Plano de Financiamento de US$ 500 Bilhões da NVIDIA para Capacidade de IA: Como a Infraestrutura de GPUs Se Torna uma Classe de Ativos

Introdução

A NVIDIA está tentando mudar a forma como a indústria de IA paga pela capacidade computacional.

Em 10 de agosto de 2026, a empresa anunciou parcerias estratégicas com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para estabelecer plataformas independentes de financiamento de capacidade computacional para infraestrutura de IA baseada em NVIDIA.

A escala do objetivo é massiva: essas plataformas pretendem mobilizar mais de US$ 500 bilhões em capital de terceiros no longo prazo.

Esse número precisa ser tratado com cautela.

A NVIDIA não está levantando um fundo único de US$ 500 bilhões, e as seis instituições não comprometeram publicamente valores individuais fixos. As partes assinaram memorandos de entendimento, e os acordos finais, termos dos projetos, cronogramas de implantação e compromissos reais de capital ainda estão por ser definidos.

A visão vai muito além de simplesmente fornecer empréstimos para clientes comprarem GPUs.

A NVIDIA quer que fábricas de IA — incluindo a pilha tecnológica completa de aceleradores, redes, software de sistema, frameworks de IA e infraestrutura circundante — sejam financiadas mais como infraestrutura produtiva. Em vez de cada laboratório de IA, empresa ou provedor de nuvem pagar antecipadamente o custo total de seus próprios balanços, capital institucional de longo prazo pode possuir ou financiar esses ativos, enquanto os clientes pagam pelo acesso à capacidade computacional.

O argumento de Jensen Huang é simples: na IA, capacidade computacional gera receita, portanto a infraestrutura de computação pode ser subscrita como um ativo produtivo, e não apenas tratada como uma compra de tecnologia que se deprecia rapidamente.

A NVIDIA Quer que Wall Street Financeie Fábricas de IA

Nos últimos dois anos, um dos maiores obstáculos para escalar a IA tem sido o capital.

Laboratórios de IA de fronteira precisam de clusters maiores para treinar e fornecer modelos mais potentes. Empresas querem migrar mais cargas de trabalho para a IA. Provedores de nuvem e novos provedores estão competindo para aumentar a capacidade.

O hardware é caro, e os gastos vão muito além das próprias GPUs.

Uma fábrica de IA moderna pode exigir:

• Aceleradores
• Redes de alta velocidade
• Armazenamento
• Distribuição de energia
• Sistemas de refrigeração líquida
• Edifícios
• Terreno
• Acesso à rede elétrica
• Software de sistema
• Operações
• Compromissos de capacidade de longo prazo

Grandes empresas de tecnologia podem financiar a maior parte desses gastos por meio de fluxo de caixa e mercados públicos de dívida.

Empresas menores de IA e operadores de infraestrutura muitas vezes não conseguem.

O plano de financiamento da NVIDIA visa trazer capital privado e institucional em maior escala para preencher essa lacuna.

De acordo com a estrutura divulgada, os seis grupos financeiros estabelecerão pools de capital dedicados e avaliarão independentemente projetos envolvendo infraestrutura de IA baseada em NVIDIA.

A NVIDIA fornece a plataforma tecnológica e o ecossistema.

Os financiadores fornecem subscrição, capital, expertise em infraestrutura e acesso aos mercados de capitais.

A empresa afirma que os clientes-alvo incluem:

• Laboratórios de IA de fronteira
• Startups nativas de IA
• Grandes empresas
• Provedores de nuvem de IA
• Governos e projetos nacionais de IA

Esse modelo pode permitir que instituições com forte demanda, mas que não podem ou não querem arcar integralmente com os custos de infraestrutura de uma só vez, tenham acesso a recursos computacionais caros.

Isso Se Aproxima Mais de Financiamento de Infraestrutura do que de Parcelamento para Consumo

Chamar essa ideia de "hipoteca para comprar GPUs" é uma imagem vívida, mas a estrutura real é mais próxima de financiamento de infraestrutura e equipamentos.

