Agora é um bom momento para comprar Nvidia?
Aaron Polhamus, CEO da Vest, analisa a queda de 24% nas ações e o impacto do DeepSeek em seu futuro. Oportunidade ou risco? Descubra neste post:
O que se segue é uma opinião e análise pessoal, não um conselho de investimento, e não representa as opiniões da Vest ou de seus dirigentes. Leia por sua própria conta e risco.
Na semana passada, as ações da Nvidia caíram quase 24%, jogando um balde de água gelada no rosto dos investidores da NVDA. O impacto foi amplo: ações de chips, ações de energia, fornecedores de tecnologia de rede — basicamente todas as indústrias impulsionadas pelos ventos favoráveis da corrida do ouro da IA — também sofreram forte pressão vendedora.
Trabalho no setor de investimentos e amigos começaram a perguntar: “Agora é um bom momento para comprar Nvidia?” Depois de pesquisar bastante sobre essa questão, minha resposta pessoalmente, em meus investimentos, é “sim”. É verdade que o DeepSeek representa o processo inevitável de uma nova tecnologia inovadora se tornando mais eficiente e acessível. À medida que isso acontece em nível de indústria, a participação de mercado e as margens da Nvidia sofrerão pressão. Dito isso, a empresa ainda tem muito espaço para crescer por três razões:
Se algo, continuamos subestimando a demanda futura por computação
A Nvidia pode mitigar suas vulnerabilidades competitivas por meio de fusões e aquisições (M&A)
Ainda estamos tentando entender o que realmente aconteceu: o DeepSeek pode não estar descrevendo com precisão seus verdadeiros custos
Uma nota rápida sobre mim: não sou um líder da indústria de IA e não direi nada mais inteligente sobre o potencial transformador da IA do que Mark Zuckerberg¹, Sam Altman² ou Dario Amodei³. Também não vou entrar em detalhes tão técnicos quanto Jeffrey Emmanuel em sua incrível análise explorando o argumento de venda a descoberto para a NVDA⁴.
Sou um cientista de dados de carreira, atuando na área desde que obtive meu mestrado em Estatística Aplicada em 2009. Também sou o CEO da Vest, uma plataforma global de investimentos focada em investidores de varejo não americanos. Conectamos a oferta de capital — pessoas trabalhadoras ao redor do mundo — com a demanda de capital — os inovadores globais que listam suas empresas nas bolsas dos EUA — e, nesse processo, ajudamos nossos clientes a alcançar a liberdade financeira por meio do crescimento composto de ativos em USD.
Como muitos outros, estamos fascinados pelo potencial da IA e nos esforçando para entender o que isso significa para o nosso negócio e nossos clientes. Ao mesmo tempo, nossos clientes estão tentando descobrir o que tudo isso representa para seus portfólios. Em meus investimentos pessoais, tenho sido otimista em relação a esse setor há algum tempo e tive a sorte de estar no lugar certo na hora certa com minhas apostas em ações de chips quando a IA decolou.
É empolgante quando as convicções se tornam realidade.
O que aconteceu
O colapso ocorreu quando o DeepSeek demonstrou publicamente um modelo de raciocínio em cadeia que igualava ou superava os benchmarks de desempenho dos modelos dos líderes de mercado dos EUA, com apenas cerca de 2% do custo de treinamento e significativamente menos poder computacional.⁵ Isso minou a tese de que a construção de modelos mais inteligentes exige investimentos contínuos de bilhões de dólares em chips da NVDA, que possuem margens brutas de 90%. De repente, parecia que a narrativa de crescimento futuro da Nvidia havia desmoronado, e os investidores entraram em pânico.
Os ciclos de hype vão e vêm, mas, a longo prazo, as avaliações seguem os fluxos de caixa — e, nos últimos anos, a NVDA tem sido uma verdadeira máquina de gerar dinheiro. Seus lucros recentes e históricos têm sido simplesmente absurdos:
Crédito: https://finance.yahoo.com/quote/NVDA/analysis/
Crédito: https://www.investopedia.com/nvidia-earnings-4775455
As Big Tech estão fazendo compromissos de capital verdadeiramente notáveis para o treinamento de modelos fundacionais e infraestrutura: ao ler o anúncio do Stargate, lembrei-me de quando só via números tão grandes quanto $500.000.000.000 no orçamento nacional dos EUA.⁶ O domínio atual da Nvidia no mercado, combinado com as previsões de gastos futuros, é o que tem impulsionado sua valorização. Isso não é um hype passageiro como o da bolha das pontocom em 1999: algo muito real e profundo está acontecendo.⁷ A questão sempre foi quem serão os vencedores e perdedores dessa transformação. Desde a semana passada, essa dúvida inclui se a NVDA continuará sendo uma das vencedoras.
