Explore 14 principais alternativas e concorrentes da Nvidia em 2026

A NVIDIA domina o mercado de GPUs discretas para desktops, detendo quase 88% do mercado em 2024, principalmente por meio de sua linha de produtos GeForce, que é popular entre jogadores e usuários profissionais. 

É também líder de mercado em hardware de IA e aprendizado de máquina, com quase 98% de participação de mercado para GPUs e processadores de IA usados em data centers. De acordo com a TechInsights, uma empresa de análise de semicondutores, a Nvidia vendeu 3,76 milhões de GPUs para data centers em 2023, contra 2,64 milhões em 2022. [1]

Esse aumento contribuiu para que a receita da NVIDIA atingisse US$ 96,3 bilhões no ano fiscal encerrado em julho de 2024, um aumento impressionante de 194,6% ano a ano. Aproximadamente 78% dessa receita veio do negócio de data center, com 17,1% do segmento de GPU para desktop.

No ano fiscal de 2025, a receita da Nvidia atingiu US$ 165,21 bilhões, um aumento de 71,55% em relação ao ano anterior. Seu lucro bruto aumentou para impressionantes US$ 115,39 bilhões, marcando um aumento de 57,71% em relação ao ano anterior.

Embora a receita da Nvidia esteja crescendo rapidamente, ela também enfrenta forte concorrência em vários mercados importantes. Aqui, destacamos os principais concorrentes que desafiam o domínio da NVIDIA em áreas como chips de IA, data centers, GPUs para jogos e tecnologias de direção autônoma.

Você sabia? 

A aquisição mais cara da NVIDIA até o momento foi a compra da Mellanox Technologies por US$ 6,9 bilhões em 2019. Esta aquisição ajudou a Nvidia a fortalecer sua posição no mercado de data centers, oferecendo soluções de computação ponta a ponta combinando GPUs e redes. [2]

14. IBM

Fundado :1911
Receita Anual :$ 64,03 bilhões +
Competição :IA e HPC

A IBM compete com a NVIDIA principalmente nas áreas de IA, computação de alto desempenho (HPC) e soluções de data center. Mais especificamente, seus Watson AI e Power Systems competem com as GPUs aceleradas por IA da NVIDIA usadas para cargas de trabalho de aprendizado de máquina.

A IBM tem uma forte presença em serviços de nuvem híbrida – fornece soluções de IA e automação personalizadas para vários setores, como finanças, saúde e logística. Sua divisão de consultoria ajuda as empresas a integrar profundamente as tecnologias de IA e nuvem, oferecendo uma abordagem mais abrangente do que a estratégia focada em hardware da Nvidia.

De acordo com um relatório de pesquisa de mercado, os serviços globais do IBM Watson foram avaliados em US$ 5,5 bilhões em 2023 e devem atingir US$ 76,47 bilhões até 2033, expandindo a um CAGR de 30,1%. [3]

A IBM também está investindo pesadamente em computação quântica. Em 2023, revelou o poderoso processador Condor com 1.121 qubits supercondutores, que pode competir com os futuros empreendimentos da NVIDIA neste domínio. [4]

Do lado da pesquisa, o hardware quântico da IBM está sendo utilizado para experimentos mais complexos, incluindo simulações da teoria de calibre de rede e estudos de fases topológicas. Esses experimentos destacam a maturidade crescente de dispositivos quânticos de “escala intermediária barulhentos”.

13. Tecnologia Marvell 

Fundado :1995
Receita Anual :US$ 6,5 bilhões +
Competição :Infraestrutura de dados

A Marvell Technology é uma empresa de semicondutores que compete com a NVIDIA em determinados segmentos, especialmente nos mercados de data center, nuvem e infraestrutura 5G. Enquanto a NVIDIA se concentra em GPUs, a Marvell se concentra em tecnologias de rede, armazenamento e processador para data centers.

