A nova estratégia da NVIDIA em sistemas de IA em larga escala promete agitar o mercado — Rubin aponta o caminho para o futuro da empresa em meio ao crescimento do setor de data centers

Quem acompanhou a apresentação da Nvidia durante o CES no dia 5 de janeiro pode ter sentido a expectativa por um anúncio que não aconteceu. A GeForce não foi apresentada, e não houve nem mesmo uma dica sobre a próxima geração RTX. Pela primeira vez em cerca de cinco anos, a Nvidia subiu ao palco do CES sem trazer novidades sobre suas placas de GPU.

Essa ausência não foi por acaso. Em vez de atualizar sua linha de gráficos, a Nvidia utilizou o CES 2026 para falar sobre a plataforma Vera Rubin e lançar seu supercomputador de IA NVL72, ambos previstos para produção na segunda metade de 2026. Este movimento reflete a nova direção da Nvidia, que agora se concentra na venda de sistemas de IA completos em vez de apenas placas isoladas.

De GPUs a fábricas de IA

A Vera Rubin não está sendo tratada como uma geração convencional de GPU, apesar de incluir uma nova arquitetura. A Nvidia a descreve como uma plataforma de computação em rack, construída a partir de diversas classes de silício que são projetadas, validadas e implantadas juntas. No centro dessa plataforma, encontram-se as GPUs Rubin e CPUs Vera, interligadas por NVLink 6, BlueField 4 DPUs e switches Ethernet Spectrum 6.

Cada rack integra 72 GPUs Rubin e 36 CPUs Vera em um único sistema lógico, capaz de entregar até 50 PFLOPS de computação NVFP4 para inferência em inteligência artificial. Essa capacidade é cerca de cinco vezes superior à oferta anterior da Blackwell em tarefas similares. O sistema é projetado para reduzir significativamente os custos de inferência em comparação com implementações anteriores.

Entre as inovações está a forma como a Nvidia lida com o contexto dos modelos, utilizando BlueField 4 DPUs para criar uma camada de memória compartilhada, permitindo o acesso a dados importantes em toda a instalação. Isso é crucial à medida que os modelos se tornam cada vez mais complexos.

Esses sistemas integrados refletem como os maiores clientes da Nvidia têm adquirido hardware, focando em blocos padronizados ao invés de placas individuais. Ao oferecer esses blocos como produtos completos, a Nvidia reduz o tempo de implantação e o trabalho de ajuste necessário por parte dos clientes.

Sem Novas Placas GeForce

A falta de um anúncio de novas placas GeForce agora pode ser mais facilmente compreendida. A linha de GPUs da série 50 ainda é relativamente nova e continua a ter preços que ultrapassam os 3.500 dólares por unidade. Uma atualização interina acarretaria custos mais altos, especialmente em um momento em que os preços de memória estão nas alturas e a oferta no mercado é restrita. A empresa também tem confiado mais em atualizações de software, como o DLSS e outras técnicas de renderização assistidas por IA, para prolongar a vida útil das GPUs existentes.

Do ponto de vista comercial, as GPUs para consumidores representam uma fatia menor da receita da Nvidia do que há dois anos, sendo que produtos voltados para data centers e IA são responsáveis pela maior parte do crescimento. Os clientes desses setores buscam melhorias em sistema e não apenas em desempenho gráfico.

Durante sua apresentação no CES, Lisa Su disse a maior verdade sobre a atual era: “Nunca houve uma tecnologia como a IA”. O CES, antes vitrine de novos hardwares para PCs, se transformou em um palco para anúncios sobre inteligência artificial. Isso não significa que a Nvidia ou a AMD estão abandonando os jogos ou os gráficos profissionais; na verdade, indica um intervalo maior entre as grandes arquiteturas de GPU. A próxima geração da GeForce provavelmente incorporará ensinamentos tirados da Vera Rubin, especialmente em relação à hierarquia de memória e à eficiência das interconexões.

Acreditando no CUDA

A estratégia centrada em sistemas da Nvidia inevitavelmente provoca comparações com outras empresas que seguem abordagens semelhantes. A AMD está integrando seus aceleradores Instinct com CPUs EPYC em designs de servidor acoplados, enquanto a Intel tenta unificar CPUs, GPUs e aceleradores sob um modelo de programação comum. A Apple, por sua vez, levou a integração vertical ainda mais longe em dispositivos de consumo, projetando CPUs, GPUs e motores neurais como um único sistema em um chip.

No entanto, o que distingue a Nvidia é a profundidade de sua pilha de software. CUDA, TensorRT e os frameworks de IA da empresa permanecem fortemente enraizados em ambientes de pesquisa e produção. Ao expandir essa pilha onde for possível, a Nvidia aumenta os custos de mudança para os clientes que poderiam considerar silício alternativo. Existem riscos nessa abordagem, e clientes de grande porte estão explorando cada vez mais aceleradores internos para reduzir a dependência de um único fornecedor, além de questões de fabricação ou design que podem complicar sistemas de rack integrados. Assim, a capacidade da Nvidia de entregar a Vera Rubin dentro do prazo será tão importante quanto os índices de desempenho apresentados no CES.

Por fim, a decisão de usar o CES 2026 para destacar a Vera Rubin, em vez de um novo modelo de GPU, demonstra a visão da Nvidia para o futuro. A próxima fase da computação será definida não apenas por chips isolados, mas por quão eficaz esses chips são integrados em sistemas escaláveis. A companhia, portanto, está se alinhando aonde está a demanda e o investimento, mesmo que isso signifique dar menos ênfase ao hardware que define sua história.