Preços de GPUs: uma batalha sem árbitro

Autor do texto original: David Lopez Mateos

Compilação do texto original: Deep Tide TechFlow

Introdução: Os media gostam de usar um único número para resumir as subidas e descidas do preço da capacidade de GPU, mas a realidade é: no terminal Bloomberg, as quatro entidades que fornecem índices disponibilizam cotações que divergem entre si em mais de 2 dólares, e não só quanto à direção como também ao ritmo. O autor deste artigo é David Lopez Mateos, fundador da plataforma de negociação de capacidade de GPU Compute Desk. Ele desmonta a estrutura real de preços do H100 e do B200 com base em dados de transações, revelando um mercado bruto — sem um benchmark de consenso, sem contratos padrão e sem uma curva a prazo — em que a capacidade está a ser acumulada e subarrendada como se fosse um apartamento de aluguer de curta duração.

Os títulos mediáticos farão com que pareça que o preço da capacidade de GPU está a disparar. Essa narrativa é confortável: encaixa na perfeição no enquadramento macro de «oferta em aperto + procura de IA sem fundo», e ainda sugere uma coisa tranquilizadora: temos um mercado a funcionar bem, com sinais de preço claros e legíveis.

Mas não temos. Esta narrativa assenta quase inteiramente num único índice, e aquilo que ela faz insinuar não deveria ser insinuado: o mercado de aluguer de GPUs já é eficiente o suficiente para que um único número represente o estado global.

A escassez de oferta é real, mas a escassez sentida por diferentes pessoas é totalmente diferente — depende de quem és, de onde estás, do contrato com que estás a negociar e do tipo de ativo de capacidade. Perante esta falta de transparência, a resposta natural do mercado não é uma descoberta de preços ordenada, mas sim a acumulação: fixar as horas de GPU que talvez ainda não se precisa, porque não se tem a certeza de que no próximo mês elas continuarão disponíveis a qualquer preço. Onde há acumulação e sem um benchmark transparente, surgirá um mercado secundário fragmentado. Na Compute Desk, já ajudámos inquilinos a subarrendar os seus clusters como se fosse um apartamento durante um grande evento desportivo. Isto não é uma hipótese — está a acontecer.

Os índices não convergem

Nos mercados maduros de mercadorias à escala grossista, os índices construídos com base em metodologias diferentes tendem a convergir. Petróleo Brent e WTI têm alguns dólares de diferença porque a localização geográfica e a qualidade do petróleo são diferentes, mas em termos de movimento acompanham-se (Fig. 1). Esta convergência é um sinal de mercado eficiente.

Legenda: Comparação da evolução de preços do Brent e do WTI, com alta consistência direcional

Agora, no terminal Bloomberg, existem três fornecedores de índices de preços de GPU: Silicon Data, Ornn AI e Compute Desk. A SemiAnalysis acaba de divulgar o quarto — um índice mensal de preços de contratos de um ano para H100, construído com base em dados de inquéritos a mais de 100 participantes de mercado. O que a Silicon Data e a Ornn publicam são índices diários de aluguer de H100; a Compute Desk agrega dados ao nível da arquitetura Hopper; a SemiAnalysis capta os preços dos contratos pós-negociação, e não os preços de balcão ou os preços recolhidos via scraping. Metodologias diferentes, frequências diferentes, ângulos distintos de leitura da mesma realidade de mercado. Ao sobrepô-los, a divergência fica evidente (Fig. 2).

Legenda: Sobreposição dos quatro índices de GPU; níveis de preço e tendências claramente divergentes

Onde é que a subida de preço acontece mesmo

Com os dados da Compute Desk, podemos decompor a variação de preço do H100 por tipo de fornecedor e por estrutura de contrato, e sobrepor-lhe o índice SDH100RT da Silicon Data (Fig. 3). Todos os indicadores mostram que o preço está a subir, mas o ponto de partida e a amplitude são drasticamente diferentes conforme o índice e o tipo de contrato.

Legenda: Evolução do preço do H100, desagregado por tipo de contrato, sobreposta ao índice SDH100RT

Os dados de H100 new cloud (neocloud) da Compute Desk contam uma história mais concreta do que um índice agregado. O preço sob demanda mantém-se relativamente estável ao longo de todo o inverno — cerca de 3,00 dólares por hora — e depois dispara de forma acentuada em março para 3,50 dólares. Os preços spot são mais barulhentos e mais baixos, mas só a partir de março é que existe uma tendência ligeiramente ascendente. O SDH100RT da Silicon Data apresenta uma subida mais suave e gradual: no mesmo período, passa de 2,00 dólares para 2,64 dólares. Estes dois índices permanecem continuamente em níveis de preço diferentes, e descrevem o ritmo ao longo do tempo de forma distinta: a Compute Desk fala de um salto em março; a Silicon Data fala de uma subida lenta.

O preço reservado a um ano mantém-se praticamente alinhado antes de fevereiro e, no fim de março, salta de 1,90 dólares para 2,64 dólares — não é um ajustamento gradual “a perseguir”, mas sim uma nova precificação súbita. Isto parece mais um ajuste concentrado de taxas de contrato por parte dos fornecedores depois de um aperto no mercado sob demanda, e não uma procura estrutural contínua como motor.

