Escassez de GPUs: CEOs dividem capacidade pessoalmente e startups assinam contratos de vários anos

A capacidade de computação no Vale do Silício virou um bem escasso, e a disputa por ela é acirrada. Segundo o 3DNews, que cita observações do setor, a distribuição dos recursos agora fica a cargo dos próprios CEOs. Concorrentes diretos precisam se unir para conseguir acesso a mais capacidade. O golpe mais duro recai sobre as startups: elas recebem acesso a GPUs em troca de compromissos financeiros de vários anos.

A fonte original não revela valores nem nomes de acordos específicos. Por isso, o texto a seguir trata da estrutura do fenômeno e do contexto, não dos números de contratos individuais.

Quem decide quem fica com a GPU

Até poucos anos atrás, a compra de servidores era rotina para a equipe de infraestrutura. Agora, a pergunta de quantos aceleradores um projeto vai receber sobe para o nível dos executivos principais. O motivo é simples. O volume de computação determina diretamente quais modelos a empresa consegue treinar, com que rapidez lança uma nova versão e quantos usuários atende sem perda de qualidade.

Principais observações do material:

• quem distribui a capacidade são os próprios dirigentes das empresas, e não apenas os diretores técnicos;
• concorrentes fazem alianças para ter acesso a recursos adicionais;
• a escassez atinge com mais força as startups;
• o preço do acesso costuma ser expresso em compromissos de vários anos, e não em pagamento comum por uso.

Isso condiz com o que vimos em 2025. Na época, a OpenAI informou contratos de centenas de bilhões de dólares com a Oracle e parcerias com Nvidia, AMD e Broadcom. A Anthropic anunciou a ampliação do uso de TPUs do Google, com dezenas de milhares de aceleradores e capacidade da ordem de um gigawatt. Se em 2026 os executivos ainda dividem os recursos manualmente, é sinal de que a oferta continua sem acompanhar a demanda.

Alianças com quem é concorrente

O mais incomum na situação é o comportamento do mercado. Empresas que disputam os mesmos clientes e engenheiros fecham acordos de infraestrutura compartilhada: dividem clusters, alugam capacidade umas das outras e entram em projetos conjuntos de construção de data centers. A lógica é pragmática. Construir sozinho um data center de dezenas ou centenas de megawatts é demorado e caro. Os limites não são só financeiros: faltam também chips, equipamentos de refrigeração e conexões com a rede elétrica.

Para quem possui a capacidade, a aliança também compensa. A utilização sobe e, em troca, o dono dos clusters ganha participação no modelo do parceiro, acesso a dados ou lealdade estratégica. A fronteira entre fornecedor e concorrente se turva, e isso cria novas dependências. Quem controla os clusters vê como cresce a carga do parceiro e ganha poder de barganha nas negociações.

Startups pagam com tempo e liberdade

As grandes empresas podem pegar empréstimos ou emitir títulos para construir data centers. Uma empresa jovem não tem essa opção. Resta assinar um contrato de vários anos, muitas vezes com um mínimo obrigatório de compras. Isso transforma a computação, que seria um custo operacional flexível, em dívida fixa. Se o mercado mudar e o modelo deixar de interessar aos clientes, o pagamento continua sendo devido.

Há ainda um custo oculto. Um contrato de longo prazo com uma única nuvem prende a equipe a uma arquitetura de chips e a uma stack de software específicas. Migrar depois para outro provedor ou para outros aceleradores é difícil e caro.

Como a equipe deve agir

Para a startup que constrói um produto com IA, disso decorrem alguns passos práticos.

• Calcular o custo de inferência por unidade de valor entregue (requisição, tarefa, documento) e incluí-lo na unit economics antes de assinar o contrato.
• Não travar todo o volume de capacidade por um prazo longo: deixar parte em plano flexível ou com um segundo provedor.
• Verificar a portabilidade da stack: quanto menos o código estiver preso a um único tipo de acelerador, mais forte é a posição na negociação.
• Tratar a otimização (quantização, distilação, cache) como forma de reduzir a necessidade de GPUs, e não como tarefa secundária.
• Incluir no modelo financeiro o cenário em que os preços da computação caem e os compromissos de longo prazo permanecem os mesmos.

Investidores e clientes corporativos devem perguntar aos fornecedores de serviços de IA em que capacidade eles operam e em que condições a obtiveram. Disso depende se o fornecedor sobreviverá ao próximo salto de demanda.