A Nvidia fechou parceria com seis das maiores gestoras e bancos de investimento do mundo — Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR — para criar plataformas de financiamento capazes de mobilizar mais de US$ 500 bilhões em capital de terceiros para a construção de infraestrutura de inteligência artificial. O anúncio, feito em 10 de agosto de 2026, é a aposta mais ambiciosa da empresa até agora para transformar chips e data centers em uma classe de ativo financeiro própria, negociável como imóveis ou rodovias com pedágio.
Segundo comunicados publicados pela própria Nvidia e replicados pelas seis instituições parceiras, cada uma delas vai estruturar uma plataforma independente de financiamento voltada a clientes da Nvidia: provedores de nuvem, laboratórios de IA e grandes empresas que precisam comprar GPUs e montar data centers, mas não têm capital disponível na velocidade que o mercado exige. A repercussão foi ampla — CNBC, Forbes, CNN Brasil e InfoMoney noticiaram o acordo horas depois do anúncio oficial.
Como funciona o financiamento
O modelo não envolve a Nvidia bancando a conta sozinha. As plataformas funcionam como veículos de dívida: bancos e gestoras como Blackstone, KKR e Goldman Sachs entram com capital de terceiros — fundos de pensão, seguradoras e outros investidores institucionais — para financiar a compra de GPUs, servidores e, segundo reportagens sobre o acordo, também data centers e a energia necessária para operá-los. Na prática, uma empresa que quer erguer um data center de IA passa a poder tomar crédito tendo o próprio parque de equipamentos Nvidia como parte da garantia.
- Apollo Global Management
- BlackRock
- Blackstone
- Brookfield
- Goldman Sachs
- KKR
As seis instituições assinaram memorandos de entendimento (MOUs) com a Nvidia — documentos que estabelecem a intenção de criar as plataformas, mas não fecham ainda os termos finais de cada operação.
O argumento de Jensen Huang
Segundo reportagem da CNBC, o CEO da Nvidia, Jensen Huang, disse que "esta é realmente a primeira vez que chips de tecnologia se tornam uma classe de ativo investível". Ele completou: "começamos construindo chips; hoje, estamos ajudando a criar uma nova classe de infraestrutura produtiva e investível: as fábricas de IA. Em IA, computação é receita."
A lógica por trás da comparação com imóveis ou rodovias com pedágio é que uma GPU Nvidia instalada em um data center não perde valor no primeiro dia de uso, como aconteceria com um ativo comum de TI: ela gera receita recorrente enquanto for alugada para rodar modelos de IA, é usada por praticamente todo provedor de nuvem do mercado e, segundo a Nvidia, mantém-se produtiva além do período de depreciação inicial graças a melhorias contínuas de software na plataforma CUDA. É essa combinação — geração de receita, padronização e demanda ampla — que a empresa está usando para convencer Wall Street a tratar capacidade de computação como um ativo financiável, e não apenas como despesa de capital.
Os riscos do modelo
Nem todo mundo está convencido. Analistas ouvidos pela CNBC apontam a depreciação como o principal risco do esquema: se uma GPU perder valor de mercado mais rápido do que o prazo do financiamento, o colateral que sustenta o empréstimo passa a valer menos do que a dívida em aberto. Ben Emons, fundador da gestora FedWatch Advisors e citado pela CNBC, afirmou que os chips da Nvidia "podem se depreciar mais rápido do que o esperado" e apontou a China como a maior ameaça ao modelo: o país vem acelerando a produção doméstica de chips de IA e pode inundar o mercado com silício mais barato, derrubando o valor do colateral por trás de centenas de bilhões de dólares em dívida privada.
Por causa desse risco de depreciação, estimativas citadas pela imprensa apontam que investidores devem cobrar retornos entre 11% e 17% ao ano sobre esse tipo de dívida — juros de equipamento de alta obsolescência, não de infraestrutura tradicional como imóveis.
A Nvidia rebate esse argumento dizendo que o histórico de uso de suas GPUs em data centers já mostra vida útil produtiva mais longa do que a depreciação contábil sugere, e que a mesma arquitetura de chips atende um mercado global crescente de cargas de trabalho de IA — o que, segundo a empresa, reduziria o risco de sobra de capacidade ociosa.
O que isso significa para o Brasil
Para quem desenvolve ou opera aplicações de IA no Brasil, o acordo não muda nada da noite para o dia, mas sinaliza para onde vai o dinheiro que sustenta a oferta de computação nos próximos anos. Mais capital disponível para construir data centers tende, em tese, a aumentar a oferta de GPUs disponíveis via nuvem — algo relevante para quem compara [AWS, Azure e Google Cloud](/artigo/aws-vs-azure-vs-gcp-2026) na hora de rodar modelos de IA em produção. Por outro lado, se o custo desse crédito ficar mesmo na faixa de dois dígitos ao ano, é razoável esperar que parte dessa conta chegue ao preço final da hora de GPU ou do token cobrado por provedores de nuvem e por serviços como o [Azure AI Gateway](/artigo/azure-ai-gateway-tier-api-management-preview).
Isso reforça a importância de acompanhar de perto o custo de uso de modelos como os da linha [GPT-5.6](/artigo/gpt-5-6-o-que-muda-no-dia-a-dia), já que o consumo de tokens tende a refletir, direta ou indiretamente, o custo da infraestrutura por trás do modelo. Times que rodam IA em produção podem usar a [calculadora de tokens e custo de IA](/calculadora-tokens) do Bytezine para estimar o impacto de mudanças de preço antes que elas apareçam na fatura.
Também vale observar que boa parte do capital mobilizado deve financiar equipamentos e data centers fora do Brasil, especialmente nos Estados Unidos. O efeito para empresas brasileiras será majoritariamente indireto — via preço e disponibilidade de capacidade nas nuvens que elas já usam — e não um investimento direto em infraestrutura local. Quem acompanha o mercado de [cloud](/categoria/cloud) deve tratar o anúncio como um indicador de tendência de custos de médio prazo, não como uma mudança imediata de preços.
O que esperar daqui para frente
Os memorandos assinados agora ainda precisam virar operações concretas de crédito, o que deve acontecer ao longo dos próximos meses e anos, plataforma por plataforma. O ritmo dessa execução — e se os investidores de fato aceitam emprestar a juros de dois dígitos para comprar GPUs — vai dizer se o modelo de "fábrica de IA como ativo investível" proposto por Huang se sustenta ou se esbarra primeiro na concorrência de chips mais baratos vindos da China.
Perguntas frequentes
A Nvidia anunciou, em 10 de agosto de 2026, parcerias com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR para criar plataformas de financiamento que devem mobilizar mais de US$ 500 bilhões em capital de terceiros para infraestrutura de IA, como GPUs e data centers.