A Geometria do Poder
Numa manhã primaveril de 1993, três engenheiros reuniram-se num restaurante em San Jose e decidiram criar uma empresa baseada numa intuição: que o futuro da computação seria visual, tridimensional e ávido por poder de processamento paralelo . Jensen Huang, Chris Malachowsky e Curtis Priem fundaram a Nvidia a 5 de abril desse ano, batizando-a com a palavra latina para inveja — uma escolha curiosa para uma empresa que, três décadas depois, se tornaria objeto do desejo mais febril de Wall Street .
Em janeiro de 2025, aquela startup nascida numa mesa de restaurante tornou-se na primeira corporação na história humana a ultrapassar os limites de quatro biliões e cinco biliões de dólares de capitalização bolsista, com o seu valor agora fixado em 5,01 biliões de dólares . Para contextualizar: a Nvidia vale mais do que todo o PIB do Japão, mais do que o valor combinado de todas as empresas cotadas em França. Tornou-se, nos termos financeiros mais diretos, a empresa mais valiosa alguma vez constituída.
Mas as avaliações, por mais vertiginosas que sejam, são meros sintomas. A questão mais interessante é aquilo em que a Nvidia se tornou em substância — e a resposta é simultaneamente mais simples e mais estranha do que o valor de biliões de dólares sugere. A Nvidia transformou-se de fabricante de chips gráficos no substrato físico da própria inteligência artificial, a empresa que constrói as pás, os caminhos-de-ferro e, cada vez mais, toda a cadeia de abastecimento da nova corrida ao ouro. E agora, com os seus mais recentes movimentos na robótica e simulação de código aberto, está a tentar fazer pela IA incorporada aquilo que fez pela aprendizagem automática: tornar-se indispensável.
A Longa Marcha dos Telemóveis aos Planetas
O caminho da Nvidia para a dominância nunca foi linear. Durante anos, foi simplesmente a empresa de placas gráficas, o nome que os jogadores conheciam, o fabricante de chips que fazia os píxeis dançar. Mas a empresa sempre jogou um jogo mais longo, diversificando para mercados adjacentes com agressividade paciente.
Em 2011, a empresa iniciou a sua investida na computação móvel, introduzindo a linha Tegra de processadores para smartphones e tablets. Nesse ano, a Nvidia dominou o mercado de dispositivos Android de núcleo duplo nos Estados Unidos, alimentando tanto tablets como aquilo a que a indústria então chamava "supertelefones" . O Tegra 3, anunciado pouco depois, era uma maravilha de quatro núcleos, o tipo de chip que fez os primeiros dispositivos Android insignes parecerem, brevemente, o futuro .
Contudo, o sector móvel nunca se tornou no reino da Nvidia. A Qualcomm e o silício personalizado da Apple encarregar-se-iam disso. O que o Tegra fez, porém, foi ensinar a Nvidia a construir arquiteturas de sistema-em-chip para envelopes de energia restritos — conhecimento que se revelaria inestimável quando a empresa pivotou para a inferência de IA na periferia. A família Jetson de processadores incorporados, agora concebida propositadamente para robótica e IA física, descende diretamente dessa linhagem Tegra . Os chips são otimizados para inferência em tempo real em modelos abertos de topo, suficientemente pequenos para caber dentro de drones e braços robóticos, suficientemente poderosos para processar dados de sensores à escala de milissegundos exigida por máquinas autónomas .
A Nvidia também fez apostas precoces e prescientes em jogos na nuvem e renderização remota. No início dos anos 2010, introduziu o Nvidia Grid, uma plataforma de hardware-software concebida para transmitir jogos a partir de centros de dados para clientes leves . A tecnologia estava à frente do seu tempo — a largura de banda era insuficiente, a latência demasiado elevada — mas o pensamento arquitetónico prefigurou as posteriores ofertas de IA em nuvem da empresa. A Nvidia aprendeu, nesses anos, a construir não apenas chips mas ecossistemas inteiros: hardware, controladores, APIs e a pilha de software que os une.
Depois vieram as aquisições, do tipo que sinaliza intenção estratégica. Em 2019, a Nvidia anunciou que adquiriria a Mellanox Technologies por aproximadamente 7 mil milhões de dólares em dinheiro, um negócio que trouxe redes de alta velocidade para o seu portfólio — crítico para as interligações que conectam milhares de GPUs nos supercomputadores de IA modernos . Nesse mesmo período, a Nvidia adquiriu a Cumulus Networks, uma empresa de redes de código aberto especializada em otimização de centros de dados, apertando ainda mais o seu controlo sobre a camada de infraestrutura .
