NVIDIA defende infraestrutura de IA fungível

Fabricante sustenta que flexibilidade do software protege investimentos bilionários em data centers contra obsolescência e chips dedicados.

No dia 1º de outubro de 2026, a NVIDIA publicou a análise técnica e financeira “Productive, Durable, Fungible: How NVIDIA AI Factories Maximize Return on Investment”. O documento sustenta que suas fábricas de inteligência artificial operam com infraestrutura de IA fungível. A tese, divulgada no blog oficial da empresa e no perfil corporativo no X, tenta responder diretamente às cobranças de Wall Street sobre o retorno do capital investido em inteligência artificial.

Construir um data center de ponta custa hoje cerca de US$ 60 milhões por megawatt de capacidade instalada, segundo estimativas da própria NVIDIA. Diante de despesas anuais que passam de centenas de bilhões de dólares no setor, provedores de nuvem temem alocar fortunas em máquinas que possam ficar obsoletas se os formatos dos modelos mudarem de repente.

O que é infraestrutura de IA fungível na prática

Na economia, bens fungíveis são aqueles que podem ser trocados entre si sem perda de valor ou utilidade, como moedas ou sacas de café. No contexto da computação, a NVIDIA usa a expressão para descrever servidores capazes de alternar tarefas sem depender de mudanças físicas no rack.

Segundo a empresa, a camada de software CUDA permite que o mesmo conjunto de placas alterne entre pré-treinamento de modelos, ajustes finos e inferência. Se a demanda por treino cair, os mesmos chips podem rodar computação corporativa comum. Entre os exemplos citados estão o processamento de dados acelerado com cuDF, simulações mecânicas da Dassault Systèmes e renderização gráfica. Em estudos de caso divulgados pela fabricante, a Eli Lilly utiliza 1.016 GPUs para genômica, enquanto o Pinterest opera 14.000 GPUs em recomendação visual.

Chips dedicados versus vida útil do hardware

A tese funciona também como defesa contra chips customizados. Provedores de nuvem como Google e Amazon investem pesado em aceleradores próprios (ASICs), como as TPUs e a linha Trainium. Como observou Larry Dignan na Constellation Research, o mercado financeiro cobra retornos claros desses desembolsos. A NVIDIA contra-argumenta que chips de função fixa correm mais risco de perder utilidade quando surgem arquiteturas novas de modelos. Processadores programáveis, por outro lado, continuariam viáveis por mais tempo por meio de atualizações de software.

Dados do mercado secundário compilados pelas consultorias Sprout e Silicon Data mostram que essa longevidade tem base histórica. Placas NVIDIA A100, lançadas em 2020, continuavam ativas comercialmente em 2026, seis anos depois, retendo cerca de 25% do valor original de aquisição. A provedora especializada CoreWeave estendeu contratos de reserva para essas máquinas até 2029, e a frota de processadores V100 da Microsoft alcançou 8,4 anos de operação contínua, superando a janela padrão de depreciação contábil de seis anos.

Promessas de eficiência e a realidade financeira

Para as próximas gerações, a empresa promete saltos expressivos de produtividade energética. Uma modelagem independente da consultoria SemiAnalysis calcula que os futuros sistemas Vera Rubin NVL72 vão entregar mais de 30 vezes o rendimento por megawatt e um custo por milhão de tokens até 45% menor no modelo DeepSeek V4 Pro na comparação com os sistemas GB300 NVL72.

Apesar dessas métricas, analistas de mercado encaram com cautela a tentativa de rotular clusters de inteligência artificial como ativos de capital fixo para quase uma década. Projetar oito a dez anos de vida útil para hardware que mal começou a ser instalado é uma aposta, não uma garantia. Essa conta pressupõe que laboratórios de inteligência artificial, muitos operando com prejuízos bilionários cobertos por capital de risco, continuem comprando capacidade no mesmo ritmo. Para a maioria das empresas fora da hospedagem em nuvem, a geração de tokens ainda é uma linha pesada de custo, sem retorno comprovado na mesma escala.

O diretor executivo da NVIDIA, Jensen Huang, deve apresentar novos detalhes sobre a arquitetura e a economia dessas instalações em 21 de outubro de 2026, durante palestra no GTC Berlin.