O Que É a NVIDIA? Um Guia Simples sobre a Empresa de Chips que Move a IA

Alguns anos atrás, a NVIDIA era um nome conhecido principalmente pelos gamers, estampado nas placas de vídeo dos seus computadores. Hoje ela é uma das empresas mais valiosas do mundo. O motivo é a IA: quase todos os sistemas de IA famosos, do ChatGPT aos programas de carros autônomos, foram treinados em chips da NVIDIA.

Este artigo explica, em linguagem simples, o que a NVIDIA faz, por que um chip criado para videogames se mostrou perfeito para a IA e como a empresa ficou tão importante.

O que é a NVIDIA?

A NVIDIA (pronuncia-se "en-VÍ-dia") é uma empresa americana de tecnologia com sede em Santa Clara, na Califórnia. Ela foi fundada em 1993 por três engenheiros, Jensen Huang, Chris Malachowsky e Curtis Priem, que ficaram famosos por planejar a empresa durante refeições numa lanchonete Denny's em San José. Jensen Huang é o diretor-executivo desde então, o que faz dele um dos fundadores que estão há mais tempo no comando de uma empresa de tecnologia.

O produto mais conhecido da NVIDIA é a GPU, sigla em inglês para unidade de processamento gráfico. As placas de vídeo GeForce estão entre as mais populares em PCs para jogos. Mas hoje a maior parte do dinheiro vem de GPUs muito maiores, que lotam centros de dados (data centers), os galpões gigantes cheios de computadores onde os modelos de IA são treinados e rodam.

CPU vs GPU: qual é a diferença?

Todo computador tem uma CPU (unidade central de processamento), o processador principal. Muitos também têm uma GPU. As duas fazem contas, mas de jeitos bem diferentes.

Pense na CPU como uma pequena equipe de especialistas brilhantes. Cada um dá conta de trabalhos complicados, passo a passo, como rodar o sistema operacional ou abrir uma página da web. A GPU é mais como um exército de milhares de ajudantes. Cada um é bem mais simples, mas juntos eles fazem uma quantidade enorme de tarefas fáceis ao mesmo tempo.

O notebook que usamos neste artigo mostra a diferença: a CPU Intel dele tem 14 núcleos, enquanto a pequena GPU NVIDIA tem 2.048.

Por que os videogames precisavam de GPUs

As GPUs foram inventadas para gráficos, e gráficos são o trabalho perfeito para um exército de ajudantes.

Uma tela é uma grade de pontinhos chamados pixels. Para mostrar um jogo em movimento, o computador precisa calcular a cor de cada pixel muitas vezes por segundo, levando em conta luz, sombras e texturas. Em 4K e a 120 quadros por segundo, são cerca de um bilhão de cores de pixels por segundo. Cada pixel pode ser calculado separadamente, então o trabalho pode ser dividido entre milhares de núcleos. Em 1999 a NVIDIA lançou a GeForce 256, que ela anunciou como a primeira GPU do mundo.

Dos jogos à IA: o CUDA e a AlexNet

Em 2006 a NVIDIA lançou o CUDA, um software gratuito que deixa os programadores usarem os milhares de núcleos da GPU para qualquer tipo de conta, não só gráficos. No começo ele era usado principalmente por cientistas, em coisas como simulações do clima e da física.

Então, em 2012, uma equipe da Universidade de Toronto entrou num famoso concurso de reconhecimento de imagens com uma rede neural chamada AlexNet. Eles a treinaram em duas placas de vídeo comuns, NVIDIA GeForce de jogos, e ela venceu todas as outras por uma diferença enorme. Esse momento costuma ser visto como o começo da explosão atual da IA. (Veja O Que É Aprendizado Profundo? e O Que É Visão Computacional?)

Por que as GPUs combinam tanto com a IA? Porque o coração da IA é uma quantidade enorme de contas simples, principalmente multiplicar grandes tabelas de números, chamadas matrizes. É exatamente o tipo de trabalho que pode ser dividido entre milhares de núcleos.

