Por que os data centers de IA não podem depender apenas de GPUs? Análise dos mecanismos de coordenação entre memória, rede e armazenamento.

Em junho de 2026, a Bitcoin oscila perto do patamar dos 60.000 dólares, enquanto o Ethereum se mantém na faixa dos 1.600 dólares, com o mercado de criptomoedas numa fase de consolidação. No entanto, outro setor — a infraestrutura de centros de dados de IA — apresenta um nível de entusiasmo completamente diferente. A Gartner prevê que as despesas globais de TI em 2026 atinjam os 6,31 biliões de dólares, um aumento de 13,5% face ao ano anterior, com os gastos em sistemas de centros de dados a liderar todas as categorias com um crescimento de 55,8%. A IDC estima que as despesas globais das empresas em IA atinjam os 940 mil milhões de dólares em 2026.

Nesta corrida armamentista computacional, está a ocorrer uma mudança cognitiva fundamental: a competitividade dos centros de dados de IA já não depende apenas da quantidade de GPUs e do pico de poder computacional, mas cada vez mais da capacidade de coordenação global entre computação, armazenamento e rede dentro do cluster. Compreender como a Memória, a Rede e o Armazenamento trabalham em conjunto tornou-se uma competência básica para avaliar o valor do investimento em infraestruturas de IA.

O Muro da Memória: O Primeiro Gargalo na Era dos Grandes Modelos

A escala de parâmetros dos grandes modelos de IA cresceu exponencialmente nos últimos dois anos. Entre 2024 e 2026, o número de parâmetros dos principais grandes modelos aumentou cem vezes, e a janela de contexto passou de dezenas de milhares de caracteres para milhões de caracteres. No entanto, o aumento anual da largura de banda da memória do servidor é inferior a 15%, muito aquém do ritmo de crescimento do negócio de IA. Este grave desfasamento nas taxas de iteração entre software e hardware torna o "muro da memória" o gargalo central que restringe a libertação do poder computacional da IA.

O chamado muro da memória é, essencialmente, o facto de o aumento da capacidade de computação da CPU/GPU superar largamente o aumento da largura de banda e a redução da latência da leitura/escrita da memória. Os chips de computação são extremamente rápidos, mas o acesso aos dados não acompanha, resultando em longos períodos de inatividade do processador à espera. De acordo com relatórios de testes do setor, em clusters com dezenas de milhares de GPUs, o gargalo de I/O de dados pode levar a que o tempo de espera ociosa das GPUs atinja mais de 40% — isto significa que quase metade do tempo, os caros chips de computação estão à espera do transporte de dados.

A escassez de recursos de memória é igualmente alarmante. O consumo de DRAM e HBM de um único servidor de inferência de IA é mais de dez vezes superior ao de um servidor tradicional de centro de dados, e quase 60% da capacidade global de produção de wafers de DRAM já está ocupada por clusters de IA. O HBM está há muito tempo em estado de escassez e encomendas bloqueadas, com a maior parte da produção já reservada por grandes clientes até 2026 ou mesmo 2027. A Gartner aponta que a forte procura, combinada com os constrangimentos na oferta, fez com que os preços do HBM atingissem máximos históricos, tornando a memória uma área de elevados lucros para os fabricantes de semicondutores.

Para quebrar o muro da memória, o setor está a avançar em duas frentes: primeiro, a nível de software, com otimizações de escalonamento e compressão refinadas, através de tecnologias como o escalonamento hierárquico da cache KV e a compressão de baixa bitagem para revitalizar os recursos de armazenamento existentes; segundo, a nível de hardware, com a reestruturação da arquitetura, incluindo a iteração do HBM e a implementação de novos protocolos de interconexão de memória como o CXL (Compute Express Link). A nova plataforma HGX Rubin da NVIDIA já triplicou a largura de banda da memória da GPU para 176 TB/s. Estas duas vias não são substitutas, mas sim soluções complementares para remodelar a lógica de colaboração entre armazenamento e computação em toda a cadeia industrial.

