Os 92% da Receita de Data Centers da Nvidia Elevam as Apostas

A Nvidia gerou US$ 75,2 bilhões com data centers no último trimestre, colocando um número surpreendente por trás de sua proeminência no Google News: 92% da receita da empresa agora dependem desse mercado.

Essa concentração é, ao mesmo tempo, a maior vantagem da Nvidia e seu principal risco de investimento. As vendas para data centers aumentaram 92% em relação ao ano anterior, enquanto a receita total chegou a US$ 81,6 bilhões. Por cálculo, o negócio gerou aproximadamente 92,1% da receita trimestral da Nvidia.

As porcentagens coincidentes são casuais, mas reveladoras. Uma mede o crescimento anual, enquanto a outra mede a concentração de receita. Juntas, mostram o quanto Jensen Huang vinculou o futuro da Nvidia à continuidade dos gastos com infraestrutura de IA.

A empresa deixou de ser principalmente uma fornecedora de processadores gráficos com uma operação de data centers em expansão. Tornou-se uma fornecedora de infraestrutura de IA cujos negócios menores quase não afetam o resultado geral.

Essa transição proporcionou um crescimento extraordinário de receita e lucros. Também significa que a tese de investimento agora depende fortemente de os clientes continuarem construindo sistemas de computação caros.

Portanto, a disputa central não é entre a Nvidia e um único rival. É entre a expectativa de Huang de expansão da demanda por computação de IA e a possibilidade de os gastos dos clientes eventualmente superarem os retornos econômicos.

O Que o Número de 92% dos Data Centers da Nvidia Realmente Mostra

Os resultados mais recentes da Nvidia confirmam que a infraestrutura de IA absorveu quase a empresa inteira.

No primeiro trimestre do ano fiscal de 2027, encerrado em 26 de abril de 2026, a Nvidia reportou US$ 81,615 bilhões em receita total. A receita de data centers alcançou US$ 75,2 bilhões, segundo os resultados trimestrais da empresa.

Esse número de data centers aumentou 21% em relação ao trimestre anterior e 92% na comparação anual. A receita total da empresa cresceu 20% sequencialmente e 85% em relação ao ano anterior.

Os investidores devem distinguir os dois usos de 92%. A Nvidia informou oficialmente que a receita de data centers cresceu 92% em relação ao trimestre do ano anterior. A divisão de US$ 75,2 bilhões por US$ 81,615 bilhões também mostra que os data centers forneceram aproximadamente 92% da receita total.

Essa distinção importa porque crescimento e concentração respondem a perguntas diferentes. O crescimento mostra a rapidez com que a demanda se expandiu. A concentração mostra quanto do negócio da Nvidia agora sobe ou cai com essa demanda.

As operações restantes contribuíram com cerca de US$ 6,4 bilhões combinados. É um valor substancial isoladamente, mas pequeno demais para compensar uma desaceleração relevante na infraestrutura de IA.

A Nvidia também reportou lucro operacional GAAP de US$ 53,5 bilhões e lucro líquido de US$ 58,3 bilhões. Sua margem bruta de 74,9% demonstra que os clientes estão comprando muito mais do que componentes de commodities.

Eles pagam por um sistema integrado baseado em aceleradores, redes, interconexões, processadores, software e expertise de implantação. Essa abordagem em nível de sistema oferece à Nvidia mais oportunidades de receita dentro de cada cluster de IA.

Os sistemas Blackwell ilustram essa mudança. Os clientes não instalam simplesmente unidades individuais de processamento gráfico. Eles implementam racks estreitamente conectados que combinam hardware de computação com rede NVLink, refrigeração, memória e software.

A receita de data centers da Nvidia, portanto, acompanha a construção do que Huang chama de fábricas de IA. São grandes instalações de computação projetadas para treinar modelos e operá-los em escala.

O termo é útil, mas os investidores não devem aceitá-lo como prova de rentabilidade para os clientes. Uma fábrica de IA pode gerar serviços valiosos ou se tornar um ativo caro com baixa utilização.

