Eu estava na plateia quando Jensen Huang parou, sorriu e disse que a Nvidia estava mirando em um número tão grande que redefiniu a gravidade da sala. Você podia sentir a matemática se rearranjando em tempo real: US$ 1 trilhão (≈€920 bilhões) até 2027, um número que subiu da promessa de US$ 500 bilhões (≈€460 bilhões) do ano passado. Quero que você tenha duas coisas em mente enquanto analisamos o que essa promessa realmente significa para hardware, software e sua caixa de entrada.
Huang vendeu um futuro por decimais — e a sala ouviu o motor dar a partida
A observação do mundo real: uma audiência de engenheiros e investidores ficou em silêncio quando um número de trilhões de dólares foi dito em voz alta.
Já vi apresentações teatrais antes; isso foi diferente. Huang enquadrou esse US$ 1 trilhão (≈€920 bilhões) como a escala necessária para o que ele chamou de um futuro agentivo, onde agentes de IA fazem mais do que apenas auxiliar — eles agem. Essa confiança não é bravata ociosa. É uma tese de negócios: à medida que os modelos agentivos proliferam, a inferência — o custo e a taxa de transferência da execução de modelos — torna-se a alavanca de receita.
Huang argumentou que a inflexão chegou com ferramentas como o Claude Code da Anthropic. Se os engenheiros da Nvidia agora estão trabalhando consistentemente com assistentes de IA, a empresa presume que o mundo pagará trilhões de dólares em infraestrutura para suportar esses assistentes.
Quanta receita a Nvidia gerará com a IA agentiva?
A Nvidia prevê US$ 1 trilhão (≈€920 bilhões) em receita impulsionada por suas plataformas Blackwell e Vera Rubin até 2027, acima de uma meta anterior de US$ 500 bilhões (≈€460 bilhões) até 2026. Esse salto é menos uma previsão mágica e mais uma aposta em com que frequência as empresas executarão a inferência — o custo repetido e contínuo dos agentes de IA — em vez de eventos de treinamento únicos.
OpenClaw é viral em um lado da sala e um alarme de segurança no outro
A observação do mundo real: empresas e governos alertaram publicamente a equipe sobre o OpenClaw, mesmo quando os desenvolvedores celebravam sua velocidade e utilidade.
Você viu as manchetes: o OpenClaw se tornou viral como uma plataforma de agente que pode ler seus arquivos e agir em todos os aplicativos. Huang chamou seu código de código aberto de “o sistema operacional de computadores agentivos”. Eu chamo isso do que é: uma peça catalítica de software com o poder bruto de acelerar fluxos de trabalho e as permissões para causar estragos. OpenClaw é um cavalo de Tróia — e a resposta da Nvidia foi oferecer uma variante bloqueada, NemoClaw, apresentada como mais segura para empresas.
O que é OpenClaw e é seguro?
O OpenClaw abre um agente com acesso total a uma máquina e seus arquivos. Esse modelo de permissões é o motivo pelo qual as principais empresas de tecnologia e reguladores — até mesmo alguns na China — aconselharam cautela. Existem incidentes reais: um executivo do Meta supostamente perdeu uma caixa de entrada para as ações de um agente. A resposta da Nvidia é o NemoClaw, enquadrado como uma camada amigável para empresas sobre as mesmas ideias, e um sinal claro de que a Nvidia quer ser a empresa que as pessoas escolhem quando decidem que os agentes valem a pena confiar.
O silício está se movendo para onde as margens vivem: inferência, não treinamento
A observação do mundo real: a Nvidia comprou a Groq, anunciou seus próprios chips baseados em Groq e prometeu novas CPUs e hardware pronto para o espaço.
Huang disse que a empresa enviará os primeiros chips Groq no segundo semestre do ano e está avançando para CPUs e um computador Vera Rubin para centros de IA baseados no espaço. Isso não é incremental: é uma tentativa de possuir os centros de custo lentos e persistentes da IA — os loops de inferência que executam agentes milhares ou milhões de vezes. A IA agentiva é uma locomotiva que puxa vastas quantidades de dados e computação; se você controla os trilhos, você coleta os pedágios.
Por que a inferência está se tornando mais importante do que o treinamento?
O treinamento cria modelos. A inferência é o custo operacional repetido da execução desses modelos em produção. À medida que os agentes se multiplicam em aplicativos e fluxos de trabalho, a inferência se torna o fluxo de receita — previsível, constante e enorme. Essa mudança explica as contratações, aquisições e a mudança da Nvidia em direção a chips e parcerias otimizadas para inferência.
O mercado sentiu tanto a promessa quanto a fadiga
A observação do mundo real: as ações caíram após a apresentação, apesar da grandiosidade dos anúncios.
Wall Street esfriou com os gastos de IA em escala de manchete. Os investidores recuaram quando os ganhos da Nvidia ficaram quentes, mas o crescimento futuro parece mais difícil de acelerar. Após um forte relatório de lucros, as ações caíram 5,5% no dia seguinte e caíram ainda mais após a apresentação do GTC. A retórica de Huang move os mercados, mas o mercado também está exigindo provas de que a infraestrutura de trilhões de dólares verá uma utilização constante e mensurável.
Esse ceticismo importa. A proposta da Nvidia é que o hardware mais o software de código aberto tornará o mundo dependente de sua pilha. É uma jogada plausível: faça parceria com projetos OpenClaw, envie silício Groq, construa computação espacial e assine OEMs para robotáxis com Hyundai, Nissan, BYD e Geely, visando 18 milhões de robotáxis por ano. Mas cada passo requer confiança, e a confiança custa algo que não é contado nos balanços: tempo e garantias de segurança.
O que eu observaria a seguir
A observação do mundo real: os lançamentos de produtos são promessas; a adoção escreve os recibos.
Se você acompanha a infraestrutura de IA, observe três coisas: taxas de adoção para fluxos de trabalho agentivos dentro de equipes de engenharia, a tração que NemoClaw obtém entre empresas regulamentadas e as margens no hardware de inferência à medida que o volume de chips cresce. A Nvidia quer que você aceite um futuro onde cada empresa SaaS se torne um provedor de serviços agentivo. Esse é um caso de negócios simples e uma aposta cultural combinados em um só.
Huang pintou um futuro onde os agentes estão em todos os lugares, mas as perguntas são as que você deve estar fazendo: quem audita um agente com privilégios de sistema completos, quem paga um trilhão de dólares em infraestrutura e quem arca com as consequências quando um agente exclui uma caixa de entrada — intencionalmente ou não?
De que lado dessa aposta você quer estar?
Apoie o nosso trabalho ❤️
Se você gostou deste artigo, considere deixar uma gorjeta para nos ajudar a continuar publicando conteúdo de qualidade.