A Marvell desenvolve Ethernet, switches para data centers, unidades de processamento de dados e controladores de armazenamento, que vende para OEMs, provedores de serviços em nuvem e empresas de telecomunicações. Tem uma forte presença no mercado de infraestrutura 5G – trabalha com os principais fornecedores de telecomunicações e oferece produtos especificamente concebidos para otimizar estações base 5G. 

Em 2025, a empresa lançou a solução de expansão UALink, que visa maximizar a utilização da computação em aceleradores e switches. Seus principais recursos incluem baixa latência, suporte para padrões abertos e opções de empacotamento flexíveis, como cobre ou óptica em pacotes conjuntos.

A Marvell detém mais de 20.290 patentes em todo o mundo, abrangendo tecnologias de semicondutores, redes e 5G. Destes, 49,6% estão atualmente ativos. A maioria das patentes foi depositada nos EUA, seguidos pela China e países europeus. [5]

12. Sinopse

Fundado :1986 
Receita Anual :$ 6,43 bilhões +
Competição :Fornece ferramentas de automação de design baseadas em IA

A Synopsys fornece software e propriedade intelectual (IP) para design, verificação e teste de chips, que empresas de semicondutores como a Nvidia usam para construir GPUs complexas, aceleradores de IA e SoCs (sistema no chip). Enquanto a Synopsys se concentra em habilitar o processo de design, a Nvidia se concentra na construção e comercialização dos próprios chips.

A Synopsys também oferece soluções em segurança de software e verificação de hardware. Tanto a Synopsys quanto a Nvidia se cruzam para garantir a segurança dos sistemas baseados em IA, embora a primeira se concentre mais na fase de verificação e teste. 

A Synopsys testemunhou um crescimento consistente em ferramentas de automação de design eletrônico (EDA) e licenciamento de IP de semicondutores, com crescimento de receita anual de 13-15%. Esse crescimento é impulsionado pela crescente demanda por IA e designs de chips personalizados. [6]

Em 2025, a Synopsys adquiriu a Ansys, criando novas sinergias ao combinar as ferramentas de automação de design eletrônico (EDA) da Synopsys com a simulação e modelagem baseada em física da Ansys. O objetivo é fornecer capacidades mais fortes de “silício para sistemas” em todos os setores. 

11. Amazon (AWS Inferentia e Trainium Chips)

Fundado :1994
Receita Anual :mais de US$ 111 bilhões (da AWS)
Competição :Processadores Graviton e Inferentia 

A AWS desenvolveu seu próprio silício personalizado, incluindo processadores Graviton para cargas de trabalho de computação geral e chips Inferentia otimizados para inferência de aprendizado de máquina. Com esses dois chips, a Amazon pretende reduzir sua dependência de hardware de terceiros. [7]

Os processadores Inferentia da Amazon têm como alvo os processadores A100 e H100 da Nvidia, que são projetados para cargas de trabalho de inferência de aprendizado de máquina. Também introduziu chips Trainium para treinamento de aprendizagem profunda de modelos com mais de 100 bilhões de parâmetros. [8][9]

A Amazon oferece serviços de IA e aprendizado de máquina, como o SageMaker (um serviço de aprendizado de máquina totalmente gerenciado), por meio da AWS. Em contraste, a Nvidia alimenta sistemas de IA com suas GPUs e plataformas de software como CUDA.

A empresa também fez progressos significativos em sistemas autónomos ao adquirir a Zoox, uma startup de condução autónoma. Esta aquisição impulsionou a posição da Amazon em patentes de tecnologia de condução autónoma e ajudou a empresa a melhorar a automação na sua rede de distribuição, especialmente para entregas de última milha.

Além disso, a AWS está se esforçando para reduzir a dependência de fornecedores de GPU (principalmente Nvidia) para cargas de trabalho de treinamento e inferência, desenvolvendo e dimensionando seus próprios chips. Isso reduz custos (o chamado “imposto Nvidia”) e dá à AWS mais controle sobre desempenho, energia e escalabilidade. 

