A Nvidia divulgou, na última semana, o resultado financeiro do segundo trimestre do seu ano fiscal de 2027, e os números impressionaram até analistas acostumados a ver a empresa crescer rápido. Foram US$ 96,2 bilhões em receita — mais que o dobro do mesmo período do ano anterior — e um lucro de US$ 59,7 bilhões, também dobrando na comparação anual. Para o trimestre seguinte, a companhia projeta algo ainda maior: US$ 108 bilhões. Não é um ajuste fino de projeção; é um salto de mais de US$ 10 bilhões de um trimestre para o outro, em uma empresa que já era a mais valiosa do mundo.
Para quem acompanha tecnologia de fora do mercado financeiro, é fácil deixar esse tipo de notícia passar como “mais um resultado bom de uma empresa de chips”. Mas o tamanho desse número — e, principalmente, de onde ele vem — é um termômetro direto de quanto dinheiro real está sendo investido na infraestrutura que sustenta a inteligência artificial que você já usa no dia a dia, de assistentes de IA a recomendações de compra, passando por tradução automática e geração de imagem.
O que aconteceu
O motor por trás do resultado foi o segmento de data centers, que sozinho faturou US$ 89 bilhões — mais que o dobro do que rendeu no mesmo trimestre do ano passado, e a fatia mais expressiva de toda a receita da empresa. São os chips que equipam os grandes centros de processamento usados por empresas como Microsoft, Google, Amazon e Meta para treinar e rodar seus modelos de inteligência artificial — desde os assistentes conversacionais até os sistemas de recomendação que decidem o que aparece no seu feed.
A margem de lucro também chamou atenção: cerca de 62%, um patamar mais comum em software do que em hardware, historicamente um negócio de margem apertada por causa do custo de fabricação de chips. Isso mostra o quanto a demanda atual supera a oferta — a Nvidia consegue cobrar caro porque, hoje, não existe alternativa real na mesma escala para quem precisa desse tipo de poder computacional.
O CEO Jensen Huang foi além dos números do trimestre e projetou um crescimento de receita de 70% para o ano fiscal de 2028 — uma previsão bem acima do que o mercado já esperava, o que ajuda a explicar por que o resultado repercutiu tanto entre investidores globais, inclusive no Brasil (veja a matéria de Investimentos desta edição).
Por que isso está acontecendo
A resposta curta é: porque as grandes empresas de tecnologia continuam apostando pesado que a inteligência artificial vai mudar praticamente todo software que existe, e essa aposta exige uma quantidade absurda de poder de processamento. Treinar um modelo de IA moderno, e principalmente mantê-lo respondendo a milhões de pessoas ao mesmo tempo (o que a indústria chama de “inferência”), consome uma quantidade de energia e de chips especializados que simplesmente não existia em escala relevante há poucos anos.
A Nvidia não vende só o chip isolado — ela vende, cada vez mais, a arquitetura inteira: os processadores gráficos (GPUs), as interconexões de rede que fazem milhares deles conversarem entre si como se fossem um único computador gigante (tecnologia batizada de NVLink e InfiniBand), e a camada de software CUDA, que virou o padrão que praticamente toda empresa de IA usa para programar esses sistemas. Isso é o que os analistas descrevem como a transição da Nvidia de “fornecedora de peças” para “integradora de infraestrutura completa de IA” — e é também o que dificulta a vida de concorrentes como AMD e Intel, ou das soluções que Google, Amazon e Microsoft tentam desenvolver internamente para depender menos de um único fornecedor.
O que isso significa na prática
Para o usuário final, o efeito mais direto ainda não é visível no bolso — pelo menos não diretamente. O que esse tipo de investimento bilionário sustenta é a velocidade com que ferramentas de IA generativa (como assistentes de texto, geração de imagem, tradução em tempo real, ou recomendação de produtos) ficam mais rápidas, mais baratas de operar e mais amplamente disponíveis. Cada nova geração de chip permite que empresas rodem modelos maiores e mais capazes pelo mesmo custo de energia, ou modelos do mesmo tamanho por um custo menor — e isso, com o tempo, tende a se refletir em produtos mais acessíveis para quem usa.
