Nvidia avisa clientes que servidores de IA vão subir mais de 15%

A Nvidia comunicou a alguns de seus maiores clientes que os preços de servidores equipados com seus chips de inteligência artificial↳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 → vão subir mais de 15% em muitos casos, segundo reportagem da Bloomberg publicada pelo South China Morning Post. O reajuste entra em vigor em sistemas que serão enviados no início do ano que vem.

O que sobe e por quê

O aumento atinge sistemas que usam os chips de topo da empresa, incluindo as linhas Vera Rubin e Grace Blackwell, de acordo com pessoas familiarizadas com o processo ouvidas pela Bloomberg, que pediram anonimato por comentarem comunicações ainda não tornadas públicas. A magnitude do reajuste varia conforme a geração do chip e a configuração de memória.

As empresas que montam os servidores sob contrato para grandes operadores de data center, como Microsoft, Google (Alphabet) e Oracle↳Oracle22 conteúdosOracle lança Java 26 para aumentar produtividade de desenvolvedoresDev (Back & Front) · mar 2026Oracle oferece o primeiro cluster de computação em nuvem em escala ZettaDevSecOps · jan 2025Oracle abre inscrições para o ONE, programa gratuito de formação em tecnologia e inteligência artificialData · dez 2024Ver tudo em Data →, já notificaram seus clientes sobre os aumentos que estão por vir. Procurada, a Nvidia não respondeu aos pedidos de comentário.

A raiz do problema não está no chip acelerador em si, e sim na memória. Os processadores da Nvidia são o coração das máquinas que criam e executam software de IA, mas sua eficácia depende de quanta DRAM (memória dinâmica de acesso aleatório) está acoplada a eles. Com a demanda por infraestrutura de IA em disparada, o custo dos chips de memória subiu forte.

Quem tem a alavanca agora

O fato de a empresa mais dominante do setor não conseguir segurar preços nem absorver custos crescentes mostra o quanto os fabricantes de memória ganharam poder de barganha. Os principais fornecedores de DRAM são Samsung Electronics, SK Hynix e Micron Technology, hoje beneficiados pela corrida por infraestrutura de IA.

O movimento não é isolado. Segundo a mesma reportagem, grandes empresas de tecnologia como Apple e Qualcomm já disseram recentemente que foram forçadas a cobrar mais por seus produtos por causa da escassez de chips. Ou seja, a pressão de custo na memória está se espalhando por toda a cadeia de hardware, não só nos servidores de IA.

O que muda para quem desenvolve no Brasil

Para o dev brasileiro, o efeito não chega na forma de uma nota fiscal de GPU, e sim no preço da hora de computação. A maior parte do treinamento e inferência de modelos por aqui roda em nuvem (AWS↳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 →, Google Cloud, Azure, Oracle) ou em provedores de GPU sob demanda. Se o custo dos servidores que esses provedores compram sobe mais de 15%, é razoável esperar que parte disso seja repassada às instâncias de GPU ao longo de 2027, quando os sistemas mais caros começarem a ser enviados.

Isso reforça uma barreira que já pesa no Brasil: o custo computacional como obstáculo de entrada. Startups e times pequenos que dependem de instâncias A100, H100 ou dos novos aceleradores Blackwell para rodar cargas de IA tendem a sentir a diferença exatamente na fase mais sensível, a de validação de produto, quando ainda não há receita para diluir o gasto de infraestrutura.

Algumas frentes de mitigação já fazem parte do repertório de quem constrói software e valem atenção redobrada nesse cenário:

• Modelos menores e quantização: rodar versões quantizadas (INT8, INT4) reduz a dependência de configurações de memória mais caras, justamente o componente que está puxando o reajuste.
• Inferência otimizada: técnicas de batching, cache de KV e uso de runtimes eficientes ajudam a extrair mais throughput da mesma GPU alugada.
• Contratos com antecedência: instâncias reservadas e planos de longo prazo podem travar preços antes que o repasse chegue às tabelas sob demanda.
• Alternativas de hardware: parte da carga de inferência pode migrar para aceleradores que não dependem da mesma cadeia de DRAM premium.

O que ainda está em aberto

Alguns pontos permanecem sem resposta. A Nvidia não confirmou oficialmente os valores nem a data exata dos reajustes, e a reportagem se baseia em fontes anônimas. Também não está claro quanto do aumento os hyperscalers vão absorver e quanto será repassado ao preço final das instâncias de nuvem, nem em que ritmo. A escassez de memória é o gargalo central, então o comportamento de Samsung, SK Hynix e Micron nos próximos trimestres deve definir se essa é uma alta pontual ou o começo de um patamar novo de custo para toda a infraestrutura de IA.

Fonte: SCMP Tech