Em 22 de agosto de 2026 a Bloomberg publicou que a Nvidia avisou alguns dos seus maiores clientes: os servidores de inteligência artificial vão custar mais de 15% a mais em muitos casos, valendo para os sistemas Grace Blackwell e Vera Rubin entregues no início de 2027. O aviso chegou às grandes compradoras pelos fabricantes que montam os servidores, e o tamanho de cada reajuste depende da geração do chip e da configuração de memória.
Durante dois anos, quase toda notícia sobre custo de IA foi na mesma direção: mais barato. Esta vai na direção contrária — e por um motivo que não tem nada a ver com inteligência artificial. É falta de memória.
Por que sobe: a memória virou quase um terço da máquina
Um rack Vera Rubin VR200 tem uma lista de materiais de cerca de US$ 2,1 milhões. A memória, que já foi uma fatia pequena dessa conta, chegou a cerca de 29% dela — algo perto de US$ 609 mil só em memória, quando o alvo da própria Nvidia é ficar em torno de 20% do custo do sistema.
A saída que apareceu nos relatos foi cortar capacidade: a memória SOCAMM da CPU Vera cairia de cerca de 55 terabytes para 28 terabytes por rack, mantendo a HBM4 da GPU em 20,7 terabytes. Ou seja, além de mais caro, o sistema entregue pode vir com menos memória do que o projeto original previa.
O pano de fundo é o mercado de memória. A TrendForce projetou alta de 58% a 63% no preço de contrato da DRAM convencional no segundo trimestre de 2026, e prevê mais 13% a 18% na DRAM de servidor no terceiro trimestre. Não é um repique de um trimestre: a consultoria espera aumentos sucessivos até a segunda metade de 2027, ainda que em ritmo decrescente.
E a Nvidia optou por repassar. A empresa opera com margem bruta não-GAAP de 75,0% — foi esse o número do primeiro trimestre do ano fiscal de 2027, e a projeção para o trimestre seguinte era o mesmo patamar. Ou seja, o aumento não é uma empresa apertada dividindo a dor com o cliente; é uma escolha de preservar margem.
Isso contradiz o que escrevemos há um mês?
Não, e a diferença é o ponto do texto. Em julho publicamos que o preço da IA caiu 80% em três semanas. Continua verdade — mas são duas contas diferentes.
O preço do token, que é o que a sua empresa paga para usar o modelo, cai por software: modelo mais eficiente, quantização, roteamento, concorrência entre fornecedores. O preço do metal, que é o que o fornecedor paga para ter a máquina, sobe por escassez física de um componente que ninguém fabrica da noite para o dia.
As duas curvas conviveram até agora porque a queda de software foi mais rápida que a alta de hardware. A notícia da Nvidia é o primeiro sinal claro de que a segunda curva começou a apertar. Isso não significa que a sua fatura vai subir 15% em janeiro — significa que a folga que vinha empurrando os preços para baixo ficou menor.
A cláusula que separa quem se protege de quem paga
Aqui está a parte que quase ninguém comenta e que é a mais útil para uma empresa média.
A própria TrendForce explica que vários provedores de nuvem americanos assinaram acordos plurianuais de fornecimento, e que esses acordos impedem os fabricantes de memória de subir o preço para eles. A consequência é direta: o aumento não se distribui de forma igual. Ele se concentra em quem não tem contrato longo.
A mesma lógica desce a cadeia inteira. Quem compra rack negocia direto com fornecedor de memória; quem compra API de um fornecedor grande está protegido pelo contrato dele até o dia em que não estiver; e quem contratou um sistema com IA embutida de um pequeno integrador está na ponta mais frágil dessa fila, porque não tem contrato nenhum travando nada.
A pergunta prática não é “a IA vai ficar mais cara?”. É “em qual degrau dessa escada eu estou, e o meu preço está travado por quanto tempo?”
Três decisões que isso muda na sua empresa
1. Ler o que o seu contrato diz sobre reajuste. Não o preço da tabela — a cláusula. Preço de lista de IA é o que menos importa num mercado que mudou três vezes em doze meses. O que importa é se existe prazo fixo, qual o índice de reajuste, com quanta antecedência o fornecedor pode avisar e o que acontece se ele mudar o modelo por baixo do contrato.
2. Saber quanto do seu custo é IA, de verdade. Na maior parte dos projetos que entregamos, o gasto com o modelo é a menor linha da conta — o dinheiro está em integração, em dado organizado e em quem cuida do sistema depois. Se a IA é 6% do seu custo, um aumento de 15% nela mexe menos de 1% no total, e essa conta acalma a decisão. Se você não sabe a proporção, o aumento parece maior do que é.
3. Ter um segundo fornecedor configurado, não apenas cogitado. Trocar de modelo precisa ser barato. Isso quer dizer prompts que não dependem de um fornecedor só, avaliação própria com tarefas reais e um plano B que já rodou pelo menos uma vez. Quem tem isso negocia; quem não tem, aceita.
Quer saber onde a IA se paga primeiro no seu negócio — e onde ela só adiciona custo?
A gente faz esse diagnóstico antes de escrever qualquer linha de código.