10. Nuvem Alibaba

Hanguang 800 NPU

Fundado :2009 
Receita Anual :US$ 15 bilhões +
Competição :Infraestrutura de hardware de IA 

Alibaba Cloud é um dos maiores provedores de serviços em nuvem, detendo quase 4% do mercado global de serviços em nuvem. Oferece serviços IaaS, PaaS e IA. Assim como a AWS, o Alibaba Cloud usa GPUs Nvidia para cargas de trabalho de IA e ML, mas também desenvolveu seus próprios chips para competir com o hardware da Nvidia.

Por exemplo, seu Hanguang 800 (chip de inferência de IA) compete com as GPUs A100 e H100 da Nvidia para inferência de IA na nuvem. Otimizado para baixo consumo de energia, o Hanguang 800 pode concluir tarefas como análise de imagens orientada por IA (que normalmente levaria uma hora) em apenas cinco minutos. [10]

Em 2022, a Alibaba Cloud lançou sua plataforma de desenvolvimento de chips, Wujian 600. Ela pode ajudar os fabricantes a projetar SoCs de alto desempenho para computação de IA de ponta, aproveitando a arquitetura de conjunto de instruções RISC-V de maneira econômica e eficiente. [11]

Em 2023, os gastos anuais com P&D do Alibaba atingiram US$ 7,6 bilhões, com foco em chips de IA, infraestrutura em nuvem e desenvolvimento de chips personalizados. Para o ano fiscal de 2024, o Alibaba Cloud Intelligence Group relatou receita anual de US$ 14,73 bilhões, um aumento de 3% em relação ao ano anterior, com o EBITA atingindo US$ 848 milhões.

Em 2025, a Alibaba comprometeu-se a investir quase 52 mil milhões de dólares nos próximos três anos para desenvolver a sua infraestrutura em nuvem e capacidades de IA. Isso é mais do que afirma ter gasto em IA + nuvem na última década. 

9. Google (unidades de processamento de tensores – TPUs)

TPU do Google:Ironwood

Fundado :2008 (plataforma Google Cloud)
Receita Anual :mais de US$ 36 bilhões (do Google Cloud) 
Competição :  Unidades de processamento de tensores (TPUs)

O Google desenvolveu unidades de processamento de tensor (TPUs) para acelerar cargas de trabalho de aprendizado de máquina. As TPUs são otimizadas para TensorFlow, a estrutura de aprendizado de máquina de código aberto do Google que se integra ao CUDA da NVIDIA. 

As TPUs fornecem alta eficiência para treinamento de modelos de IA. Por exemplo, o Google informou que as TPUs poderiam treinar modelos como o ResNet-50 até 15x mais rápido do que as GPUs convencionais (como a Nvidia P100) quando introduzidas.

Em 2024, o Google anunciou a sexta geração de sua TPU, que oferece 4,7 vezes mais pico de computação por chip e é 67% mais eficiente em termos energéticos do que a geração anterior. Esta nova TPU foi projetada para acelerar a próxima onda de modelos de IA, oferecendo desempenho mais rápido e eficiente com latência reduzida. [12]

O Google também é líder em pesquisa e inovação em IA, com desenvolvimentos pioneiros em aprendizagem profunda, processamento de linguagem natural, computação em nuvem e hardware personalizado para IA. Para o ano fiscal de 2024, a empresa gastou US$ 47,13 bilhões em P&D, um aumento de 10,65% ano após ano. [13]

Em 2025, o Google anunciou Ironwood, seu primeiro TPU projetado especificamente para inferência, entregando ~4.614 TFLOPs por chip e escalando até 9.216 chips por cluster para ~42,5 exaflops reivindicados.

8. Huawei  

Fundado :1987 
Receita Anual :US$ 99,37 bilhões
Competição :  Infraestrutura de IA e 5G 

A Huawei desenvolve seus próprios chips de IA, principalmente os processadores Ascend. Os chips Ascend 910 e Ascend 310, por exemplo, são projetados para tarefas de IA de alto desempenho. Os chips da série Ascend 910B de segunda geração aumentaram o desempenho teórico máximo em 80 TFLOPS (FP16) em comparação com os chips da série Ascend 910 de primeira geração. [14]

Esses chips alimentam os Huawei Cloud Services, o segundo maior fornecedor de nuvem na China continental. A NVIDIA compete aqui fornecendo GPUs para outros grandes provedores de nuvem e empresas para cargas de trabalho de IA e ML. 

