituições com experiência em crédito privado, infraestrutura, imóveis, gestão de ativos e banco de investimento.

Essas empresas não estão aderindo a um único fundo convencional. A Nvidia afirma que elas estabelecerão plataformas independentes projetadas para mobilizar mais de US$ 500 bilhões ao longo do tempo.

Essa distinção é importante. A manchete não representa dinheiro já captado, um único compromisso vinculante ou receita registrada pela Nvidia.

A empresa também não publicou um cronograma completo de implantação. Não identificou todos os tomadores de crédito, projetos, jurisdições ou estruturas de financiamento cobertos pelo total.

Em vez disso, o anúncio cria um canal amplo para conectar projetos de infraestrutura de IA a capital institucional. Projetos elegíveis podem incluir sistemas computacionais, data centers, capacidade de energia e infraestrutura física relacionada.

A Nvidia contribui com conhecimento técnico e acesso a uma extensa rede de clientes. Seus parceiros contribuem com análise de crédito, captação de capital, gestão de ativos e experiência na estruturação de projetos de longa duração.

Huang afirmou que o acordo ajudaria clientes a acessar computação escassa em escala. Essa formulação identifica o problema imediato que a Nvidia quer resolver.

A demanda por aceleradores não produz automaticamente capacidade de IA concluída. Antes que um cluster entre em operação, o cliente também precisa de terreno, eletricidade, refrigeração, redes, construção e financiamento.

Mesmo empresas de tecnologia bem capitalizadas podem enfrentar restrições quando os projetos alcançam a escala de gigawatts. Nuvens de IA menores e desenvolvedores de modelos enfrentam uma lacuna de financiamento muito maior.

A manchete de US$ 500 bilhões reúne essas restrições em uma única meta de mobilização de capital. No entanto, o desenvolvimento mais importante é o envolvimento de diversas instituições financeiras independentes.

A participação de Wall Street pode ampliar o grupo de compradores para além das empresas de tecnologia que usam seus próprios balanços. Ela também pode distribuir a exposição entre credores, fundos de infraestrutura e proprietários de ativos de longo prazo.

A Nvidia se beneficia se esse processo reduzir os custos de empréstimo ou levar projetos à construção mais cedo. Mais capacidade operacional geralmente significa mais demanda por aceleradores, equipamentos de rede e software da Nvidia.

Os investidores ainda precisam de retornos aceitáveis. Seu envolvimento não transforma todo campus de IA proposto em um projeto com qualidade de crédito.

Cada plataforma deve avaliar inquilinos, contratos de energia, valores dos equipamentos, premissas de utilização, riscos de construção e fluxos de caixa esperados. Esses detalhes determinarão se a manchete se transforma em infraestrutura operacional.

É por isso que o anúncio marca uma mudança sem encerrar o debate. A Nvidia reuniu parceiros financeiros, mas os projetos ainda precisam passar por uma análise de crédito convencional.

Por Que a Computação de IA Precisa de um Novo Modelo de Financiamento

A próxima restrição da IA não é simplesmente a oferta de chips. É a capacidade de financiar sistemas completos antes que sua receita se torne certa.

Uma fábrica de IA é o termo da Nvidia para infraestrutura que converte eletricidade, dados e capacidade computacional em treinamento de modelos ou tokens gerados. Tokens são as unidades que os modelos processam e produzem.

A descrição de fábrica enquadra a computação como capacidade produtiva, e não como despesa de tecnologia da informação. Uma instalação gera receita ao alugar essa capacidade ou sustentar serviços de IA pagos.

Essa lógica se assemelha ao financiamento de aeronaves, instalações de energia, redes de telecomunicações ou equipamentos industriais. Investidores financiam um ativo caro e recuperam o capital por meio de uso contratado ao longo do tempo.

No entanto, a infraestrutura de IA combina vários ativos com diferentes ciclos de vida. Edifícios e conexões de energia podem permanecer úteis por décadas, enquanto aceleradores e sistemas de rede envelhecem muito mais rápido.