Rede: O "Sistema Nervoso" dos Clusters de IA

Se a memória resolve a eficiência do transporte de dados dentro de um único nó, a rede resolve o problema do fluxo de dados entre nós. Em clusters de IA de grande escala, centenas ou milhares de GPUs precisam de colaborar para completar o treino ou inferência de um modelo, e a eficiência da comunicação entre GPUs afeta diretamente a velocidade global do treino.

Atualmente, os gargalos de largura de banda são multi-nível: entre chips, as interconexões tradicionais em placas de PCB já não satisfazem as necessidades de alta largura de banda e baixa latência dos chips de IA; dentro dos racks, a largura de banda de interconexão entre servidores torna-se uma restrição para a expansão vertical; entre centros de dados, a largura de banda e a latência das transmissões de longa distância limitam a expansão horizontal e a eficiência do escalonamento computacional entre regiões. Estima-se que, nos atuais clusters de treino de IA, o consumo de energia do transporte de dados já ultrapassou o consumo de energia da própria computação.

O NVLink e o InfiniBand da NVIDIA têm dominado há muito o mercado de interconexão interna de clusters de IA. A sua mais recente largura de banda do NVLink Switch atingiu 28,8 TB/s, o dobro da geração anterior. No entanto, este cenário está a ser desafiado — fabricantes como a AMD e a Broadcom estão a promover as suas próprias soluções de interconexão, e standards abertos como o UALink (Ultra Accelerator Link) estão a tomar forma rapidamente. Em 2026, o setor de redes passou de "exclusividade NVIDIA" para "competição multi-standard", o que coloca requisitos mais elevados à capacidade de integração de sistemas dos operadores de centros de dados.

Armazenamento: De "Armazém" a "Pipeline de Dados"

Nos centros de dados tradicionais, o papel do armazenamento é o de um "armazém de dados" — principalmente para a conservação e arquivo de dados frios. No entanto, nos centros de dados de IA, o papel do armazenamento evoluiu para um "pipeline de dados" — precisa de fornecer dados de treino continuamente aos nós de computação a velocidades extremamente elevadas e, em cenários de inferência, suportar a leitura de parâmetros de modelo com baixa latência.

O treino de IA requer a leitura de grandes volumes de dados brutos a alta velocidade, enquanto a inferência necessita de acesso rápido aos pesos do modelo e à cache KV. A cache KV já começou a estender-se da HBM da GPU para a DRAM do sistema e, até mesmo, para SSDs de alta velocidade locais. Isto significa que a fronteira entre armazenamento e memória está a esbater-se, e os dispositivos de armazenamento já não são apenas o fim dos dados, mas sim nós críticos no pipeline de fluxo de dados.

O armazenamento totalmente flash está a substituir os discos rígidos tradicionais como a escolha principal nos centros de dados de IA. Os produtos de armazenamento totalmente flash e de rede de alta velocidade nativa apresentados pela Dawning Information Industry na ISC High Performance 2026 são uma nota de rodapé desta tendência. O desempenho do armazenamento determina diretamente se os dados podem ser entregues atempadamente às unidades de computação, determinando assim a taxa de utilização das GPUs.

Coordenação "Computação-Armazenamento-Rede": De Otimização Pontual a Otimização Sistémica

Compreendidos os papéis e gargalos de cada um, o significado de "coordenação" torna-se claro: o poder computacional real de um centro de dados de IA não é a simples soma do poder computacional da GPU, largura de banda da memória, débito da rede e IOPS de armazenamento, mas sim o output efetivo resultante do acoplamento dos quatro a nível sistémico.

O crescimento contínuo dos parâmetros dos grandes modelos está a gerar superclusters de IA, e a qualidade do poder computacional já não depende apenas do desempenho do chip, mas cada vez mais da capacidade e eficiência de coordenação global entre computação, armazenamento e rede dentro do cluster. Este entendimento está a tornar-se um consenso na indústria.

Do ponto de vista da prática industrial, o design de acoplamento apertado "computação-armazenamento-rede" tornou-se a abordagem padrão dos principais fabricantes. O supercluster scaleX AI da Dawning Information Industry adota um conceito de design de acoplamento apertado entre computação, armazenamento e rede, melhorando significativamente a eficiência do treino e inferência. O sistema operativo de inferência Dynamo 1.0 da NVIDIA, combinado com a plataforma BlueField-4 CMX, integra múltiplas camadas de meios, incluindo GPU, HBM, DRAM do anfitrião, flash local e armazenamento remoto, utilizando a deslocação automática de dados quentes/frios para quebrar as ilhas de memória de placas individuais.