A Nvidia registra uma venda quando a infraestrutura chega aos seus clientes. O retorno de longo prazo depende do que esses clientes constroem, com que frequência usam a infraestrutura e quanto os usuários pagarão.

Essa lacuna entre a venda da Nvidia e o retorno de seu cliente define a questão de investimento. O último trimestre prova que a demanda por infraestrutura continua intensa. Não resolve se gastos nessa escala continuarão economicamente produtivos.

Por Que Jensen Huang Espera que o Crescimento de IA da Nvidia Continue

A tese de crescimento de Huang se apoia no aumento das necessidades de computação, não apenas em outra rodada de treinamento de modelos.

A primeira onda de demanda veio de empresas treinando grandes modelos fundacionais. Cargas de trabalho mais recentes envolvem cada vez mais inferência, ou seja, executar um modelo treinado para produzir respostas, imagens, código ou ações.

A inferência cria demanda recorrente porque cada solicitação de usuário consome capacidade computacional. Modelos que dedicam mais tempo ao raciocínio podem exigir consideravelmente mais processamento para cada resposta.

A IA agêntica adiciona outra camada. Um agente de IA pode planejar e executar uma sequência de tarefas, muitas vezes fazendo várias chamadas ao modelo antes de concluir uma solicitação do usuário.

Huang argumenta que essa carga de trabalho em expansão cria novos padrões de escalabilidade. Mais usuários, raciocínio mais longo, mídias mais ricas e agentes autônomos aumentam a quantidade de inferência que os data centers precisam atender.

Esse argumento explica por que a Nvidia enfatiza o custo de produção de tokens, as unidades geradas e processadas por modelos de linguagem. Os clientes se importam com o desempenho dos chips, mas, em última análise, precisam de resultados utilizáveis a um custo aceitável.

A Nvidia afirma que seu hardware, rede e software podem reduzir esse custo ao processar mais trabalho dentro de um determinado limite de energia e espaço. Essas alegações ainda exigem testes específicos por carga de trabalho, pois os resultados reais dependem de modelos, software, utilização e projeto de implantação.

A estratégia da empresa também vai além da venda de seu acelerador mais rápido. A Nvidia controla o CUDA, uma plataforma de software que desenvolvedores usam para programar suas GPUs, e fornece bibliotecas para cargas de trabalho especializadas de IA.

Essa base de software reduz a fricção envolvida na adoção de cada nova geração de hardware. Ela também cria custos de mudança, porque as organizações passaram anos desenvolvendo expertise e aplicações em torno das ferramentas da Nvidia.

As redes se tornaram igualmente importantes. Grandes modelos de IA distribuem o trabalho entre milhares de aceleradores, tornando a velocidade de comunicação entre chips uma restrição de desempenho.

NVLink, InfiniBand e os produtos Ethernet da Nvidia permitem que a empresa capture uma parcela maior do orçamento do cluster. Eles também ajudam a Nvidia a vender uma arquitetura de data center em vez de competir com base na especificação de um único processador.

Essa plataforma mais ampla sustenta a ambição de Huang para Blackwell e Vera Rubin, a próxima grande arquitetura da Nvidia. Na GTC 2026, ele projetou pelo menos US$ 1 trilhão em receita acumulada de Blackwell e Rubin até 2027, segundo uma previsão para chips de IA.

Essa projeção é uma expectativa da administração, não um resultado contratado. Ela depende de produção suficiente, energia, financiamento, demanda dos clientes e transições bem-sucedidas de produtos.

Rubin entrou em produção plena durante 2026, e a Nvidia afirma que sistemas de parceiros se tornarão disponíveis durante o segundo semestre. Espera-se que AWS, Google Cloud, Microsoft e outros provedores implementem infraestrutura baseada em Rubin.

Uma rápida transição para Rubin fortaleceria o crescimento de IA da Nvidia de duas formas. Criaria outro ciclo de atualização, ao mesmo tempo em que daria aos clientes um motivo para expandir a capacidade para cargas de trabalho mais recentes.

