Rajsingh, PeterBöckler, Simon Konrad2026-01-262026-01-262025-10-212025-09-11http://hdl.handle.net/10400.14/56699The role of parallel GPU computing has transformed fields dependent on heavy computational workloads. Its strength lies in decomposing tasks into thousands of smaller operations that can be executed simultaneously, achieving major efficiency gains compared to serial processing. Nvidia established itself as the pivotal actor by recognizing early the potential of GPUs beyond graphics. By combining hardware performance, developer lock-in, and ecosystem effects, the company turned itself into an infrastructural backbone of today’s AI and high-performance computing economy. With Moore’s Law slowing down, physical and economic limits to transistor scaling raise the question whether Nvidia can sustain this dominance or whether alternative paradigms might eventually challenge it. To address this, the study applies a mixed-method design, quantitative modeling of transistor trajectories (exponential vs. logistic fits) is combined with twelve expert interviews covering technological, strategic, and geopolitical aspects. This triangulation provides a broad perspective on both opportunities and vulnerabilities. Findings indicate that the slowdown of Moore’s Law does not automatically weaken Nvidia’s position. Architectural innovations, software ecosystems, and supply chain alliances compensate for scaling limits and reinforce the company’s strength. At the same time, risks remain in rising costs, fragile geopolitical dependencies, and the disruptive potential of alternative paradigms.O papel da computação paralela com GPUs transformou áreas que dependem de cargas de trabalho intensivas. Sua força está em dividir tarefas em milhares de operações menores executadas simultaneamente, alcançando ganhos de eficiência comparado com o processamento serial. A Nvidia consolidou-se como ator central ao reconhecer cedo o potencial das GPUs além dos gráficos. Combinando desempenho de hardware, lock-in de desenvolvedores e efeitos de ecossistema, a empresa tornou-se infraestrutura essencial da economia de IA e computação de alto desempenho. Com o abrandamento da Lei de Moore, os limites físicos e econômicos da miniaturização levantam a questão se a Nvidia conseguirá manter essa dominância ou se paradigmas alternativos poderão desafiá-la. Este estudo aplica um desenho de métodos mistos: modelagem quantitativa de trajetórias de transistores (exponenciais vs. logísticos) é combinada a doze entrevistas com especialistas em aspetos tecnológicos, estratégicos e geopolíticos. Os resultados mostram que o abrandamento da Lei de Moore não enfraquece automaticamente a posição da Nvidia. Inovações arquitetônicas, ecossistemas de software e alianças na cadeia de suprimentos compensam os limites da miniaturização e reforçam a força da empresa. Persistem, contudo, riscos ligados ao aumento de custos, dependências geopolíticas e ao potencial disruptivo de paradigmas alternativos.engAdoção de IAAI adoptionAlternative computing paradigmsArtificial intelligenceCadeia de suprimentosComputação com GPUComputação de alto desempenhoComputação paralelaDomínio estratégicoEcossistema NvidiaEstratégia tecnológicaGPU computingHigh-performance computingIndústria de semicondutoresInteligência artificialLei de MooreMoore’s lawNvidia ecosystemParadigmas alternativos de computaçãoParallel computingSemiconductor industryStrategic dominanceSupply chainTechnology strategymaster thesis204028884