Nvidia detalha fatores de retorno financeiro para fabricas de IA
Nvidia analisa produtividade, durabilidade e versatilidade como pilares do retorno sobre investimento em data centers e infraestruturas de IA.
Resumo rápido
- Nvidia detalha fatores que influenciam o retorno financeiro em infraestruturas e data centers de inteligência artificial.
- Estudo citado aponta redução de custos e ganho de vazão com novos sistemas como o Vera Rubin NVL72 no DeepSeek V4 Pro.
- Uso prolongado de chips antigos e arquitetura CUDA garantem vida útil estendida aos componentes em operação.
Entenda o contexto
As chamadas fábricas de IA são data centers projetados especificamente para treinar e executar modelos de inteligência artificial em alta escala. O custo desses empreendimentos é diretamente impactado pela quantidade de energia consumida e pela eficiência dos processadores para gerar tokens.
A Nvidia publicou nesta quinta-feira, 1º de outubro de 2026, uma análise sobre os elementos que determinam o retorno financeiro em estruturas conhecidas como fábricas de IA. Segundo a empresa, cada megawatt instalado nessas instalações custa aproximadamente US$ 60 milhões, o que exige previsibilidade sobre capacidade de ganho, vida útil do hardware e demanda contínua por processamento de tokens.
Produtividade energética e desempenho por token
Segundo a publicação da Nvidia, a restrição energética torna a métrica de tokens por segundo por megawatt o fator decisivo para a capacidade de receita. Uma maior produção dentro de um limite fixo de energia eleva os ganhos, enquanto o custo menor por token melhora a margem de operação.
A empresa citou dados de análise da SemiAnalysis AgentX, que indicam que os sistemas Nvidia Vera Rubin NVL72 entregam uma vazão de processamento por megawatt mais de 30 vezes superior à do Nvidia GB300 NVL72. Os mesmos dados apontam um custo até 45 vezes menor por milhão de tokens ao executar o modelo DeepSeek V4 Pro. A análise da SemiAnalysis AgentX também avaliou o desempenho do Nvidia GB300 NVL72 para o modelo GLM 5.3.
Durabilidade e vida útil do hardware
A publicação ressalta que o avanço de novas gerações não invalida a operação de equipamentos anteriores, já que diferentes cargas de trabalho exigem complexidades distintas. O processador Nvidia A100 GPU, lançado em 2020, continua em uso comercial seis anos depois. A empresa informou que a operadora CoreWeave estendeu contratos de unidades introduzidas em 2020 até o ano de 2029.
Um estudo da Sprout de setembro de 2026, intitulado "The Productive Life of a Data Center GPU", registrou que grandes operadoras têm ampliado o cronograma de depreciação de seus servidores. Conforme a publicação, a frota de chips Nvidia V100 da Microsoft operou por 8,4 anos contra uma vida contábil prevista de seis anos. Em estimativas citadas da Barkr, um sistema H100 com oito GPUs possui vida útil entre cinco e seis anos, enquanto o GB300 NVL72 atinge de nove a dez anos, com base em valores de revenda.
A versatilidade dos sistemas é sustentada pela plataforma de software CUDA e por mais de 1.000 bibliotecas CUDA-X, utilizadas por mais de 10 milhões de desenvolvedores. A Nvidia destaca que essa arquitetura integrada permite executar desde modelos proprietários e abertos até simulações científicas e processamento de dados sem a necessidade de chips customizados para uma única tarefa.
Referências
- Fonte consultada: NVIDIA — Blog
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