Um arranjo simplificado pode ser o seguinte:

Capital institucional
        ↓
Veículo de financiamento/proprietário da infraestrutura
        ↓
Fábrica de IA baseada em NVIDIA
        ↓
Usuários de capacidade computacional de longo prazo
        ↓
Taxas de uso ou fluxos de caixa semelhantes a arrendamento
        ↓
Serviço da dívida/retorno para investidores

Os usuários de capacidade computacional não precisam necessariamente possuir diretamente cada GPU.

As instituições financeiras avaliarão se o projeto pode gerar fluxo de caixa persistente suficiente para justificar o investimento.

Essa avaliação pode incluir:

• Qualidade de crédito do cliente
• Prazo do contrato
• Taxa de utilização da capacidade computacional
• Receita esperada de arrendamento
• Demanda por modelos
• Custos de energia
• Vida útil do hardware
• Valor residual
• Opções de reimplantação

Esse modelo é semelhante ao negócio comum de financiamento de ativos — onde uma parte possui ou financia a compra de um ativo produtivo de alto valor, e outra parte é responsável pelo uso.

O arrendamento de aeronaves é uma analogia clara.

As companhias aéreas nem sempre compram cada aeronave à vista. Um arrendador pode possuir o avião e receber pagamentos ao longo do tempo, mantendo o valor do ativo físico.

A capacidade computacional de IA pode seguir um modelo de financiamento semelhante, embora as características de depreciação das GPUs sejam muito diferentes das de aeronaves.

Por Que a NVIDIA Acredita que Capacidade Computacional Pode se Tornar uma Classe de Ativos Investível

Jensen Huang publicou outra nota em 11 de agosto, defendendo que a capacidade computacional das fábricas de IA da NVIDIA possui as qualidades que investidores buscam em infraestrutura.

Seu argumento baseia-se em quatro pontos.

1. O ativo gera receita

A infraestrutura de IA não é equipamento ocioso.

Ela pode ser usada para treinamento, inferência, ajuste fino, computação científica, cargas de trabalho de agentes, geração de mídia, robótica e outros serviços pagos.

Se a capacidade for mantida em utilização, o equipamento gera fluxo de caixa recorrente.

2. A arquitetura suporta múltiplas cargas de trabalho

A NVIDIA acredita que sua infraestrutura não se limita a um único modelo.

O mesmo cluster de GPUs pode atender linguagem, visão, voz, biologia, IA física, robótica e computação de alto desempenho.

Isso torna o hardware mais fácil de ser reimplantado quando clientes ou cargas de trabalho mudam.

3. A CUDA expande a base potencial de usuários

O ecossistema de software da NVIDIA é essencial para o argumento de financiamento, porque o hardware vale mais quando mais clientes podem usá-lo.

A CUDA é amplamente adotada em nuvens, frameworks, aplicações e ambientes empresariais.

Isso cria um mercado secundário mais profundo para capacidade computacional.

4. Software pode estender a vida econômica útil

Huang argumenta que otimizações contínuas da CUDA podem fazer com que hardware já instalado gere melhores resultados econômicos ao longo do tempo.

O software não pode impedir o envelhecimento físico, nem tornar GPUs antigas equivalentes a novas arquiteturas, mas pode melhorar a utilização, o desempenho do kernel, o suporte a frameworks e a variedade de cargas de trabalho que permanecem economicamente viáveis.

O Número de US$ 500 Bilhões é uma Meta, Não Capital Já Captado

Essa distinção é a chave para entender o anúncio.

A NVIDIA afirma que essas plataformas de financiamento visam mobilizar mais de US$ 500 bilhões em capital total de terceiros ao longo do tempo.

