Relatório: Nvidia planeja reduzir a configuração de memória do Rubin Ultra para lidar com a escassez de HBM de alto desempenho
Isso significa que, no futuro, os clientes podem precisar implantar mais GPUs para realizar tarefas com o mesmo poder de processamento, e os custos de construção de centros de dados de gigantes da tecnologia como Microsoft, Meta e Google podem aumentar ainda mais.
A onda de infraestrutura de IA está chegando ao limite da cadeia de suprimentos.
De acordo com The Information, a Nvidia está avaliando uma proposta bastante agressiva – lançar uma versão da próxima geração de AI GPU Rubin Ultra com uma configuração de memória inferior ao planejado originalmente, para aliviar a pressão de produção em massa causada pela escassez de HBM (memória de alta largura de banda) de alto padrão.
Isso significa que, mesmo dominando o mercado de GPUs, a Nvidia também precisa buscar um equilíbrio entre especificações do produto e capacidade de fornecimento.
Essa mudança não só reflete que o fornecimento de HBM se tornou um dos principais gargalos da cadeia de produção de IA, como também indica que o custo dos servidores para IA pode aumentar ainda mais, e a pressão para construção de data centers continuará a ser repassada para os elos posteriores.
Na quinta-feira, as ações da Nvidia caíram 0,1%, enquanto as ações da SK Hynix caíram 4,97%.


Fornecimento apertado de HBM leva Nvidia a testar diversas versões com "memória reduzida"
De acordo com fontes, nas últimas semanas, a Nvidia já testou pelo menos três versões diferentes da GPU Rubin Ultra, das quais algumas adotam uma capacidade de memória inferior à planejada originalmente.
Um motivo importante para a Nvidia considerar o lançamento de versões com menos memória é a possibilidade de não conseguir, no futuro, um volume suficiente de chips HBM de alto padrão para sustentar a fabricação em larga escala conforme o projeto original.
Rubin Ultra é uma peça fundamental na próxima geração da plataforma de computação de IA da Nvidia, posicionada acima da série Rubin que está prestes a entrar em produção em massa, sendo vista como um importante hardware para o treinamento de modelos de IA em larga escala no futuro. De acordo com o plano original, ela seria equipada com HBM de maior capacidade e largura de banda, a fim de aprimorar ainda mais o desempenho de treinamento e inferência dos modelos.
No entanto, diante do contexto de escassez contínua de HBM, a Nvidia está reavaliando a configuração de seus produtos, buscando ajustar as especificações de memória para garantir o lançamento conforme programado, ao invés de continuar aguardando a ampliação da capacidade da cadeia de suprimentos.
Menos memória exige implantação de mais GPUs
Para o treinamento de IA, a HBM não só determina a capacidade de processamento de dados da GPU, mas também influencia diretamente o tamanho dos modelos de larga escala que podem ser suportados.
Se a Rubin Ultra acabar usando uma configuração de memória inferior, ao executar grandes workloads de IA, como modelos de linguagem de larga escala, os clientes talvez precisem implantar mais GPUs para concluir tarefas computacionais que antes eram possíveis com menos chips.
Embora a Nvidia ainda possa compensar parcialmente a perda de desempenho aumentando o poder de processamento das GPUs ou otimizando a largura de banda de interconexão, de modo geral, o custo de implantação do sistema e a complexidade do cluster provavelmente aumentarão.
Para grandes empresas de nuvem como Microsoft, Meta, Amazon e Google, que continuam expandindo investimentos de capital em IA, isso significa que o custo de construção de datacenters pode crescer ainda mais no futuro.
Onda de IA expõe maior gargalo da cadeia de produção
HBM já se tornou um dos principais componentes em falta na cadeia de produção de IA atualmente.
Nos últimos anos, o rápido crescimento da demanda pelo treinamento de grandes modelos fez com que as vendas de GPUs subissem continuamente, e a HBM utilizada nessas GPUs é fornecida principalmente por poucos fabricantes, como Samsung Electronics, SK Hynix e Micron. Devido à complexidade do processo de fabricação, altos requisitos de rendimento e longo ciclo de expansão, o crescimento da oferta de HBM nunca conseguiu acompanhar a demanda da IA.