A história de março do B200 é ainda mais intensa (Fig. 4). O índice sob demanda da Compute Desk dispara em poucas semanas de 5,70 dólares para acima de 8,00 dólares. O SDB200RT da Silicon Data sobe de 4,40 dólares para 6,11 dólares e depois recua para 5,47 dólares. Os dois índices registam esta subida, mas o ponto de partida difere em mais de 2 dólares, e a forma da alta e da queda é também diferente. Para o B200 há menos de cinco meses de dados, menos fornecedores e uma diferença de preço maior; os dois índices estão a observar o mesmo evento através de lentes muito diferentes.

Legenda: Evolução dos preços sob demanda e reservados do B200; sobreposição de dados da Compute Desk e da Silicon Data

Problema de infraestruturas, não apenas diferenças geográficas

Os mercados de mercadorias grossistas têm um basis differential (diferença de base). O gás natural dos Apalaches é um caso de manual: enormes reservas assentam sobre uma capacidade de oleodutos estruturalmente limitada; a utilização do corredor Pensilvânia–Ohio frequentemente ultrapassa 100% e projetos novos como a Borealis Pipeline só entram em funcionamento no final dos anos 2020.

O mercado de GPUs tem algo semelhante: um H100 em Virgínia e um H100 em Frankfurt não são a mesma mercadoria económica. Mas só com diferenças geográficas não se explica por que razão a divergência entre índices que medem o mesmo mercado é tão grande. O desalinhamento no mercado de GPUs é mais profundo do que o problema do gás natural nos Apalaches. No gás, o problema é uma única peça em falta: a capacidade de ligação entre a oferta e a procura — capacidade de oleodutos. No mercado de capacidade de computação, o défice de infraestruturas está nos dois lados: na oferta e na procura. As infraestruturas físicas — uma rede consistente necessária para distribuir capacidade de forma fiável, configurações previsíveis, disponibilidade previsível — não estão maduras e, por vezes, simplesmente não funcionam. As infraestruturas financeiras — embora existam diferenças físicas, contratos padronizados que comprimem a diferença de preços, benchmarks transparentes e mecanismos de arbitragem — também ainda não existem.

Os dados contaram uma história. A experiência real de quem tenta adquirir capacidade de computação no início de 2026 contou uma história ainda mais incisiva. Toda a capacidade sob demanda de todos os tipos de GPU está, na prática, esgotada. Conseguir 64 H100 é um desafio: a Compute Desk mostra que 90% do volume de capacidade disponível sob demanda em clusters de fornecedores é zero, e o mercado reservado não é muito melhor. Num mercado a funcionar bem, este nível de escassez já teria empurrado o preço para um novo ponto de equilíbrio. Mas não há. Isto indica que os próprios fornecedores também não têm informação de precificação em tempo real para ajustar. O preço está a subir, mas sobe demasiado devagar para limpar o mercado. O hiato entre os preços de balcão e a verdadeira disposição para pagar está a ser preenchido por uma acumulação, por subarrendamentos e por transações no mercado secundário informal.

O que é preciso mudar

O mercado atual de capacidade de GPU tem sete problemas centrais:

Não existe um benchmark de consenso. Há múltiplos índices em simultâneo, com metodologias diferentes, cujas conclusões contradizem-se.

A narrativa de agregação esconde a estrutura. Um número de «preço do H100» dissimula as grandes diferenças entre tipo de fornecedor e prazos de contrato.

Falta de dados ao nível das transações. Num mercado bilateral, a diferença entre o preço de balcão e o preço efetivamente negociado é muito grande.

Falta de padronização de contratos. A maioria dos alugueres de GPUs é feita por negociação bilateral, com termos diferentes. Prazos de contrato mais curtos e mais standardizados podem melhorar a liquidez e a descoberta de preços.

A qualidade de entrega não está assegurada. As diferenças são enormes em topologias de interligação, emparelhamento com CPU, stack de rede e tempo de execução. Antes de assumirem compromissos, os compradores precisam de saber que qualidade tem a capacidade que estão a adquirir.

Os contratos não têm liquidez. Se a procura mudar durante o período reservado, as opções são muito limitadas: ou absorver os custos, ou subarrendar informalmente. O mercado precisa de permitir a transferência ou revenda de infraestrutura de capacidade já comprometida, para que a capacidade flua para quem mais precisa dela.

Não existe curva a prazo. Sem uma precificação a prazo, não se consegue fazer cobertura (hedging). É por isso que os credores aplicam um desconto de 40%-50% a garantias em GPU, mantendo o custo de financiamento muito elevado.

Construir um mercado a funcionar normalmente para a commodity grossista mais importante deste século não é possível avançar apenas com uma linha. Medição, padronização, estruturas contratuais, qualidade de entrega, liquidez — tudo tem de avançar em simultâneo; até lá, ninguém consegue verdadeiramente dizer quanto vale uma hora de GPU.