Um teste de velocidade real: CPU vs GPU

Medimos isso nós mesmos no nosso notebook. Primeiro, multiplicamos duas tabelas de 4.096 × 4.096 números, o que exige cerca de 137 bilhões de operações aritméticas, o mesmo tipo de conta que acontece dentro dos modelos de IA.

A CPU levou cerca de um terço de segundo. A pequena GPU NVIDIA do mesmo notebook fez o mesmo trabalho em 0,046 segundo, quase 7 vezes mais rápido. Quando deixamos que ela usasse números de 16 bits, que é o que a IA normalmente usa, os seus Tensor Cores especiais entraram em ação e ela terminou em 0,015 segundo, cerca de 21 vezes mais rápido que a CPU, fazendo mais de 9 trilhões de operações por segundo.

Depois testamos uma tarefa de IA de verdade: o GPT-2, da OpenAI, um pequeno modelo de linguagem de 2019, escrevendo texto.

A GPU escreveu cerca de 2,7 vezes mais tokens (pedaços de palavras) por segundo que a CPU. A diferença é menor que no teste de contas puras, porque escrever texto um token de cada vez envolve muitos passos pequenos em que a GPU não consegue usar todos os núcleos ao mesmo tempo.

E esta era uma pequena GPU de notebook de 2021. Os chips dos centros de dados de IA são muitíssimo mais potentes, e as empresas ligam milhares deles entre si.

Os chips por trás da IA

As GPUs da NVIDIA para centros de dados têm nomes como A100, H100, Blackwell e Rubin. Estão entre os objetos mais complexos que a humanidade já fabricou.

Um transistor é um interruptor microscópico, o bloco básico de qualquer chip. A GeForce 256 tinha 23 milhões deles. Uma GPU Rubin, o projeto mais novo da NVIDIA, que entrou em plena produção em 2026, tem 336 bilhões, mais de 14 mil vezes mais. Um único chip de IA de ponta é vendido por dezenas de milhares de dólares.

A NVIDIA não fabrica esses chips nas próprias fábricas. Como muitas empresas de chips, ela é fabless ("sem fábrica"): projeta os chips, e outras empresas os fabricam.

A verdadeira vantagem da NVIDIA não são só os chips. É o CUDA, o software sobre o qual quase todos os programas de IA são construídos, mais a rede de alta velocidade que liga milhares de GPUs numa única máquina gigante. Concorrentes como a AMD, a Intel e os chips próprios do Google, da Amazon e de outras empresas conseguem fazer hardware rápido, mas mudar anos de software para uma nova plataforma é lento e caro.

Um negócio que explodiu com a IA

Quando o ChatGPT foi lançado, no fim de 2022, todas as grandes empresas de tecnologia correram para construir IA, e todas precisavam de chips da NVIDIA. Veja o que aconteceu com a receita da NVIDIA:

Em apenas três anos, a receita anual ficou oito vezes maior, de cerca de US$ 27 bilhões para quase US$ 216 bilhões. Os jogos, que já foram o negócio principal, continuaram crescendo, mas os centros de dados agora trazem cerca de 90% do dinheiro. O ano fiscal da NVIDIA termina no fim de janeiro, então o "ano fiscal de 2026" é quase todo o ano de 2025. E o crescimento continuou: no trimestre que terminou em abril de 2026, a NVIDIA informou US$ 81,6 bilhões de receita, 85% a mais que um ano antes.

Os investidores perceberam. O valor de mercado da NVIDIA, o valor total de todas as suas ações, disparou.

Em julho de 2025 a NVIDIA virou a primeira empresa da história a valer US$ 4 trilhões, e em outubro de 2025, a primeira a valer US$ 5 trilhões. Para comparar, isso é mais do que tudo o que a economia de quase qualquer país produz em um ano, incluindo o Brasil.

