Novo chip reduz custos e transforma IA em commodity industrial, diz CEO da Nvidia

A paisagem tecnológica global está sendo redesenhada por uma mudança de paradigma: a obsolescência dos supercomputadores tradicionais em favor das chamadas fábricas de IA.

Em entrevista exclusiva à CNBC, Jensen Huang, CEO da Nvidia, revelou que a companhia agora foca na produção em massa de tokens, tratando a inteligência artificial como uma commodity industrial. Huang explicou que o novo chip Vera Rubin é o coração dessa estratégia, reduzindo drasticamente o custo operacional para gigantes como OpenAI e Google, ao mesmo tempo em que consolida a empresa como a Big Tech mais valiosa do planeta.

A economia do Chip Rubin: velocidade como redutor de custos

A lógica econômica por trás da nova arquitetura Vera Rubin subverte os conceitos tradicionais de hardware ao estabelecer que, neste mercado, velocidade é sinônimo de economia. Segundo Huang, o novo chip é capaz de treinar modelos de fronteira quatro vezes mais rápido que a geração Blackwell, o que permite às empresas chegarem ao mercado com novos produtos em um quarto do tempo original.

“O valor é inegavelmente incrível”, afirmou o CEO, destacando que a arquitetura reduz o custo do token em até dez vezes através de uma combinação de eficiência energética e algoritmos avançados. “No mundo das fábricas de IA, ser mais rápido é o mesmo que ser mais barato”, reforçou, ao explicar o retorno sobre o investimento para seus clientes.

Leia também: Siemens e Nvidia lançam “sistema operacional” de IA e citam PepsiCo como cliente desenvolvedor

IA física: a robótica como processo de engenharia

O horizonte da IA física também ganhou novos contornos com a afirmação de Huang de que a robótica humanoide finalmente saiu do campo da ciência teórica para se tornar um processo de engenharia prático.

Ele explicou que a tecnologia habilitadora agora permite transformar prompts em tokens de ativação, fazendo com que o computador gere movimentos físicos com a mesma fluidez que gera texto ou vídeo. “Um computador não sabe e não se importa com o tipo de tokens que ele está gerando”, pontuou Huang, ressaltando que a articulação de dedos para agarrar um copo é apenas uma sucessão de números para o processador.

Esse avanço é fruto do co-design, onde a Nvidia inova simultaneamente na CPU, GPU e sistemas de rede.

“Levamos 30 anos para perseguir o momento em que essa tecnologia habilitadora fosse descoberta. Agora, quando vejo um vídeo generativo onde um homem pega um copo d’água, percebo que a tecnologia para um robô fazer o mesmo está logo ali na esquina. O computador está apenas gerando números, e esses números agora podem controlar o mundo físico com precisão absoluta”, destacou Huang.

Leia também: Nvidia anuncia teste de robotáxis com carros autônomos Nível 4 em 2027

Ecossistema aberto e a estratégia de colaboração

A manutenção da liderança da Nvidia reside em seu compromisso com um ecossistema aberto, permitindo que a empresa colabore com todos os grandes nomes do setor, desde a Anthropic até o projeto Gemini do Google.

Huang defende que, embora um modelo proprietário pudesse facilitar a monetização imediata de todas as camadas, a estratégia de interoperabilidade é o que mantém a Nvidia como a única infraestrutura capaz de rodar todos os modelos de IA existentes no mundo.

Para o CEO, trabalhar com figuras como Elon Musk e os times de pesquisa da Runway é o que alimenta o ciclo de inovação contínua da empresa, garantindo que a Nvidia permaneça como a fundação de toda a ciência computacional moderna.

Leia também: Qual é maior risco do mercado de IA em 2026? Veja o que dizem os analistas

A indiferença digital e a revolução dos tokens

A base técnica para a expansão da Nvidia em 2026 fundamenta-se na neutralidade com que seus processadores lidam com diferentes tipos de demanda. Huang explicou que o computador opera em um nível de abstração onde o conteúdo final é irrelevante para a capacidade performática do chip.

“Deixe-me primeiro dizer que um computador não sabe e não se importa com o tipo de tokens que ele está gerando”, afirmou o CEO, destacando que a máquina pode estar processando um token de linguagem, um vídeo ou um comando de ativação do volante.

Segundo ele, “o computador, em última análise, é apenas um monte de números”, o que permite que a mesma infraestrutura que alimenta conversas digitais seja a base para modelos que operam no mundo físico.

Leia também: Parceira da Nvidia, Foxconn registra alta de 22% na receita com avanço da infraestrutura de IA

Rendimento e crescimento das receitas corporativas

O modelo de negócios da Nvidia para este ciclo de lançamentos está diretamente atrelado ao aumento do rendimento das fábricas de IA, termo que Huang utiliza para substituir o conceito de supercomputadores. Ele reforçou que, para as receitas de uma empresa crescerem, o rendimento geral da fábrica precisa ser ampliado substancialmente a cada nova geração tecnológica.

“No caso do Rubin, o rendimento dos tokens de uma fábrica de inteligência artificial aumenta por um fator de 10 vezes”, pontuou o executivo. Huang argumenta que esse ganho é o que torna o valor inegavelmente incrível para os investidores, garantindo que o custo de produção de inteligência caia enquanto a capacidade de entrega dispara.

Leia também: Como US$ 160 milhões em chips da Nvidia foram contrabandeados para a China

Inovação simultânea e o conceito de co-design

A capacidade da Nvidia de superar o limite físico de transistores — que no Rubin cresceu apenas 1,7 vezes — reside no que Huang chama de co-design. Em vez de focar apenas no processador, a companhia inova simultaneamente em todas as camadas, incluindo a unidade de processamento gráfico, o sistema de rede e o motor de processamento de dados.

“Nós literalmente inovamos em cada um dos chips do data center”, afirmou o CEO, destacando que essa abordagem sistêmica é o que permite saltos de performance dez vezes maiores. Para ele, o sucesso não vem de uma peça isolada, mas de “inovar em tudo ao mesmo tempo”, integrando hardware e software de forma indissociável.

Leia também: IA no espaço: startup apoiada pela Nvidia dá passo inédito em órbita

A persistência de três décadas e o momento habilitador

Huang também compartilhou uma perspectiva filosófica sobre o sucesso da Big Tech, lembrando que tecnologias como o ray tracing e a biologia digital exigiram décadas de investimento antes de se tornarem comercialmente viáveis. Ele defende que o momento atual da robótica e dos carros autônomos é o resultado de perseguir uma visão por um longo período, esperando a descoberta da tecnologia habilitadora correta.

“Levamos 30 anos para fazer isso”, recordou o executivo, enfatizando que agora o processo científico se transformou em um processo de engenharia pura. “Você tem que perseguir algo por um longo período de tempo procurando aquele momento em que essa tecnologia habilitadora é descoberta”, concluiu o líder da Nvidia ao projetar o futuro da IA física.

—