A empresa deixou claro que esse número:

• Não é receita da NVIDIA
• Não é um fundo único
• Não é um compromisso com um cliente específico

A Reuters reportou que a NVIDIA não divulgou os valores individuais comprometidos pelas seis instituições financeiras, nem termos detalhados de financiamento ou cronogramas de implantação.

Os acordos atuais são baseados em memorandos de entendimento.

Os acordos finais ainda precisam ser negociados.

Isso significa que manchetes afirmando que a NVIDIA "levantou US$ 500 bilhões" exageram o que realmente aconteceu.

Uma descrição mais precisa é que a NVIDIA e seis grandes instituições financeiras estão a construir uma plataforma cujo objetivo público de longo prazo é canalizar mais de 500 mil milhões de dólares para projetos de infraestrutura de IA.

Quanto risco a NVIDIA irá assumir?

A NVIDIA está a tentar responder a uma preocupação óbvia: se a empresa vende GPUs e ao mesmo tempo garante o financiamento, estará Wall Street realmente a assumir um risco independente?

Jensen Huang afirmou que os fornecedores de capital farão a subscrição de cada projeto de forma independente.

Eles devem analisar por conta própria os clientes, a taxa de utilização, os fluxos de caixa, a procura e o valor residual.

A NVIDIA poderá oferecer um mecanismo de suporte de valor residual de até 25% da oportunidade do projeto, avaliado caso a caso.

Isto não deve ser descrito como a NVIDIA a garantir 25% de toda a plataforma de 500 mil milhões de dólares.

O mecanismo é limitado, específico de cada projeto e relacionado com o valor residual dos ativos.

Num cenário teórico máximo, 25% de 500 mil milhões de dólares equivaleria a 125 mil milhões, o que explica por que esse número apareceu nas notícias. Mas a exposição real da NVIDIA dependerá de quais projetos recebem apoio e da estrutura de cada acordo.

A NVIDIA afirma que o seu objetivo é libertar capital independente, mantendo ao mesmo tempo o seu próprio risco controlado.

Por que Wall Street está interessada

Os seis parceiros não são meros investidores de tecnologia.

São algumas das maiores instituições mundiais de infraestrutura, crédito privado, capital de seguros, pensões e gestão de ativos de longa duração.

A infraestrutura de IA oferece-lhes um novo lugar para alocar capital.

Um grande projeto de computação pode oferecer:

• Pagamentos contratualizados
• Receitas de utilização de longa duração
• Colaterais físicos
• Recuperação de valor residual
• Fluxos de caixa semelhantes a infraestrutura
• Exposição ao crescimento da IA sem necessidade de adquirir participações em empresas de IA

Para instituições que gerem fundos de pensões ou seguros, o atrativo é diferente do capital de risco.

Elas não precisam necessariamente que uma startup se torne uma empresa de 100 mil milhões de dólares.

Precisam de retornos previsíveis de um ativo produtivo cuja utilização possa ser medida e cujo valor possa ser recuperado.

É por isso que transformar poder computacional em algo modelável, financiável e revendível pode ser tão importante quanto o tamanho dos primeiros negócios.

O acordo com a Anthropic mostra como este tipo de financiamento pode funcionar

O artigo de origem usa a Anthropic como exemplo de como o financiamento de infraestrutura de IA já está a evoluir.

Em junho de 2026, a Apollo e a Blackstone apoiaram um projeto de expansão de capacidade computacional da Anthropic de cerca de 35 mil milhões de dólares, envolvendo chips de IA personalizados e infraestrutura associada à Broadcom e à Google.

A estrutura utiliza capital privado para financiar a infraestrutura de computação, em vez de exigir que a Anthropic compre todo o hardware diretamente com o seu próprio dinheiro.

Relatos públicos descrevem uma estrutura de propósito especial em que a dívida é suportada por pagamentos semelhantes a alugueres, com a Broadcom a fornecer suporte de valor residual para a parte sénior do financiamento.

