Nvidia: A hora da verdade para a IA ou o estouro da bolha?
Dados de consultorias de M&A e venture capital mostram que startups de IA em 2025 negociam, em média, a cerca de 23–30x receita (EV/Revenue), bem acima de SaaS tradicionais, que giram em torno de 5–7x. Isso significa que, em muitos casos, o investidor está pagando 23 anos de receita atual por um negócio que ainda:
- Não tem margem consolidada
- Não tem churn claro
- Não provou que consegue manter vantagem competitiva tecnológica por anos
Nvidia x JPMorgan
Nvidia (NVDA) – símbolo máximo da infraestrutura de IA. JPMorgan Chase (JPM) – um dos maiores bancos do mundo, já com IA amplamente adotada em operações.
Segundo dados de mercado:
- A Nvidia negocia com P/E na casa de 53–54x lucros (TTM).
- O JPMorgan negocia perto de 15x lucros (TTM), pouco acima da média do setor bancário nos EUA.
Ou seja: o mercado paga mais de 3x o múltiplo de lucro por cada dólar que a Nvidia gera, comparado a um banco global já lucrativo, que também usa IA de forma massiva.
O preço da “história perfeita”
Vários estudos e artigos recentes discutem se estamos em um “boom saudável” ou numa “bolha de IA”. Análises apontam que muitos valuations estão ancorados em projeções extremamente agressivas de crescimento futuro, e não em lucros atuais. Relatórios sobre o setor mostram que, embora a tecnologia seja promissora, a monetização em larga escala ainda é incerta.
Custos de computação e margens: o lado pesado da IA
A IA não é só “software mágico”; ela vem com uma conta pesadíssima. A receita de data center da Nvidia passou de cerca de US$ 18,4 bilhões para mais de US$ 39 bilhões em apenas um ano, crescimento de mais de 100% em 12 meses. Estimativas para o ciclo atual apontam para mais de US$ 3–4 trilhões em investimentos em infraestrutura de IA até o fim da década, o que gerou dúvidas se o retorno será suficiente para justificar o CAPEX. Ao mesmo tempo empresas como OpenAI, hyperscalers e grandes players de nuvem dependem de enorme investimento em GPUs, energia e data centers, o que pressiona margens e adia a “fase de lucro gordo”.
Riscos tecnológicos, geopolíticos e competitivos
A Nvidia viu sua fatia de mercado de GPUs avançadas na China cair de 95% para praticamente zero depois das restrições de exportação dos EUA, impactando um mercado que representava até 20–25% da receita de data center. A cada novo avanço de modelos (por exemplo, modelos open-source mais baratos e eficientes), parte das teses de “moat tecnológico” de algumas empresas de IA fica ameaçada. Isso tudo torna projeções de fluxo de caixa futuro muito mais incertas do que em negócios tradicionais.
IA em quase todas as empresa, mas pouco lucro
Voltando para o lado da demanda, sim, a IA já está em todo lugar, mas a monetização ainda patina. McKinsey: 88% das empresas dizem usar IA em ao menos uma área, porém só um terço conseguiu escalar além de pilotos. Em muitos setores, apenas 18–25% dos projetos de IA entregam ROI acima do custo de capital, ou seja, a maioria ainda não paga o investimento. Isso reforça a tese: os valuations de muitas empresas de IA refletem um mundo onde tudo isso já deu certo em escala, mas na prática, ainda estamos no meio do caminho.
O que o investidor deve observar na hora de analisar empresas de IA
- Normalize múltiplos: Compare P/E, P/S, EV/Revenue não só com o setor de tecnologia, mas com empresas que entregam lucro recorrente e previsível.
- Separe hype de adoção real: Pergunte: quantos clientes pagantes a empresa tem? Qual churn? Qual o ticket médio? Há dependência de poucos contratos gigantes?
- Olhe para o custo da IA, não só para a receita: Capex em data center, custo de GPU, energia, P&D, tudo isso pode comer margens por anos.
- Considere risco tecnológico e regulatório: Export controls, regulação de dados, privacidade, uso de modelos abertos vs proprietários etc.
No fim das contas, o maior risco para o investidor não é a inteligência artificial em si, e sim a assimetria entre expectativa e entrega. A tecnologia avança em velocidade inédita, mas o mercado, muitas vezes, avança ainda mais rápido no preço. O resultado é um cenário onde algumas empresas carregam valuations que pressupõem um futuro quase perfeito, enquanto os resultados financeiros de grande parte do setor ainda vivem no mundo real: custos altos, margens pressionadas e monetização incerta. Se, de um lado a infraestrutura da IA pode continuar a gerar ganhos extraordinários, de outro, a adoção silenciosa e pragmática por bancos, seguradoras e indústrias pode oferecer oportunidades menos óbvias, porém mais sólidas.
A pergunta-chave para o investidor, portanto, não é “qual empresa usa IA?”, mas sim, “qual empresa realmente captura valor com IA, e a que preço esse valor já está embutido no mercado?”
A inteligência artificial pode moldar a próxima década econômica. Mas como sempre nos ciclos de tecnologia, não é a novidade que define o retorno, é o preço pago por ela. E é exatamente aí que mora o verdadeiro desafio do valuation na era da IA.