Essa incompatibilidade complica o financiamento. Um credor não pode avaliar um campus inteiro como se todos os componentes permanecessem competitivos pelo mesmo período.

A resposta da Nvidia se concentra na receita gerada durante a vida útil dos equipamentos. Huang argumenta que o hardware pode permanecer investível apesar da depreciação quando produz fluxo de caixa previsível.

Isso não é o mesmo que afirmar que os chips mantêm seu valor original. Um ativo pode perder valor de revenda e ainda gerar receita operacional suficiente para justificar o financiamento.

Aeronaves, veículos e máquinas industriais seguem um padrão semelhante. Seus proprietários se preocupam com utilização, manutenção, receita e valor residual, e não apenas com depreciação.

A computação de IA introduz maior incerteza técnica. Cada nova geração de aceleradores pode melhorar desempenho, capacidade de memória, rede e eficiência energética.

Sistemas mais antigos podem continuar úteis para inferência, ajuste fino, pesquisa, renderização, simulações ou cargas de trabalho menos exigentes. Ainda assim, suas tarifas de aluguel podem cair à medida que capacidades mais novas chegam.

O financiamento, portanto, depende da fungibilidade, ou seja, da capacidade de redirecionar a capacidade entre clientes e cargas de trabalho. Um cluster de uso único vinculado a um inquilino vulnerável apresenta maior risco.

Contratos de longo prazo podem reduzir esse risco. Inquilinos com boa qualidade de crédito, compromissos mínimos de uso e acordos de energia podem tornar os fluxos de caixa projetados mais fáceis de analisar.

A Nvidia já tem experiência em vincular grandes compromissos de computação a investimento estratégico. Sua parceria com a OpenAI previa pelo menos 10 gigawatts de sistemas Nvidia, com a implantação vinculada a marcos de infraestrutura.

Esse acordo ilustrou tanto a escala quanto a complexidade dos projetos modernos de IA. O hardware representa apenas uma parte de um sistema mais amplo que inclui energia e capacidade de data center.

O financiamento institucional pode separar a propriedade do projeto do consumo de tecnologia. Um veículo de infraestrutura pode deter os ativos enquanto os clientes arrendam capacidade por meio de contratos de longo prazo.

Essa estrutura preserva o capital dos clientes para desenvolvimento de modelos, distribuição e operações. Ela também transfere parte do ônus de construção e financiamento para investidores especializados.

A estrutura é atraente apenas quando a demanda projetada cobre os custos de capital. Clusters vazios continuam caros, independentemente de quão criativamente a propriedade seja dividida.

Desenvolvedores e compradores empresariais devem se importar porque o financiamento molda a disponibilidade. Uma capacidade melhor financiada pode reduzir escassez, ampliar opções regionais e sustentar contratos de nuvem mais previsíveis.

Ela também pode prender clientes a arquiteturas específicas por anos. Os termos de financiamento podem favorecer sistemas Nvidia mesmo quando chips personalizados ou aceleradores concorrentes são mais adequados a determinadas cargas de trabalho.

A Tese dos US$ 500 Bilhões: Computação se Torna um Ativo Investível

A proposta real de Huang é que a computação de IA deve ser analisada com base na geração de caixa, e não descartada como hardware que rapidamente se torna obsoleto.

O argumento começa com a utilização. Um cluster computacional que opera de forma consistente pode atender treinamento, inferência, computação científica, gêmeos digitais, robótica e cargas de trabalho de mídia.

Seu valor econômico depende do trabalho concluído, e não do número de chips instalados. Uma utilização mais alta distribui os custos fixos por mais horas de computação faturáveis ou tokens gerados.

A Nvidia também vende uma plataforma, e não processadores isolados. Seus sistemas combinam aceleradores, redes, bibliotecas, ferramentas de orquestração e o ambiente de software CUDA.

Essa integração pode tornar a capacidade mais fácil de operar em diversas cargas de trabalho. Ela também pode aumentar os custos de troca para proprietários de infraestrutura e seus clientes.