Os detalhes específicos não são exatamente os mesmos da nova plataforma da NVIDIA.

Mas os princípios económicos são semelhantes:

O fornecedor de capital compra ou financia a capacidade computacional
        ↓
A empresa de IA utiliza a capacidade computacional
        ↓
Pagamentos de longo prazo reembolsam o financiamento
        ↓
O hardware mantém um certo valor recuperável

A nova iniciativa da NVIDIA tenta transformar negócios negociados individualmente no passado num canal de financiamento repetível que abrange uma base de clientes mais ampla.

A mudança maior: a infraestrutura de IA pode absorver capital institucional

O significado mais profundo do plano de financiamento vai além de simplesmente retirar uma despesa do balanço de um cliente.

Se a capacidade computacional de IA for aceite como um ativo de infraestrutura mainstream, a base de capital potencial estende-se muito para além das reservas de caixa das empresas de tecnologia.

As fontes de capital possíveis incluem:

• Fundos de pensões
• Seguradoras
• Fundos de infraestrutura
• Fundos soberanos
• Fundos de crédito privado
• Investidores em dívida garantida por ativos
• Bancos e investidores de mercado de capitais

Estes investidores já financiam aeroportos, utilities, torres de telecomunicações, gasodutos, instalações logísticas, aeronaves, imobiliário e datacenters.

A NVIDIA quer que as fábricas de IA entrem na mesma conversa.

No entanto, para isso, os investidores precisam de obter respostas credíveis a várias questões:

• Por quanto tempo o hardware ainda será útil?
• Com que rapidez uma nova geração de GPUs desvalorizará a anterior?
• O hardware pode ser transferido para outro operador?
• Os clientes continuarão a pagar pela capacidade computacional?
• Qual será o valor real de revenda daqui a alguns anos?
• Quanto do retorno económico vem do software da NVIDIA em vez do próprio chip?

Uma plataforma de financiamento pode fornecer uma estrutura, mas não pode eliminar esses riscos.

A reação do mercado expõe o outro lado da aposta

O anúncio não foi recebido com entusiasmo incondicional.

A 10 de agosto, as ações da NVIDIA caíram cerca de 2,9%, enquanto os investidores avaliavam o plano de financiamento e enfrentavam pressões mais amplas do mercado.

No mesmo dia, várias gestoras de ativos alternativos envolvidas no plano viram as suas ações subir.

O contraste levanta uma preocupação familiar em torno da infraestrutura de IA: financiamento cíclico.

A lógica é a seguinte:

1. As empresas de chips querem que os clientes comprem mais infraestrutura.
2. Os clientes precisam de financiamento para poderem arcar com essa infraestrutura.
3. Os fornecedores de capital financiam as compras.
4. As empresas de chips obtêm receitas de hardware.
5. Se o cliente entrar em dificuldades mais tarde, a estrutura de financiamento pode depender do mesmo hardware para preservar valor.

Na sua forma mais agressiva, o financiamento do fornecedor pode fazer a procura parecer mais forte, enquanto o risco se acumula noutros pontos do sistema.

A NVIDIA respondeu diretamente a esta crítica no artigo de Jensen Huang de 11 de agosto.

A empresa argumenta que este plano é diferente porque os seis fornecedores de capital são instituições independentes que tomarão as suas próprias decisões de subscrição, em vez de simplesmente aceitarem a palavra da NVIDIA de que cada projeto é financiável.

Esta distinção é importante, mas a preocupação não desaparecerá até que os investidores vejam como os projetos específicos são estruturados e quanto risco a NVIDIA acaba por reter.

Por que as GPUs são diferentes dos aviões

A analogia dos aviões ajuda a explicar as estruturas de financiamento, mas torna-se menos adequada quando se discute depreciação.

Os aviões depreciam-se principalmente pela idade, horas de voo, ciclos de aterragem/descolagem, manutenção e procura do mercado.

