Ascensão das Neoclouds pode remodelar o cenário da IA corporativa

A ascensão das neoclouds, como CoreWeave, Lambda e Nebius, marca uma guinada estratégica na infraestrutura de IA corporativa. Estes provedores se destacam por oferecerem infraestrutura de GPU otimizada e com custos mais acessíveis, projetada especificamente para o treinamento e inferência de modelos de IA de larga escala. Diferente dos hyperscalers, que construíram suas plataformas para um cenário de milhões de pequenas máquinas virtuais, as neoclouds focam em arquiteturas de tenant único com milhares de GPUs conectadas, alimentadas por sistemas de arquivos paralelos como VAST e WEKA, essenciais para o alto desempenho em IA.

Apesar da otimização para IA e do custo significativamente menor (com economias de 60% a 70% comparadas a instâncias de GPU em hyperscalers), as neoclouds enfrentam desafios em termos de maturidade corporativa. Elas ainda não oferecem o mesmo nível de serviços gerenciados, integrações de ecossistema, certificações de segurança e governança robusta que os hyperscalers desenvolveram ao longo de anos. Esta lacuna leva muitas empresas a optar por provedores tradicionais, mesmo para cargas de trabalho de IA, priorizando a continuidade com a arquitetura existente e os controles empresariais estabelecidos.

Desde a nossa cobertura inicial em março de 2026, que destacou o surgimento das neoclouds como uma nova categoria de infraestrutura, o cenário competitivo evoluiu. Agora, o artigo revela que os próprios hyperscalers se tornaram os maiores clientes das neoclouds, como o caso da Microsoft representando parte significativa da receita da CoreWeave. Esta dinâmica complexa aponta para uma dependência mútua, onde os hyperscalers buscam reduzir riscos e custos de seus próprios balanços.

Além disso, a "corrida do silício na IA", matéria que abordamos em agosto de 2026, mostra que os hyperscalers estão desenvolvendo seus próprios chips personalizados (como AWS Trainium, Google Ironwood e Microsoft Maia). Essa estratégia representa um desafio crescente para as neoclouds, que são estruturalmente dependentes da NVIDIA. Enquanto as neoclouds entregam performance de GPU, os hyperscalers avançam na capacidade de oferecer soluções de IA ainda mais customizadas e, potencialmente, mais baratas a longo prazo.

Para CIOs e líderes de TI, a emergência das neoclouds força uma reavaliação estratégica da alocação de cargas de trabalho de IA. É crucial ponderar o custo-benefício de GPUs otimizadas versus a necessidade de segurança de nível empresarial, serviços gerenciados e integração com ecossistemas existentes. A decisão envolve equilibrar otimização de performance e custo com a complexidade operacional, os custos de egresso de dados, a gestão de identidade e segurança fragmentada.

Este cenário fragmentado sugere que uma arquitetura de IA híbrida é o caminho mais provável para a maioria das empresas. Conforme já discutimos em abril de 2026, as cargas de trabalho de IA se movem para modelos híbridos e de edge devido a latência, custo e conformidade. As neoclouds podem complementar os hyperscalers, tratando as demandas mais intensivas em GPU, enquanto os provedores tradicionais continuam a hospedar a maior parte dos dados e cargas de trabalho reguladas.