Inteligência artificial
NVIDIA (NVDA) em destaque: de gigante gráfica a titã da IA
O Securities.io mantém padrões editoriais rigorosos e pode receber remuneração por links revisados. Não somos um consultor de investimentos registrado e este conteúdo não é um aconselhamento de investimento. Consulte nossa divulgação afiliada.
O gigante da IA
Se por mais de uma década a atenção dos investidores em tecnologia esteve voltada para as “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), etc.), os últimos anos têm visto uma mudança marcante em direção ao hardware em detrimento do software. O primeiro sinal foi a ascensão espetacular de 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 obteria retornos tão bons, se não mais fortes: NVIDIA (NVDA ).
Agora vista principalmente como uma empresa de IA com sucesso repentino, a NVIDIA construiu pacientemente sua tecnologia única e posição de mercado ao longo de 20-30 anos. Isso pode dar a ela uma posição forte para permanecer como um ator dominante no mundo da tecnologia pelos próximos anos.
O caminho da NVIDIA para o sucesso
CPU x GPU
Por muito tempo, a NVIDIA foi uma empresa de hardware de computador de nicho, mas bem-sucedida, especializada na produção de placas gráficas ou unidades de processamento gráfico (GPUs). Na época, as GPUs eram vistas como um importante elemento de hardware de computação, mas secundárias à importantíssima unidade central de processamento (CPU).
As CPUs são projetadas para executar cálculos muito rápidos que precisam ser feitos um após o outro, o que as torna excelentes para cálculos complexos.
Em contraste, as GPUs são menos potentes, mas foram projetadas para executar muitos cálculos paralelos simultaneamente, o que as torna melhores no tratamento de grandes quantidades de dados.
Durante este período, da década de 1990 à década de 2010, os produtores de CPU como Intel (INTC ) reinou na indústria, enquanto GPUs de alta qualidade eram usadas principalmente por jogadores e designers gráficos para PCs de última geração.
Construindo um negócio de GPU
No início, o fundador da NVIDIA Jensen Huang e seus cofundadores raciocinaram que o ritmo da computação ultrapassaria a capacidade da CPU. Jensen foi fundamental no desenvolvimento das primeiras GPUs para a Sun Microsystems, hoje Oracle (ORCL ).
Ele se tornaria um dos cofundadores da NVIDIA em 1993, abraçando a revolução do PC no início dos anos 1990.
“Nós pensamos, você sabe, talvez gráficos 3D seriam a coisa que seria realmente legal. E pela primeira vez, você tem uma plataforma que poderia ser um computador e usada para, você sabe, o que você quiser usar. Você também poderia usá-la para jogar. E, nós só precisamos construir um chip que torne possível jogar.
Nenhum de nós tinha visto um PC antes. Então tivemos que ir comprar um PC. Compramos um Gateway 2000. Ninguém sabe nem programar Windows ou DOS. Ninguém nem viu DOS. E então tivemos que desmontá-lo, começar a aprender sobre a indústria.”
É engraçado pensar que, em retrospecto, os jogos não eram um mercado muito "sério" na época, em comparação com modelos de negócios mais lucrativos e focados em empresas maiores. Os primeiros cartões não foram um sucesso comercial. Seus 2nd A GPU de última geração era melhor, mas se tornou subitamente obsoleta quando o mercado se voltou para a arquitetura DirectX da Microsoft para videogames.
No final das contas, a NVIDIA levou seis anos e três linhas de produtos para encontrar a adequação do produto ao mercado, com muitos eventos de quase morte para a empresa.
O sucesso viria com o Riva 128: em seus primeiros quatro meses, vendeu 1 milhão de unidades. Ele seria seguido por uma longa linha de designs de placas gráficas de sucesso, incluindo o Série GeForce, até hoje o player dominante no mercado ao lado AMD (AMD ) Radeon.
Fonte: UComprar
CUDA e Criptomoeda
Em 2006, já líder consolidada em GPUs, a NVIDIA lançou o CUDA, uma interface de programação de uso geral para GPUs da NVIDIA, abrindo caminho para outros usos além de jogos. Isso ocorreu porque alguns pesquisadores já utilizavam GPUs para realizar cálculos em vez dos supercomputadores tradicionais.
