Inteligência artificial
NVIDIA (NVDA) Spotlight: De Gigante dos Gráficos ao Titã da IA
O Gigante da IA
Se por mais de uma década a atenção dos investidores de tecnologia esteve focada nas “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), etc.), os últimos anos viram uma mudança marcada em direção ao hardware em vez do software. O primeiro sinal foi a ascensão espetacular da Tesla (TSLA ) de uma ação cult de nicho para uma das maiores empresas do mundo.
Mas haveria uma empresa situada na fronteira entre software e hardware que capturaria retornos tão bons, senão melhores: NVIDIA (NVDA ).
Agora, principalmente vista como uma empresa de IA com sucesso repentino, a NVIDIA realmente construiu pacientemente sua tecnologia única e posição de mercado ao longo de 20‑30 anos. Isso pode lhe dar uma posição forte para permanecer um ator dominante no mundo da tecnologia nos próximos anos.
O Caminho da NVIDIA para o Sucesso
CPU vs GPU
Por muito tempo, a NVIDIA foi uma empresa de hardware de computador bem‑sucedida, porém de nicho, especializada na produção de placas gráficas ou unidades de processamento gráfico (GPUs). Na época, as GPUs eram vistas como um elemento importante de hardware de computação, mas secundário ao todo‑importante processador central (CPU).
As CPUs são projetadas para executar cálculos muito rápidos que exigem fazer um após o outro, tornando‑as ótimas em cálculos complexos.
Em contraste, as GPUs são menos poderosas, mas projetadas para executar muitos cálculos paralelos simultaneamente, tornando‑as melhores para lidar com grandes quantidades de dados.
Durante esse período, dos anos 1990 aos 2010, produtores de CPU como Intel (INTC ) dominavam a indústria, enquanto GPUs de alta qualidade eram usadas principalmente por gamers e designers gráficos em PCs de alto desempenho.
Construindo um Negócio de GPU
No início, o fundador da NVIDIA Jensen Huang e seus co‑fundadores raciocinaram que o ritmo da computação superaria a capacidade das CPUs. Jensen foi fundamental no desenvolvimento das primeiras GPUs para a Sun Microsystems, hoje Oracle (ORCL ).
Ele então se tornou um dos co‑fundadores da NVIDIA em 1993, abraçando a revolução dos PCs no início da década de 1990.
“Pensamos, sabe, talvez gráficos 3D fossem algo realmente legal. E, pela primeira vez, você tem uma plataforma que pode ser tanto um computador quanto usada para, sabe, o que você quiser. Você também poderia usá‑la para jogar. E, só precisamos construir um chip que tornasse possível jogar.
Nenhum de nós tinha sequer visto um PC antes. Então tivemos que comprar um PC. Compramos um Gateway 2000. Ninguém sabia programar Windows ou DOS. Ninguém tinha visto DOS. E então tivemos que desmontá‑lo, começar a aprender sobre a indústria.
É engraçado pensar que, em retrospectiva, os jogos não eram um mercado muito “sério” na época comparado a modelos de negócios mais lucrativos e focados em grandes empresas. As primeiras placas não foram um sucesso comercial. Sua segunda geração de GPU era melhor, mas tornou‑se rapidamente obsoleta quando o mercado migrou para a arquitetura DirectX da Microsoft para videogames.
Em última análise, a NVIDIA levou seis anos e três linhas de produtos para encontrar o ajuste produto‑mercado, com muitos eventos de quase morte para a empresa.
O sucesso veio com a Riva 128: nos primeiros quatro meses, vendeu 1 milhão de unidades. Foi seguida por uma longa linha de designs de placas gráficas bem‑sucedidos, incluindo a série GeForce, que até hoje é a líder dominante no mercado ao lado da AMD’s (AMD ) Radeon.
Fonte: UBuy
CUDA e Cripto
Em 2006, já líder bem estabelecido de GPUs, a NVIDIA lançou o CUDA, uma interface de programação de uso geral para as GPUs da NVIDIA, abrindo a porta para usos além de jogos. Isso foi feito porque alguns pesquisadores já estavam usando GPUs para realizar cálculos em vez dos supercomputadores habituais.
Fonte: NVIDIA
“Os pesquisadores perceberam que ao comprar esta placa de jogos chamada GeForce, você a adiciona ao seu computador, essencialmente tendo um supercomputador pessoal. Dinâmica molecular, processamento sísmico, reconstrução de TC, processamento de imagens – uma série de coisas diferentes.”
