Nvidia mantém liderança em IA, mesmo com avanço de chips customizados

Com a inteligência artificial entrando em uma fase mais madura, marcada pelo crescimento da inferência (quando modelos já treinados passam a operar em larga escala), investidores voltaram a questionar a posição dominante da Nvidia (NVDA34). O foco da preocupação está no avanço dos chips customizados, os chamados ASICs, desenvolvidos por grandes empresas de tecnologia para reduzir custos e aumentar o controle sobre a infraestrutura.

A leitura mais comum é que esses chips, mais baratos e desenhados para tarefas específicas, poderiam substituir gradualmente as GPUs da Nvidia. Na avaliação do Banco Safra, porém, essa interpretação simplifica demais a dinâmica econômica dos data centers.

A Nvidia (NVDA) é a empresa mais valiosa do mundo, com valor de mercado de US$ 5,396 milhões, segundo a Bloomberg.

O que realmente importa na inferência de IA

Segundo a análise do Safra, as grandes operadoras de nuvem não tomam decisões olhando apenas o preço do chip. O critério central é o custo total de propriedade, que considera energia, refrigeração, espaço físico e vida útil do equipamento.

Como esses recursos são limitados, o fator decisivo passa a ser quantas respostas — ou “tokens” — cada sistema consegue gerar dentro de um consumo fixo de energia. Nesse cenário, um chip mais caro pode ser economicamente superior se entregar mais desempenho por watt ao longo do tempo.

Eficiência energética ganha peso com novos modelos

Equilíbrio no padrão atual

Hoje, a maior parte da inferência é feita em FP8, um padrão de cálculo em que as GPUs da Nvidia e os principais ASICs apresentam eficiência semelhante.

Vantagem com a próxima etapa

O Safra destaca que a inferência caminha para o uso de FP4, um formato mais simples, que consome menos energia. Nessa transição, a Nvidia sai na frente porque suas novas gerações de chips já foram projetadas para tirar proveito desse padrão. Os principais ASICs em uso hoje ainda não conseguem capturar esses ganhos de forma relevante.

A diferença está no sistema, não apenas no chip

Outro ponto central da análise é que o desempenho real da IA depende cada vez mais do funcionamento do conjunto do sistema, e não só do processador. Em modelos maiores, milhares de chips precisam trocar dados constantemente, o que torna essenciais fatores como:

• Qualidade das redes internas
• Velocidade de comunicação entre chips
• Gestão de memória e dados

A Nvidia construiu sua vantagem ao integrar hardware, redes e software em uma única plataforma. Isso permite extrair mais desempenho do mesmo consumo de energia, reduzindo o custo por operação e viabilizando aplicações mais avançadas.

Software como vantagem estrutural

O Safra ressalta que boa parte da redução de custos da IA ao longo dos últimos anos veio de melhorias em software, e não apenas de novos chips. Ajustes em programação, uso mais eficiente dos recursos e novas arquiteturas de modelos se espalham rapidamente em plataformas flexíveis, como as GPUs.

Chips customizados, por outro lado, tendem a precisar de novos projetos para incorporar essas melhorias, o que limita sua capacidade de adaptação em um ambiente de inovação acelerada.

Esse fator ganha ainda mais relevância porque a própria IA está sendo usada para acelerar pesquisas em IA. Hoje, cerca de 90% dos trabalhos acadêmicos da área utilizam hardware da Nvidia, o que faz com que novas técnicas surjam e sejam testadas primeiro dentro de seu ecossistema.

Chips próprios crescem, mas não substituem a Nvidia

Mesmo com investimentos pesados em chips próprios, empresas como Google, Amazon, Microsoft e Meta continuam ampliando o uso de GPUs da Nvidia. A estratégia predominante tem sido operar sistemas mistos, combinando soluções internas com a plataforma da Nvidia.

Para o Safra, parte da expansão dos ASICs reflete a escassez global de capacidade computacional. Com limitações na produção de semicondutores avançados e na infraestrutura energética, desenvolver chips próprios também virou uma forma de garantir acesso a mais capacidade — e não necessariamente de substituir a Nvidia.

Cadeia de suprimentos reforça posição da empresa

A análise também chama atenção para os gargalos na cadeia de produção. A Nvidia assegurou uma parcela relevante da capacidade avançada de empacotamento da TSMC para os próximos anos, o que dificulta a expansão rápida de soluções concorrentes.

Com a demanda por inteligência artificial crescendo mais rápido do que a oferta de chips avançados, esse controle de capacidade se torna uma vantagem estratégica adicional.

Visão do Safra para o papel

O Banco Safra mantém recomendação Outperform para a Nvidia, com preço-alvo de US$ 300, apontando potencial de valorização relevante. A conclusão é que o mercado tende a superestimar o risco dos chips customizados ao focar apenas no custo inicial, deixando em segundo plano fatores como eficiência operacional, software e integração de sistemas.

Conclusão

Na avaliação do Safra, a liderança da Nvidia na inteligência artificial não depende apenas de vender chips mais potentes, mas de oferecer uma plataforma completa capaz de gerar mais valor a partir de recursos limitados. Em um cenário de forte restrição de energia e infraestrutura, essa combinação segue sendo um diferencial difícil de replicar.