13 de novembro de 2026 · Jakub M.

Nvidia sem Jensen Huang: o que significa para a IA local e o preço do hardware

O fundador da Nvidia, Jensen Huang, deixou a liderança da empresa. Mas para quem corre inteligência artificial no seu próprio hardware, há algo mais importante: placas gráficas e estações de IA estão a ficar mais caras sobretudo devido à escassez de memória, não à mudança na liderança.

O que aconteceu

No domingo, 8 de novembro, o conselho de administração da Nvidia anunciou uma investigação independente ao seu presidente executivo. Numa mensagem interna aos funcionários, Jensen Huang admitiu uma relação extraconjugal. Segundo meios de comunicação norte-americanos, o caso envolve também a sua relação com uma executiva da Megaspeed, uma empresa sediada em Singapura. Segundo essas notícias, as autoridades norte-americanas suspeitam que esta executiva tenha ligações aos serviços de informações chineses; a China rejeita as acusações. A Megaspeed era um dos grandes clientes estrangeiros da Nvidia e comprou-lhe chips e outro hardware no valor de quase 5 mil milhões de dólares.

O conselho aceitou a demissão de Huang a 11 de novembro, com efeito imediato, e a empresa anunciou-a no dia seguinte. A diretora financeira, Colette Kress, lidera interinamente a Nvidia, Harvey C. Jones tornou-se presidente do conselho e procura-se um sucessor permanente. As ações da Nvidia perderam cerca de 17% em cinco dias e estão no nível mais baixo em mais de um ano.

O que não muda para já

A saída do presidente executivo não muda nada no funcionamento das placas gráficas atuais, dos controladores nem das ferramentas de software, incluindo o CUDA. Quem hoje corre modelos de IA em hardware da Nvidia não precisa de mudar nada de imediato.

Os analistas concordam que o negócio também não muda a curto prazo. Segundo Cody Acree, da StoneX, o roteiro de produtos da Nvidia está definido até à geração Feynman, em 2028, e até lá não vê impacto nas receitas. A Raymond James considera exagerada a reação do mercado. A Goldman Sachs espera que a Nvidia cumpra os compromissos existentes, mas considera que sem Huang será mais difícil negociar novas grandes parcerias. Segundo a Digitimes, os fabricantes de servidores de Taiwan contam com uma procura estável a curto prazo.

A saída de Jensen Huang é a maior mudança na liderança da Nvidia em mais de três décadas. Para quem escolhe hardware para correr os seus próprios modelos de IA, porém, surge num momento em que o mercado já é difícil por si só. Os preços da memória sobem, as placas gráficas potentes são difíceis de encontrar e cada vez mais utilizadores procuram alternativas às configurações clássicas com GPU.

A causa principal: a memória

O atual encarecimento do hardware para IA local deve-se sobretudo à escassez de chips de memória. Segundo o Wall Street Journal, os centros de dados de IA vão consumir este ano cerca de 70% da produção de DRAM de alto desempenho. A memória subiu cerca de 50% já no final de 2025, e os analistas da TrendForce previam para este ano nova subida de cerca de 70%. Os fabricantes já vendem capacidade para 2027 e 2028 e não esperam alívio visível antes de 2028. Outros fatores, como a procura e a política de preços dos fabricantes, também pesam nos preços finais.

Para a IA local, a memória é fundamental. A sua capacidade determina o tamanho do modelo que cabe no computador, e a sua largura de banda a rapidez com que responde.

Quanto custa hoje o hardware para IA local

A memória gráfica de uma placa é muito mais rápida, mas pequena: um modelo que não cabe tem de ser dividido ou fica muito mais lento. A memória partilhada e a unificada são mais lentas, mas comportam modelos muito maiores. Por isso os dois valores não são diretamente comparáveis.

As placas gráficas foram especialmente afetadas. A RTX 5090 desapareceu das grandes lojas dos EUA logo em janeiro. Segundo a GPU Poet, em novembro vendia-se em mercados online por cerca de 6000 dólares, aproximadamente o triplo do preço recomendado. Segundo fontes chinesas, os fabricantes de placas voltam a subir preços em novembro, quase 500 dólares nas RTX 5090 e 5080.

As estações de IA compactas com memória partilhada são o caminho mais acessível para modelos grandes, mas também estão a encarecer. A DGX Spark da Nvidia com 128 GB subiu 75% desde o lançamento. A AMD vende o seu próprio computador Ryzen AI Halo com 128 GB a partir de 3999 dólares. Na primavera, a Apple indicava prazos de entrega de até quatro a cinco meses para os Mac Studio com mais memória.

O que mostrou o nosso próprio teste

Verificámos nós próprios até onde se pode ir com memória partilhada. Um Mac Studio M5 Ultra com 256 GB de memória unificada correu a versão de 4 bits do Qwen3.5, com 397 mil milhões de parâmetros. Ocupou cerca de 224 GB de memória e gerou cerca de 62 tokens por segundo, sem qualquer alteração às definições do macOS. Com um contexto de 128 mil tokens, a velocidade desceu para 44 tokens por segundo. Um modelo assim nem de perto caberia numa única placa gráfica. Os detalhes estão no nosso teste do Qwen3.5 397B.

O que pode mudar nos próximos anos

A saída de Huang acrescenta incerteza sobretudo a longo prazo. Muito depende de quem vai liderar a Nvidia: um engenheiro manteria provavelmente o rumo atual, um gestor externo poderia pressionar mais os resultados de curto prazo. O caso Megaspeed levantou ainda a questão de saber se chips da Nvidia chegam à China através de outros países. Controlos de exportação mais rigorosos afetariam sobretudo os grandes clientes e, para já, não dizem respeito aos utilizadores domésticos. Entretanto, a AMD e a Apple reforçam o suporte a ferramentas de IA local, e cada deslize da Nvidia abre-lhes uma oportunidade.

O primeiro grande teste chega a 17 de novembro, quando a Nvidia divulgar os resultados trimestrais. As atenções estarão nas encomendas e no que a empresa disser sobre o abastecimento.

O que significa para a IA local

Não há motivo para pânico. O hardware que tem continua a funcionar e os novos produtos da Nvidia mantêm-se no roteiro. Comprar sob pressão, porém, não compensa: uma RTX 5090 custa hoje cerca do triplo do preço recomendado, e a escassez de memória não vai desaparecer tão cedo.

Também compensa não apostar tudo numa só plataforma. O llama.cpp corre em placas Nvidia e AMD, em Apple Silicon e apenas no processador. O MLX nasceu para Apple Silicon, mas já suporta também CUDA. O vLLM precisa de um backend diferente para cada plataforma. Mudar de plataforma não é gratuito, mas é possível.

Experimente antes de comprar

Com hardware que custa milhares de euros, vale a pena verificar primeiro se o seu modelo e a sua carga de trabalho correm suficientemente depressa. Pode alugar connosco, a partir de um dia, o Mac Studio M5 Ultra com 256 GB em que fizemos o teste.

Fontes: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Preços a 13 de novembro de 2026.

Pedir aluguer Desempenho

← Todos os artigos