Já as GPUs podem perder valor rapidamente, porque novas arquiteturas alteram a economia da computação.

Se um acelerador mais recente tiver melhor desempenho por watt, memória, rede ou custo por token, as placas antigas podem perder atratividade mesmo continuando a funcionar perfeitamente.

Este risco de obsolescência tecnológica é provavelmente a parte mais difícil de tratar GPUs como garantia de longo prazo.

Um modelo de financiamento de cinco anos precisa de estimar o valor de um chip após vários ciclos de produto.

Numa indústria onde novos aceleradores chegam rapidamente e as arquiteturas de modelos mudam constantemente a combinação de cargas de trabalho mais valiosas, isso é particularmente difícil.

A resposta da NVIDIA: CUDA, intercambialidade e redistribuição

A resposta de Jensen Huang é que os produtos de computação da NVIDIA não são dispositivos de uso único.

Uma GPU que já não é adequada para treinar os modelos de fronteira mais recentes ainda pode ser usada para:

• Afinação (fine-tuning)
• Inferência
• Modelos mais pequenos
• Cargas de trabalho empresariais
• Computação científica
• Renderização
• Simulação
• Processamento em lote
• Capacidade de nuvens regionais

A amplitude do ecossistema CUDA aumenta o número de utilizadores secundários potenciais.

Isto é importante para os credores, porque quando um ativo financiado pode ser transferido para outros clientes, a sua segurança é maior.

A NVIDIA também salienta que as melhorias de software aumentam continuamente a produtividade do hardware instalado.

O ativo pode não ser tão competitivo quanto uma GPU nova, mas não será necessariamente inútil.

A100 é o exemplo favorito da NVIDIA

A NVIDIA lançou a A100 em 2020.

Seis anos depois, Jensen Huang afirma que a A100 continua ativa comercialmente em treino, afinação, inferência e computação de alto desempenho.

Os clientes continuam a fazer compromissos de capacidade plurianuais com base nesta arquitetura.

Para a NVIDIA, isto prova que a vida económica das GPUs de datacenter pode ser muito mais longa do que o ciclo de lançamento de produtos sugere.

Também apoia o argumento de que o modelo de financiamento não exige que as GPUs antigas continuem a ser os chips mais rápidos do mercado.

Basta que mantenham eficiência de capacidade suficiente para que os utilizadores continuem dispostos a pagar pela sua utilização.

Argumento da NVIDIA Reforçado pelos Preços de Aluguer do H100

O artigo de origem também cita os dados de preços de aluguer da SemiAnalysis, referidos por Jensen Huang.

De acordo com o artigo da NVIDIA de 11 de agosto, o preço de aluguer do H100 por um período de um ano subiu de cerca de 1,70 dólares por hora de GPU em outubro de 2025 para cerca de 2,35 dólares por hora de GPU em março de 2026.

O preço médio sob procura entre fornecedores subiu de cerca de 2,00 dólares por hora de GPU em outubro de 2025 para cerca de 2,70 dólares em junho de 2026.

Para os financiadores, preços de aluguer estáveis ou em ascensão apoiam a ideia de que, mesmo com a entrada de produtos mais recentes no mercado, as GPUs antigas já instaladas continuam a gerar fluxo de caixa.

No entanto, para os compradores, os preços históricos de aluguer não devem ser vistos como garantia de valor residual futuro.

A oferta de GPUs, a disponibilidade de energia, a eficiência dos modelos, o hardware concorrente, a procura por inferência e as novas arquiteturas podem alterar rapidamente a economia.

Acordos Atualmente Concretizados

A fase atual ainda é preliminar.

A NVIDIA assinou memorandos de entendimento com seis instituições financeiras.

A empresa ainda não divulgou publicamente:

• O acordo de financiamento principal final
• A dimensão do capital que cada instituição irá fornecer
• O primeiro projeto a ser financiado
• O primeiro cliente
• O calendário abrangente de implementação alvo
• As taxas de juro padrão
• Os termos de arrendamento padrão
• Uma fórmula unificada para o cálculo do valor residual

Espera-se que cada oportunidade de financiamento seja avaliada individualmente.