Do outro lado, esse tipo de concentração também levanta uma preocupação legítima: boa parte da economia de IA depende, hoje, de uma única empresa de chips e de um punhado de gigantes de nuvem que conseguem pagar os preços que a demanda global sustenta. Isso cria um risco real de dependência — se a Nvidia tiver um problema de produção, ou se decidir mudar preços ou prioridades de fornecimento, o efeito se espalha rápido para qualquer empresa (inclusive brasileira) que construiu produtos de IA em cima dessa infraestrutura.
Como isso afeta você
Se você usa qualquer ferramenta de inteligência artificial no trabalho ou no dia a dia — de um assistente de escrita a um gerador de imagens, passando por chatbots de atendimento —, está usando, direta ou indiretamente, chips como os que a Nvidia vende. O ritmo desses investimentos ajuda a explicar por que essas ferramentas estão evoluindo tão rápido de uma atualização para outra, e por que empresas de todos os tamanhos — inclusive pequenos negócios brasileiros — estão conseguindo incorporar IA em produtos que há dois ou três anos exigiriam equipes de engenharia muito maiores.
Vale um esclarecimento prático sobre por que esse tipo de chip é tão mais caro e mais difícil de substituir do que um processador comum: uma GPU de data center não faz um cálculo de cada vez, faz milhares em paralelo — é esse desenho que permite treinar e rodar modelos de IA em prazo viável, em vez de levar anos. Trocar esse tipo de chip por uma alternativa mais barata, hoje, normalmente significa aceitar um modelo mais lento ou mais limitado — por isso a demanda segue concentrada na Nvidia mesmo com o preço alto, e por isso a distância para concorrentes como AMD é, na prática, mais sobre desempenho por chip do que só sobre preço de tabela.
Também vale prestar atenção se você trabalha com tecnologia ou pretende migrar de carreira para a área: a demanda por profissionais que entendem infraestrutura de IA (não só quem programa modelos, mas quem sabe operar, otimizar custo e integrar esses sistemas em produtos reais) segue crescendo junto com esses números — e tende a continuar assim enquanto esse ciclo de investimento não desacelerar.
Para quem tem parte dos investimentos exposta a ações de tecnologia (diretamente ou via fundos), o resultado da Nvidia também importa financeiramente — mas isso a gente detalha com mais profundidade na matéria de Investimentos desta edição, sem entrar em recomendação: contexto pra você decidir com quem entende do seu bolso.
O que observar daqui pra frente
O próprio mercado já descontou a projeção de US$ 108 bilhões da Nvidia para o próximo trimestre — ou seja, agora a cobrança é sobre execução, não sobre expectativa. Se a empresa entregar abaixo disso, mesmo um resultado tecnicamente bom pode ser recebido como decepção pelo mercado, algo que já aconteceu outras vezes no setor de tecnologia quando a régua de comparação fica alta demais.
Vale acompanhar também o quanto as gigantes de nuvem (Microsoft, Google, Amazon, Meta) continuam investindo em infraestrutura própria de IA, o que pode, com o tempo, reduzir a dependência delas em relação à Nvidia — e o ritmo em que concorrentes como AMD conseguem (ou não) apresentar alternativas competitivas de preço e desempenho. Por enquanto, a distância entre a Nvidia e o resto do setor continua sendo o dado mais relevante para entender por que a inteligência artificial anda tão rápido — e por que ela continua sendo, ao mesmo tempo, uma das maiores oportunidades e um dos maiores riscos de concentração da tecnologia atual.
Fontes consultadas: NVIDIA Announces Financial Results for Second Quarter Fiscal 2027, Nvidia earnings takeaways — CNBC, NVIDIA Q2 FY27: revenue doubles to $96B — Investing.com.
📚 Leia Também
Banco Inter criou uma IA batizada de Penélope — e ela aumentou em 1.480% a identificação de crimes financeiros
Vazamento na IDScan expõe 166 milhões de documentos de identidade — e o Brasil pode estar na lista
Uma IA não pode decidir sozinha se seu plano de saúde nega um exame, diz o presidente da ANS — e essa frase é mais importante do que parece
