A NVIDIA investe US$ 26 bilhões em áreas além dos chips para desafiar a OpenAI e a DeepSeek

Em 12 de março de 2026, a NVIDIA, líder global no setor de chips, causou um grande impacto na indústria. Conforme noticiado pela Wired, a NVIDIA anunciou oficialmente um plano de investimento de cinco anos de até US$ 26 bilhões (aproximadamente 178,79 bilhões de yuans chineses) para desenvolver modelos de linguagem de IA de código aberto. Essa iniciativa representa a mudança estratégica mais significativa na história da NVIDIA — transformando-se de uma fornecedora dedicada de hardware em um laboratório de pesquisa de ponta em inteligência artificial capaz de desafiar diretamente a OpenAI e a DeepSeek.

Uma ofensiva de cima para baixo: gastando oito vezes mais que o GPT-4 para criar o modelo de ponta

Esse compromisso de US$ 26 bilhões financiará de forma abrangente o desenvolvimento de modelos, a infraestrutura de computação e a aquisição de talentos de elite. Para se ter uma ideia, o custo de treinamento da OpenAI para o GPT-4 foi de cerca de US$ 3 bilhões, tornando o investimento da NVIDIA mais de oito vezes maior.

Aproveitando sua posição dominante em recursos computacionais essenciais, a NVIDIA está discretamente montando um time dos sonhos de pesquisadores. Relatórios confirmam que a empresa concluiu recentemente o pré-treinamento de um modelo massivo com 550 bilhões de parâmetros. A NVIDIA afirma que o desenvolvimento desses modelos serve não apenas para avaliar o poder computacional, mas também para realizar “testes de estresse extremos” em infraestrutura de nível de supercomputação, incluindo armazenamento e redes.

O caminho do meio: defendendo “pesos abertos” para resolver os desafios de personalização empresarial

Tecnicamente, a NVIDIA escolheu um meio-termo altamente estratégico. Evitando tanto a abordagem totalmente fechada da OpenAI quanto a totalmente aberta da Meta, a NVIDIA está se concentrando em uma estratégia de “pesos abertos”:

Alta transparência: os principais parâmetros dos modelos são disponibilizados publicamente, permitindo que as empresas baixem e executem os modelos em sua própria infraestrutura.

Otimização profunda: esses modelos são fundamentalmente otimizados para o hardware da própria NVIDIA, oferecendo desempenho muito além do de modelos generalizados.

Em um momento em que as grandes empresas precisam desesperadamente de modelos transparentes e personalizáveis, essa estratégia visa diretamente um ponto crítico do setor e está pronta para construir uma vantagem tecnológica substancial.

Ambição comercial: meta de US$ 50 bilhões em receita incremental em três anos

Analistas financeiros sugerem que a iniciativa da NVIDIA é mais do que apenas um gasto de capital. Se a NVIDIA conseguir conquistar uma participação de 10% no mercado de modelos fundamentais enquanto mantém seu domínio em hardware, ela poderá gerar uma receita anual adicional estimada em US$ 50 bilhões em três anos.

O panorama atual do setor permanece delicadamente equilibrado: os principais modelos de código fechado dos EUA oferecem acesso principalmente apenas na nuvem, enquanto empresas chinesas como DeepSeek e Alibaba estão conquistando a comunidade global de desenvolvedores com estratégias de código aberto. A entrada da NVIDIA no ecossistema de código aberto é tanto uma defesa de seus interesses centrais quanto uma tentativa de moldar os padrões futuros do setor.

Cronograma de lançamento: primeiros modelos previstos para o final de 2026

O financiamento associado está programado para ser liberado nos próximos 18 a 24 meses. A NVIDIA prevê que seus primeiros modelos de código aberto de grande porte, líderes do setor, serão lançados oficialmente no final de 2026 ou início de 2027.

Quando a gigante do hardware começar a programar a sério, a próxima fase da competição global em IA irá além da computação bruta — ela se tornará uma batalha abrangente de ecossistemas, dados e sofisticação de modelos. A aposta de US$ 26 bilhões da NVIDIA tem o potencial de reescrever fundamentalmente as regras do mercado de grandes modelos de linguagem.