(Uma observação rápida: falaremos sobre "treinamento" versus "inferência" abaixo. "Treinamento" é o processo em que um modelo de IA é realmente construído, sendo exposto a terabytes de dados — e é aqui que os chips da Nvidia se destacam. "Inferência" é o processo de fazer perguntas a um modelo e obter respostas depois que ele já foi treinado, lidando com desafios um pouco diferentes.)
O DeepSeek afirma ter treinado seu modelo R1 de raciocínio em cadeia por apenas $6 milhões, em comparação com os custos de mais de $100 milhões na Anthropic e OpenAI. Mas, tão importante quanto isso, empresas como Groq e Cerberas estão executando inferências em hardware dedicado, não-NVDA, com até 57 vezes mais eficiência do que a inferência baseada em GPUs.⁸ Isso é um grande acontecimento, e a análise de Jeff faz um trabalho magistral ao detalhar como várias ameaças competitivas estão conspirando para minar tanto as margens quanto a participação de mercado da NVDA no futuro.⁴
O argumento otimista para a Nvidia: A IA está crescendo mais rápido do que qualquer um poderia imaginar, e a Nvidia é a líder de mercado.
O argumento pessimista: O DeepSeek acabou de quebrar o mercado, comprimindo margens e liberando a concorrência da Nvidia.
Líderes empresariais imediatamente invocaram o paradoxo de Jevons, com Satya Nadella escrevendo:⁹
“O paradoxo de Jevons ataca novamente! À medida que a IA se torna mais eficiente e acessível, veremos seu uso disparar, transformando-a em uma commodity da qual simplesmente não conseguimos ter o suficiente.”
Em outras palavras, o que as Big Techs estão prestes a perder com a compressão de margens, elas mais do que compensarão com o aumento do volume devido à adoção generalizada.
O The Economist argumenta que os líderes das Big Techs podem estar sendo otimistas demais quanto ao paradoxo de Jevons neste caso: para que ele se aplique, o aumento total da demanda resultante dos ganhos de eficiência no uso de uma commodity precisa mais do que compensar as economias totais de custo geradas pelo aumento da eficiência.¹⁰ Isso é relativamente raro — a energia tem sido mais uma exceção do que a regra — e, com apenas 5% das empresas americanas usando IA e apenas 7% relatando planos de adotá-la no futuro, não é inevitável que o paradoxo se aplique aqui.
A grande questão para os investidores da Nvidia é: à medida que os custos de treinamento e inferência da IA continuam a cair, o paradoxo de Jevons se aplicará? E, se sim, a Nvidia conseguirá capturar uma fatia grande o suficiente do valor criado para justificar sua atual valorização?
Acredito que a resposta seja "sim", e sou um comprador de NVDA por três razões:
Nadella está certo sobre o paradoxo de Jevons. Acredito que, se algo, estamos subestimando a demanda futura por computação.
A Nvidia é o gorila de 1.000 libras da indústria: se não conseguirem derrotar a concorrência no campo de batalha, vão simplesmente comprá-la.
O DeepSeek pode não estar contando toda a história: insiders da indústria especulam que o DeepSeek aproveitou modelos fundacionais dos EUA em seu treinamento, enquanto minimizava seus verdadeiros custos.
Crescimento exponencial da computação
Considere este gráfico de The Singularity is Near, que mostra o crescimento exponencial no número de cálculos que podem ser realizados por segundo para cada $1.000 desde o surgimento da computação digital. Kurzweil publicou o livro em 2005, e a seta vermelha é minha própria anotação, traçando uma linha até os dias atuais.
A aproximadamente 10¹⁶ cálculos por segundo, um computador atinge uma capacidade computacional equivalente à do cérebro humano:
Fonte: https://www.singularity.com/charts/page70.html
A precisão de Kurzweil tem sido impressionante: o modelo o3 da OpenAI, que atinge um nível de desempenho equivalente ao de um gênio na resolução de problemas matemáticos complexos, pode custar até $3.000 por consulta.¹¹ Mas lembre-se, DeepSeek / Cerberas / Groq acabaram de reduzir os custos de inferência — o custo de fazer perguntas — em 45 vezes. Estamos prestes a ultrapassar o marco de "$1.000 para pagar um computador tão inteligente quanto um humano", se é que já não ultrapassamos.
Especialistas falam sobre o quão alto esse custo de $3.000 é e como isso ilustra os desafios dos modelos fundacionais em termos de economia unitária. Claro, mas eles perdem o ponto central: o fato de estarmos discutindo se $3.000 é um preço razoável para consultar um computador mais inteligente que um PhD em matemática já é uma mudança de paradigma absurda. Você consegue imaginar essa conversa no início de 2020? Hoje, isso é normal. Esse custo será muito menor até o final do ano. Muito, muito menor em 2027. Em pouco tempo, estaremos rodando servidores de inferência superpoderosos em notebooks pessoais.