E depois, em 2020, veio a jogada mais audaciosa de todas: a Nvidia anunciou que adquiriria a Arm Limited, a empresa britânica de conceção de chips cujas arquiteturas alimentam virtualmente todos os dispositivos móveis na Terra, por 40 mil milhões de dólares . O negócio teria criado, nas palavras de um analista, "um gigante da computação" . Teria dado à Nvidia o controlo sobre a propriedade intelectual que sustenta os chips da série M da Apple, os processadores móveis da Qualcomm e a grande maioria dos sistemas incorporados em todo o mundo. Os reguladores nos Estados Unidos, Europa e China acabaram por bloquear a aquisição por razões antimonopólio, mas a tentativa por si só revelou a ambição da Nvidia: não apenas dominar a computação de IA, mas possuir toda a pilha, do móvel à nuvem, da periferia à exaescala.
A Doutrina Blackwell
O que a Nvidia construiu, no fim de contas, é um monopólio não de mercados mas de capacidade. As suas GPUs — unidades de processamento gráfico reaproveitadas para computação paralela — tornaram-se no padrão de facto para treinar grandes modelos de IA. Google, Meta, OpenAI, Anthropic: todos executam os seus modelos em silício Nvidia. O ambiente de programação CUDA da empresa, agora com duas décadas, criou um fosso tão largo que os concorrentes lutam sequer para serem considerados.
Em 2024, Jensen Huang, então CEO da Nvidia, subiu ao palco e declarou: "Criámos um processador para a era da IA generativa" . Referia-se à plataforma Blackwell, a mais recente arquitetura da Nvidia, concebida para executar IA generativa em tempo real em modelos com biliões de parâmetros — a até 25 vezes menos custo e consumo de energia do que o seu predecessor . A plataforma Blackwell não é apenas mais rápida; é suficientemente eficiente para tornar certas classes de aplicação de IA economicamente viáveis pela primeira vez. Treinar um modelo de um bilião de parâmetros anteriormente exigia a produção elétrica de uma pequena cidade; a Blackwell torna isso possível com o orçamento energético de um grande edifício de escritórios.
Esta é a alquimia que a Nvidia dominou: não apenas desempenho bruto, mas desempenho por watt, desempenho por dólar, desempenho à escala. Os chips Blackwell, como os seus predecessores, serão enviados não como componentes autónomos mas como parte de sistemas integrados — racks de servidores, soluções de arrefecimento, tecido de rede, tudo otimizado para funcionar em conjunto. A Nvidia, por outras palavras, tornou-se numa integradora de sistemas, vendendo não componentes mas fábricas de IA inteiras.
A empresa apresentou o seu relatório anual para o ano fiscal que terminou a 26 de janeiro de 2025, um documento que, embora denso com a prosa corporativa habitual, revela receitas e margens que fariam corar um cartel petrolífero . As margens brutas da Nvidia em chips de IA rondam os 80 por cento; a empresa tem um poder de fixação de preços que beira o absoluto. Quando a procura excede a oferta por ordens de magnitude, pode-se ditar o preço.
A Questão Aberta da Abertura
Contudo, a dominância da Nvidia sempre foi ensombrada por uma certa opacidade. A empresa tem sido historicamente relutante em abrir a sua documentação de hardware, uma postura que tem frustrado a comunidade de código aberto há décadas. Em 2006, a Fedora decidiu não atualizar para o X.org 7.1 porque fornecedores de módulos proprietários, a Nvidia entre eles, não tinham fornecido suporte adequado . O controlador de código aberto Nouveau, construído por engenharia reversa do hardware da Nvidia, nunca alcançou paridade de funcionalidades com os controladores proprietários da empresa.
Nos últimos anos, porém, a Nvidia mudou — parcialmente, estrategicamente — em direção à abertura, pelo menos em certos domínios. Comprometeu-se a lançar mais documentação ao longo do tempo, oferecendo orientação em áreas específicas à medida que os recursos o permitam . A framework de aprendizagem automática DIB-R, que gera modelos 3D a partir de imagens 2D únicas, foi lançada com licenciamento aberto, um gesto em direção à comunidade académica que depende das ferramentas da Nvidia . Mais recentemente, a empresa lançou o Isaac Sim, uma plataforma abrangente de código aberto para treinar, simular e validar robôs baseados em IA em ambientes virtuais fisicamente precisos .