Para financiadores, o ambiente de software importa porque sustenta a demanda por hardware mais antigo. Os desenvolvedores têm maior probabilidade de alugar sistemas disponíveis quando suas aplicações já funcionam nessa plataforma.

A tese de Huang ganha credibilidade com transações de infraestrutura existentes. Um consórcio envolvendo Nvidia, BlackRock e Microsoft concordou em adquirir a Aligned Data Centers em um acordo avaliado em cerca de US$ 40 bilhões.

A aquisição da Aligned abrangeu um portfólio de 50 campi e mais de cinco gigawatts de capacidade operacional ou planejada.

Essa transação tratou principalmente de ativos físicos de data centers. As novas plataformas de financiamento estendem a ideia aos sistemas computacionais que operam dentro dessas instalações.

Os parceiros da Nvidia também trazem diferentes fontes de capital. Investidores em crédito privado podem estruturar empréstimos, enquanto gestores de infraestrutura podem manter projetos que exigem períodos de investimento mais longos.

Bancos de investimento podem organizar títulos ou conectar projetos a compradores institucionais adicionais. Gestores de ativos podem estruturar a exposição para clientes que buscam retornos vinculados à infraestrutura.

Essa divisão de trabalho importa mais do que qualquer endosso público isolado. Projetos de IA precisam de capital adequado para construção, aquisição de equipamentos, arrendamento e operações contínuas.

O modelo também pode criar um mercado secundário. Empréstimos, arrendamentos ou títulos lastreados em ativos podem permitir que os primeiros investidores transfiram exposição depois que os projetos começarem a gerar caixa.

Securitização significa agrupar fluxos de caixa contratuais em instrumentos financeiros que podem ser vendidos a investidores. Ela pode aumentar o capital disponível, mas também espalha o risco subjacente dos projetos.

A melhor versão desse mercado melhora a descoberta de preços. Credores comparam projetos, exigem divulgações mais claras e cobram dos tomadores de acordo com a qualidade dos inquilinos e o risco operacional.

A versão mais fraca esconde uma demanda frágil atrás de camadas de contratos e premissas otimistas de utilização. O risco parece diversificado até que vários clientes conectados enfraqueçam ao mesmo tempo.

O anúncio da Nvidia não revela qual versão prevalecerá. Ele estabelece plataformas, enquanto os padrões de análise de crédito surgirão projeto a projeto.

Os projetos mais sólidos devem combinar capacidade elétrica contratada, licenças concluídas, clientes diversificados, operadores experientes e contratos com contrapartes de boa qualidade de crédito.

Os projetos mais frágeis dependerão de futuros inquilinos, receitas não comprovadas ou de uma única empresa de IA cujo financiamento dependa do apoio contínuo de investidores.

Essa diferença explica por que “ativo de grau de investimento” exige uma formulação cuidadosa. Grau de investimento normalmente descreve qualidade de crédito, não uma categoria técnica ampla.

Uma GPU não é automaticamente de grau de investimento. Um projeto financiado pode se aproximar desse padrão quando seus contratos, contrapartes, garantias e fluxos de caixa sustentam baixo risco de inadimplência.

A S&P Global Ratings destacou recentemente tanto a solidez financeira da Nvidia quanto a crescente dependência de seus clientes em relação aos mercados de capitais. Sua avaliação de crédito também citou o risco de uma desaceleração inesperada na demanda por IA.

A distinção é essencial. A Nvidia pode manter crédito sólido enquanto alguns clientes ou projetos continuam especulativos.

Para que a tese 5000 tenha sucesso, Wall Street precisa transformar capacidade técnica em contratos que sobrevivam aos ciclos de mercado. A marca da Nvidia, por si só, não pode substituir esse trabalho.

O Capital de Wall Street Pressiona os Clientes da Nvidia

A ofensiva de financiamento pressiona todos os compradores de infraestrutura de IA a provar que a demanda por computação pode sustentar obrigações de longo prazo.

Hiperscaladores como Microsoft, Amazon, Google e Meta podem financiar grandes projetos por meio de fluxo de caixa operacional, dívida ou crédito corporativo já existente.