O mercado prevê que, nos próximos anos, a HBM continuará em estado de oferta limitada, sendo essa também uma das razões pelos elevados preços dos servidores de IA.
A iniciativa da Nvidia de considerar reduzir a configuração de memória da Rubin Ultra também reflete que, mesmo com o maior poder de barganha da cadeia produtiva, o planejamento de produto ainda é limitado pelo fornecimento de HBM.
Pressão de custos se espalha por toda a indústria tecnológica
O impacto do aumento do preço da HBM já não se limita aos servidores de IA.
Com a escassez contínua de componentes-chave como GPUs e HBMs, o custo do hardware em toda a indústria tecnológica está sendo pressionado para cima. Orçamentos corporativos para aquisição de infraestrutura de IA estão aumentando, e cada vez mais empresas são obrigadas a ampliar seus investimentos para atender as demandas de implantação de IA generativa.
Ao mesmo tempo, o aumento no custo de chips a montante já começa a ser repassado ao setor de eletrônicos de consumo. Fabricantes de hardware, incluindo a Apple, já começaram a repassar a pressão dos custos da cadeia de suprimentos por meio de aumentos nos preços finais dos produtos.
Especialistas do mercado acreditam que, enquanto a demanda por capacidade de computação de IA continuar crescendo rapidamente e o ritmo de liberação de nova capacidade de produção de HBM for limitado, a competição por recursos de memória de alto padrão persistirá e a capacidade de fornecimento de HBM seguirá sendo um fator-chave para determinar o ritmo de expansão da indústria de IA.
Aviso Legal: o conteúdo deste artigo reflete exclusivamente a opinião do autor e não representa a plataforma. Este artigo não deve servir como referência para a tomada de decisões de investimento.
Talvez também goste
No momento em que a Anthropic propõe a "teoria de desaceleração da IA", a comercialização da IA está acelerando! Da pesquisa de modelos ao consultor financeiro, o benefício dos agentes inteligentes de IA está sendo realizado rapidamente.
Anthropic está avançando simultaneamente na governança de riscos de IA de ponta e na comercialização de aplicações empresariais de IA, competindo com OpenAI e outros principais concorrentes de aplicações de IA pelo mercado de monetização de IA.

Enquanto as ações de chips despencam, o segmento de "software de segurança cibernética" dispara, e CrowdStrike e Palo Alto Networks atingem novos recordes.
CrowdStrike disparou 13,8% em um único dia, atingindo uma nova máxima histórica, enquanto Palo Alto Networks subiu 13%. O ETF de software superou o ETF de semicondutores em mais de 10 pontos percentuais em um único dia, registrando a maior diferença da história. Analistas apontam que, independentemente do ritmo de desenvolvimento da IA, a demanda por segurança só tende a aumentar. O capital está migrando rapidamente do hardware de computação para software de segurança, e áreas segmentadas como gestão de identidade e governança de dados serão as primeiras a se beneficiar.
Altman pode esperar, Masayoshi Son não pode: OpenAI não será listada este ano, SoftBank revela uma lacuna de 20 bilhões de dólares, expondo fragilidade de crédito
A OpenAI adiou sua abertura de capital, colocando o maior acionista externo, SoftBank, em uma crise de liquidez. Nesta semana, a SoftBank foi a Nova York para uma roadshow, planejando emitir entre 10 e 20 bilhões de dólares em títulos para pagar um empréstimo-ponte de 40 bilhões de dólares anteriormente tomado para aumentar os investimentos na OpenAI. A Bloomberg estima que a lacuna de financiamento da SoftBank seja de pelo menos 20 bilhões de dólares, e os títulos em dólar atualmente existentes da empresa já registram um rendimento superior a 8,5%, com precificação próxima ao nível de grau especulativo.
Reunião adiada, preço do ouro recua rapidamente