Isto significa que a plataforma final poderá não assemelhar-se a um produto de crédito hipotecário global padronizado, mas sim a um conjunto de estruturas de financiamento repetíveis, aplicadas a diferentes clientes e projetos de centros de dados.

O Mecanismo de Apoio de 25% Não é Automático

Outro detalhe que vale a pena repetir é o mecanismo de valor residual.

A NVIDIA afirma que, em certos casos, poderá fornecer um apoio até 25% para uma determinada oportunidade.

Isto não é automático.

Isto não é uma promessa de que cada GPU manterá 25% do seu preço de compra.

Também não é uma garantia abrangente que cubra todo o objetivo de 500 mil milhões de dólares.

Espera-se que este apoio seja avaliado projeto a projeto e sirva como complemento à subscrição independente dos financiadores.

Este desenho visa claramente reduzir a perceção externa de que a NVIDIA está simplesmente a financiar as suas próprias vendas.

Se os investidores aceitarão esta distinção dependerá dos contratos reais.

Quem Beneficia Mais

A plataforma de financiamento parece ser mais útil para:

Clientes com uma forte procura por capacidade de computação, mas com acesso a capital barato inferior ao das grandes empresas de tecnologia.

Laboratórios de IA de Fronteira

Os laboratórios podem expandir a capacidade de treino e inferência sem comprometer demasiado capital próprio em hardware.

Provedores de Serviços de Nuvem de IA

Quando o financiamento de hardware pode ser ancorado na procura de clientes a longo prazo, os Neocloud e operadores de nuvem de GPU podem aumentar a capacidade mais rapidamente.

Grandes Empresas

As empresas que constroem fábricas de IA privadas podem preferir estruturas de financiamento ou baseadas na utilização, em vez de grandes aquisições de capital de uma só vez.

Governos

Projetos nacionais de IA podem utilizar o financiamento de infraestruturas para acelerar projetos de computação soberana, sem depender totalmente dos orçamentos anuais de tecnologia.

Os melhores projetos serão provavelmente aqueles com contratos de longo prazo, elevada utilização, clientes de qualidade e um mercado secundário claro para o hardware.

O Que Pode Correr Mal

Esta iniciativa também acarreta vários riscos.

1. Depreciação do Hardware Mais Rápida do que o Esperado

Nova geração de aceleradores pode reduzir significativamente o valor económico das gerações de hardware financiadas.

2. Diminuição da Utilização

Centros de dados construídos para a procura antecipada de IA podem operar abaixo da capacidade, enfraquecendo o fluxo de caixa usado para pagar o financiamento.

3. Incumprimento dos Clientes

Alguns laboratórios de fronteira e nuvens de IA crescem rapidamente, mas continuam a ser intensivos em capital e podem não ter perfil de crédito de grau de investimento.

4. Atrasos na Energia Reduzem Receitas

Se os centros de dados não conseguirem obter energia, rede, arrefecimento ou aprovações regulamentares finais, as GPUs não conseguirão gerar receita.

5. Eficiência da IA a Crescer Mais Rápido do que a Procura

Se os modelos exigirem significativamente menos computação para o mesmo resultado, mesmo com a adoção contínua da IA, a capacidade instalada pode enfrentar pressão.

6. Ciclo de Financiamento Demasiado Grande

Se fornecedores de tecnologia, clientes, financiadores e garantias de valor residual estiverem profundamente interligados, as perdas num elo do ecossistema podem espalhar-se rapidamente para outros.

O Que Isto Significa para os Preços da IA

O artigo original termina por ligar o sistema de financiamento ao preço que os utilizadores finais pagam pela IA.

Esta ligação é real, embora indireta.