Num relatório de junho de 2026, a IDC afirma claramente que a vantagem competitiva no campo da IA mudou: o segredo já não é ter o poder computacional mais forte, mas sim como converter a IA em capacidades empresariais sustentáveis ao menor custo por Token. E a composição central do custo por Token é precisamente a eficiência combinada de computação, memória, rede e armazenamento.

Cenário de Mercado: Quem Está a Beneficiar?

Esta tendência industrial já se refletiu plenamente nos mercados de capitais.

No lado da memória, a SK hynix é, sem dúvida, o destaque mais brilhante de 2026. Em 22 de junho de 2026, as ações da SK hynix dispararam 6%, atingindo um máximo histórico de 2.944.000 won sul-coreanos, ultrapassando a Samsung para se tornar a maior capitalização de mercado da bolsa sul-coreana, com uma valorização superior a 349% desde o início do ano. A Micron também apresentou um desempenho forte, com o relatório de resultados trimestrais da última semana de junho a mostrar uma receita mais do que quadruplicada em comparação com o ano anterior, e anunciou 16 acordos de fornecimento de longo prazo. As ações da Micron dispararam 16% no dia da divulgação dos resultados.

No lado das redes, as ações do fornecedor de produtos de fibra ótica Corning atingiram um novo máximo histórico na última semana de junho. O papel crítico dos seus produtos de fibra ótica nos centros de dados de IA está a ser reavaliado pelo mercado. As encomendas de infraestruturas de IA da Cisco ultrapassaram os 9 mil milhões de dólares.

No lado dos servidores e integração de sistemas, a receita trimestral de servidores otimizados para IA da Dell atingiu 16,1 mil milhões de dólares, um aumento de 757% em relação ao ano anterior. A Supermicro detém cerca de 70% da quota de mercado na tecnologia de arrefecimento líquido direto.

No lado da operação de centros de dados, o BOCOM International classificou a GDS-SW e a SUNEVISION como as principais recomendações de compra no setor de centros de dados, considerando que a IA generativa já desencadeou um crescimento explosivo da procura. O UBS também apontou que a indústria chinesa de centros de dados de Internet irá acelerar significativamente a partir do segundo semestre de 2026.

Como Participar no Investimento em Infraestruturas de IA Através da Plataforma Gate?

A plataforma Gate já listou mais de 12.500 ações e ETFs nos mercados dos EUA, Hong Kong e Coreia do Sul. Os investidores podem utilizar ativos digitais como USDT através de uma conta unificada para participar diretamente na negociação de ações globais, conseguindo uma alocação unificada de ativos criptográficos e títulos tradicionais.

No domínio da infraestrutura de centros de dados de IA, a Gate cobre toda a cadeia industrial, desde chips a aplicações:

No mercado de ações dos EUA, os investidores podem negociar empresas-chave como NVIDIA (NVDA), AMD, Micron (MU), Broadcom (AVGO), Dell (DELL), Supermicro (SMCI), Corning (GLW) e Cisco (CSCO). A Gate suporta negociação pré-mercado e pós-mercado, com horários de negociação alargados para 16×5, permitindo que os utilizadores respondam mais atempadamente a relatórios financeiros e dados macroeconómicos.

No mercado de ações de Hong Kong, podem ser acompanhados operadores de centros de dados como GDS-SW (09698.HK) e SUNEVISION (01686.HK).

No mercado de ações sul-coreano, a SK hynix (000660.KS) é o líder absoluto no campo do HBM; a Jeju Semiconductor desempenha um papel crucial de upstream de materiais de comunicação ótica para centros de dados de IA.

A negociação de ações na Gate suporta taxas tão baixas quanto 0,1%, negociação com alavancagem e modo duplo à vista. Os utilizadores com uma posição de 2.000 dólares podem usufruir de taxas VIP exclusivas. Para investidores que desejam alocar sistematicamente no setor de infraestrutura de centros de dados de IA, a capacidade de negociação multi-mercado e multi-ativo integrada da Gate está a reduzir a barreira de entrada para a alocação global de ativos tecnológicos.