Essa adoção mais ampla de GPUs, e mais especificamente do hardware da NVIDIA, criou um loop de feedback positivo baseado em efeitos de rede: quanto mais usos, mais usuários finais e programadores familiarizados, mais vendas, mais orçamento de P&D, mais aceleração na velocidade de computação, mais usos, etc.
Fonte: NVIDIA
Hoje, a base instalada inclui centenas de milhões de GPUs CUDA.
Fonte: NVIDIA
Não só isso seria muito útil para pesquisadores, mas uma nova tecnologia faria grande uso da computação paralela das GPUs: blockchain e criptomoedas.
Boom das Criptomoedas
Agora um pouco ofuscado pelo entusiasmo em IA, as criptomoedas foram a primeira aplicação em larga escala de GPU além de jogos e pesquisa científica. Muitos blockchains e projetos cripto exigem muita potência de computação. Rapidamente, as GPUs da NVIDIA tornaram‑se o hardware central para realizar esses cálculos.
Isso criou um boom nas vendas da NVIDIA, e as ações da empresa começaram a subir em sincronia com o boom cripto emergente, com o preço das ações aumentando mais de 10 vezes.
(NVDA )
A ação das criptomoedas perdeu um pouco de força em 2022 antes que os mercados percebessem que a NVIDIA vinha construindo uma estratégia de IA notável há muitos anos.
IA
Redes Neurais
Desde o início dos anos 2010, pesquisadores começaram a usar GPUs para estudar redes neurais. Elas são um tipo de método computacional que difere da programação usual e foi premiada com 2 diferentes Prêmios Nobel em 2024, em Física e Medicina.
Redes neurais são a base técnica do que hoje é comumente chamado de “IA”.
Em 2009, um dos meus alunos na época, Ian Goodfellow, que era meu estudante de graduação, me ajudou a montar um servidor GPU no quarto dele. E esse servidor acabou sendo o que usamos para nossos primeiros experimentos de deep‑learning para treinar redes neurais.
Começamos a ver acelerações de 10x ou até 100x no treinamento de redes neurais em GPUs porque podíamos fazer mil ou 10 000 coisas em paralelo, ao invés de um passo após o outro.
Andrew Ng – fundador da DeepLearning.AI & parceiro geral de gestão dos AI Funds, em uma entrevista com a Sequoia
Isso foi antes do AlexNet, a primeira grande descoberta em reconhecimento de imagens por computador em 2012, e anos antes do AlphaGo.
Redirecionando a NVIDIA para IA
A NVIDIA percebeu o potencial da IA cedo, muito antes de qualquer pessoa, fora de pesquisadores especializados, se importar com redes neurais.
Na época, foi um movimento arriscado para um setor ainda não provado, quase inexistente, ou como Jensen Huang disse:
“Estamos investindo em mercados de zero bilhões de dólares.”
Em 2016 & 2017, a NVIDIA lançou as arquiteturas Pascal e Volta, respectivamente, o primeiro acelerador de IA baseado em GPU, enquanto a Volta introduziu os Tensor Cores, que aceleraram tarefas de deep‑learning em até 12 vezes.
Foi uma mudança total nessa nova direção. Quando mudamos o navio nessa direção, procuramos cada pesquisador de IA no planeta.
E nossa plataforma ser útil a eles foi o feedback positivo que estávamos recebendo na época. Essa é a razão pela qual sou amigo de, sabe, todos os grandes pesquisadores de IA do mundo.
Eles foram fundamentais ao fornecer as primeiras indicações de sucesso futuro ao longo do caminho para mim e, você tem que dar grande importância a essas pequenas vitórias.
Isso prefigurou a construção da infraestrutura de computação de IA, emergindo massivamente na consciência pública em 2023, com o lançamento de LLMs populares (Modelos de Linguagem de Grande Escala) como o Chat GPT.
Mas isso foi realmente construído ao longo do desenvolvimento lento e muitas vezes esquecido de GPUs cada vez mais poderosas dedicadas à IA pela NVIDIA desde 2016.
Fonte: NVIDIA
Outra coisa notável sobre a evolução do poder computacional de IA é que ela segue uma lei exponencial em vez da mais linear Lei de Moore para CPUs. Isso ocorre porque não apenas o hardware das GPUs está melhorando, mas o poder de processamento necessário diminuiu devido à melhoria radical em como as redes neurais são treinadas.