Fonte: NVIDIA
“Os pesquisadores perceberam que, ao comprar esta placa de jogo chamada GeForce, você a adiciona ao seu computador, você essencialmente tem um supercomputador pessoal. Dinâmica molecular, processamento sísmico, reconstrução de TC, processamento de imagem — um monte de coisas diferentes.”
Esta adoção mais ampla de GPUs, e mais especificamente de hardware NVIDIA, criou um ciclo de feedback positivo com base em efeitos de rede: quanto mais usos, mais usuários finais e programadores estão familiarizados com ele, mais vendas, maior orçamento para P&D, maior aceleração na velocidade de computação, mais usos, etc.
Fonte: NVIDIA
Hoje, a base instalada inclui centenas de milhões de GPUs CUDA.
Fonte: NVIDIA
Isso não só seria muito útil para pesquisadores, mas uma nova tecnologia faria grande uso da computação paralela de GPU: blockchain e criptomoedas.
Boom de criptomoedas
Agora ficando um pouco marginalizada pelo entusiasmo da IA, a criptografia foi a primeira aplicação em larga escala da GPU além de jogos e pesquisa científica. Muitos projetos de blockchain e criptografia exigem muito poder de computação. Rapidamente, as GPUs NVIDIA se tornaram o hardware central para executar esses cálculos.
Isso criou um boom nas vendas da NVIDIA, e as ações da empresa começaram a subir em uníssono com o boom das criptomoedas, com o preço das ações aumentando mais de 10 vezes.
(NVDA )
A ação do preço das ações de criptomoedas perdeu força em 2022 antes que os mercados percebessem que a NVIDIA vinha desenvolvendo uma estratégia de IA notável por muitos anos.
AI
Redes neurais
Desde o início da década de 2010, os pesquisadores começaram a implantar GPUs para estudar redes neurais. Estes são um tipo de método de computação que difere da programação usual e foi premiado com 2 prêmios Nobel diferentes em 2024, em Física e Medicina.
As redes neurais são a base técnica para o que é comumente chamado de “IA” hoje.
Em 2009, um dos meus alunos na época, Ian Goodfellow, que era meu aluno de graduação, me ajudou a construir um servidor GPU em seu dormitório. E esse servidor acabou sendo o que usamos para nossos primeiros experimentos de aprendizado profundo 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, em vez de uma etapa após a outra.
Andrew Ng - Fundador da DeepLearning.AI e sócio-gerente geral da AI Funds, em entrevista à Sequoia
Isso foi antes do AlexNet, o primeiro avanço no reconhecimento de imagens de computador em 2012, e anos antes do AlphaGo.
Transformando a NVIDIA em IA
A NVIDIA percebeu o potencial da IA muito cedo, muito antes de qualquer um, entre pesquisadores especializados, se importar com redes neurais.
Na época, essa era uma jogada arriscada para um setor não comprovado e quase inexistente, ou como disse Jensen Huang:
"Estamos investindo em mercados de zero bilhão de dólares."
Em 2016 e 2017, a NVIDIA lançou tAs arquiteturas de Pascal e Volta, respectivamente, o primeiro acelerador de IA baseado em GPU, enquanto a Volta introduziu os Tensor Cores, que aceleraram tarefas de aprendizado profundo em até 12 vezes.
Foi um pivô de atacado nessa nova direção. Quando nós giramos o navio nessa direção, nós procuramos cada pesquisador de IA do planeta.
E nossa plataforma sendo útil para eles era o feedback positivo que estávamos recebendo na época. Que é a razão pela qual sou amigo de, você sabe, todos os grandes pesquisadores de IA do mundo.
Todos eles foram úteis para me dar as primeiras indicações de sucesso futuro ao longo do caminho, e é preciso dar importância a essas pequenas vitórias.
Isso prefiguraria a construção de uma infraestrutura de computação de IA, surgindo maciçamente na consciência pública em 2023, com o lançamento de LLMs (Large Language Models) populares como o Chat GPT.
Mas isso foi, na verdade, construído durante o desenvolvimento lento e muitas vezes esquecido de GPUs dedicadas a IA cada vez mais poderosas pela NVIDIA desde 2016.