Conclusão

Os centros de dados de IA estão a passar da era intensiva de "empilhar GPUs" para a era refinada de "otimização sistémica". Memória, rede e armazenamento já não são componentes de infraestrutura isolados, mas sim variáveis sistémicas que, no quadro de coordenação "computação-armazenamento-rede", determinam em conjunto a produção real de poder computacional da IA.

Compreender esta lógica não só ajuda a avaliar as tendências tecnológicas, como também fornece um quadro de análise mais sólido para decisões de investimento — desde chips a memória, redes a armazenamento, servidores a operação de centros de dados, a reavaliação de toda a cadeia industrial está apenas a começar. E quando a volatilidade de curto prazo do mercado de criptomoedas se cruza com a narrativa de longo prazo da infraestrutura de IA, uma janela de alocação que atravessa ativos digitais e a indústria física está a abrir-se.

FAQ

Q1: Porque é que os centros de dados de IA não podem resolver o problema do poder computacional apenas empilhando GPUs?

A GPU é apenas o terminal de saída do poder computacional, e a sua eficácia depende fortemente de a largura de banda da memória conseguir fornecer dados atempadamente, de a rede conseguir coordenar eficientemente o paralelismo de múltiplas placas e de o armazenamento conseguir responder rapidamente a leituras/escritas de grandes volumes de dados. Em clusters com dezenas de milhares de GPUs, o gargalo de I/O de dados pode levar a que o tempo de espera ociosa das GPUs atinja mais de 40% — simplesmente empilhar GPUs sem resolver a coordenação entre estes três elementos resulta num desperdício impressionante de poder computacional.

Q2: Porque é que o HBM é tão escasso?

O HBM (Memória de Alta Largura de Banda) é a memória padrão dos chips de IA, com um processo de fabrico complexo e um ciclo de expansão de produção superior a dois anos. Em 2026, a procura por inferência de IA ultrapassou os cenários de treino, impulsionando ainda mais a procura por HBM e DRAM de grande capacidade. A maior parte da produção já foi reservada por grandes clientes até 2026 ou mesmo 2027, tornando a elasticidade da oferta a curto prazo extremamente limitada.

Q3: Qual é a lógica central do investimento em infraestrutura de centros de dados de IA?

A lógica central é a transição de "liderado pelo treino" para "explosão da procura em toda a pilha". As quatro gigantes tecnológicas Microsoft, Google, Amazon e Meta têm em conjunto despesas de capital em infraestrutura de IA de até 725 mil milhões de dólares em 2026. Esta magnitude de capital não pode ser suportada por um único elo; toda a cadeia industrial — desde chips, memória, redes até à operação de centros de dados — está num ciclo de benefícios estruturais.

Q4: Como negociar ações relacionadas com centros de dados de IA na plataforma Gate?

A Gate já listou mais de 12.500 ações e ETFs nos mercados dos EUA, Hong Kong e Coreia do Sul. Os utilizadores podem depositar ativos digitais como USDT e negociar, numa conta unificada, alvos-chave de infraestrutura de IA como NVIDIA, Micron e SK hynix, suportando negociação pré-mercado e pós-mercado, modo duplo de alavancagem e à vista, com taxas tão baixas quanto 0,1%.

Q5: Quais são os riscos do investimento em infraestrutura de centros de dados de IA?

Os principais riscos incluem: primeiro, o desfasamento entre oferta e procura pode levar a um excesso cíclico — o BOCOM International salienta que é necessário prestar atenção a possíveis desfasamentos cíclicos entre oferta e procura e a volatilidade das avaliações a prazos mais longos; segundo, a sustentabilidade dos gastos de capital dos operadores de cloud em hiperescala — o JPMorgan aponta que a taxa de crescimento dos gastos de capital entre 2025 e 2026 ultrapassa largamente a taxa de crescimento real das receitas, pressionando o fluxo de caixa; terceiro, as perturbações geopolíticas e os controlos de exportação na cadeia de fornecimento de chips de processo avançado.