O Isaac Sim é mais do que um simulador; é uma aposta no futuro da IA incorporada. Treinar um robô no mundo real é caro, lento e perigoso. Treiná-lo em simulação — através de milhares de ambientes virtuais, com motores de física que modelam fricção, inércia, ruído de sensores — permite iteração rápida a custo marginal quase zero. A Nvidia construiu o Isaac Sim sobre a sua plataforma Omniverse, um conjunto de ferramentas originalmente concebidas para cinema e visualização arquitetónica, agora reaproveitadas para a era da robótica.
A empresa também lançou software para acelerar o desenvolvimento de veículos autónomos, aproveitando técnicas de raciocínio de IA para melhorar a transparência e a tomada de decisões em sistemas autónomos . O modelo Alpamayo-R1, revelado recentemente, pretende tornar a lógica de condução autónoma mais interpretável — um requisito crítico à medida que os reguladores começam a escrutinar a natureza de caixa-negra da autonomia baseada em redes neuronais .
A Era da Robótica Generalista
E depois, no início de 2025, chegou o GROOT — não a personagem da Marvel semelhante a uma árvore, mas o modelo de fundação de código aberto da Nvidia para robôs humanoides. O modelo GROOT N1, como é formalmente conhecido, representa a entrada mais direta da Nvidia na IA incorporada . É um modelo de propósito geral concebido para acelerar o desenvolvimento de robôs que podem navegar ambientes não estruturados, manipular objetos e aprender tarefas através de demonstração em vez de programação codificada.
"A era da robótica generalista chegou", declarou a Nvidia ao revelar o GROOT, e a afirmação, desta vez, pode não ser hipérbole .
Durante anos, a robótica foi travada pelo problema da especificidade: cada robô era um sistema sob medida, treinado para um conjunto restrito de tarefas em ambientes controlados. Robôs de fábrica soldam chassis de automóveis com precisão desumana mas não conseguem abrir uma porta. Robôs de armazém movem caixas mas não conseguem dobrar uma camisa. Robôs humanoides, o santo graal da área, permaneceram em grande parte experimentais, demasiado lentos e demasiado estúpidos para serem comercialmente viáveis.
O GROOT pretende mudar isso fornecendo um modelo de fundação pré-treinado — análogo ao GPT para linguagem ou ao DALL-E para imagens — que pode ser afinado para plataformas robóticas específicas. O modelo é treinado em vastos conjuntos de dados de movimento humano, manipulação de objetos e raciocínio espacial, depois implantado no hardware Jetson da Nvidia para inferência em tempo real . O resultado é um robô que pode generalizar: ensinado a apanhar uma chávena, pode apanhar uma garrafa; ensinado a navegar numa divisão, pode navegar noutra.
A decisão de lançar o GROOT como código aberto é calculada. A Nvidia não vende robôs; vende os chips e o software que tornam os robôs possíveis. Ao abrir o código do modelo, a empresa garante que cada startup de robótica, cada laboratório de investigação, cada fabricante de hardware ambicioso construirá sobre a pilha da Nvidia. Quanto mais robôs executarem o GROOT, mais módulos Jetson a Nvidia vende. Quanto mais investigadores treinarem modelos no Isaac Sim, mais GPUs a Nvidia aluga na nuvem. É o modelo lâmina-e-cabo, aplicado à infraestrutura da própria inteligência.
A Memória Que Não Existia
Nem todas as iniciativas da Nvidia foram impecáveis. Em 2015, a empresa enfrentou um fiasco de relações públicas sobre a placa gráfica GeForce GTX 970, uma GPU de jogos popular comercializada como tendo 4 gigabytes de memória de vídeo . Os entusiastas logo descobriram que apenas 3,5 gigabytes dessa memória eram prontamente acessíveis; os 512 megabytes finais situavam-se numa partição mais lenta do barramento de memória, fazendo o desempenho despencar quando as aplicações tentavam usar os 4 gigabytes completos .
A controvérsia não era meramente técnica mas ética: teria a Nvidia intencionalmente enganado os consumidores, ou foi uma falha de comunicação? A resposta da empresa foi confusa. Clarificou que a GTX 970 podia, em teoria, utilizar todos os 4 gigabytes — mas apenas sob "condições altamente stressantes", e com uma penalização de desempenho . A Nvidia também declarou, definitivamente, que não haveria atualização de controlador para melhorar a alocação de memória ou desempenho especificamente para a GTX 970 . A empresa ofereceu-se para ajudar os retalhistas a processar devoluções, um reconhecimento tácito de que o produto não tinha correspondido às expectativas dos consumidores .