Eles também desenvolvem aceleradores personalizados. O Google oferece TPUs, a Amazon oferece Trainium e Inferentia, enquanto Microsoft e Meta continuam expandindo seus programas internos de chips.

Essas empresas continuam sendo grandes clientes da Nvidia, mas seu silício personalizado lhes dá poder de negociação. Elas podem direcionar cargas de trabalho estáveis para sistemas projetados em torno de sua própria estrutura econômica.

Nuvens de IA independentes ocupam uma posição diferente. Elas precisam de capital substancial enquanto competem com hiperscaladores que têm bases de clientes mais amplas e balanços patrimoniais mais sólidos.

As novas plataformas podem ajudar esses provedores a expandir. No entanto, o apoio institucional provavelmente exigirá contratos mais firmes, garantias mais robustas e maior transparência operacional.

Desenvolvedores de modelos também enfrentam pressão. Eles não podem mais justificar infraestrutura apenas com alegações sobre inteligência futura ou pontuações de benchmark em rápida ascensão.

Os credores precisam de evidências de que o uso de modelos gera receita. Eles examinarão retenção de clientes, volumes de inferência, duração dos contratos, margens e riscos de concentração.

Compradores empresariais sentirão um efeito indireto. Provedores de infraestrutura podem oferecer contratos mais longos ou capacidade reservada para criar os fluxos de caixa previsíveis que os investidores preferem.

Esses acordos podem melhorar a disponibilidade, mas transferem o risco de utilização para o comprador. Uma empresa pode assumir um compromisso excessivo se suas aplicações de IA não alcançarem a adoção esperada.

Os desenvolvedores podem ver mais capacidade sem observar custos totais menores. O financiamento distribui as despesas de capital ao longo do tempo, mas juros, energia, operações e margens das plataformas permanecem.

O arranjo também reforça a posição da plataforma da Nvidia. Projetos financiados em torno de sistemas Nvidia podem criar demanda plurianual por seu ambiente de rede e software.

Os concorrentes precisam responder com mais do que chips mais rápidos. AMD e fornecedores de silício personalizado precisam de parceiros financeiros, fornecimento confiável, suporte de software e utilização comprovada em cargas de trabalho de produção.

A questão competitiva não é se outro acelerador consegue executar um benchmark. É se toda uma implementação permanece confiável e financiável ao longo de um contrato.

Isso dá à Nvidia uma vantagem significativa. Sua base instalada de software e sua ampla adoção por desenvolvedores tornam o uso futuro mais fácil de modelar do que o uso de uma plataforma mais nova.

Ainda assim, o financiamento também pode fortalecer rotas concorrentes. Em geral, os investidores preferem fornecedores diversificados quando a concentração cria riscos de compras, regulatórios ou operacionais.

A Nvidia também apoiou empresas que desenvolvem tecnologia alternativa. Essa estratégia pode parecer contraditória, mas o crescimento mais amplo da computação ainda beneficia seu negócio principal.

Uma análise do setor observou que a Nvidia financiou clientes que também estão desenvolvendo substitutos para seus produtos.

A empresa está, na prática, apostando que a demanda total crescerá mais rápido do que os rivais conseguirão reduzir sua participação. O capital de Wall Street eleva as apostas por trás dessa premissa.

Se o mercado se expandir, a Nvidia ganhará tanto com novas implementações quanto com o ambiente de software ao redor delas. Se o crescimento desacelerar, a capacidade financiada competirá de forma mais agressiva por menos cargas de trabalho.

Essa concorrência reduziria as tarifas de aluguel e enfraqueceria os valores das garantias. Projetos com custos elevados de endividamento ou inquilinos fracos enfrentariam a maior pressão.

Para trabalhadores do conhecimento e usuários de produtos de IA, o efeito aparece mais adiante na cadeia. O financiamento de infraestrutura influencia quais modelos permanecem disponíveis, onde os serviços operam e como os provedores estruturam compromissos.

