Nvidia vai subir preço de servidores de IA em mais de 15%, diz Bloomberg

A Nvidia notificou alguns de seus maiores clientes de que os preços de servidores com seus chips 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 → vão subir mais de 15% em muitos casos, segundo reportagem da Bloomberg publicada no sábado (23) e reproduzida pela Reuters. O gatilho principal, de acordo com o relato, é a disparada no custo dos chips de memória.

Os aumentos passam a valer para sistemas enviados no início do ano que vem e atingem, entre outros, os modelos com os chips de topo de linha Vera Rubin e Grace Blackwell. Segundo pessoas familiarizadas com o processo ouvidas pela Bloomberg, o percentual exato vai variar conforme a geração do chip e a configuração de memória de cada sistema.

O que a fonte diz, e o que ela não confirma

É importante separar o que está reportado do que ainda está em aberto. A Reuters afirmou que não conseguiu verificar de forma independente a reportagem da Bloomberg, e a Nvidia não respondeu de imediato a um pedido de comentário feito fora do horário comercial.

Outro ponto relevante: quem comunicou os reajustes aos clientes foram as empresas que montam servidores sob contrato (os chamados integradores/ODMs) 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 →. Ou seja, o aumento chega aos hyperscalers pela cadeia de montagem, não necessariamente como uma tabela de preços divulgada diretamente pela Nvidia.

A reportagem também não detalha se e como cada provedor de nuvem vai repassar o custo ao preço final das instâncias de GPU. Isso continua indefinido.

Por que a memória virou o vilão

O ângulo apontado como causa é o custo dos chips de memória. Servidores de IA modernos dependem de grandes quantidades de HBM (High Bandwidth Memory), a memória empilhada acoplada às GPUs, além de DRAM convencional. Com a corrida de construção de data centers puxando a demanda por esses componentes, o preço da memória tem pressionado o custo total de cada rack, e é esse repasse que aparece agora nos servidores.

Como o reajuste varia por configuração de memória, sistemas mais parrudos, justamente os usados para treino de modelos grandes, tendem a sentir o maior impacto percentual.

O que muda para quem constrói IA no Brasil

A maioria das startups e times de engenharia brasileiros não compra servidor Nvidia direto: consome capacidade de GPU via nuvem, seja nos grandes provedores globais, seja em provedores nacionais e regionais que revendem ou operam esse hardware. O elo é justamente esse.

Se o custo de aquisição de servidores Vera Rubin e Grace Blackwell sobe mais de 15% para os operadores de data center, há dois caminhos possíveis para o mercado, e ambos afetam o dev brasileiro:

• Repasse no preço da hora de GPU. Instâncias baseadas na nova geração podem chegar mais caras do que a curva de queda que o mercado costuma esperar a cada salto de hardware. Para quem faz fine-tuning, treino ou inferência pesada de LLMs, isso entra direto na conta de infraestrutura.
• Preços em dólar. O custo de nuvem para IA é, na prática, dolarizado. Um aumento na origem se soma ao câmbio, o que amplia o efeito no orçamento de quem fatura em real.

Na prática, o cálculo de custo por token ou de custo por experimento de treino que muitos times fazem para decidir arquitetura pode precisar ser refeito considerando um piso de hardware mais alto na próxima geração.

Algumas frentes de mitigação que já fazem parte do repertório de times atentos a custo, e que ficam ainda mais relevantes nesse cenário:

• Quantização e modelos menores para reduzir a dependência de instâncias top de linha em inferência.
• Reserva de capacidade (instâncias reservadas/committed use) para travar preço antes de eventuais reajustes, quando o volume justifica.
• Aproveitar gerações anteriores de GPU, que tendem a ficar relativamente mais atrativas em custo-benefício conforme a nova linha entra mais cara.
• Avaliar hardware alternativo em cargas específicas, dependendo do que o provedor oferecer.

O contexto: Nvidia como termômetro de todo o setor

O momento do vazamento não é trivial. A Nvidia divulga seus resultados do segundo trimestre em 26 de agosto, poucos dias depois da reportagem. A empresa se tornou uma espécie de proxy do ecossistema de IA como um todo, abrangendo desde fabricantes de chips até as companhias que financiam a expansão acelerada de capacidade de data center, e por isso qualquer sinal sobre precificação repercute além dela.

Uma leitura possível, dentro do que a fonte traz: o repasse de custo de memória sugere que a fase de "cada geração é mais potente e mais barata por FLOP" pode encontrar atrito no curto prazo, com componentes escassos empurrando o preço para cima justamente quando a demanda por treino de modelos não dá sinal de recuo.

Para o mercado brasileiro, o recado prático é acompanhar como os provedores de nuvem vão precificar as instâncias da nova geração quando ela chegar em 2027, e não assumir que o próximo chip virá automaticamente mais barato. Até lá, o que existe é a notificação relatada pela Bloomberg, sem confirmação oficial da Nvidia.

Fonte: ET Tech (Índia)