O incidente foi um tropeção raro para uma empresa que de resto tem gerido a sua reputação com precisão. Também sublinhou uma tensão que persiste na relação da Nvidia com os seus clientes: os produtos da empresa são tão dominantes que os utilizadores têm pouca escolha senão aceitar as suas idiossincrasias, a sua documentação fechada, o seu aprisionamento proprietário. O episódio da GTX 970 desvaneceu-se; as vendas mal mergulharam. A posição de mercado da Nvidia, mesmo então, já era demasiado forte para ser seriamente ameaçada por um único erro de produto.
A Infraestrutura do Pensamento
O que a Nvidia construiu, em última análise, não é uma linha de produtos mas uma plataforma — a infraestrutura sobre a qual a revolução da IA está a ser construída. Cada avanço na IA generativa, cada nova capacidade robótica, cada veículo autónomo que se aproxima da viabilidade: tudo funciona, em algum ponto do pipeline, em hardware Nvidia.
A capitalização de mercado da empresa, agora de 5,01 biliões de dólares, não é uma bolha no sentido tradicional . É um reflexo de algo mais fundamental: o reconhecimento de que a IA não é uma única tecnologia mas um novo substrato para a computação, e que a Nvidia controla os meios de produção. Tal como a Standard Oil outrora dominou a energia, tal como a AT&T outrora dominou as comunicações, a Nvidia agora domina a infraestrutura da inteligência de máquina.
Mas os monopólios, por mais eficientes que sejam, são frágeis. Convidam à regulação, à concorrência e à lenta entropia da disrupção tecnológica. A Google está a conceber os seus próprios TPUs; a Amazon os seus próprios chips Trainium; até a Apple está alegadamente a trabalhar em silício de IA personalizado. As alternativas de código aberto ao CUDA estão a proliferar, embora lentamente. A fortaleza que a Nvidia construiu é formidável, mas não é eterna.
A iniciativa GROOT, e o impulso mais amplo na robótica, representa a tentativa da Nvidia de assegurar a próxima fronteira antes da chegada dos concorrentes. Se a IA foi a primeira vaga — inteligência de software, a correr em centros de dados — então a robótica é a segunda: inteligência física, a correr no mundo. A Nvidia aprendeu com os seus erros no móvel que não pode dar-se ao luxo de ceder novos mercados aos rivais. Desta vez, está a mover-se cedo, a investir fortemente, e a dar o suficiente — através de modelos de código aberto e ferramentas de simulação acessíveis — para garantir que quando a revolução robótica chegar, será construída nos termos da Nvidia.
O Restaurante, Revisitado
Trinta e dois anos após aquele encontro em San Jose, a Nvidia já não é uma startup com uma intuição. É o banco central da economia da IA, a instituição que estabelece os termos de troca, a entidade sem a qual todo o edifício vacila. Os seus chips são atribuídos como uma mercadoria escassa; CEOs de empresas da Fortune 500 telefonam pessoalmente a Jensen Huang para implorar acesso antecipado ao hardware mais recente. Os governos tratam a Nvidia como um ativo estratégico, regulando as suas exportações como se fossem plutónio de qualidade militar.
E contudo, apesar de toda a sua dominância, a Nvidia permanece, num sentido fundamental, uma aposta: a aposta de que a IA continuará a escalar, que a procura por computação continuará a ultrapassar a oferta, que o futuro exigirá cada vez mais silício dedicado a modelos cada vez maiores. O impulso na robótica é uma cobertura contra o falhanço dessa aposta — uma forma de diversificar para a IA incorporada, para a computação periférica, para mercados onde as leis de escala dos modelos transformadores não se aplicam.
Se o GROOT e o Isaac Sim se revelarão tão transformadores como o CUDA e a linha GeForce permanece por ver. A robótica é mais difícil do que o software; a física é menos indulgente do que a probabilidade. Mas a Nvidia passou três décadas a aprender a construir plataformas, não apenas produtos — a criar ecossistemas que prendem programadores, investigadores e clientes.
A empresa que três engenheiros fundaram ao pequeno-almoço vale agora mais do que a capitalização de mercado de nações inteiras. Tornou-se, num sentido muito literal, grande demais para falhar — pelo menos por agora, pelo menos enquanto o boom da IA durar, pelo menos até a próxima mudança de paradigma chegar e alguma outra conversa numa mesa de restaurante começar a esboçar o futuro.
Por enquanto, porém, o futuro funciona nos chips da Nvidia, simula no software da Nvidia e, cada vez mais, caminhará em pernas robóticas da Nvidia. Cinco biliões de dólares não é o fim da história. É meramente o preço que o mercado colocou na infraestrutura do próprio pensamento.