O custo de um modelo não inclui apenas investigação e engenharia.

Também reflete os custos de:

• GPUs
• Energia
• Rede
• Construção de centros de dados
• Financiamento
• Depreciação
• Operação

Se a infraestrutura puder ser financiada a taxas de juro mais baixas e mantida com elevada utilização a longo prazo, o custo unitário de computação pode diminuir.

Isto pode reduzir o custo de treinar modelos maiores e também tornar a inferência e os serviços de subscrição de IA mais baratos ao longo do tempo.

O inverso também é verdadeiro.

Se o mercado construir em excesso, o hardware depreciar mais rápido do que o esperado, ou as perdas de financiamento aumentarem, o custo de capital para a futura infraestrutura de IA pode aumentar.

Assim, Wall Street está a tornar-se parte da pilha de produtos de IA, embora o utilizador final nunca o veja na interface.

As Regras do Negócio de Computação Estão a Mudar

A NVIDIA deixou de ser apenas um fornecedor de chips.

Oferece aceleradores, rede, software, designs de referência, arquiteturas de fábricas de IA, padrões de ecossistema e, agora, um enquadramento para atrair capital externo em grande escala para o processo de construção.

Isto irá alterar o panorama competitivo.

A corrida da IA continua a ser sobre a capacidade dos modelos, mas também depende cada vez mais de quem consegue construir capacidade de computação utilizável ao menor custo, financiar eficientemente, manter a plena operação e preservar valor entre várias gerações de hardware.

O objetivo de 500 mil milhões de dólares da NVIDIA é, essencialmente, uma aposta de que o seu ecossistema é suficientemente durável para Wall Street considerar a capacidade de computação como infraestrutura produtiva de longo prazo e alta eficiência.

Os próximos anos irão testar a suposição mais crítica deste argumento: quanto valerão as GPUs atuais depois de mais gerações de produtos?

Perguntas Frequentes

A NVIDIA levantou 500 mil milhões de dólares em dinheiro?

Não. A NVIDIA assinou memorandos de entendimento com seis instituições financeiras para criar uma plataforma de financiamento que mobilize gradualmente mais de 500 mil milhões de dólares em capital de terceiros. Os compromissos específicos, acordos finais e calendário de implementação ainda não foram divulgados publicamente.

Quais instituições financeiras estão a trabalhar com a NVIDIA?

Os parceiros anunciados incluem Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. Espera-se que estas instituições subscrevam de forma independente as oportunidades de infraestrutura de IA, em vez de simplesmente financiarem automaticamente todos os clientes da NVIDIA.

Isto significa que as empresas podem pagar pelas GPUs da NVIDIA em prestações?

Não no sentido de crédito ao consumo. O programa está mais próximo de estruturas de equipamento, infraestrutura, crédito privado e arrendamento, onde o fornecedor de capital financia a fábrica de IA e o cliente paga pelo acesso ou utilização a longo prazo.

A NVIDIA fornece garantias para o financiamento?

A NVIDIA afirma que pode fornecer um mecanismo de suporte de valor residual até 25% para certas oportunidades, avaliado caso a caso. Isto não é uma garantia abrangente de 25% do objetivo de 500 mil milhões de dólares.

Porque é que os investidores consideram as GPUs como ativos de infraestrutura?

Os investidores podem avaliar a receita recorrente gerada pela capacidade de computação, a profundidade do mercado de clientes, a utilização, os prazos dos contratos e o valor residual. A NVIDIA argumenta que a CUDA, o suporte abrangente de cargas de trabalho e a capacidade de reimplantação tornam o seu hardware mais durável e líquido do que ativos tecnológicos de uso único.

Qual é o maior risco de fornecer financiamento plurianual para GPUs?

A obsolescência tecnológica é o risco central. A nova geração de aceleradores enfraquece o valor económico das gerações anteriores muito mais rapidamente do que o desgaste físico reduz o valor dos equipamentos tradicionais de infraestrutura.