A Huawei está preparando chips mais novos, como o Ascend 910D, com ambições de igualar ou superar algumas das ofertas da Nvidia em capacidade de treinamento. 

A Huawei também é líder em telecomunicações 5G e computação de ponta, detendo quase 30% do mercado global de equipamentos de telecomunicações. Suas tecnologias de IA e 5G se sobrepõem às ambições da NVIDIA de dominar a IA na borda, especialmente para sistemas autônomos e IoT. [15]

7. Tecnologia Micron

Fundado :1978
Receita Anual :US$ 21,37 bilhões
Competição :Soluções de memória para cargas de trabalho de IA

A Micron desenvolve soluções de armazenamento DRAM, memória flash NAND e SSD. Embora a empresa não concorra diretamente em GPU ou hardware de IA, seus produtos são cruciais para o desempenho de modelos de IA e infraestruturas em nuvem, onde a NVIDIA também opera.

As soluções de memória da Micron armazenam e gerenciam conjuntos de dados massivos (que são processados por chips de IA), fornecendo acesso de alta velocidade exigido por algoritmos de IA. A empresa é a principal fornecedora de memória GDDR6X, essencial para as GPUs de alto desempenho da NVIDIA usadas em aplicações de IA e de data center.

A Micron é o terceiro maior produtor de chips DRAM, detendo aproximadamente 21,5% do mercado global de DRAM, atrás da Samsung e da SK Hynix. Também detém 9,9% do mercado de memória flash NAND. [16]

Em 2025, a empresa lançou seu nó DRAM de 1 gama, que usa litografia EUV (ultravioleta extremo). Eles também introduziram novos módulos de formato DDR5 que incluem um driver de clock no módulo de memória (em vez de depender inteiramente do clock da CPU). Esses módulos podem atingir velocidades de até 6.400 MT/s. 

6. Sistemas Cisco

Fundado :1984
Receita Anual :$ 56,6 bilhões +
Competição :  IA, infraestrutura de data center e redes

A principal força da Cisco reside em soluções de hardware (como switches e roteadores) e software para data centers. Ela também fornece ferramentas de rede em nuvem e de rede definida por software (SDN), respondendo por quase 40% do mercado de infraestrutura de rede corporativa. [17]

Seus switches Nexus de última geração, especialmente aqueles projetados para data centers, oferecem alta largura de banda e rede de baixa latência, essenciais para cargas de trabalho de IA e nuvem. A arquitetura ACI da Cisco oferece suporte à automação de rede e otimização de carga de trabalho, com foco no mercado de computação de alto desempenho (HPC).

A Cisco também está investindo em computação de ponta, integrando redes com poder de processamento em tempo real na borda, um mercado onde a plataforma Jetson da NVIDIA também é dominante. Ambas as empresas abordam o processamento de IA na borda para aplicações como IoT e sistemas autônomos. 

No ano fiscal de 2024, a Cisco gastou mais de US$ 7,9 bilhões no avanço de tecnologias de rede, automação de rede orientada por IA, computação de ponta e soluções de segurança cibernética. [18]

A Cisco anunciou várias iniciativas de IA no Médio Oriente, incluindo colaborações com o G42 e a aliança HUMAIN na Arábia Saudita para construir infraestrutura de IA. Estes esforços mostram o objetivo da Cisco de desempenhar um papel central no crescimento da IA ​​na região.

Em 2025, a Cisco expandiu sua parceria com a NVIDIA para fornecer infraestrutura de rede de data center pronta para IA. Um resultado importante é uma “arquitetura unificada de portfólio cruzado” que combina o silício de switch Silicon One da Cisco com Spectrum-X Ethernet da NVIDIA, permitindo que os switches Cisco se integrem diretamente à plataforma Spectrum-X. 