Além disso, mais dados disponíveis tornam o treinamento mais eficiente, dando aos pesquisadores muitas frentes para trabalhar em paralelo e melhorar o desempenho.
Isso levou a uma diminuição radical na energia consumida para treinar o mesmo modelo GPT ao longo do tempo, 350 x menos em 8 anos, e a uma redução ainda mais extrema na energia necessária para fazer uma solicitação a esses LLMs.
Fonte: NVIDIA
Parcerias da NVIDIA
A NVIDIA tem, desde sua fundação, sido uma empresa profundamente conectada dentro da indústria. Em vez de ser uma empresa verticalmente integrada, busca estabelecer laços profundos com os melhores, mantendo foco afiado em suas próprias vantagens competitivas.
Por exemplo, a NVIDIA é um fabricante de hardware “fabless”, focado em design e conceitos, deixando a produção de suas GPUs para “fabs” de semicondutores líderes mundiais como TSMC (TSM ).
Ao não desenvolver seus próprios LLMs ou sistemas de IA, a NVIDIA também é um parceiro confiável para praticamente todo “Big Tech” e startups de IA, que a veem como um parceiro essencial ao invés de um potencial concorrente. Por sua vez, isso dá à NVIDIA a escala de vendas para continuar reinvestindo em P&D e permanecer no topo do jogo do ponto de vista tecnológico.
Isso provou ser a escolha certa, com a NVIDIA sendo a maior beneficiária da mais impressionante onda de gastos de capital (capex) na história da indústria tecnológica.
O capex de IA deve chegar a até US$200 bi em 2025, além de um capex acumulado cada vez maior pelas maiores empresas de tecnologia do mundo desde 2016.
Fonte: Sherwood
Financeiros
O crescimento da NVIDIA apenas de 2023 a 2024 tem sido incrível para uma empresa desse tamanho:
- Receitas aumentaram 126%, de US$27 bi para US$60 bi.
- Lucro operacional triplicou (311%) de US$9 bi para US$37,1 bi
- Margem Bruta subiu de 59,2% para 73,8%
No geral, a empresa está ricamente valorizada, mas não tanto devido ao seu crescimento de lucros. Ainda assim, com um índice P/E acima de 60 e um dividend yield de apenas 0,03%, investidores que compram NVIDIA estão assumindo muito crescimento futuro para justificar o preço atual da ação.
Fonte: NVIDIA
Futuro da NVIDIA
Crescimento Sustentável?
A taxa de crescimento de três dígitos da NVIDIA tem sido impressionante e refletida no preço das ações da empresa. Claro, tudo que é bom chega ao fim um dia, e os investidores estão ficando preocupados que isso possa acontecer mais cedo do que depois.
As mesmas preocupações já eram altas quando as vendas da NVIDIA estavam em alta devido às vendas de cripto ou nos estágios iniciais do boom de IA, portanto o pessimismo não é necessariamente uma estratégia de investimento sólida.
Em uma entrevista no podcast BG2Pod, Huang explicou que o mundo precisa atualizar até US$1 tri de data centers e computação para incorporar e adaptar à IA. E que até agora apenas US$150 bi foram gastos desse total.
Então, segundo ele, ainda há muito espaço para a NVIDIA continuar crescendo as vendas, mesmo que seja apenas devido às necessidades de computação existentes. Isso antes de ainda mais aplicações de IA se tornarem mainstream, como carros autônomos.
Essas preocupações sobre a demanda total também ignoram que, em última análise, todas as indústrias provavelmente implantarão IA em múltiplos níveis de uma forma ou de outra, incluindo setores como saúde que representam um percentual de dois dígitos do PIB.
Fonte: NVIDIA
Blackwell
Em março de 2024, a NVIDIA lançou a plataforma Blackwell, “permitindo que organizações em todo o mundo construam e executem IA generativa em tempo real em modelos de linguagem de grande escala de trilhões de parâmetros com até 25 x menos custo e consumo de energia que seu predecessor.”.
Fonte: NVIDIA
Isso é um passo muito importante, já que o consumo de energia está se tornando rapidamente uma das principais preocupações das empresas focadas em IA, como ilustrado no recente acordo da Microsoft para reabrir uma usina nuclear inteira e usar toda a sua produção de energia pelos próximos 20 anos a um preço pré‑acordado.