Equipes que avaliam fornecedores devem acompanhar dependências de infraestrutura junto com a qualidade dos modelos. Uma base de conhecimento de IA útil pode preservar contratos, avaliações e evidências operacionais ao longo dessas decisões.

Essa documentação se torna valiosa quando os provedores mudam modelos, regiões, limites de uso ou estruturas de preços. O financiamento pode parecer distante, mas molda essas escolhas no nível do produto.

O Risco de Financiamento Circular Não Desapareceu

O capital independente reduz o ônus direto da Nvidia, mas não prova que a demanda subjacente seja independente ou durável.

O financiamento circular ocorre quando o dinheiro circula entre fornecedores, clientes e investidores de formas que podem ampliar a demanda reportada sem receita externa equivalente.

Um fabricante de chips pode investir em uma empresa de IA. Essa empresa pode então usar financiamento para comprar os sistemas do fabricante, enquanto futuras captações dependem do crescimento projetado.

Nem toda transação conectada é circular ou imprópria. Um investimento estratégico pode resolver verdadeiras restrições de capacidade e apoiar clientes com receitas em crescimento.

O risco aumenta quando várias partes da cadeia dependem das mesmas premissas. Essas premissas incluem maior utilização, refinanciamento abundante e confiança contínua dos investidores.

A nova estrutura traz instituições externas para o processo. Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR não alocarão capital sem expectativas de retorno.

Sua participação introduz disciplina de subscrição de crédito, mas não pode criar receita de usuários finais. Empresas financeiras podem reestruturar o risco, distribuí-lo ou adiá-lo.

Elas não podem garantir que as empresas comprarão serviços de IA em volume suficiente. Tampouco podem impedir que sistemas mais novos reduzam o valor econômico de clusters mais antigos.

A depreciação tecnológica é o primeiro ponto de pressão. Novos aceleradores podem gerar mais produção por unidade de energia, reduzindo a taxa de mercado das gerações anteriores.

Hardware mais antigo pode continuar produtivo, mas apenas a um preço de aluguel adequado. Um modelo de financiamento deve suportar tarifas em queda sem violar obrigações de dívida.

A concentração de clientes é o segundo ponto de pressão. Um projeto construído em torno de um único desenvolvedor de modelos pode sofrer quando esse inquilino perde participação de mercado ou renegocia contratos.

Cláusulas de inadimplência cruzada e garantias podem espalhar esse estresse. Um problema que começa com um inquilino pode afetar operadores, credores e fornecedores de equipamentos.

A energia é o terceiro ponto de pressão. Um campus financiado precisa de eletricidade confiável, acesso à transmissão, refrigeração e licenças antes que hardware caro gere receita.

Atrasos criam custos de manutenção sem produzir receita de computação. O financiamento não elimina filas de interconexão nem a oposição local a grandes data centers.

A qualidade da demanda é o quarto ponto de pressão. Engajamento do consumidor, experimentação empresarial e cargas de trabalho pagas em produção são sinais econômicos diferentes.

Um provedor pode reportar volume crescente de tokens enquanto as margens diminuem. A inferência se torna menos valiosa quando a concorrência reduz preços mais rápido do que a eficiência reduz custos.

A alegação da Nvidia deve, portanto, ser tratada como uma tese, não como uma reclassificação concluída. Alguns projetos de computação de IA podem se tornar financiáveis, enquanto outros continuarão especulativos.

O anúncio público deixa questões importantes sem resposta. Ele não especifica limites de alavancagem, regras de garantia, vencimentos esperados, acordos de compartilhamento de perdas ou qualidade mínima dos clientes.

Também não explica como os credores avaliarão os equipamentos ao longo dos ciclos de produtos da Nvidia. Esses detalhes definem quem absorve as perdas quando os valores de revenda caem.

A cobertura do anúncio já identificou essa tensão. As preocupações com o financiamento incluem a possibilidade de que dificuldades em um grande participante afetem uma rede mais ampla.