No entanto, ciclos rápidos de produtos também podem criar complicações. Os clientes precisam decidir se implementam sistemas Blackwell disponíveis ou aguardam Rubin, enquanto os fornecedores precisam gerir requisitos de produção simultâneos.

A Nvidia conduziu essas transições mantendo margens excepcionais. Os investidores devem observar se esse histórico resiste a sistemas cada vez mais complexos e intervalos de lançamento menores.

O Verdadeiro Adversário É o Retorno sobre os Gastos com IA

O principal desafio da Nvidia é provar que a economia dos clientes consegue acompanhar as compras de infraestrutura.

A Nvidia vende para provedores de nuvem, empresas de internet voltadas ao consumidor, desenvolvedores de modelos, empresas e governos. Suas motivações diferem, mas muitas compras dependem, em última instância, da adoção comercial da IA.

Os maiores provedores de nuvem estão aumentando os gastos de capital em ritmo histórico. A S&P Global Ratings estimou que cinco grandes provedores poderiam gastar cerca de US$ 750 bilhões durante 2026, o equivalente a aproximadamente 38% de sua receita combinada.

Essa estimativa de gastos de capital abrange mais do que hardware da Nvidia. Inclui edifícios, sistemas de energia, redes, processadores, memória, terrenos e outras infraestruturas.

Ainda assim, esses gastos criam o ambiente que sustenta a receita da Nvidia. Mais data centers geralmente significam mais oportunidades para vender aceleradores e os equipamentos que os conectam.

A Microsoft oferece um exemplo útil dessa tensão. Ela espera aproximadamente US$ 190 bilhões em gastos de capital no ano-calendário de 2026, enquanto expande o Azure e seus próprios serviços de IA.

Durante sua teleconferência do terceiro trimestre fiscal, a Microsoft discutiu uma demanda superior à capacidade disponível. Também reconheceu a preocupação dos investidores com o intervalo entre os gastos de capital e a receita resultante.

A Microsoft usa hardware da Nvidia e da AMD enquanto desenvolve seus próprios chips Maia. Essa abordagem mista reflete a estratégia mais ampla dos clientes: comprar Nvidia onde seu desempenho e ecossistema justificam o custo e usar alternativas onde a economia as favorece.

O Google segue um modelo semelhante com suas Tensor Processing Units. A Amazon oferece chips Trainium e Inferentia, enquanto a Meta tem desenvolvido silício interno e ampliado o uso de hardware da AMD.

Esses produtos não precisam superar a Nvidia em todas as tarefas. Precisam apenas lidar com um número suficiente de cargas de trabalho importantes a um custo operacional menor.

O silício personalizado pode ser especialmente atraente para tarefas maduras de inferência em alto volume. Um provedor de nuvem que conhece sua carga de trabalho pode otimizar o hardware para requisitos mais restritos.

A Nvidia responde a essa ameaça com flexibilidade. Sua plataforma suporta muitos modelos e cargas de trabalho, o que é valioso quando as arquiteturas de IA e as demandas dos clientes continuam mudando.

Essa vantagem se torna menos decisiva se as cargas de trabalho se padronizarem. Quando uma empresa sabe precisamente do que precisa, alternativas especializadas podem se tornar mais econômicas.

Portanto, a disputa envolve custo total e velocidade de implantação, não apenas liderança em benchmarks. Os clientes consideram energia, redes, compatibilidade de software, utilização, manutenção e o custo de capacidade atrasada.

A alta margem bruta da Nvidia indica que os clientes continuam valorizando sua plataforma completa. Ela também cria uma oportunidade econômica para concorrentes que buscam uma parcela desses lucros.

A maior preocupação não é que todos os clientes abandonarão a Nvidia. Uma mudança gradual na composição das cargas de trabalho ainda pode afetar o crescimento se os clientes reservarem sistemas Nvidia para as tarefas mais difíceis e transferirem a inferência rotineira para outros lugares.

A Nvidia poderia compensar essa pressão se a demanda geral por IA se expandir mais rapidamente do que sua participação diminui. É por isso que Huang enfatiza o crescimento do mercado, em vez de defender uma categoria fixa de chips.

