Nvidia prevê crescer 70%: Huang vê futuro da IA

Nvidia prevê crescer 70% e Huang diz que enxerga o futuro

Nvidia crescer 70% em um ano não é projeção, é provocação. Quando Jensen Huang repete esse número em uma conferência do Goldman Sachs, ele não está falando de um chip mais rápido. Ele está falando de um sistema de 8,5 milhões de dólares, com 2 milhões de peças, interligado por NVLink e pronto para sugar 250 mil watts como se fosse uma pequena cidade. Quem ainda pensa em GPU como aquela plaquinha de 399 dólares para games está operando em outra década.

O fato é direto. Huang reafirmou o guidance dado no último balanço trimestral recorde: sair de cerca de 400 bilhões de dólares de receita neste ano fiscal para algo em torno de 680 bilhões no próximo. Um salto de 70% ano contra ano. Ele disse isso com confiança, sem rodeio, e justificou com uma frase que resume o momento da Nvidia: ele consegue ver o futuro porque a Nvidia roda todos os modelos, de Anthropic, OpenAI e Google até os pesos abertos.

O fato sem maquiagem

Na apresentação, Huang tentou desfazer a imagem antiga da empresa. A Nvidia não vende mais chip avulso, ela embarca aviões para entregar o que constrói. O exemplo citado foi um único sistema com 36 CPUs Grace e 72 GPUs Blackwell, que estaria crescendo 27% mês contra mês em pedidos. É um rack denso, com rede própria, memória HBM acoplada, refrigeração pesada e software empacotado junto. Não é hardware, é data center em caixa.

Ele também abriu o jogo sobre visibilidade. Segundo ele, a Nvidia acompanha cada gigawatt de terreno, energia e shell de data center no planeta. Shell, aqui, é o galpão vazio antes de receber os racks. A empresa recebe reporte de neoclouds, OEMs, clouds e empresas nativas de IA. Na prática, todo pedido de memória, toda expansão de energia e todo contrato de construção passa, em algum ponto, pelo funil da Nvidia.

Como funciona na visão de quem opera

Para quem constrói infra, o recado é sobre arquitetura e gargalo, não sobre FLOPS. Um sistema Grace Blackwell não é plug and play. Você precisa de barramento NVLink de alta largura para manter 72 GPUs conversando sem colapsar a latência, precisa de rede InfiniBand ou Ethernet de 400G por porta para o scale-out, precisa de 200 a 300 kW por rack e refrigeração líquida direta no chip. O custo não está só nos 8,5 milhões por unidade. Está na obra civil, no transformador, no gerador, no chiller e no contrato de energia de longo prazo.

Onde a Nvidia ganha vantagem é no acoplamento entre silício e software. O CUDA continua sendo o trilho onde quase tudo roda, e o NVLink mais o stack de comunicação evitam que o cluster vire um conjunto de ilhas. Concorrentes como hyperscalers com chips próprios, a Cerebras e startups como a Etched podem até entregar eficiência melhor em um kernel específico, mas ainda precisam provar que sustentam treinamento e inferência em escala, com drivers estáveis, profiling decente e tolerância a falha. É aqui que a latência entre promessa e produção mata muita tese bonita.

Sem dados completos de custo por token, dá para fazer uma inferência plausível. Se um rack Blackwell entrega throughput muito maior por watt em inferência de modelos densos, o TCO por milhão de tokens cai mesmo com CAPEX absurdo, desde que a utilização fique acima de 70%. O problema é que pouca empresa mantém essa utilização sem um scheduler muito bom e sem fila constante. Ou seja, o hardware escala, mas a operação nem sempre acompanha. É nesse vão que mora o risco dos 70%.

O que isso muda na prática

Quem ganha agora é quem já está dentro do ecossistema. Neoclouds que garantiram alocação, OEMs com linha de montagem validada e labs com reserva de capacidade conseguem precificar antes da fila andar. Quem perde é quem achou que preço de GPU ia normalizar rápido ou que chip próprio de hyperscaler resolveria em seis meses. Não vai. Migrar um pipeline inteiro de CUDA para outra stack exige reescrever kernels, revalidar evals e reprofilear latência p99, e ninguém faz isso no meio de uma corrida por receita.

• Trave energia antes de travar GPU: sem contrato de potência e sem shell pronto, sua reserva de Blackwell vira sucata cara parada no corredor.
• Teste portabilidade real: rode pelo menos 10% da inferência em stack alternativa e meça custo por token, latência p99 e taxa de erro, não só throughput de demo.
• Negocie software junto: licença, suporte e update de firmware valem tanto quanto o silício quando um nó falha às 3h da manhã.

A ação mais prática para os próximos dois trimestres é simples e chata: audite seu teto de potência e sua fila de inferência. Se você não sabe quantos kilowatts tem contratados para os próximos 12 meses e qual sua utilização média de GPU por hora, você não tem plano de IA, você tem esperança. A Nvidia sabe exatamente esses números no nível global, e é por isso que Huang fala com tanta segurança.

A tensão que ninguém quer encarar

Aqui entra a parte incômoda, os tais deals circulares. A Nvidia investe em empresas que depois compram seus sistemas. Huang brincou que coloca 1 dólar e voltam 100, então que venha mais circularidade. Ele diz que só investe com contratos reais de clientes por trás, e cita 100 bilhões de dólares nesses contratos. Parece sólido, mas lembra demais o fim dos anos 90, quando fornecedores de telecom financiavam clientes para inflar demanda. Na época também parecia um sure thing.

O outro ponto é físico. Crescer 70% até 680 bilhões não depende só de demanda por inteligência, depende de cobre, transformador, permissão ambiental e conexão à rede elétrica. Não se liga gigawatts com slide de PowerPoint. Se faltar energia ou shell, o gargalo só muda de lugar: sai do chip e vai para a subestação. A Nvidia pode até ter visibilidade total, mas visibilidade não cria megawatt. E se boa parte do crescimento atual vem de startups nativas de IA ainda sem lucro consistente, basta um ciclo de corte de funding para a fila de pedidos evaporar.

Conclusão operacional

No fim, Huang não está vendendo chip, está vendendo certeza em um mercado sem certeza nenhuma. Os 70% são plausíveis no papel porque ele enxerga a tubulação inteira, do fabricante de memória ao data center. A pergunta que fica para quem opera é outra: sua infra aguenta o ritmo e o custo desse futuro, ou você está apenas alugando otimismo a 8,5 milhões por rack?