Preços de aluguel de GPUs da Nvidia na nuvem sobem apesar do envelhecimento do hardware, mostra relatório

Em uma divergência em relação às tendências estabelecidas de depreciação de hardware, as taxas de aluguel na nuvem para processadores de data center da geração anterior da Nvidia subiram desde o início do ano, de acordo com reportagem do editor do veículo de tecnologia Rohail Saleem.

Os preços de aluguel para unidades de processamento gráfico (GPUs) mais antigas, incluindo as arquiteturas A100 e H100 da Nvidia, subiram mais do que as taxas registradas no início de 2026. Ao mesmo tempo, as taxas de aluguel para hardwares mais novos, como o H200 voltado para empresas e os chips de ponta B200 baseados na arquitetura Blackwell da Nvidia, continuam a exigir preços de nível superior entre os provedores de infraestrutura em nuvem. O B200 está atualmente oscilando um pouco abaixo de US$ 6 por hora, de acordo com o relatório.

As descobertas destacam uma dinâmica de mercado incomum no setor de computação corporativa, onde a inovação rápida normalmente faz com que gerações mais antigas de semicondutores percam valor monetário rapidamente à medida que chips mais rápidos e eficientes entram no mercado.

## Trajetória ascendente para processadores legados

Sob modelos padrão de ciclo de vida de tecnologia, o lançamento de novas microarquiteturas de processadores reduz a demanda do mercado secundário e as taxas de aluguel para hardware legado. No entanto, dados compilados no relatório por Rohail Saleem mostram que instâncias na nuvem alimentadas pelas GPUs A100 e H100 da Nvidia estão atualmente cobrando taxas horárias mais altas do que no início de 2026.

O processador A100, originalmente introduzido em 2020, e o H100, lançado em 2022 sob a arquitetura Hopper, permanecem como pilares centrais da infraestrutura global de inteligência artificial. Apesar do subsequente lançamento comercial do H200 e da geração de ponta Blackwell, os provedores de nuvem estão mantendo um forte poder de precificação sobre esses modelos de chips mais antigos.

Essa tendência de alta nos preços sugere que os compradores de computação em nuvem estão enfrentando uma lacuna persistente entre a oferta de hardware disponível e a demanda total do mercado. Em vez de mudarem totalmente para unidades de processamento mais novas, muitas empresas e desenvolvedores de software continuam a depender fortemente de clusters de geração anterior para sustentar suas operações em andamento.

## Geração Blackwell atinge as taxas mais altas

No segmento de ponta do mercado de computação em nuvem, os chips flagship B200 da Nvidia estão mantendo taxas de aluguel premium. De acordo com a reportagem de Saleem, as instâncias em nuvem do B200 estão atualmente se fixando em taxas um pouco abaixo de US$ 6 por hora.

O processador B200, projetado para lidar com modelos de inteligência artificial em escala massiva de parâmetros, representa o parâmetro atual para treinamento de IA de ponta e execução de alto rendimento. A precificação horária do chip reflete tanto sua posição no topo da hierarquia de desempenho quanto os substanciais investimentos de capital exigidos pelos provedores de serviços em nuvem para construir clusters de servidores baseados em Blackwell.

Enquanto isso, níveis intermediários de hardware, como o H200 — que apresenta largura de banda de memória aprimorada em comparação com o H100 básico —, também estão experimentando contínua pressão de alta nos preços de aluguel. O custo sustentado em todos os quatro níveis de produtos (A100, H100, H200 e B200) indica que os aumentos de taxas não estão isolados em chips de nicho, mas ocorrem no mercado mais amplo de aluguel de GPUs corporativas.

## Desafiando a depreciação tradicional de hardware

Nos mercados convencionais de hardware corporativo, os equipamentos de servidor depreciam de forma previsível ao longo do tempo. À medida que os fabricantes de semicondutores lançam novos nós de processo e microarquiteturas mais eficientes, os equipamentos mais antigos são normalmente descontados para atrair cargas de trabalho de computação de nível inferior.