5. Maçã  

Fundado :1976
Receita Anual :US$ 29,36 bilhões (do Mac)
Competição :Chips da série A e série M 

O silício personalizado da Apple, incluindo os chips M1, M2 e M3 para sua linha Mac, compete diretamente com a Nvidia em computação de alto desempenho e cargas de trabalho de IA. Em 2024, a Apple lançou o chip M4, apresentando o Neural Engine mais rápido até o momento, capaz de executar 38 trilhões de operações por segundo. [19]

A Apple também desenvolve chips Bionic da série A, que integram aceleradores de aprendizado de máquina e motores neurais em iPhones, permitindo um poderoso processamento de IA no dispositivo. Seu chip mais avançado, o A18 Pro, possui um mecanismo neural de 16 núcleos que pode lidar com 35 trilhões de operações por segundo.

Chip Apple Bionic A18 Pro 3nm para modelos iPhone 16 Pro.

CPU de 6 núcleos
GPU de 6 núcleos#AppleEvent #AppleEvent24 #BionicA18Pro pic.twitter.com/1uKkQseltL

-Abhishek Yadav (@yabhishekhd) 9 de setembro de 2024

Em 2023, a Apple vendeu cerca de 231 milhões de iPhones, representando 52% da sua receita total. Em 2024, investiu US$ 31,37 bilhões em P&D, acima dos US$ 29,9 bilhões em 2023 e US$ 26,2 bilhões em 2022, com forte foco em IA, aprendizado de máquina, silício personalizado e tecnologias de realidade aumentada.

A Apple se juntou ao Ultra Accelerator Link Consortium (UALink), que está desenvolvendo interconexões padrão para aceleradores e chips de IA em clusters de data centers. O objetivo do UALink é superar gargalos de conectividade entre aceleradores como GPUs, TPUs e chips de IA personalizados, permitindo que grandes grupos de chips trabalhem juntos em pods com alta largura de banda e baixa latência. 

4. AMD (microdispositivos avançados)

GPUs AMD Instinct MI355X

Fundado :1969
Receita Anual :US$ 23,7 bilhões
Competição :GPUs Radeon e processadores EPYC em data centers.

AMD (abreviação de Advanced Micro Devices) é o concorrente direto da Nvidia no mercado de GPU, data center e hardware de IA. Ela também projeta silício personalizado para consoles como Xbox e PlayStation. 

A série Radeon da AMD compete com a série GeForce da NVIDIA em jogos e GPUs profissionais. Sua série MI, incluindo aceleradores MI100 e MI200, visa aprendizado profundo e cargas de trabalho de IA, competindo com as GPUs Tensor Core da Nvidia. 

Além disso, seus processadores EPYC e GPUs Instinct oferecem uma combinação poderosa para data centers, especialmente em ambientes de computação de alto desempenho e computação em nuvem. A série EYPC Milan, em particular, mostrou melhorias substanciais de desempenho, desafiando tanto a Nvidia quanto a Intel. [20]

A participação de mercado da AMD aumentou nos últimos trimestres. No mercado de desktops, a participação unitária da AMD é de 23,9% e a participação na receita é de 19,2%. No mercado de notebooks, a participação unitária da AMD é de aproximadamente 19%. No entanto, controla apenas 12% do mercado de GPU discreta, com a NVIDIA detendo a participação dominante. [21]

Em 2025, a AMD lançou seus aceleradores Instinct MI350 Series (MI350X e MI355X), marcando um grande salto geracional. A série oferece cerca de quatro vezes mais desempenho de computação de IA para treinamento e HPC em comparação com a geração anterior. 

Faz parte da estratégia mais ampla de infraestrutura de IA da AMD, oferecendo maior desempenho por watt, maior memória e melhor escalabilidade. 