As GPUs antigas da NVIDIA ainda têm uso comercial?

Sim. A NVIDIA cita o exemplo do A100, lançado em 2020, que ainda é usado para treino, inferência, afinação e computação de alto desempenho anos depois. Mas isto não garante que cada geração futura de GPUs siga o mesmo padrão de valor residual.

Este financiamento pode tornar a IA mais barata para os utilizadores?

Possivelmente.

Custos de financiamento mais baixos, maior taxa de utilização e uma vida útil de hardware mais longa podem reduzir o custo por unidade de capacidade computacional. O preço final dos serviços de IA ainda depende de múltiplos fatores, como eficiência do modelo, concorrência, energia, software e demanda.

Ferramentas relacionadas

• NVIDIA DSX: Plataforma da NVIDIA para projetar, simular, implantar e operar fábricas de IA.
• NVIDIA AI Factory: Arquitetura de infraestrutura criada pela NVIDIA para instalações de computação de IA em larga escala.
• CUDA Toolkit: Plataforma de programação de GPUs e ecossistema de software da NVIDIA, essencial para a argumentação de valor residual da empresa.
• NVIDIA AI Enterprise: Plataforma de software empresarial com suporte da NVIDIA, usada para implantar e gerenciar cargas de trabalho de IA.
• NVIDIA DGX Cloud Lepton: Plataforma que conecta desenvolvedores à capacidade computacional de GPUs de diversos provedores de nuvem.

Links relacionados

• NVIDIA anuncia plano de financiamento de US$ 500 bilhões para capacidade computacional: Anúncio oficial sobre seis parcerias, memorandos de entendimento e metas de capital de longo prazo.
• Jensen Huang: capacidade computacional de fábricas de IA como classe de ativos investível: Explicação detalhada da NVIDIA sobre valor residual, CUDA, persistência do A100, preços de locação do H100 e o mecanismo de suporte de 25%.
• Reuters: NVIDIA e Wall Street avançam com financiamento de US$ 500 bilhões para IA: Reportagem independente sobre o anúncio, as metas de capital e os termos não divulgados.
• Reuters: Apollo e Blackstone apoiam expansão de US$ 35 bilhões em capacidade computacional da Anthropic: Informações contextuais sobre precedentes de grandes financiamentos privados para capacidade computacional de IA.
• NVIDIA DSX: Documentação oficial da plataforma de infraestrutura de nível de fábrica de IA da NVIDIA.
• NVIDIA CUDA Toolkit: Plataforma oficial de desenvolvedores CUDA da NVIDIA, citada na argumentação sobre economia de computação de longo prazo.
• NVIDIA AI Enterprise: Documentação oficial da pilha de software de IA de nível de produção da NVIDIA.

Resumo

A NVIDIA assinou memorandos de entendimento com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para criar plataformas de financiamento independentes que mobilizem gradualmente mais de US$ 500 bilhões em capital para infraestrutura de IA.

O projeto não é uma rodada de financiamento de US$ 500 bilhões já concluída. É uma estrutura que visa transformar fábricas de IA baseadas em NVIDIA em ativos que provedores de capital de longo prazo possam financiar, arrendar, seguradar e potencialmente revender.

A questão central é o valor residual. A NVIDIA acredita que CUDA, amplo suporte a cargas de trabalho, reimplantabilidade, a persistência do A100 e a forte economia de locação do H100 podem tornar a infraestrutura de GPUs durável o suficiente para financiamento no formato de infraestrutura. Os investidores ainda enfrentam riscos como obsolescência rápida do hardware, taxa de utilização, crédito do cliente, energia e financiamento rotativo.

Se Wall Street aceitar a capacidade computacional como um ativo produtivo de longo prazo, o próximo passo

O estágio da corrida de IA pode depender tanto de financiamento e valor residual quanto do desempenho bruto dos modelos.