Os principais hiperscaladores de nuvem – principalmente Amazon, Google e Microsoft – estão atualmente envolvidos numa corrida armamentista de infraestrutura em uma escala sem precedentes.
Impulsionada quase inteiramente pela adoção e expansão explosivas da inteligência synthetic, esta mudança massiva está a alterar fundamentalmente a alocação de capital e a presença geográfica dos centros de dados globais. euVamos dar uma olhada nos investimentos relacionados à IA, projetos notáveis, GPUs como serviço e por que os hiperescaladores alugam de neoclouds.
Esta análise é alimentada por dados proprietários que você só pode obter no website da TeleGeography Serviço de pesquisa em nuvem e WAN.
Investimentos em IA hiperescala
As projecções da indústria indicam um aumento gigantesco no investimento, com o complete de despesas de capital em hiperescala (CapEx) a atingir uns espantosos 600 a 700 mil milhões de dólares em 2026. Isto representa um aumento de 40% a 50% em relação aos níveis de investimento de 2025.
Crucialmente, a natureza destas despesas mudou. Os analistas financeiros estimam que cerca de 75% deste CapEx complete está a ser direcionado especificamente para a infraestrutura de IA, ultrapassando fortemente os investimentos na arquitetura tradicional de computação em nuvem.
Enquanto os gigantes da tecnologia estão ativamente modernizando os information facilities em nuvem existentes para acomodar o crescimento básico da IA, a grande maioria dos investimentos pesados está sendo direcionada para novos e gigantescos information facilities de IA “greenfield”. Instalações construídas especificamente são amplamente necessárias porque as cargas de trabalho de IA exigem densidades de energia significativamente mais altas, resfriamento líquido especializado e arquitetura reforçada para clusters de GPU pesados.
Alguns dos maiores projetos incluem:
- Amazon (AWS): Projeto Rainier (Indiana), Louisiana, Mississippi
- Google: Columbus (OH), Omaha (NE), Texas, Oklahoma, Visakhapatnam (Índia)
- Microsoft: Fairwater Campus (Mount Nice, WI), Atlanta (GA), Narvik (Noruega), Loughton (Reino Unido)
Projeto Stargate
Outra iniciativa de IA altamente divulgada é o Projeto Stargate. Apoiada por um enorme investimento de 500 mil milhões de dólares, esta three way partnership entre OpenAI, SoftBank, Oracle e MGX (uma empresa de investimento de Abu Dhabi) visa construir uma rede de centros de dados especificamente concebidos para treinar e operar modelos avançados de IA. A Oracle está liderando o principal campus Stargate em Abilene, Texas, enquanto a OpenAI e seus parceiros estão desenvolvendo um segundo native em Port Washington, Wisconsin – cerca de uma hora ao norte do campus Fairwater da Microsoft.
Esse acordo muitas vezes levanta algumas questões: a Microsoft OpenAI não é o principal parceiro da Microsoft e a OpenAI não é executada na nuvem da Microsoft? Se sim, por que a Oracle está liderando a construção do Stargate em vez da Microsoft, e por que a Amazon está envolvida no recente financiamento da OpenAI?
Embora rumores em 2024 sugerissem que a Microsoft construiria exclusivamente information facilities da OpenAI, a Oracle acabou substituindo-os como o principal construtor de infraestrutura para a iniciativa Stargate. Apesar desta mudança na construção física, o Microsoft Azure continua a ser o fornecedor de nuvem exclusivo para os produtos originais da OpenAI e as suas “APIs sem estado” (a tecnologia subjacente que os desenvolvedores usam para aceder aos modelos).
Computação como serviço de IA e GPU
Vamos fornecer um pouco mais de detalhes sobre essa corrida armamentista. A década de 2020 testemunhou um aumento de interesse na IA, espelhando o hype inicial e a ascensão da computação em nuvem na década de 2000. Assim como a computação em nuvem revolucionou a forma como as empresas armazenam, acessam e processam dados, a IA está sendo comercializada por seu potencial de transformar indústrias, automatizando tarefas, melhorando a tomada de decisões e melhorando a exatidão e precisão geral.
