Tecnologias da NVIDIA equipam mais de 400 dos supercomputadores mais rápidos do mundo

O ranking TOP500 de junho de 2026, divulgado em 23 de junho em Hamburgo durante a conferência ISC High Performance, confirma que 407 supercomputadores, 81% dos 500 mais rápidos do mundo, usam tecnologias NVIDIA. Isso representa um salto de 17 sistemas em relação à lista anterior. A dominância não é só em desempenho: 90% dos novos entrantes no TOP500 são baseados em NVIDIA, e oito dos dez primeiros da Green500 (lista de eficiência energética) são sistemas Grace Hopper, com o KAIROS liderando com 73,3 gigaflops por watt.

A NVIDIA agora cobre toda a pilha de hardware: GPUs (238 sistemas), rede (376 sistemas, majoritariamente Quantum InfiniBand), e CPU Grace (26 sistemas, com qu quase 2,5 milhões de unidades enviadas). O JUPITER (5º no TOP500) e o Alps (10º) usam Grace Hopper, enquanto o KAIROS, também Grace Hopper, está no topo da Green500. Em 22 de junho de 2026, a empresa anunciou a plataforma Vera Rubin, nova arquitetura integrada com CPUs Vera, GPUs Rubin, NVLink-C2C e ConnectX-9, projetada para cargas científicas intensivas como modelagem climática e química quântica. Um único rack pode entregar mais de 7 exaflops de IA e 5 petaflops FP64.

Esses números não refletem só hegemonia comercial: eles mostram uma mudança estrutural na infraestrutura computacional global. Supercomputadores deixaram de ser ferramentas exclusivas de simulação física e se tornaram plataformas unificadas para IA + ciência, exigindo memória compartilhada, baixa latência e eficiência energética. A presença massiva de Grace Hopper e a entrada da Vera Rubin confirmam que a aceleração não está mais limitada às GPUs: a CPU e a interconexão viraram alvos estratégicos. Isso impacta diretamente quem desenvolve modelos científicos, agentes de IA com capacidade de execução ou aplicações HPC com dependência de memória, porque o hardware define os limites práticos de escalabilidade e consumo.

Para desenvolvedores de HPC e IA, isso significa que frameworks como RAPIDS, cuDNN e o stack NVIDIA HPC SDK estão cada vez mais centrais, não só para treino, mas para simulações acopladas (ex.: fluidodinâmica + geração de texto científico). A adoção de Grace Hopper e Vera Rubin impõe novos padrões: otimização para memória unificada, suporte a NVLink-C2C em aplicações MPI+GPU, e dependência crescente de bibliotecas como UCX e NCCL para redes Quantum InfiniBand ou ConnectX-9. Projetos como Isambard-AI, que vai escalar de 168 para 5.280 Superchips Grace Hopper, já demonstram que a produtividade de pesquisa passa pela capacidade de portar código entre arquiteturas heterogêneas sem perder eficiência. Quem ignora essa pilha inteira, CPU, GPU, rede, software, fica fora da linha de frente das descobertas científicas e industriais mais relevantes.