A tese de US$ 4 trilhões de Jensen Huang para a infraestrutura de IA

A visão de Jensen Huang, CEO da Nvidia, é que a inteligência artificial deve ser analisada menos como um ciclo comum de venda de chips e mais como a construção de uma infraestrutura industrial. O cenário otimista defendido por ele é gigantesco: US$ 3 trilhões a US$ 4 trilhões por ano em gastos com infraestrutura de IA até 2030.

É importante separar previsão de fato consolidado: trata-se de uma estimativa da Nvidia, não de um consenso do mercado. E ela impõe uma pergunta difícil às empresas que estão investindo: esse volume de capital conseguirá gerar retorno econômico sustentável? 140

A tese: computação para IA como infraestrutura

Huang argumenta que a IA generativa exige um novo modelo de computação. Nesse modelo, data centers são projetados para transformar eletricidade e capital em capacidade computacional para IA.

Essa leitura amplia o mercado potencial da Nvidia para além dos aceleradores: inclui redes, sistemas, software e o modelo operacional das chamadas AI factories — instalações voltadas à produção de capacidade de IA.

A escala já é relevante. O Banco de Compensações Internacionais (BIS, na sigla em inglês), instituição que reúne bancos centrais, estima que os cinco maiores provedores globais de computação em nuvem devem gastar mais de US$ 1 trilhão em investimentos de capital relacionados à IA entre 2025 e 2026. Separadamente, um relatório do Congressional Research Service, órgão de pesquisa do Congresso dos Estados Unidos, projetou que o investimento global ligado à IA ultrapassaria US$ 1 trilhão em 2026. 4033

Esses números tornam a direção apontada por Huang plausível, mas não comprovam sua meta para 2030. As definições também fazem diferença: gasto total de capital corporativo, gasto específico em IA, investimento em data centers e despesas no ecossistema mais amplo de IA não são medidas equivalentes.

A demanda pode ser forte, mas a oferta segue como limite imediato

Os resultados recentes da Nvidia são a evidência mais clara apresentada pela companhia para a demanda atual. No trimestre encerrado em 26 de julho de 2026 — o segundo trimestre do ano fiscal de 2027 da Nvidia — a empresa registrou US$ 96,2 bilhões em receita, alta de 106% sobre um ano antes. Para o trimestre seguinte, projetou US$ 108 bilhões, com variação de 2% para cima ou para baixo. A Reuters informou ainda que a empresa alertou que a escassez de componentes de memória limitaria a velocidade de expansão. 17

Em uma conferência para investidores, Huang afirmou que a construção dessa infraestrutura ainda está no começo, mas reconheceu restrições que vão além dos chips: capacidade da cadeia de suprimentos, disponibilidade de terrenos e energia podem atrasar projetos. 2

O gargalo, portanto, não é apenas a quantidade de GPUs disponíveis. Um grande projeto de IA precisa de memória, encapsulamento avançado, equipamentos de rede, espaço físico, obras, geração de energia e conexão à rede elétrica.

Para investidores, essa diferença é relevante. Restrições de oferta podem sustentar a demanda pelos equipamentos da Nvidia no curto prazo, mas também podem postergar projetos — e adiar a receita de clientes que só começam a vender serviços de IA quando toda a instalação está operacional.

Dos investimentos das gigantes de nuvem a projetos do porte de usinas

Huang tem usado exemplos físicos para dimensionar a mudança. Reportagens sobre a conferência do Goldman Sachs mencionaram um projeto de IA planejado na Austrália, com 2 gigawatts de capacidade em 2027 e cerca de US$ 80 bilhões em infraestrutura estimada. 35

Não há garantia de que projetos individuais atinjam essas metas. Ainda assim, o exemplo ajuda a explicar a premissa da Nvidia: a capacidade de IA está se tornando um desafio de energia, terreno, construção e financiamento, além de semicondutores.

A estimativa do BIS de mais de US$ 1 trilhão em investimentos relacionados à IA pelos cinco maiores provedores de nuvem em 2025 e 2026 oferece outro teste de realidade. O ciclo de investimentos é real e já é muito grande; o debate está no retorno econômico final desse esforço. 40

A Nvidia quer transformar capacidade computacional em ativo financiável

A estratégia da Nvidia não se limita a vender hardware para os maiores provedores de nuvem. Em agosto de 2026, a companhia anunciou memorandos de entendimento com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para criar plataformas independentes de financiamento de capacidade computacional. A meta é mobilizar mais de US$ 500 bilhões em capital de terceiros. 4959

A ideia é financiar sistemas de IA e sua infraestrutura com receitas de prazo mais longo, vinculadas ao uso, em vez de depender apenas dos balanços dos clientes. A Nvidia descreve a proposta como uma forma de tornar a capacidade computacional e a infraestrutura completa de IA uma classe de ativos investível. 59

Isso não equivale a um fundo de US$ 500 bilhões já concluído. São memorandos de entendimento para mobilizar recursos ao longo do tempo; a viabilidade econômica dependerá de cada projeto, de seus contratos, da taxa de utilização dos equipamentos e da qualidade de crédito dos tomadores. A Reuters também informou que a Nvidia afirmou poder oferecer garantia de até US$ 125 bilhões, ou 25% dos negócios potenciais. 50

O risco central: a monetização precisa acompanhar a infraestrutura

A tese pessimista não é que a demanda por IA seja fictícia. Os resultados da Nvidia e os planos de investimento das grandes empresas de nuvem indicam demanda relevante no presente.

A questão mais difícil é outra: receitas vindas da camada de aplicações — como software corporativo, agentes de IA, serviços ao consumidor e outros produtos — conseguirão sustentar o custo de computação, energia, data centers, depreciação dos equipamentos e financiamento?

Por isso, os indicadores mais úteis vão além de remessas de GPUs ou anúncios de investimento:

• Utilização: os sistemas caros de IA estão sendo usados com intensidade suficiente?
• Qualidade da receita: os serviços de IA geram receita recorrente ou dependem de testes passageiros?
• Economia unitária: preços e margens brutas cobrem o custo total de treinar e operar modelos?
• Solidez dos contratos: os compromissos de compra de capacidade são assumidos por clientes capazes de pagar mesmo em um cenário de demanda mais fraca?
• Retorno sobre o capital investido: os compradores de infraestrutura de IA obtêm retorno acima de seu custo de capital, depois de considerar depreciação e energia?

O que a mensagem de Huang significa para investidores

A tese de Huang depende de três ideias conectadas: a demanda por computação de IA está acelerando; a oferta física levará tempo para acompanhar; e o capital privado pode ajudar a financiar a infraestrutura resultante.

O crescimento da receita e a projeção da Nvidia apoiam a primeira ideia no curto prazo. Os dados do BIS confirmam que o ciclo de investimentos já ganhou dimensão relevante. 1740

A parte ainda sem resposta é justamente a mais importante: as empresas que usam essa capacidade computacional conseguirão convertê-la em serviços duradouros e lucrativos?

Se conseguirem, a computação para IA poderá se comportar como infraestrutura produtiva. Se não conseguirem, o setor pode acabar com capacidade cujo custo cresceu mais rápido que a monetização.

Esse é o teste decisivo para a tese dos US$ 4 trilhões: não apenas as vendas de chips da Nvidia, mas a geração contínua de receita com serviços de IA e o retorno obtido sobre a infraestrutura que está sendo construída.