Para os investidores, as evidências necessárias aparecem nos resultados dos clientes. Receita de nuvem, adoção de serviços de IA, melhorias em publicidade, demanda de desenvolvedores e contratos empresariais precisam, em algum momento, justificar a infraestrutura.

A concentração de 92% da Nvidia transforma essa economia externa em sua própria variável central. Se os clientes obtiverem retornos sólidos, a expansão poderá persistir. Se os retornos decepcionarem, a disciplina nas compras se intensificará.

O Que as Manchetes do Google News Não Capturam

O recorde de receita é real, mas vários riscos permanecem ocultos por trás da porcentagem da manchete.

Primeiro, a Nvidia depende de um grupo concentrado de compradores. Seus clientes incluem distribuidores, fabricantes de equipamentos originais, integradores de sistemas, provedores de nuvem e grandes empresas de internet.

O registro regulatório da empresa identifica a concentração de clientes como uma consideração relevante. Um pequeno número de clientes diretos pode representar parcelas significativas da receita trimestral.

Os dados de clientes diretos nem sempre revelam a demanda final, pois um fabricante ou distribuidor pode atender vários usuários finais. Ainda assim, grandes pedidos podem tornar os resultados trimestrais sensíveis aos cronogramas de implantação.

Um data center atrasado, uma conexão de energia indisponível, um problema de refrigeração ou uma mudança no financiamento podem deslocar bilhões de dólares entre períodos de reporte. Essas mudanças nem sempre sinalizam perda de demanda, mas tornam a trajetória de crescimento irregular.

Em segundo lugar, a própria infraestrutura enfrenta restrições físicas. Sistemas avançados de IA exigem eletricidade, equipamentos de refrigeração, terreno, redes e construção especializada.

A Nvidia não pode resolver esses gargalos apenas com silício mais rápido. Seu registro afirma que a disponibilidade de data centers, energia e capital é crucial para a receita futura.

Em terceiro lugar, a fabricação continua concentrada. A Nvidia depende de parceiros externos para a fabricação avançada de chips, encapsulamento, memória e montagem de sistemas.

A demanda pode exceder a oferta de um componente mesmo quando outras peças estão disponíveis. Um rack completo não pode ser enviado simplesmente porque seus aceleradores estão prontos.

Em quarto lugar, as restrições comerciais removeram um grande mercado da previsão imediata da Nvidia. A perspectiva da empresa não pressupunha receita de computação para data centers vinda da China.

Essa exclusão demonstra força, porque a Nvidia registrou resultados recordes sem depender dessa oportunidade. Também mostra como políticas podem remodelar abruptamente o mercado endereçável da empresa.

O desenvolvimento doméstico chinês de aceleradores acrescenta outra incerteza. Os controles de exportação podem restringir a Nvidia enquanto incentivam clientes e governos a financiar ecossistemas alternativos.

Em quinto lugar, os resultados contábeis não medem os retornos dos usuários finais. A Nvidia pode reconhecer receita antes que o comprador final prove que uma aplicação de IA gera fluxo de caixa sustentável.

Essa é a principal limitação de usar a Nvidia como um indicador de toda a economia de IA. Suas vendas mostram aos investidores que a infraestrutura está sendo construída, não que todos os serviços executados nela serão bem-sucedidos.

A distinção se torna mais importante à medida que as exigências de capital aumentam. Provedores de nuvem podem financiar longos ciclos de investimento, mas os acionistas públicos ainda examinarão margens e fluxo de caixa livre.

As startups enfrentam pressão ainda maior. Muitas dependem de financiamento externo ou créditos de nuvem enquanto pagam custos substanciais de inferência. Sua demanda pode se contrair rapidamente se as condições de financiamento enfraquecerem.

Nenhum desses riscos invalida os resultados mais recentes da Nvidia. Eles explicam por que uma receita recorde não deve gerar automaticamente uma previsão ilimitada.

O Google News pode fazer cada surpresa nos resultados parecer uma nova confirmação de domínio permanente. Os investidores precisam de um padrão mais rigoroso.