O comportamento atual de preços dos chips corporativos da Nvidia rompe com essa estrutura econômica. A utilidade sustentada de chips maduros como o A100 e o H100 é apoiada por ecossistemas de software e fluxos de trabalho de desenvolvedores estabelecidos que executam com confiabilidade em arquiteturas de hardware mais antigas, sem exigir reotimização para novos designs de chips.

Além disso, as despesas de capital necessárias para adquirir hardware mais novo em grande escala levaram muitas empresas de software corporativo a alugar capacidade de computação conforme a necessidade, em vez de adquirir servidores físicos diretamente. Esse modelo operacional transfere a demanda diretamente para o mercado de aluguel, onde agregadores de nuvem e provedores de hospedagem especializados definem taxas horárias com base na liquidez imediata do mercado.

## Distribuição de carga de trabalho entre níveis de GPU

A persistência de altas taxas de aluguel em várias gerações de chips reflete uma divisão de trabalho na forma como as cargas de trabalho de inteligência artificial são atribuídas na infraestrutura de data centers.

O treinamento de modelos de ponta — que exige grandes quantidades de memória e largura de banda de interconexão entre chips extrema — concentra-se fortemente em hardware de última geração, como o B200 e o H200. Essas cargas de trabalho justificam as taxas de aluguel por hora mais elevadas devido à necessidade de minimizar os tempos totais de treinamento de redes neurais complexas.

Por outro lado, tarefas mais leves, incluindo ajuste fino de modelos, adaptação a domínios específicos e execução operacional em tempo real (inferência), são frequentemente direcionadas a clusters A100 e H100. À medida que o volume global de aplicações de IA implantadas se expande, a demanda agregada por processamento de inferência expandiu-se paralelamente à demanda por treinamento, evitando que a capacidade de GPUs mais antigas fique ociosa ou caia de preço.

## Implicações mais amplas para a economia da infraestrutura em nuvem

Para provedores de serviços em nuvem e empresas especializadas em hospedagem de GPUs, a capacidade de cobrar taxas de aluguel mais altas em ativos de hardware total ou parcialmente amortizados proporciona um impulso significativo às margens operacionais. Clusters legados que deviam gerar retornos mais baixos em 2026 estão, em vez disso, continuando a gerar fortes fluxos de caixa.

Para startups de inteligência artificial e laboratórios de pesquisa corporativos, no entanto, os altos custos de aluguel representam um desafio operacional persistente. As despesas de infraestrutura permanecem como um dos maiores itens orçamentários para empresas que desenvolvem ou implantam software de aprendizado de máquina. Com o aluguel de chips mais antigos ficando mais caro em vez de mais barato, o alívio nos custos de computação continua distante para desenvolvedores em busca de capacidade de nível intermediário.

O cenário de mercado mais amplo continua a ser definido por restrições de capacidade em data centers, incluindo a disponibilidade local de energia elétrica e cronogramas de entrega de racks de servidores, o que limita a rapidez com que a nova capacidade de computação pode ser colocada em operação para aliviar as pressões de preço.

## Perspectiva para a capacidade de computação

Analistas do setor continuam a monitorar se o ambiente de preços atual representa um pico temporário impulsionado pelos ciclos de implantação atuais ou uma mudança estrutural de longo prazo na economia de semicondutores para servidores.

Se os provedores de nuvem continuarem a colocar infraestrutura adicional baseada em Blackwell em operação ao longo do restante do ano, o aumento da oferta de computação de ponta poderá eventualmente alterar a dinâmica de preços para linhas de hardware mais antigas. No entanto, enquanto a demanda total do mercado por treinamento e inferência de IA continuar a exceder a capacidade total de clusters instalados, as GPUs legadas parecem preparadas para reter um poder de precificação atípico.

A reportagem para este artigo foi realizada originalmente por Rohail Saleem.