Introdução da Nvidia
O CEO da Nvidia, Jensen Huang, apresentou a Vera Rubin, uma plataforma de centro de dados de IA de próxima geração, e a arquitetura de GPU Rubin Ultra, durante a sua palestra principal na conferência anual de desenvolvedores GTC, que ocorreu em San Jose, Califórnia, no dia 16 de março de 2026.
Previsões de Gastos em IA
Huang se mostrou otimista em relação aos investimentos em IA, afirmando que os gastos de capital podem chegar a até US$ 4 trilhões. Durante a ligação com investidores na noite de quarta-feira, ele apontou que o capital gasto atualmente é de cerca de um trilhão de dólares, com projeções de crescimento para a marca de três a quatro trilhões de dólares. Essa previsão refere-se especificamente ao capital gasto por empresas hyperscalers como Alphabet e Amazon, excluindo outros segmentos do mercado de supercomputação, como os neoclouds.
A CFO da Nvidia, Colette Kress, detalhou ainda mais a situação durante a chamada. Segundo ela, os analistas estão prevendo que o capital gasto pelos hyperscalers deve ultrapassar a marca de US$ 1 trilhão até 2027. Ademais, a infraestrutura de IA está em caminho de alcançar gastos anuais de US$ 3 a US$ 4 trilhões até o final desta década.
Entretanto, isso se distancia consideravelmente das previsões atuais de Wall Street.
Análise de Previsões
Uma análise realizada por Laura Martin na Needham apresenta uma estimativa consensual de que o capital gasto pelos hyperscalers atinja US$ 1,03 trilhão até 2028. Essa projeção representa apenas um terço a um quarto do que poderá ser apenas dois anos depois, caso a previsão de Huang se confirme. Martin comentou que, se a previsão de Huang estiver correta, as estimativas consensuais mencionadas não tardarão a ser revisadas para cima.
Ela ressaltou que “a visão de Huang para os hyperscalers é diferente do que as próprias empresas estão afirmando em suas chamadas de resultados e é, sem dúvida, mais interessante”.
Expectativas de Crescimento
Alguns analistas em Wall Street preveem que os gastos de capital alcancem a marca de US$ 1 trilhão até o final do próximo ano, porém ainda estão significativamente aquém das previsões de Huang, que sugere que esse número quadruplique nos três anos subsequentes.
Não restam dúvidas de que um maior investimento em infraestrutura por parte dos hyperscalers e outras empresas beneficiaria os negócios da Nvidia, que se destaca como o principal fabricante de chips para IA. Além disso, o crescimento das receitas na nuvem, juntamente com os avanços contínuos em algoritmos de vanguarda, parecem fundamentar o otimismo de Huang até o momento.
Os resultados trimestrais mostraram que as receitas superaram as expectativas para todas as grandes empresas de nuvem. A Alphabet teve um crescimento de 63%, a AWS de 28% e a Microsoft de 40%. Huang acrescentou que "o mundo possui um bilhão de usuários humanos. Minha percepção é que em breve o mundo terá bilhões de agentes, e cada um desses agentes irá gerar subagentes".
Consenso sobre Produtividade ainda Longe de Ser Alcançado
Apesar dos avanços, dúvidas persistem em relação ao impacto a longo prazo da IA em termos de rentabilidade, produtividade e viabilidade. Em novembro, o JPMorgan estimou que um retorno de 10% sobre investimentos em IA até 2030 exigiria cerca de US$ 650 bilhões em receita anual de forma perene, um valor considerado "impressionantemente elevado". Essa quantia representaria 0,58 ponto percentual do PIB global, ou o equivalente a US$ 34,72 por mês de cada usuário atual de iPhone, ou ainda US$ 180 por mês de cada assinante da Netflix.
Em comparação, a receita da nuvem nos últimos 12 meses, contabilizando até abril, chegou a US$ 455 bilhões, segundo o Synergy Research Group. O economista Cédric Durand, da Universidade de Genebra, comentou em janeiro que "se os ganhos de eficiência se materializarem, não haverá problema; empresas prósperas terão recursos suficientes para arcar com os custos".
No entanto, os ganhos em produtividade decorrentes da IA ainda não se manifestaram de forma significativa, e a comunidade econômica não chegou a um consenso a respeito. A economista Martha Gimbel, do Yale Budget Lab, observou em fevereiro que "poderia ser o início de um boom de produtividade relacionado à IA? Talvez!", mas destacou que enquanto não tivermos um sinal claro, "não devemos colocar todas as nossas esperanças apenas nos dados sobre produtividade".
Em março, economistas do Federal Reserve encontraram uma "heterogeneidade significativa na adoção de IA entre as empresas", descrevendo uma discrepância entre como a IA é percebida e como ela realmente afeta a produtividade. Eles afirmaram que "os ganhos de produtividade percebidos são maiores do que os ganhos de produtividade medidos, provavelmente refletindo um atraso nas realizações de receita".
Fonte: www.cnbc.com