O teste correto é se a Nvidia consegue preservar o valor da plataforma enquanto seus clientes se tornam mais sensíveis a preços, seus rivais melhoram e as restrições de infraestrutura se intensificam.

Os investidores também devem evitar tratar a cifra de 92% como diversificação. Redes, aceleradores, processadores e software oferecem amplitude de produtos, mas grande parte dessa receita ainda depende do mesmo ciclo de capital de IA.

A Nvidia tem múltiplos produtos dentro de um único motor econômico dominante. Isso é mais forte do que depender de um único chip, mas mais fraco do que ter fontes de demanda não relacionadas.

Vera Rubin Testa a Vantagem de Plataforma da Nvidia

Rubin mostrará se a Nvidia consegue transformar a rápida substituição de hardware em uma economia duradoura para os clientes.

A Nvidia anunciou que a plataforma Vera Rubin entrou em produção plena, com disponibilidade por parceiros prevista para o segundo semestre de 2026. A plataforma combina uma CPU Vera, GPUs Rubin, redes e sistemas em escala de rack.

A Nvidia afirma que Rubin pode reduzir os custos de inferência em comparação com Blackwell. Essa alegação importa porque os clientes precisam obter mais resultado de cada dólar investido em infraestrutura.

No entanto, as alegações de desempenho dependem do ambiente operacional completo. Um benchmark não consegue capturar todos os modelos, objetivos de latência, preços de energia, pilhas de software ou taxas de utilização.

As evidências mais significativas virão de implantações reais. Os provedores de nuvem precisam instalar os sistemas, disponibilizar capacidade, atrair cargas de trabalho e divulgar sinais úteis de adoção.

Rubin também testa a execução da Nvidia. Sistemas em escala de rack exigem coordenação entre mais componentes do que processadores independentes.

Um problema envolvendo refrigeração, redes, memória, software ou energia pode atrasar toda a implantação. A complexidade dá à Nvidia mais oportunidades de agregar valor, mas cria mais pontos de falha.

A transição da plataforma também revelará o comportamento de compra dos clientes. Uma forte demanda por Blackwell acompanhada de adoção inicial de Rubin indicaria que os compradores precisam de capacidade imediatamente.

Uma pausa acentuada antes do lançamento de Rubin sugeriria que o calendário de lançamentos influencia os pedidos mais do que a narrativa ampla de demanda da administração indica.

A concorrência continuará ativa durante essa transição. A AMD segue desenvolvendo aceleradores para data centers, enquanto os principais provedores de nuvem expandem programas proprietários de chips.

A resposta da Nvidia é tornar a plataforma mais difícil de substituir peça por peça. Um cliente que escolhe a Nvidia recebe processadores, aceleradores, redes, software, bibliotecas e projetos de implantação concebidos para funcionar em conjunto.

Essa integração pode reduzir o tempo de instalação e o risco técnico. Também pode aumentar a dependência de um único fornecedor.

Os clientes avaliarão esse equilíbrio de formas diferentes. Um desenvolvedor de modelos de fronteira pode priorizar desempenho máximo e acesso rápido a novas capacidades.

Um provedor de nuvem que opera em enorme escala pode atribuir mais peso à diversidade de fornecedores e ao custo unitário. Uma empresa com conhecimento interno limitado pode preferir um sistema completo, com suporte.

Rubin não precisa eliminar essas compensações. Precisa manter os benefícios da Nvidia valiosos o suficiente para que os clientes continuem aceitando uma economia premium.

A arquitetura também precisa ampliar a demanda para além de um punhado de desenvolvedores de modelos. A adoção empresarial, projetos de IA soberana, robótica, computação científica e sistemas industriais podem fornecer caminhos adicionais de crescimento.

Esses mercados têm ciclos de vendas e restrições orçamentárias diferentes. Eles podem não se expandir no mesmo ritmo que a infraestrutura de hiperescala.

