Amazon triplica pedido de GPUs Nvidia e sinaliza que capacidade de IA vai ficar mais cara

A Amazon e a Nvidia anunciaram na quarta-feira (26) uma ampliação de parceria que inclui a adição de mais 2 milhões de GPUs Nvidia aos data centers da Amazon Web Services↳AWS20 conteúdosE-mails de verificação com AWS SES + Lambda (Node.js) e Terraform: do zero ao envioDevSecOps · out 2025Codex na AWS: chegada do agente da OpenAI à nuvem da AmazonDevSecOps · abr 2026Salesforce e AWS ampliam colaboração em IA, CRM e marketplaceDevSecOps · nov 2023Ver tudo em DevSecOps → (AWS), segundo o TechCrunch. O anúncio, feito durante a teleconferência de resultados trimestrais da Nvidia, entrega chips das linhas Blackwell Ultra, Rubin e Rubin Ultra para as instalações da AWS em 2027 e 2028.

Os chips são projetados para lidar com a carga pesada de computação de treinar e rodar modelos de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →. Nenhuma das empresas divulgou os termos financeiros, mas, considerando o custo unitário de uma GPU, o TechCrunch estima o valor do acordo em dezenas de bilhões de dólares.

O que veio antes e por que triplicou

O ponto que dá nome ao movimento é a velocidade. O anúncio veio cinco meses depois de a Amazon ter concordado em implantar mais de 1 milhão de GPUs Nvidia na infraestrutura da AWS a partir deste ano. Em comunicado, a Nvidia afirmou que, desde então, "a demanda superou aquelas expectativas".

As empresas citaram como motivo a "demanda crescente" (surging demand) de startups, empresas, laboratórios de IA e até governos. Ou seja: o pedido não triplicou por planejamento antecipado, mas porque o apetite por capacidade de treinamento e inferência cresceu mais rápido do que o previsto meio ano atrás.

O acordo vai além de comprar mais chips. A Nvidia disse que também integrará à AWS seu hardware de rede (que conecta milhares de GPUs em um único sistema), seus modelos abertos, CPUs, software de processamento de dados e plataforma de robótica.

Amazon compra da Nvidia mesmo fabricando os próprios chips

O detalhe estratégico é que a expansão acontece enquanto a própria Amazon investe pesado em silício próprio para reduzir dependência da Nvidia e até competir com ela:

• Trainium: chip de IA apresentado como alternativa direta às GPUs H100 e Blackwell da Nvidia para cargas de deep learning. Segundo o chefe de IA da AWS, Peter DeSantis, a Amazon está em conversas para vender o Trainium a outras empresas.
• Graviton: CPU baseada em Arm vista como desafiante aos chips de servidor tradicionais da Intel e da AMD.

A Amazon afirmou que seu negócio de chips customizados cruzou a marca de US$ 25 bilhões em receita anualizada, impulsionado por US$ 225 bilhões em compromissos totais de laboratórios de IA como Anthropic e OpenAI. Ainda assim, comprou mais 2 milhões de GPUs da Nvidia. A leitura possível: nem quem fabrica alternativa consegue abrir mão do fornecedor dominante quando a demanda dispara.

Junto das GPUs, a Nvidia enviará também um número não especificado de CPUs Vera, "algumas integradas com Rubin, outras autônomas", segundo a CFO da Nvidia, Colette Kress. O CEO Jensen Huang chegou a falar em maio de um "novo mercado endereçável de US$ 200 bilhões" para a Vera.

Os números da Nvidia por trás do movimento

A parceria foi anunciada no mesmo dia em que a Nvidia divulgou resultados que ajudam a dimensionar a escala da corrida:

| Métrica | Valor | Observação | |---|---|---| | Receita no 2º trimestre | US$ 96,2 bi | Acima das estimativas de analistas | | Receita de data center | US$ 89 bi | +117% em um ano | | Projeção 3º trimestre | US$ 108 bi | Parte vinda dos novos chips Rubin | | Compromisso com fornecimento/manufatura | US$ 279 bi | Ante US$ 119 bi no trimestre anterior |

Esse salto no compromisso de fornecimento (de US$ 119 bi para US$ 279 bi em um trimestre) inclui US$ 92 bilhões previstos para o restante do ano fiscal e outros US$ 87 bilhões no ano fiscal de 2028, à medida que a Nvidia busca garantir memória e capacidade de manufatura.

A coisa que importa para a indústria é que a IA agora está fazendo trabalho produtivo e útil. A IA está gerando tokens lucrativos. Se tivéssemos mais capacidade de computação, poderíamos gerar mais tokens lucrativos, o que resulta em mais lucro para todos os serviços.

>

-- Jensen Huang, CEO da Nvidia

O próprio TechCrunch aponta o ponto em aberto: investidores estarão de olho para ver se computação adicional realmente se traduz em lucro adicional, à medida que as empresas de IA despejam centenas de bilhões em infraestrutura.

O que isso muda para quem constrói software no Brasil

Do lado da robótica e enterprise, a Amazon planeja adotar a pilha completa de IA física da Nvidia (Omniverse, Cosmos, Isaac e Jetson) para sua frota de robôs de armazém. E, mais relevante para o desenvolvedor, a AWS vai servir a família de modelos abertos Nemotron da Nvidia no Amazon Bedrock (plataforma gerenciada de modelos de fundação) e no SageMaker.

Para o time de engenharia brasileiro, o recado prático está na dinâmica de custo. A capacidade de GPU segue sendo o gargalo caro da equação de IA, e a disputa por ela envolve compromissos de fornecimento na casa das centenas de bilhões de dólares. Quando essa capacidade é escassa e disputada, o preço por hora de instância acelerada e o custo por token de inferência dificilmente caem no curto prazo, o que se reflete na conta de quem consome esses serviços via API ou instâncias na nuvem, cobrada em dólar e ainda sujeita ao câmbio no Brasil.

Algumas leituras que valem para o planejamento de quem opera IA por aqui:

• Modelos abertos no Bedrock/SageMaker: a chegada do Nemotron como opção gerenciada amplia o cardápio de quem quer rodar modelo aberto sem montar a própria infra de GPU, um caminho relevante para quem busca previsibilidade de custo.
• Trainium como alternativa de preço: com a Amazon empurrando o Trainium como concorrente das GPUs Nvidia, faz sentido acompanhar se instâncias baseadas nesse chip oferecem custo por treino ou inferência mais competitivo do que as aceleradas por Nvidia.
• O que ainda está em aberto: não há termos financeiros públicos do acordo, nem clareza sobre quando (e se) essa capacidade extra vai aliviar preços para o cliente final. Por ora, o sinal é de demanda ainda maior do que a oferta, o oposto de um cenário de queda de preço.

Enquanto a indústria aposta que "mais computação vira mais lucro", o desenvolvedor brasileiro faz bem em tratar o custo de IA como variável estratégica de arquitetura, não como detalhe de infraestrutura.

Fonte: TechCrunch