3. Qualcomm

Fundado :1985
Receita Anual :US$ 37,34 bilhões
Competição :IA móvel e sistemas de direção autônoma

Embora a Qualcomm seja mais conhecida por sua liderança em processadores móveis e tecnologia 5G, ela se expandiu para plataformas automotivas e de IA, onde desafia diretamente a Nvidia. Seus populares chips Snapdragon potencializam o processamento de IA em dispositivos móveis e aplicativos IoT, com mecanismos de IA integrados para inferência no dispositivo

A Qualcomm também desenvolveu a plataforma Snapdragon Ride, que oferece soluções baseadas em IA para assistência ao motorista e direção autônoma. Possui parcerias com montadoras como General Motors, competindo diretamente com o ecossistema Drive da Nvidia. [22]

Atualmente, a Qualcomm é a terceira maior empresa de semicondutores, com uma participação no mercado global de semicondutores de 5,4%. Além disso, controla quase 30% do mercado de chips para smartphones. [23]

Além de chips e tecnologias sem fio como 5G, a Qualcomm gera receita licenciando partes de seu extenso portfólio de propriedade intelectual. Isto inclui certos direitos de patente que são cruciais para a fabricação de produtos sem fio específicos.  

Em 2025, a empresa lançou uma solução de dispositivo local de IA + conjunto de inferência de IA, permitindo que empresas/fabricantes executem cargas de trabalho generativas de IA e visão computacional localmente (no local) em vez de na nuvem. 

2. Intel 

Fundado :1968
Receita Anual :US$ 53,07 bilhões
Competição :CPUs, GPUs e plataforma de direção autônoma 

A Intel projeta e fabrica chips de computador, enquanto a maioria de seus rivais (incluindo a Nvidia) faz apenas um ou outro. Desenvolve CPUs, GPUs, aceleradores de IA para data centers e tecnologia de veículos autônomos. 

Mais especificamente, a Intel compete através de seus processadores Xeon e aceleradores de IA, como os processadores Habana Gaudi2 e Nervana Neural Network. Sua plataforma oneAPI fornece um modelo de programação unificado entre CPUs e GPUs, competindo com o ecossistema CUDA da NVIDIA.

A Intel detém uma participação significativa no mercado global de GPU. Enquanto a Nvidia controla mais de 90% do mercado de GPUs usadas em data centers, a Intel domina o mercado de gráficos integrados com uma participação de mercado de 68%. [24]

A Intel também compete com a Nvidia na direção autônoma por meio de sua subsidiária Mobileye. Os chips EyeQ da Mobileye são usados ​​em sistemas avançados de assistência ao motorista (ADAS). Esses chips utilizam um único sensor de câmera para fornecer recursos ADAS, como controle de cruzeiro adaptativo, assistência em engarrafamentos, assistência para manutenção de faixa, aviso de colisão frontal e frenagem automática de emergência. Mais de 50 fabricantes de automóveis incorporam chips EyeQ em suas tecnologias de direção assistida. [25]

De acordo com os resultados dos testes de benchmark, os processadores Intel alimentam quase 71% das CPUs de laptop, enquanto os processadores AMD respondem por 21% das CPUs de laptop detectadas através dos testes. 

A Intel enfrentou recentemente grandes desafios financeiros devido ao aumento da concorrência, mudanças de mercado e questões internas. A sua receita anual caiu 20% em 2022 e outros 14% em 2023. No ano fiscal de 2025, a receita caiu ainda mais para 53 mil milhões de dólares. Para recuperar, a Intel está a concentrar-se em estratégias de longo prazo, como o aumento do investimento em I&D e a expansão da produção nacional de chips. 

1. TSMC (Empresa de Fabricação de Semicondutores de Taiwan)

Fundado :1987
Receita Anual :$ 104,4 bilhões +
Competição :Fabricante de chips habilitadores de IA

A TSMC opera em diferentes partes da cadeia de fornecimento de semicondutores. Ao contrário da Nvidia, que projeta chips, a TSMC os fabrica. Ela compete indiretamente com a NVIDIA em influenciar o desenvolvimento e a adoção de tecnologia de ponta de semicondutores.

