VentureBeat: 79% das empresas deixam GPUs ociosas pelo menos metade do tempo

De acordo com a VentureBeat Intelligence, divisão de pesquisa da VentureBeat, 79% dos representantes de empresas entrevistados afirmam que sua capacidade de GPU fica completamente parada por pelo menos metade do tempo. Os dados vêm de uma pesquisa contínua do terceiro trimestre de 2026, e o indicador se manteve nesse patamar durante os três meses de observação. Ou seja, o mercado que nos últimos anos reclamou da escassez de aceleradores, em sua maioria, não consegue usar bem o que já comprou ou alugou.

O contraste é forte. Enquanto os orçamentos de infraestrutura de IA crescem e os planos corporativos continuam incluindo novas compras e reservas de longo prazo na nuvem, a maioria das empresas tem metade ou mais do seu recurso computacional trabalhando em vazio.

De onde vêm as horas vazias

Por trás da ociosidade das GPUs costuma haver não um único fator, mas um conjunto de causas organizacionais e técnicas bem conhecidas. As mais comuns são:

• compra dimensionada para um pico de carga que ocorre a cada poucas semanas, enquanto no resto do tempo o cluster fica esperando;
• aceleradores alocados a equipes ou projetos específicos, de modo que as horas livres de um grupo ficam inacessíveis para outro;
• o treinamento do modelo terminou, mas a inferência não atingiu os volumes planejados;
• os dados chegam mais devagar do que a placa processa, e o chip caro fica esperando o carregador de dados;
• experimentos são disparados manualmente, o que gera pausas entre eles, e a fila esvazia à noite e nos fins de semana;
• orquestração fraca: não há um agendador comum, não há divisão das placas em frações nem prioridades.

Um detalhe importante: a pesquisa registrou especificamente a ociosidade total, ou seja, a placa não está ocupada com nada. Isso é diferente de uma GPU que roda a 30% do desempenho dentro de uma tarefa ativa. Nesse caso, o problema está no código e na arquitetura. Aqui, o problema está na gestão do recurso.

Quanto custa não fazer nada

A conta é simples. Se o acelerador fica ocupado metade do tempo, cada hora efetivamente trabalhada custa o dobro do valor nominal. Se a utilização é menor, o multiplicador sobe. Com hardware próprio, depreciação, energia, refrigeração e manutenção continuam a pesar independentemente de a placa estar processando ou não. No caso de capacidade reservada em regime de aluguel, a cobrança também vem por todas as horas, e não só pelas utilizadas.

Para os fornecedores, o sinal é ambíguo. Por um lado, a demanda por aceleradores está respaldada por orçamentos reais. Por outro, se a maior parte dos clientes não aproveita nem metade do que comprou, mais cedo ou mais tarde os diretores financeiros vão começar a perguntar por que ainda se compra mais. As primeiras a serem questionadas serão as expansões de cluster justificadas pela frase "faltam recursos computacionais". Quem sai ganhando são as empresas que vendem ferramentas de agendamento e de compartilhamento de GPU, além dos provedores de nuvem com modelo flexível de cobrança por hora, que dispensa manter reserva de antemão.

Principais parâmetros do estudo:

• fonte: VentureBeat Intelligence, divisão de pesquisa da VentureBeat;
• formato: pesquisa contínua com respondentes corporativos;
• período: terceiro trimestre de 2026;
• resultado: 79% das empresas relatam ociosidade de GPU em no mínimo 50% do tempo;
• evolução: o indicador não mudou ao longo de três meses.

Por onde começar a caça à ociosidade

O primeiro passo é maçante, mas obrigatório: medir. Muitas empresas não sabem a utilização real de cada placa por hora e por equipe. Basta extrair as métricas dos drivers e do sistema de agendamento de um mês e ver quando, e com quem, as placas ficam vazias.

Depois, funcionam as práticas já testadas. Sair da alocação de placas por equipe e adotar um pool comum, com fila e prioridades. Dividir aceleradores grandes em frações isoladas para tarefas pequenas e inferência. Transferir para janelas noturnas as tarefas que podem esperar, como ajuste fino, avaliação e processamento em lote. Verificar se a placa não está esperando dados: se a utilização oscila enquanto o processador ou o disco chegam ao limite, o gargalo está no pipeline, e não na falta de GPU.

E o último ponto, o mais prático: antes de aprovar uma nova compra, exigir da equipe um relatório da utilização atual. Se os números se parecerem com os da pesquisa, sai mais barato primeiro pôr ordem no que já está instalado nos racks.