Por isso, o sucesso de Rubin deve ser avaliado por mais do que anúncios de lançamento. Os investidores precisam de evidências de volume de implantação, disponibilidade na nuvem, utilização e receita dos clientes.

O resultado testará se a estratégia de plataforma da Nvidia produz ganhos repetíveis ou apenas acelera a substituição de hardware dentro da mesma base de clientes.

Três Sinais que os Investidores Devem Observar em Seguida

O próximo trimestre precisa conectar as vendas recordes da Nvidia à demanda sustentada, a implantações bem-sucedidas de Rubin e à melhora dos retornos dos clientes.

O primeiro sinal é o relatório do segundo trimestre fiscal da Nvidia, previsto para 26 de agosto. As projeções de receita, o crescimento de data centers, a margem bruta e os comentários da administração sobre a oferta mostrarão se o impulso de Blackwell permaneceu intacto.

Um resultado apoiado por ampla demanda de clientes fortaleceria a tese de Huang. O crescimento impulsionado principalmente por algumas implantações excepcionalmente grandes deixaria as preocupações com concentração sem solução.

Os investidores devem examinar o crescimento sequencial em vez de depender apenas de comparações ano a ano. Os números do ano anterior se tornam comparações mais fáceis ou mais difíceis dependendo das transições de produtos e de encargos relacionados à exportação.

A margem bruta também merece atenção. Margens estáveis indicariam que a Nvidia mantém poder de precificação apesar de ramp-ups complexos de sistemas e da concorrência crescente.

Uma queda relevante pode refletir mix de produtos, custos de transição, condições de oferta ou preços competitivos. Os investidores devem estudar a explicação da administração antes de tratar um trimestre como uma mudança estrutural.

O segundo sinal é a disponibilidade de Rubin por meio dos principais provedores de nuvem. A Nvidia afirma que AWS, Google Cloud, Microsoft e outros implantarão sistemas baseados em Rubin.

Anúncios por si só são insuficientes. Os indicadores mais fortes são instâncias amplamente disponíveis, acesso dos clientes, capacidade relevante e evidências de que desenvolvedores estão movendo cargas de trabalho de produção.

Uma adoção rápida apoiaria a alegação da Nvidia de que os clientes valorizam melhorias no nível da plataforma. Atrasos ou disponibilidade limitada enfraqueceriam as expectativas de uma transição geracional tranquila.

O terceiro sinal é o retorno que os hyperscalers reportam sobre o investimento em IA. Os investidores devem acompanhar o crescimento da nuvem, a receita de serviços de IA, ganhos em publicidade, adoção de software e os comentários da administração sobre a utilização de capacidade.

Os gastos de capital podem permanecer elevados enquanto os retornos ficam atrasados por vários trimestres. Com o tempo, porém, essa diferença precisa diminuir.

Microsoft, Alphabet, Amazon e Meta não divulgam uma medida única e clara da rentabilidade da infraestrutura de IA. Os leitores precisam combinar diversos indicadores e evitar atribuir todo o crescimento de nuvem ou publicidade à IA.

Esse trabalho é menos empolgante do que acompanhar cada item sobre a Nvidia no Google News. Também é mais útil.

A tese de investimento se fortalece se a Nvidia continuar crescendo enquanto os clientes reportam aumento de utilização e receita mensurável de IA. Ela enfraquece se os gastos aumentarem enquanto as margens e a monetização dos clientes permanecerem sob pressão.

A Nvidia já demonstrou uma execução extraordinária. Sua concentração de 92% em data centers significa que os investidores agora precisam de provas das empresas que compram seus sistemas.

Uma análise disciplinada pode começar com divulgações de resultados, registros regulatórios, atualizações de implantação e métricas de clientes. Um sistema pessoal de conhecimento pode ajudar a conectar esses sinais entre períodos de reporte sem depender de manchetes isoladas.

A questão decisiva já não é se a Nvidia consegue vender infraestrutura de IA. Claramente, consegue. A questão é se a produção econômica gerada por essa infraestrutura pode se expandir rápido o suficiente para sustentar a próxima expectativa de Huang de um trilhão de dólares.