Designs Internos
Um risco para a NVIDIA é que, embora seja um parceiro chave das maiores empresas do mundo, também é muito cara e altamente lucrativa (70% de margem bruta). Assim, quando empresas do porte e conjunto de habilidades da Alphabet/Google gastam centenas de bilhões de dólares em chips de IA, elas são tentadas a fazer isso internamente.
E isso não é apenas hipotético, com, por exemplo, a Tesla tendo desenvolvido seu próprio hardware ao contratar designers de ponta da concorrente AMD da NVIDIA. Até 2019, a Tesla usava a plataforma de computação de IA NVIDIA Drive PX 2. À medida que a Tesla parece estar se aproximando muito de comercializar realmente o robotaxi, isso poderia se tornar uma perda de venda massiva para a NVIDIA.
Ao mesmo tempo, o caso da Tesla pode ser mais uma exceção à regra, com a Tesla e as outras empresas de Elon Musk, como SpaceX, notórias por sempre buscar mais integração vertical e um nível mais forte de controle sobre seu hardware.
Empresas menos experientes em hardware ou mais focadas em software e/ou marketing, como Facebook ou Microsoft, provavelmente ficarão bem confiando na tecnologia NVIDIA mais fina e mais recente.
Além disso, muitos modelos de IA são atualmente construídos e codificados com a suposição de que rodarão nas arquiteturas NVIDIA, e os programadores de IA são experientes com o hardware da NVIDIA, o que são ambos fossetas de negócios valiosas para a empresa.
Riscos do Mercado de IA
O mercado de IA como um todo pode ser um risco maior sobre o qual a excelente gestão da NVIDIA tem menos controle. Está em boom por enquanto. Contudo, há uma preocupação crescente de que as aplicações de IA lançadas não tenham se transformado em receitas massivas novas como o iPhone fez para a Apple na época.
Isso provavelmente é apenas um sinal de que a tecnologia ainda está encontrando seu ponto e desenvolvendo seu mercado.
Mas se essa situação persistir por muito tempo, poderíamos estar em risco de uma situação como no final dos anos 1990, onde as previsões sobre a importância do PC e da Internet estavam corretas, mas o timing foi um pouco otimista demais, levando ao estouro da bolha ponto‑com.
Com certeza, Jensen Huang assinando um autógrafo no peito de uma mulher em junho de 2024 é um sinal um tanto surpreendente, e talvez um pouco preocupante para investidores temerosos de uma potencial mania financeira em torno da IA.
A história financeira não está necessariamente se repetindo, mas os investidores vão querer analisar adequadamente esse risco para a NVIDIA e observar paralelos potenciais com o fabricante de hardware de telecomunicações e Internet Sun Microsystems (primeiro empregador de Jensen Huang) em 2000.
Com receitas 10 vezes maiores, para dar a você um retorno em 10 anos, eu teria que pagar 100% das receitas em dividendos por 10 anos consecutivos. Isso assume que eu possa conseguir isso dos meus acionistas. Isso assume que eu tenha custo de bens vendidos zero, o que é muito difícil para uma empresa de computadores. Isso assume despesas zero, o que é realmente difícil com 39 000 funcionários. (…)
Agora, tendo feito isso, alguém gostaria de comprar minhas ações a US$64? Vocês percebem o quão ridículas são essas suposições básicas? Vocês não precisam de transparência. Vocês não precisam de notas de rodapé. O que estavam pensando?
Scott McNealy ‑ então CEO da Sun Microsystems
Para referência, o P/S atual da NVIDIA é 35.
Fonte: YChart
Conclusão
A NVIDIA é uma empresa construída sobre a tomada de riscos calculados corretos várias vezes seguidas no momento certo, desde placas gráficas de PC até o lançamento do CUDA para novas aplicações e a adoção precoce de redes neurais. Isso fez de seu fundador, Jensen Huang, algo como uma estrela do rock na indústria de semicondutores e TI.
O desempenho recente da empresa surpreendeu o mercado e criou um entusiasmo massivo pela ação, como só a Tesla conseguiu reivindicar nos últimos anos. Isso cria uma oportunidade enorme, como muitos investidores iniciais da Tesla sabem, tendo enfrentado quase uma década de críticos que esperavam que a empresa e suas ações falhassem “a qualquer minuto”.
Isso também cria alguns riscos, já que o boom da IA ainda não gerou o tipo de receitas que justifiquem o capex atual e pode experimentar uma desaceleração antes de se tornar um setor econômico totalmente estabelecido.
