Nvidia adia servidores Kyber com Rubin Ultra de 2027 para 2028 por problemas de produção

A Nvidia adiou de 2027 para 2028 o lançamento da arquitetura de servidores Kyber, baseada nos aceleradores Rubin Ultra. A informação é da CNBC, que cita a consultoria SemiAnalysis. O motivo apontado para o atraso são dificuldades na produção de um dos componentes-chave do sistema.

O que se sabe sobre o adiamento

• Fonte da informação: CNBC, citando analistas da SemiAnalysis
• A arquitetura Kyber passa de 2027 para 2028
• A Kyber é baseada nos aceleradores Rubin Ultra
• Motivo do atraso: dificuldades na produção de um dos componentes-chave do sistema

O Rubin Ultra é uma das próximas gerações de aceleradores de IA da Nvidia e, no roadmap anual da empresa, vem depois das arquiteturas Blackwell, Blackwell Ultra e Vera Rubin. Já Kyber é o nome da plataforma de rack para servidores que reúne esses chips em um único sistema computacional para data centers que treinam e executam grandes modelos de IA.

Desde 2024, a Nvidia segue publicamente a estratégia de lançar uma nova geração de infraestrutura de IA aproximadamente uma vez por ano. Antes, esse ritmo era considerado quase impossível para equipamentos tão complexos quanto sistemas em rack com refrigeração líquida e dezenas de milhares de conexões entre chips. Foi justamente essa cadência sem precedentes que permitiu à empresa dominar o mercado de chips para treinamento de grandes modelos de linguagem. Mas ela também exige o funcionamento sem falhas de toda a cadeia de suprimentos, das foundries que fabricam os dies às montadoras de racks de servidores.

Por que o adiamento importa para o mercado

Nos últimos anos, a Nvidia vem mantendo um ciclo anual apertado de renovação de seus principais chips e racks de IA, e foi esse ritmo que permitiu à empresa preservar o domínio no mercado de aceleradores para treinamento e inferência de grandes modelos de linguagem. Qualquer mudança nesse cronograma afeta diretamente os planos de hyperscalers como Microsoft, Google, Amazon e Meta, que programam a compra de equipamentos para data centers com anos de antecedência e dimensionam sua capacidade com base nas datas de chegada de novas gerações de chips.

Dificuldades na produção de componentes-chave para chips de IA de ponta não têm sido raras nos últimos anos. Os gargalos aparecem no empacotamento avançado de chips, no fornecimento de memória HBM e na capacidade dos fabricantes contratados, e atingem não só a Nvidia, mas toda a cadeia de suprimentos de semicondutores da indústria de IA.

Como isso se encaixa na estratégia da Nvidia

A Nvidia constrói publicamente sua posição de mercado em torno da promessa de uma renovação anual e previsível de arquiteturas. Essa tática ajuda a empresa a evitar que clientes migrem para concorrentes como a AMD ou para chips próprios dos hyperscalers, já que eles sabem com antecedência quando a próxima geração vai chegar e para quais prazos planejar seus investimentos de capital. Adiar em um ano mesmo uma única plataforma de servidores coloca em dúvida a sustentabilidade desse ritmo e obriga grandes clientes a rever seus próprios cronogramas de entrada em operação de novos data centers.

Para os analistas da SemiAnalysis, que foram os primeiros a noticiar o atraso, adiamentos desse tipo também funcionam como indicador da saúde geral da cadeia de suprimentos de semicondutores avançados, sobretudo da capacidade de empacotamento avançado de chips (advanced packaging) e de produção de memória de nova geração, cuja demanda vem superando consistentemente a oferta nos últimos anos.

O que isso significa

O adiamento de um ano da principal plataforma de servidores sinaliza que mesmo a líder do mercado de chips de IA esbarra em limites físicos para a velocidade com que consegue escalar a produção. Isso pode desacelerar o ritmo com que os maiores provedores de nuvem ampliam sua capacidade computacional para as novas gerações de modelos de IA.