Ao mesmo tempo, o consumo global de energia dedicado à computação está crescendo exponencialmente. Como civilização, estamos consumindo exponencialmente mais energia para rodar computadores que estão se tornando exponencialmente mais inteligentes. Estamos vendo um crescimento exponencial dentro de um crescimento exponencial da computação global. O aumento da eficiência está tornando isso possível.
Visto sob essa perspectiva, a inovação do DeepSeek não foi uma surpresa — foi inevitável.
Então, o futuro da indústria de computação é promissor. No entanto, o DeepSeek acabou de nos mostrar como a participação de mercado da Nvidia vai se contrair e suas margens vão encolher. É provável que, no futuro, a Nvidia não continue sendo usada em 97% de todos os sistemas de aprendizado de IA, mantendo margens de 90%.¹² Além do DeepSeek, empresas como a Tiny Corp estão trabalhando intensamente para "commoditizar o petaflop", desenvolvendo softwares semelhantes ao CUDA para GPUs AMD, oferecendo computação mais eficiente em termos de custo-benefício.¹³ Sem dúvida, a concorrência chegou.
Como observa o professor Scott Galloway, "eventualmente, tudo se torna Walmart ou Tiffany’s".¹⁴ Modelos premium, de alto custo e tecnologia de ponta são a opção "Tiffany’s" neste cenário, e a Nvidia ainda é a fornecedora indiscutível de GPUs nesse nível. Embora os LLMs premium possam perder participação no mercado geral, a dinâmica de crescimento exponencial da indústria sugere que a Nvidia ainda tem muito espaço para crescer.
Além disso, a Apple prova que é possível oferecer um produto premium em larga escala com margens altas por décadas. O desafio da Nvidia daqui para frente será manter sua vantagem em desempenho premium, ao mesmo tempo que resolve suas vulnerabilidades relacionadas à eficiência.
Defesa através de Fusões e Aquisições (M&A)
O Facebook dominou as redes sociais no início dos anos 2000, mas chegou tarde à era das redes sociais e da comunicação móvel. Então, eles compraram o Instagram e o WhatsApp, consolidando uma grande fatia do ecossistema global de mídia social.
Antecipando a ascensão do streaming, o Google adquiriu o YouTube por $1,65 bilhão em 2006. Hoje, essas três plataformas adquiridas estão entre as redes sociais mais populares da internet, depois do próprio Facebook.
A Meta e a Alphabet criaram o manual de estratégias para o crescimento agressivo das Big Techs por meio de fusões e aquisições (M&A):
https://www.shopify.com/blog/most-popular-social-media-platforms
A Nvidia não vai simplesmente ficar sentada em cima de seus $38,48 bilhões em caixa, lamentando enquanto a concorrência avança. Ela terá que aumentar a eficiência de seus próprios chips ou começar a adquirir startups promissoras, integrando-as ao seu ecossistema de hardware e software. A valorização da Cerberas, por exemplo, varia entre $1 bilhão e $10 bilhões.¹⁵ Prevejo que a Nvidia fará grandes aquisições no próximo ano, começando pelo setor de inferência, onde aparentemente está mais vulnerável. Essa dinâmica já aconteceu antes, quando a Nvidia comprou a Mellanox em 2020, destravando a construção dos gigantescos clusters de GPUs que hoje impulsionam o treinamento de LLMs.¹⁶
Trapaças baratas? (Supostamente)
Uma empresa chinesa cometendo roubo de propriedade intelectual para criar uma versão de baixo custo de um produto americano de classe mundial é uma história tão antiga quanto a relação comercial entre EUA e China. Para deixar claro, não estou seguindo essa narrativa aqui, e mesmo que o DeepSeek acabe tendo alguma dinâmica de "cópia chinesa", ainda assim seria uma conquista de engenharia extraordinária. Méritos para os desenvolvedores incríveis do DeepSeek 🎩
Dito isso, nas últimas semanas surgiram dúvidas sobre se a versão oficial da história do DeepSeek realmente corresponde à realidade:
A OpenAI alega que o DeepSeek utilizou “distillation”, o processo de reciclagem de chamadas e respostas de outro LLM durante o treinamento do modelo.¹⁷ ¹⁸ Se for verdade, isso representaria uma violação grave de seu SLA. Além disso, confirmaria que os treinamentos de alto custo, impulsionados por GPUs da Nvidia, ainda são necessários para expandir os limites da inteligência artificial.