Comparações históricas com o financiamento de fornecedores de telecomunicações são relevantes, mas imperfeitas. Redes de fibra mantiveram longas vidas úteis, enquanto equipamentos de computação especializados mudam mais rapidamente.

A infraestrutura de IA também produz serviços mensuráveis imediatamente após a ativação. Essa característica pode sustentar receita mais cedo do que algumas construções especulativas de redes conseguiram.

O teste adequado não é se o arranjo se parece com uma bolha do passado. É se os contratos geram caixa sem apoio repetido de investidores conectados.

Um mercado durável deveria revelar receita crescente de clientes fora do círculo de financiamento. Também deveria mostrar refinanciamento baseado no histórico operacional, e não em projeções otimistas.

Até que esses números apareçam, “ativo investível” continua sendo uma alegação que precisa ser validada em muitos projetos e várias gerações de hardware.

Três Sinais Decidirão se o Plano Funciona

As próximas evidências devem vir de projetos financiados, qualidade contratual divulgada e utilização sustentada, e não de outra grande manchete.

O primeiro sinal é o conjunto inicial de transações sob as seis relações de financiamento. Os investidores devem procurar projetos identificados, mutuários, aportes de capital próprio, estruturas de dívida e cronogramas de implementação.

Divulgações claras de projetos fortaleceriam o argumento da Nvidia. Anúncios repetidos sem financiamento concluído enfraqueceriam a tese de que o capital institucional está pronto para escalar.

O segundo sinal é a qualidade dos contratos. Inquilinos com boa qualidade de crédito, compromissos plurianuais, cargas de trabalho diversificadas e garantias transparentes tornariam os fluxos de caixa projetados mais confiáveis.

A forte dependência de um único cliente deficitário apontaria na direção oposta. O mesmo ocorreria com financiamentos cujo pagamento depende principalmente de futuras captações.

O terceiro sinal são os próximos relatórios financeiros da Nvidia e os comentários de parceiros. Observe a demanda por data centers, concentração de clientes, exposição ao financiamento e quaisquer mudanças em recebíveis ou compromissos.

Uma forte demanda por equipamentos acompanhada de receita externa crescente de IA apoiaria a tese de Huang. Compromissos crescentes sem monetização comparável pelos clientes intensificariam as preocupações com financiamento circular.

A utilização merece atenção especial. Alta capacidade instalada significa pouco quando os clusters ficam ociosos ou geram tarifas abaixo de seus custos de energia e financiamento.

Os compradores também devem comparar a economia de implementação entre GPUs Nvidia, aceleradores AMD, Google TPUs, Amazon Trainium e outros sistemas personalizados. O desempenho, por si só, não decidirá a escolha.

O cálculo relevante inclui migração de software, consumo de energia, rede, disponibilidade, flexibilidade contratual e crescimento esperado das cargas de trabalho. Cada fator altera o potencial de receita do ativo.

A iniciativa de financiamento 5000 é, portanto, melhor entendida como infraestrutura de mercado, não como um programa de investimento concluído. Ela cria caminhos pelos quais os projetos podem buscar capital.

Seu sucesso será visível quando instalações financiadas de forma independente atraírem cargas de trabalho duradouras e remunerarem os investidores com fluxo de caixa operacional. Ele fracassará quando o refinanciamento substituir a receita dos clientes.

Huang fez uma aposta clara: a computação pode se tornar infraestrutura produtiva com flexibilidade, utilização e suporte contratual suficientes.

Wall Street concordou em testar essa aposta em uma escala incomum. Não concordou que toda fábrica de IA mereça a mesma avaliação ou o mesmo tratamento de crédito.

Para desenvolvedores, compradores corporativos e usuários de IA, a questão prática é simples. Os provedores estão construindo capacidade em torno de cargas de trabalho confirmadas ou em torno da expectativa de que o financiamento continuará chegando?

Acompanhe os primeiros projetos financiados, leia as divulgações contratuais e compare a utilização com a receita real dos clientes. Esses sinais revelarão se a Nvidia criou uma classe de ativos ou estendeu um ciclo de financiamento.