Fonte: NVIDIA
Outra coisa notável sobre a evolução do poder de computação da IA é que ela segue uma lei exponencial em vez da Lei de Moore mais linear para CPU. Isso ocorre porque não apenas o hardware da GPU 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 muitos ângulos para trabalhar em paralelo para melhorar o desempenho.
Isso levou a uma redução radical na energia consumida para treinar o mesmo modelo GPT ao longo do tempo, 350x menos em 8 anos, e uma redução ainda mais extrema na energia necessária para fazer uma solicitação a esses LLMs.
Fonte: NVIDIA
Parcerias NVIDIA
A NVIDIA tem sido, desde o seu início, uma empresa profundamente conectada dentro da indústria. Em vez de uma empresa verticalmente integrada, ela busca estabelecer laços profundos com os melhores, enquanto permanece focada em suas próprias vantagens competitivas.
Por exemplo, a NVIDIA é um fabricante de hardware denominado “fabless”, com foco em design e conceitos, deixando para os semicondutores líderes mundiais a “fabricação” de TSMC (TSM ) para produzir suas GPUs.
Ao não desenvolver seus próprios LLMs ou sistema de IA, a NVIDIA também é uma parceira confiável para praticamente todas as startups de “Big Tech” e IA, que a veem como uma parceira essencial em vez de uma concorrente em potencial. 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 da tecnologia.
Esta provou ser a escolha certa, com a NVIDIA sendo a maior beneficiária da onda de gastos de capital (capex) mais impressionante da história do setor de tecnologia.
O investimento em IA é esperado para atingir até US$ 200 bilhões em 2025, além de um investimento de capital 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 foi incrível para uma empresa desse porte:
- As receitas aumentaram 126%, de US$ 27 bilhões para US$ 60 bilhões.
- O lucro operacional triplicou (311%) de US$ 9 bilhões para US$ 37.1 bilhões
- A Margem Bruta subiu de 59.2% para 73.8%
No geral, a empresa é ricamente avaliada, mas nem tanto devido ao crescimento de seus lucros. Ainda assim, com uma relação P/L acima de 60 e um dividend yield de apenas 0.03%, os investidores que compram a NVIDIA estão assumindo muito crescimento futuro para justificar o preço atual das ações.
Fonte: NVIDIA
Futuro da NVIDIA
Crescimento sustentável?
A taxa de crescimento de três dígitos da NVIDIA tem sido impressionante e se refletido no preço das ações da empresa. É claro que tudo que é bom acaba um dia, e os investidores estão começando a se preocupar que isso possa acontecer mais cedo ou mais tarde.
As mesmas preocupações já eram altas quando as vendas da NVIDIA estavam crescendo devido às vendas de criptomoedas ou nos estágios iniciais do boom da IA, então o pessimismo não é necessariamente uma estratégia de investimento sólida.
In uma entrevista sobre o Podcast BG2Pod, Huang explicou que o mundo precisa atualizar até US$ 1 trilhão em datacenter e computação para incorporar e se adaptar à IA. E que até agora apenas US$ 150 bilhões foram gastos desse total.
Então, segundo ele, ainda há muito espaço para a NVIDIA continuar aumentando as vendas, mesmo que seja apenas devido às necessidades de computação existentes. Isso antes de ainda mais aplicações para IA se tornarem populares, como auto-condução carros.
Essas preocupações sobre a demanda total também ignoram que, em última análise, todos os setores provavelmente implementarão IA em vários níveis, de uma forma ou de outra, incluindo setores como a saúde, que representam uma porcentagem de dois dígitos do PIB.
Fonte: NVIDIA
Blackwell
Em março de 2024, a NVIDIA lançou a plataforma Blackwell, “permitindo que organizações em todos os lugares criem e executem IA generativa em tempo real em modelos de linguagem grandes de trilhões de parâmetros com até 25 vezes menos custo e consumo de energia do que seu antecessor.".
Fonte: NVIDIA
Este é um passo muito importante, pois o consumo de energia está rapidamente se tornando uma das principais preocupações das empresas focadas em IA, conforme ilustrado por o recente acordo da Microsoft para reabrir uma usina nuclear inteira e usar todos os sua produção de energia pelos próximos 20 anos a um preço pré-acordado.