Desafios e debates

• Depender de poucos clientes: um punhado de empresas gigantes, como a Microsoft, a Meta, o Google e a Amazon, compra uma parte grande dos chips da NVIDIA, e várias estão projetando os próprios chips para depender menos dela.
• Depender de Taiwan: os chips mais avançados da NVIDIA são fabricados pela TSMC em Taiwan, então as tensões naquela região são um risco para toda a indústria da IA.
• China e regras de exportação: o governo americano restringe quais chips de IA podem ser vendidos para a China, e a China incentivou suas empresas a usar chips locais. As vendas da NVIDIA por lá caíram muito.
• É uma bolha? Alguns investidores temem que as empresas estejam gastando mais em chips de IA do que a IA vai devolver. Outros lembram que os lucros da NVIDIA são reais e continuam crescendo.
• Energia: centros de dados de IA cheios de GPUs consomem quantidades enormes de eletricidade, o que preocupa por causa das redes elétricas e do meio ambiente.

Uma breve história

Experimente você mesmo

• Confira o seu computador. No Windows, abra o Gerenciador de Tarefas, clique em Desempenho e procure uma entrada de GPU. No Mac, clique no menu da Apple e depois em Sobre Este Mac.
• Veja a sua GPU trabalhar. Deixe o Gerenciador de Tarefas aberto na página da GPU enquanto assiste a um vídeo ou joga, e veja o uso subir.
• Teste IA no navegador. Muitas demonstrações gratuitas de IA, como as do Hugging Face, rodam em GPUs NVIDIA na nuvem.
• Para programadores: se você tem uma placa NVIDIA, instale o PyTorch com suporte a CUDA e experimente levar uma conta para a GPU com .to("cuda").

Perguntas frequentes

Preciso de uma placa NVIDIA para usar o ChatGPT? Não. Os chatbots rodam em GPUs nos centros de dados da empresa. O seu celular ou computador só envia e recebe texto.

GPU e placa de vídeo são a mesma coisa? Quase. A GPU é o chip; a placa de vídeo é a placa que leva a GPU, a memória e as ventoinhas.

A NVIDIA faz o processador do meu computador? Normalmente não. A maioria dos processadores de PC é da Intel ou da AMD, e os Macs usam chips da própria Apple. A NVIDIA faz principalmente GPUs, embora também faça alguns processadores para centros de dados, carros e aparelhos como o Nintendo Switch.

Por que os chips de IA da NVIDIA são tão caros? Eles estão entre os chips mais complexos já fabricados, a procura tem sido muito maior que a oferta e o software em volta deles é difícil de substituir.

Quem são os concorrentes da NVIDIA? A AMD faz GPUs concorrentes, a Intel também faz chips de IA, e o Google, a Amazon, a Microsoft e a Meta projetam os próprios chips de IA para os seus centros de dados.

Glossário

• CPU: o processador principal de um computador, ótimo em tarefas complicadas, passo a passo.
• CUDA: a plataforma de software da NVIDIA para usar GPUs em qualquer tipo de conta, principalmente IA.
• Centro de dados: um prédio grande cheio de computadores que rodam sites, apps e IA.
• Fabless: uma empresa de chips que projeta os chips, mas deixa outras empresas fabricá-los.
• GPU: unidade de processamento gráfico, um chip com milhares de núcleos simples que trabalham em paralelo.
• Matriz: uma tabela de números; multiplicar matrizes é a principal conta dentro da IA.
• Núcleo: um trabalhador dentro de um processador, que faz as contas.
• Tensor Core: uma parte especial das GPUs NVIDIA mais novas, feita para fazer contas de IA ainda mais rápido.
• Transistor: um interruptor microscópico; os chips são feitos de bilhões deles.

Conclusão

A NVIDIA começou deixando os videogames mais bonitos e criou chips capazes de fazer milhares de contas simples ao mesmo tempo. Essa mesma habilidade se mostrou exatamente o que a IA moderna precisa. Graças às GPUs e ao software CUDA, a NVIDIA virou a empresa sobre a qual quase toda a IA é construída, e uma das empresas mais valiosas da história.

Da próxima vez que você vir uma ferramenta de IA escrever, desenhar ou falar, há uma chance muito grande de um chip NVIDIA, em algum lugar, ter feito as contas.