AWS: o que se sabe sobre a alta nos preços de IA em nuvem e os rumores de redução de custos

A AWS aumentou os preços dos EC2 Capacity Blocks for ML duas vezes em 2026: +15% em janeiro e +20% previsto para 1º de julho de 2026. Esses blocos permitem reservar antecipadamente GPUs Nvidia de última geração, como P6-B300 (US$14,04/h), P5e (US$5,97/h) e outras séries P5/P4de, garantindo disponibilidade para treinamento pesado ou fine-tuning de modelos. A justificativa oficial é 'atualização periódica baseada em oferta e demanda', mas a pressão real vem de gargalos físicos: a produção global de HBM (high-bandwidth memory) está esgotada até 2026 e pode se estender até 2030, limitando diretamente quantas GPUs avançadas podem ser fabricadas e implantadas nos data centers.

Isso não é só um problema da AWS. Apple, Xbox e até Elon Musk citaram aumentos sem precedentes em chips de memória como fator-chave para repassar custos. Analistas como Peter Berezin (BCA Research) destacam que a escassez de HBM dá poder de precificação aos hyperscalers, AWS, Microsoft, Google e Oracle, porque clientes com workloads críticos de IA têm poucas alternativas quando a capacidade de GPU está apertada. Rumores de redução de preços de IA em nuvem são infundados: não há sinal de reversão nessa tendência no curto prazo.

O aumento nos Capacity Blocks não é um ajuste isolado, é um indicador de que a infraestrutura de IA está atingindo limites físicos, não apenas de software. Enquanto otimizações de modelo e inferência mais eficientes continuam a reduzir o custo por requisição, o investimento total em capacidade computacional segue subindo porque a demanda por treinamento e fine-tuning de modelos maiores cresce mais rápido do que a oferta de hardware. Isso impacta diretamente o orçamento de startups, equipes de pesquisa e empresas que dependem de capacidade reservada para garantir SLAs, ciclos de entrega e conformidade com cronogramas de lançamento.

Ou seja: não é só sobre 'quanto custa uma hora de GPU'. É sobre previsibilidade operacional. Quando a reserva de capacidade fica mais cara e menos disponível, o risco de interrupção de treinos, atrasos em experimentos e dependência de estratégias alternativas (como Spot Instances ou migração para chips próprios) aumenta, e isso tem custo oculto em tempo, qualidade de dados e time-to-market.

Desenvolvedores e engenheiros de ML precisam repensar estratégias de provisionamento. Capacidade reservada (Capacity Blocks) agora é mais cara e menos acessível, então vale priorizar opções com melhor custo-benefício para cada workload: Trainium2 (US$4,80/h) oferece até 50% de economia em treinamento versus H100; Elastic Inference reduz custos de inferência em até 75%; e Graviton3 corta até 50% nos custos de inferência em certos cenários no SageMaker. O recurso 'Scale Down to Zero' também evita cobrança em endpoints ociosos, útil para APIs de POC ou ambientes de teste.

Além disso, táticas de FinOps ganham urgência prática: Savings Plans ainda entregam 30, 72% de desconto em workloads estáveis; Spot Instances mantêm até 90% de desconto para treinos tolerantes a falhas; e redimensionar instâncias antes de reservar pode gerar 15, 30% de economia imediata. O foco deixou de ser só 'escolher a GPU certa' para 'escolher a combinação certa de hardware, modo de compra e automação de ciclo de vida'.