O outro lado da mesma moeda: memória decide no celular também
No mesmo fim de semana, a Artificial Analysis publicou, em parceria com a Liquid AI, uma medição independente de modelos pequenos rodando dentro do aparelho, em iPhone 17 Pro e Galaxy S26 Ultra.
O resultado interessa porque mostra a mesma restrição do outro lado. O LFM2.5-2.6B empata na primeira posição com 63 pontos respondendo a um pedido de 1.024 tokens em 8,0 segundos e usando 2,3 GB de memória, enquanto modelos de 9 bilhões de parâmetros levam mais de 25 segundos e 6,9 GB para chegar a nota parecida.
E o ranking inteiro muda conforme a memória disponível: com o contexto limitado a 16 mil tokens, um modelo fica em quarto; com 64 mil, ele sobe. Só que uma janela de 64 mil tokens não cabe na memória de um celular, e na velocidade medida gerar esse tanto levaria mais de 20 minutos e um tanto de bateria.
É a mesma lição em duas escalas: quem decide o que é possível não é o tamanho do modelo, é a memória disponível na máquina que vai rodá-lo. No data center isso virou preço; no celular, virou limite.
O que não dá para concluir daqui
Vale marcar as fronteiras, porque manchete de preço costuma prometer mais do que o dado sustenta.
- O aviso é sobre servidores entregues em 2027, não sobre a fatura da sua assinatura no mês que vem.
- Reajuste de hardware não vira reajuste de API na mesma proporção — no meio há contrato, concorrência, eficiência de modelo e a decisão comercial de cada fornecedor.
- A Nvidia não comentou publicamente o assunto, e os percentuais vieram de relato de mercado, não de tabela publicada.
- Escassez de memória tem histórico de ciclo: aperta, atrai investimento em fábrica e afrouxa. O que ninguém sabe é quando.
O resumo honesto
O barateamento da IA nunca foi uma lei da natureza — foi o software correndo mais rápido que o hardware. Essa vantagem diminuiu.
Para uma empresa que usa IA, a resposta não é adiar projeto esperando preço melhor. É parar de tratar preço como o critério principal e olhar para o que sobrevive a um aumento: contrato com prazo, custo total conhecido, e liberdade para trocar de fornecedor sem refazer tudo. Quem organizou isso atravessa a alta reclamando; quem amarrou tudo num fornecedor pelo preço da promoção atravessa refazendo.
Fontes
- Bloomberg — “Nvidia Customers Notified About AI-Related Price Hikes Above 15%” (22 de agosto de 2026).
- TrendForce — projeções de preço de contrato de DRAM (31 de março e 9 de julho de 2026).
- NVIDIA — resultados do primeiro trimestre do ano fiscal de 2027 (margem bruta não-GAAP).
- Artificial Analysis e Liquid AI — medição de modelos pequenos em aparelhos móveis (24 de agosto de 2026).
Perguntas frequentes
A minha assinatura de IA vai ficar 15% mais cara?
Não é isso que foi anunciado. O aviso da Nvidia é sobre o preço dos servidores entregues no início de 2027, comprados por grandes provedores de nuvem. Entre esse custo e a sua fatura existem contrato, concorrência e ganho de eficiência dos modelos. O que muda é a direção: a folga que vinha empurrando os preços para baixo ficou menor.
Por que os servidores de IA estão ficando mais caros?
Por causa da memória. Num rack Vera Rubin VR200, a memória chegou a cerca de 29% de uma lista de materiais de aproximadamente US$ 2,1 milhões, quando o alvo da Nvidia é ficar perto de 20%. A TrendForce projetou alta de 58% a 63% no preço de contrato da DRAM convencional no segundo trimestre de 2026 e prevê mais 13% a 18% na DRAM de servidor no terceiro.
Isso contradiz a notícia de que o preço da IA caiu 80%?
Não, são duas contas diferentes. O preço do token cai por software — modelos mais eficientes, quantização, concorrência. O preço do hardware sobe por escassez física de memória. As duas curvas conviveram porque a queda de software era mais rápida; agora a alta de hardware começou a apertar.
O que a minha empresa deveria fazer agora?
Três coisas: ler a cláusula de reajuste do contrato em vez de olhar só o preço de tabela; calcular que porcentagem do custo do projeto é de fato o modelo de IA, que costuma ser a menor linha; e deixar um segundo fornecedor configurado e testado, para que trocar seja barato.
Vale a pena adiar um projeto de IA por causa do aumento?
Em geral não. O gasto com o modelo costuma ser a menor parte do custo de um projeto — a maior parte é integração, organização do dado e manutenção. Adiar não reduz essas linhas e ainda adia o retorno. O que vale é escolher um projeto que termine e medir o resultado.
Modelos pequenos rodando no próprio aparelho resolvem o problema?
Resolvem uma parte, e só para algumas tarefas. A medição da Artificial Analysis com a Liquid AI mostra que um modelo de 2,6 bilhões de parâmetros responde em 8 segundos usando 2,3 GB num iPhone 17 Pro, com nota igual à de modelos bem maiores. Mas a memória do aparelho limita o tamanho do contexto, e tarefas longas continuam pedindo servidor.