Projetos Internos
Um risco para a NVIDIA é que, embora seja uma parceira-chave para as maiores empresas do mundo, também é muito cara e lucrativa (margem bruta de 70%). Então, quando empresas com o tamanho e o conjunto de habilidades da Alphabet/Google estão gastando centenas de bilhões de dólares em chips de IA, elas são tentadas a fazer isso internamente.
E isto não é apenas hipotético, com por exemplo A Tesla desenvolveu seu próprio hardware contratando os melhores designers da concorrente da NVIDIA, a AMD. Até 2019, a Tesla usava a plataforma de computação de IA NVIDIA Drive PX 2. Como a Tesla está aparentemente muito perto de realmente comercializar robotaxi, isso pode se tornar uma grande perda de vendas para a NVIDIA.
Ao mesmo tempo, o caso da Tesla pode ser mais uma exceção à regra, com a Tesla e outras empresas de Elon Musk, como SpaceX, conhecida 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 contando com a melhor e mais recente tecnologia da NVIDIA.
Além disso, muitos modelos de IA são atualmente criados e codificados com a suposição de que serão executados em arquiteturas NVIDIA, e os programadores de IA têm experiência com o hardware da NVIDIA, o que representa um valioso diferencial comercial para a empresa.
Riscos do mercado de IA
O mercado de IA como um todo pode representar um risco maior, sobre o qual a excelente gestão da NVIDIA tem menos controle. Ele está em alta por enquanto. No entanto, há uma preocupação crescente de que os aplicativos de IA lançados não tenham se transformado em novas receitas massivas como o iPhone fez para a Apple antigamente.
Provavelmente, isso é apenas um sinal de que a tecnologia ainda está encontrando seu lugar e desenvolvendo seu mercado.
Mas se essa situação persistisse por muito tempo, correríamos o risco de viver uma situação como a do final da década de 1990, quando as previsões sobre a importância do PC e da Internet estavam certas, mas o momento foi um pouco otimista demais, levando ao estouro da bolha das pontocom.
Com certeza, Jensen Huang dando um autógrafo no peito de uma mulher em junho de 2024 é um sinal surpreendente e talvez um pouco preocupante para investidores preocupados com uma potencial mania financeira em torno da IA.
O histórico financeiro não está necessariamente se repetindo, mas os investidores vão querer analisar adequadamente esse risco para a NVIDIA e observar possíveis paralelos com a fabricante de hardware de telecomunicações e Internet Sun Microsystems (primeiro empregador de Jensen Huang) em 2000.
A 10 vezes as receitas, para lhe dar um retorno de 10 anos, tenho que lhe pagar 100% das receitas por 10 anos consecutivos em dividendos. Isso pressupõe que eu possa obter isso dos meus acionistas. Isso pressupõe que eu tenha custo zero de produtos vendidos, o que é muito difícil para uma empresa de computadores. Isso pressupõe despesas zero, o que é realmente difícil com 39,000 funcionários. (…)
Agora, tendo feito isso, algum de vocês gostaria de comprar minhas ações a $ 64? Vocês percebem o quão ridículas são essas suposições básicas? Vocês não precisam de nenhuma transparência. Vocês não precisam de nenhuma nota de rodapé. O que vocês estavam pensando?
Scott McNealy – então CEO da Sun Microsystems
Para referência, a relação P/S atual da NVIDIA é 35.
Fonte: Gráfico Y
Conclusão
A NVIDIA é uma empresa construída para assumir os riscos calculados corretos várias vezes seguidas no momento certo, desde placas gráficas de PC até o lançamento de CUDA para novos aplicativos e a adoção antecipada de redes neurais. Isso fez de seu fundador, Jensen Huang, algo como um astro do rock na indústria de semicondutores e TI.
O desempenho recente da empresa surpreendeu o mercado e gerou um entusiasmo enorme pelas ações, algo que só a Tesla pode alcançar nos últimos anos. Isso cria uma oportunidade enorme, como muitos investidores iniciais da Tesla sabem, depois de quase uma década de pessimistas que esperavam que a empresa e suas ações quebrassem "a qualquer momento".
Isso também cria alguns riscos, já que o boom da IA ainda não gerou o tipo de receita que justifica o investimento atual e pode sofrer uma desaceleração antes de se tornar um setor econômico totalmente estabelecido.