No centro desta revolução estão as GPUs (Unidades de Processamento Gráfico). Originalmente projetadas para renderizar gráficos, as GPUs se tornaram a base da computação moderna de IA. Eles são uma parte essencial de um “cluster” de IA, atuando como aceleradores de servidor que processam vários cálculos simultaneamente – geralmente uma ou duas ordens de magnitude mais rápido do que uma CPU média. Este poder de processamento é crítico durante a fase de treinamento do modelo de IA.
Neonuvens
Embora os serviços de GPU não sejam novidade – AWS e Microsoft oferecem serviços de computação de GPU há quase uma década, com a adesão do Google um pouco mais tarde – o cenário está mudando. Hoje, todos os principais provedores de serviços em nuvem (CSPs), incluindo Oracle, IBM, Alibaba e OVH, oferecem computação GPU. No entanto, surgiu uma nova onda de provedores de nuvem especializados, oferecendo GPUs como serviço (GPUaaS). Essas “neonuvens” concedem a qualquer pessoa acesso ao {hardware} necessário para treinar seus próprios modelos ou executar inferências.
Surpreendentemente, alguns dos maiores clientes desses provedores de GPUaaS são os próprios hiperescaladores, especificamente a Microsoft e o Google.
Regiões de nuvem do provedor GPUaaS
Observação: os dados incluem 18 principais provedores de nuvem focados em GPUaaS, como CoreWeave, Nebius e Nscale. Esta não é uma lista exaustiva de fornecedores especializados de GPUaaS. Dados do primeiro trimestre de 2026.
Por que titãs de trilhões de dólares arrendam das neonuvens
Pode parecer completamente contra-intuitivo que os gigantes da tecnologia precisem alugar computação de fornecedores muito menores, como CoreWeave ou Lambda. No entanto, o increase generativo da IA criou gargalos físicos e na cadeia de suprimentos que nem mesmo os hiperescaladores poderiam resolver sozinhos. Para acompanhar a demanda insaciável, a Microsoft e o Google adotaram uma estratégia simbiótica, contando com fornecedores de GPUaaS por diversas razões estratégicas, técnicas e econômicas:
Velocidade de implantação e gargalos de energia
Construir um enorme information heart tradicional em hiperescala a partir do zero leva de dois a quatro anos, e garantir os enormes contratos de energia e o acesso à rede necessários para a IA é incrivelmente difícil. Muitos provedores de GPUaaS contornam isso adaptando instalações originalmente construídas para aplicações de alta densidade, como mineração de criptomoedas. Esses locais já possuem as duas coisas que a IA mais precisa: enorme capacidade de energia (muitas vezes centenas de megawatts) e gerenciamento térmico avançado. Como as neonuvens se concentram exclusivamente em IA, elas podem implantar um cluster de 80.000 GPUs em semanas – um ritmo que os hiperescaladores não conseguem igualar com sua infraestrutura legada.
Arquitetura de IA desenvolvida especificamente versus sobrecarga legada
As nuvens de hiperescala são criadas para fazer tudo, desde hospedar aplicativos net simples até executar bancos de dados corporativos massivos. Conseqüentemente, sua infraestrutura depende fortemente da virtualização e de protocolos de rede complexos, o que acrescenta uma “imposta” sobre o desempenho. O treinamento de grandes modelos de linguagem (LLMs) requer desempenho bare-metal, interconexões hiper-rápidas (como InfiniBand) e latência mínima. Os provedores de GPUaaS constroem sua topologia de rede e arquiteturas de armazenamento estritamente para IA, gerando maior utilização de {hardware} em comparação com as arquiteturas generalizadas do Azure ou do Google Cloud Platform (GCP).