Especialistas estão analisando com ceticismo a alegação do DeepSeek de ter gasto apenas $6 milhões no treinamento de seu modelo, assim como o número de GPUs da Nvidia usadas em seu cluster de servidores. Segundo uma estimativa, a empresa pode ter gasto até $1,6 bilhão para construir esse cluster, incluindo cerca de 50.000 GPUs Nvidia.¹⁹
As conquistas do DeepSeek são impressionantes e a empresa claramente encontrou formas de otimizar o caríssimo processo de treinamento de modelos. No entanto, se ela realmente “quebrou o mercado” ainda será uma questão em debate nas próximas semanas. Hoje, há motivos para um ceticismo saudável.
Conclusão
Hoje, a Nvidia é a fornecedora monopolista do hardware e software necessários para o treinamento de modelos de IA de ponta em uma indústria cujo crescimento exponencial futuro provavelmente superará as previsões de Wall Street. Embora suas margens e participação de mercado diminuam à medida que o setor evolui, a empresa defenderá seu domínio no treinamento com inovação contínua, ao mesmo tempo que reforça suas vulnerabilidades na inferência por meio de fusões e aquisições (M&A) — algo que já demonstrou fazer com sucesso. Por fim, ainda não está claro até que ponto o DeepSeek realmente quebrou a economia unitária da indústria de IA. Especialistas continuarão questionando a verdadeira escala de seu cluster de servidores e investigando a possibilidade de que modelos premium — treinados em massivos clusters de GPUs Nvidia — tenham sido distilados durante o processo de treinamento.
O P/E (Price-to-Earnings Ratio) do S&P 500 hoje é de 30,18, enquanto o da Nvidia é de 47,39²¹ — um prêmio de ~50% sobre o mercado em geral. Dadas as perspectivas da empresa, isso não me parece irracional. Nos próximos dias, vou reduzir algumas posições para aumentar minha exposição à NVDA.
Acredito que os criadores de modelos fundacionais — OpenAI, Anthropic, etc. — têm muito mais com o que se preocupar, pois a combinação DeepSeek / Groq / Cerberas representa uma concorrência direta para eles. A Nvidia, por outro lado, vende pás para uma corrida do ouro que, assim como a internet, não vai desacelerar.
É um ecossistema incrivelmente complexo, e prever vencedores e perdedores é um jogo difícil. Em 1999, em um discurso no evento Sun Valley, falando para uma plateia entusiasmada com a alta das ações pontocom, Warren Buffett fez um alerta:²²
“Ao todo, parece ter havido pelo menos 2.000 fabricantes de automóveis em uma indústria que teve um impacto incrível na vida das pessoas. Se você tivesse previsto, nos primeiros dias dos automóveis, como essa indústria se desenvolveria, teria dito: ‘Aqui está o caminho para a riqueza’. Mas, depois de um massacre corporativo sem fim, sobraram apenas três montadoras nos EUA — que, por si só, não foram um grande negócio para os investidores.”
Em qualquer revolução tecnológica transformadora, os vencedores e perdedores finais muitas vezes não são os primeiros a chegar. Os investidores que despejam bilhões de dólares ajudam a impulsionar a inovação, mas não há retornos garantidos. É por isso que se chama "venture capital". Além de aumentar modestamente minha posição na NVDA, também explorarei ETFs que oferecem exposição setorial a energia e computação, permitindo que eu aposte nas tendências discutidas aqui sem me concentrar demais em uma única empresa.
Há muitas oportunidades e riscos no horizonte. Desenvolva e refine suas próprias convicções, mantenha a cabeça fria e nunca invista mais do que pode perder sem comprometer sua tranquilidade. No próximo post, vou ampliar a perspectiva e especular sobre o que a IA significa para os negócios em geral e para o mundo dos investimentos em particular.
Para fins ilustrativos. Não representa uma recomendação de investimento. Serviço de distribuição de valores mobiliários intermediado pela Oslo Capital DTVM S.A. Para obter mais informações, consulte nossa Divulgação de mídia social.
Referências:
https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/
https://youtubetranscriptoptimizer.com/blog/05_the_short_case_for_nvda
(Of course something very profound was happening in 1999, too, as the internet began to seriously disrupt traditional business models. However the run-out on a price-to-earnings basis was far more exaggerated then, with the Nasdaq hitting a PE ratio over 200, compared to about 49.31 today (see https://fullratio.com/stocks/nasdaq-ndaq/pe-ratio). Prices are rich in the AI boom, but they are supported by cash flows in a way that dotcom companies were not.)
https://www.investing.com/academy/statistics/nvidia-facts-and-statistics/
https://geohot.github.io/blog/jekyll/update/2023/05/24/the-tiny-corp-raised-5M.html
https://nymag.com/intelligencer/article/deepseek-may-be-the-walmart-of-ai.html
https://www.crunchbase.com/organization/cerebras-systems/company_financials
https://www.theverge.com/news/601195/openai-evidence-deepseek-distillation-ai-data
https://www.berkshirehathaway.com/1999ar/FortuneMagazine.pdf