A TSMC é a maior fundição pura de semicondutores do mundo, fabricando chips para vários gigantes da tecnologia, incluindo Apple, Qualcomm, AMD e a própria Nvidia. Ela é especializada em nós avançados como 5nm e 4nm, e agora está migrando para a produção de 3nm e 2nm. Os clientes da TSMC usam seus nós avançados para competir diretamente com os produtos da Nvidia.  

A empresa detém quase 53% de participação no mercado global de fabricação de semicondutores. É o fabricante preferido de chips avançados, especialmente de 7 nm e abaixo. Em 2023, a TSMC vendeu 12 milhões de wafers equivalentes a 12 polegadas, com chips de 7 nm e menores representando 58% da receita total de wafers da empresa. Em 2024, eles entregaram 12,9 milhões de wafers equivalentes a 12 polegadas. [26]

A TSMC está agora empurrando agressivamente sua tecnologia de processo de 2 nm (“N2”) para produção em massa. A empresa divulgou que a densidade de defeitos de seu nó N2 (D0) é menor do que os nós anteriores em um estágio comparável de desenvolvimento, indicando uma rampa de rendimento mais rápida e uma maturidade de processo mais forte, apesar da mudança para transistores de nanofolhas versáteis.

Leia mais 

• Os 13 principais concorrentes da Intel 
• Análise SWOT da NVIDIA [Visualização detalhada]

Fontes citadas e referências adicionais

1. Agam Shah, Nvidia vendeu 3,76 milhões de GPUs para data centers em 2023, HPCWire
2. Comunicado de imprensa, Nvidia adquirirá Mellanox por US$ 6,9 bilhões, Nvidia
3. Relatório, análise de mercado de serviços IBM Watson, Facts.mr
4. Quantum Research, O hardware e software para a era da utilidade quântica, IBM
5. Principais insights, a Marvell Technology tem um total de 16.347 patentes em todo o mundo, GreyB
6. Relatório do terceiro trimestre de 2024, Synopsys publica resultados financeiros para o terceiro trimestre do ano fiscal de 2024, Synopsys
7. Produtos, processadores AWS Graviton, Amazon
8. Produtos, aceleradores AWS Inferentia, Amazon
9. Produtos, AWS Trainium para aprendizado profundo e treinamento generativo em IA, Amazon
10. Hanguang 800 NPU, solução de inferência de IA para data centers, Grupo Alibaba
11. Blogs, Alibaba Cloud revela plataforma de desenvolvimento de chips, Alibaba Cloud 
12. Compute, anúncio do Trillium, a sexta geração do Google Cloud TPU, Google Cloud
13. Visão geral da empresa, despesas de pesquisa e desenvolvimento da Alphabet, macrotendências
14. Jacob Feldgoise, chip de IA da Huawei testa controles de exportação dos EUA, CSET
15. Barry Elad, estatísticas da Huawei por receita e segmento de negócios, Coolest-Gadgets
16. Tecnologia e Telecomunicações, participação nos lucros dos fabricantes de DRAM em todo o mundo, Statista
17. Tecnologia e Telecomunicações, participação de mercado de fornecedores de infraestrutura de rede empresarial em todo o mundo, Statista
18. Visão geral da empresa, despesas de pesquisa e desenvolvimento da Cisco, macrotendências
19. Comunicado de imprensa, Apple apresenta chip M4, Apple
20. Processadores AMD Milan, os nós Milan são instalados no piso de computadores do edifício principal do NAS, NASA
21. Anton Shilov, AMD obtém participação de mercado de CPU da Intel em desktops e servidores, tom’sHardware
22. Notas à imprensa, General Motors e Qualcomm ampliam relacionamento de longa data, Qualcomm
23. Tecnologia e Telecomunicações, participação na receita do mercado de semicondutores da Qualcomm em todo o mundo, Statista
24. Timothy Fries, Intel e AMD podem competir com a Nvidia?, Investindo
25. EyeQ, o SoC para aplicações automotivas, Mobileye
26. Relatório Anual de 2023, Carta aos acionistas e destaques financeiros, TSMC