Defesa estratégica e retenção de clientes
A Microsoft e o Google têm compromissos enormes com parceiros importantes de IA, como OpenAI e Anthropic. Quando o Azure não conseguiu aumentar a capacidade da GPU com rapidez suficiente para atender às crescentes necessidades da OpenAI de ChatGPT e GPT-4, a Microsoft alugou imensa capacidade do CoreWeave e do Lambda Labs para preencher a lacuna. Da mesma forma, o Google fez parceria com a CoreWeave para cargas de trabalho multinuvem da OpenAI. Ao alugar de neoclouds, os hiperescaladores podem colocar essa computação em marca branca ou passá-la perfeitamente aos clientes, garantindo que seus maiores clientes não migrem para uma nuvem rival devido a limites de capacidade.
Redução de risco financeiro (descarregamento de CapEx)
O {hardware} de IA evolui a uma velocidade vertiginosa; a GPU atual de US$ 30.000 pode ser fortemente depreciada em apenas alguns anos. Ao alugar capacidade, os hiperscaladores transferem bilhões de dólares de despesas de capital (CapEx) para despesas operacionais (OpEx). Se a procura de IA arrefecer subitamente, as neonuvens especializadas – e não a Microsoft ou a Google – ficariam com {hardware} depreciado nos seus balanços.
A estratégia de alocação da NVIDIA
A NVIDIA detém as chaves para a revolução do {hardware} de IA. Para evitar que as “3 Grandes” (AWS, Azure, GCP) monopolizem o mercado – e para se proteger contra esses hiperscaladores que desenvolvem silício personalizado concorrente (como TPUs do Google e Maia da Microsoft) – a NVIDIA diversifica ativamente sua base de clientes. A NVIDIA investe estrategicamente e aloca seus chips mais avançados (como o H100, H200 e GB200) para neoclouds como CoreWeave. Se a Microsoft e o Google quiserem acesso rápido a esse silício tão procurado, eles serão forçados a fechar acordos de leasing multibilionários com os fornecedores favorecidos pela NVIDIA.
Mapa de implantação do provedor GPUaaS
Observação: os dados incluem 18 principais provedores de nuvem focados em GPUaaS, como CoreWeave, Lambda e Nebius. Esta não é uma lista exaustiva de fornecedores especializados de GPUaaS. Dados do primeiro trimestre de 2026.
Em termos de investimento e infraestrutura, a CoreWeave está claramente liderando o grupo, tendo arrecadado mais de US$ 13 bilhões em financiamento nos últimos dois anos. É relatado que grande parte do financiamento vai para a expansão da área de cobertura do information heart. Em um ano, a empresa quase triplicou de tamanho em termos de regiões. CoreWeave tem atualmente 41 regiões em serviço e mais uma planejada para 2026. As regiões estão localizadas nos EUA (35) e na Europa (6).
A Lambda arrecadou US$ 2 bilhões em financiamento e opera em 16 regiões. Lambda é um pouco mais diversificado geograficamente do que CoreWeave, com regiões no Japão (2), Alemanha (1), Índia (1), Israel (1), bem como nos EUA (11). Nebius e Crusoe também são notáveis, cada um com cerca de US$ 1 bilhão em financiamento e 6 e 5 regiões em serviço, respectivamente. Fluidstack está na casa dos milhões em termos de financiamento, com 6 regiões planejadas.
Regiões de nuvem do provedor de GPUaaS por empresa e país
.png?width=700&height=355&name=Copyright_TeleGeography_cwi_re_csp_gpu_global%20(1).png)
Nota: Dados do primeiro trimestre de 2026
Obtenha mais inteligência de mercado de IA
Há ainda mais dados e análises de mercado de IA disponíveis no TeleGeography’s Serviço de pesquisa em nuvem e WANque fornece dados, análises e previsões sobre conectividade internacional em nuvem e serviços WAN, além do tamanho do mercado international de WAN.
