Rack do Nvidia Vera Rubin VR200 NVL72 sai a US$ 7,8 milhões: memória já é 26% do custo da inferência de IA

Resumo: Segundo um relatório da Morgan Stanley citado pela imprensa especializada, um único rack Nvidia Vera Rubin VR200 NVL72 deve sair a hyperscalers por cerca de US$ 7,8 milhões — quase o dobro do GB300 NVL72. A memória, sozinha, custa US$ 2 milhões por rack (26% do total), com aumento de 435% em relação à geração anterior por causa de HBM4 e LPDDR5X. Cada Rubin GPU é estimado em US$ 55 mil e cada Vera CPU em US$ 5 mil. O movimento explica por que big techs estão correndo atrás de chips próprios e por que o custo da inferência de IA pode subir antes de cair.

O preço do próximo rack da Nvidia

O VR200 NVL72 é o sucessor direto do Grace-Blackwell GB300 NVL72 e a unidade base do que a Nvidia chama de “supercomputador agêntico em escala de rack”. Cada rack reúne 72 GPUs Rubin e 36 CPUs Vera, interconectados via NVLink de próxima geração. As estimativas da Morgan Stanley, replicadas por The Register, Tom’s Hardware e PC Gamer, colocam o preço final em torno de US$ 7,8 milhões por rack, podendo chegar a US$ 8,8 milhões em determinadas configurações.

O salto vem de duas frentes: silício mais caro e, sobretudo, memória mais cara. O grande Rubin GPU é estimado em US$ 55 mil para a Nvidia vender; o Vera CPU sai a US$ 5 mil. Mas o componente que mais pesa em proporção é a memória — explico a seguir.

HBM4 e LPDDR5X: a memória vira protagonista

Cada GPU Rubin carrega 288 GB de HBM4; cada CPU Vera, 1,5 TB de LPDDR5X. Somando o rack inteiro, são 20,7 TB de HBM4 e 54 TB de LPDDR5X. A conta de memória bate US$ 2 milhões — 26% do custo total — depois de um salto de 435% em preço de memória contra o GB300 NVL72.

Esse salto não é só Nvidia: é o ciclo do HBM. Demanda da OpenAI, Microsoft, Meta, Google e Anthropic puxou a produção da SK hynix, Samsung e Micron ao limite. Em paralelo, o LPDDR5X passou a ser usado como memória de alta capacidade ao lado da CPU, num arranjo que troca latência por largura de banda. Resultado: o gargalo passou do compute para a memória, e o preço seguiu.

Por que importa — e o impacto no Brasil

Hyperscalers não absorvem esse aumento de US$ 4 milhões para US$ 7,8 milhões por rack sem repassar parte. Vamos ver isso em três frentes:

• Preço da inferência: APIs como Bedrock, Vertex AI e OpenAI tendem a frear quedas e ajustar tabelas, principalmente para modelos de reasoning, que consomem mais tokens.
• Mudança de mix: empresas vão acelerar quantização (FP8, INT4), modelos menores (Granite 4.1, Phi, Qwen3, Llama 4) e arquiteturas esparsas para reduzir uso de memória cara.
• Chips próprios: Meta com MTIA, AWS com Trainium 3, Google com TPU Ironwood, OpenAI com Broadcom, e até Apple e Microsoft — todas as big techs estão acelerando seus aceleradores caseiros. O Tom’s Hardware estimou que isso pode tirar bilhões de dólares de Nvidia em 2027–2028.

No Brasil, a fatura cai em quem aluga ou consome. Provedores locais de cloud com GPU (Magalu Cloud, Locaweb, Ascenty, Equinix) podem ter dificuldade em adquirir VR200; bancos médios e startups, que pensavam em rack próprio, vão revisar o ROI. Para a maior parte das empresas brasileiras, a estratégia certa de curto prazo é: consumir inferência via API, brigar por desconto em volume e investir em arquitetura de aplicação que use o modelo mais barato possível para cada tarefa.

Riscos e limitações dessa análise

É importante manter pé no chão. As estimativas são da Morgan Stanley, baseadas em fornecedores e custos de bill of materials. A Nvidia não divulga oficialmente preço por rack; OEMs como Supermicro, Dell e Lenovo podem ter margens diferentes; e contratos plurianuais entre Microsoft, Amazon, Oracle e Nvidia geralmente embutem descontos relevantes. Trate o número de US$ 7,8 milhões como ordem de grandeza, não como preço de tabela.

Há também risco de a HBM4 ceder em preço mais rápido do que o mercado espera, se Samsung e SK hynix aumentarem capacidade. E nem todo workload precisa de Rubin: muitos casos rodam confortavelmente em Blackwell, em GPUs anteriores, ou em aceleradores próprios mais baratos.

Cenário e o que esperar

Em 12 a 18 meses, deve-se ver: (1) inflação leve no preço da inferência de IA premium, sobretudo em modelos de reasoning; (2) migração acelerada para modelos abertos quantizados; (3) avanço dos chips próprios das big techs em workloads internos; e (4) maior pressão sobre Samsung/SK hynix/Micron para liberar capacidade de HBM. Para 2027, a expectativa de mercado é de queda gradual do custo por token, mas o caminho será mais difícil do que parecia em 2024–2025.

Análise SWOT econômica (para clientes corporativos)

Conclusão prática: o que muda e como usar

Se o seu plano de IA depende de uma curva agressiva de queda no preço de inferência, recalibre. Para empresas brasileiras, a recomendação racional é: priorizar consumo via API com cláusulas de revisão de preço, mapear quais cargas podem rodar em modelos menores (Granite 4.1, Qwen3, Llama 4, Phi) com qualidade aceitável, e tratar GPU própria como commodity escassa por mais um ou dois ciclos. Nenhuma dessas decisões substitui análise financeira específica; em projetos de grande porte, vale envolver consultores especializados em arquitetura e custo de IA.

Fonte original: The Register — cobertura sobre custos do Vera Rubin NVL72 (estimativas Morgan Stanley).