Quando Jensen Huang subiu ao palco da CES 2026, em Las Vegas, para anunciar que os chips Vera Rubin já estavam em produção plena, a mensagem para a indústria foi menos sobre um produto e mais sobre um ritmo: a NVIDIA transformou em rotina anual aquilo que o resto do setor de semicondutores leva três ou quatro anos para fazer. Dois meses depois, na conferência GTC de 16 de março, a empresa abriu os detalhes técnicos da plataforma que sucede a Blackwell — e que vai definir o custo de treinar e rodar inteligência artificial na segunda metade da década.
O nome homenageia Vera Rubin, a astrônoma americana cujas medições de rotação de galáxias forneceram as primeiras evidências convincentes da matéria escura. A escolha não é só poética: como nas gerações anteriores — Hopper em 2022, Blackwell em 2024 —, o codinome batiza uma família inteira de silício, não um único chip.
Seis chips, um computador
E é aí que mora a mudança conceitual mais importante. A plataforma Rubin não é uma GPU: é um conjunto de seis chips projetados para operar como um único supercomputador de IA. Além da GPU Rubin propriamente dita, o pacote inclui a CPU Vera, o switch NVLink 6 (que interliga GPUs dentro do rack), a SuperNIC ConnectX-9, a DPU BlueField-4 e o switch Ethernet Spectrum-6. A NVIDIA vende, na prática, o data center inteiro — computação, rede e movimentação de dados — como um sistema integrado.
A configuração de referência segue sendo o rack NVL72, herdado da era Blackwell: 72 GPUs operando como um único domínio de memória. Os números divulgados pela empresa impressionam mesmo com o desconto usual de marketing: treinar grandes modelos mixture-of-experts com um quarto das GPUs que a Blackwell exigiria, e inferência com até 10 vezes mais throughput por watt, a um décimo do custo por token.
“A régua deixou de ser 'quantos FLOPS tem o chip' e passou a ser 'quanto custa cada token gerado'. É uma métrica de economia, não de engenharia.”
Por que watt por token virou a métrica do momento
A ênfase em eficiência não é acidental. O gargalo dos data centers de IA deixou de ser a disponibilidade de chips e passou a ser energia: operadores relatam filas de anos para conexão à rede elétrica, e o custo de inferência — rodar os modelos em produção, bilhões de vezes por dia — já supera em muitas operações o custo de treinamento. A explosão dos agentes de IA, que encadeiam dezenas de chamadas de modelo para completar uma única tarefa, multiplica essa conta. Se as promessas da Rubin se confirmarem nos benchmarks independentes, o custo por token pode cair uma ordem de grandeza — o que redefine o que é economicamente viável construir com IA.
O calendário de chegada já está definido: produtos baseados em Rubin estarão disponíveis via parceiros no segundo semestre de 2026. Entre os primeiros provedores de nuvem a implantar instâncias Vera Rubin estão AWS, Google Cloud, Microsoft e Oracle Cloud, além dos chamados NVIDIA Cloud Partners — CoreWeave, Lambda, Nebius e Nscale —, a nova camada de nuvens especializadas em GPU que cresceu à sombra da escassez de Blackwell.
O contexto competitivo torna o anúncio ainda mais estratégico. A AMD vem ganhando tração com a linha Instinct em clientes que buscam alternativa de fornecimento, e as próprias big techs — Google com as TPUs, Amazon com Trainium, Microsoft e Meta com projetos próprios — investem pesado em silício customizado justamente para reduzir a dependência da NVIDIA. A resposta embutida na Rubin é dupla: acelerar o ritmo a ponto de tornar o custo de trocar de fornecedor sempre maior que o de continuar, e ampliar o fosso onde a concorrência menos alcança — o software. O ecossistema CUDA, com quase duas décadas de bibliotecas, ferramentas e profissionais treinados, continua sendo o ativo que nenhum concorrente replica com chips melhores.
Há também um detalhe de arquitetura que interessa a quem acompanha a engenharia por trás do marketing: cada salto de geração depende cada vez menos do transistor e cada vez mais do sistema. A Rubin avança em memória de alta largura de banda, em interconexão (o NVLink 6 dobra a régua da geração anterior) e em desagregação do processamento de contexto — otimizações desenhadas para o perfil de carga dos modelos de raciocínio, que geram ordens de magnitude mais tokens por resposta. É a confirmação de que a era do 'chip mais rápido' deu lugar à era do rack como unidade mínima de computação.
O que isso significa para quem não compra rack
Para o desenvolvedor e para a empresa brasileira que consome IA via API, a Rubin importa pelo efeito cascata: cada geração de hardware mais eficiente historicamente se traduziu, em poucos trimestres, em preços menores por token nas APIs de OpenAI, Anthropic, Google e afins — ou em modelos maiores pelo mesmo preço. Também importa para o mercado de trabalho: a onda de construção de data centers de IA é hoje um dos maiores programas de investimento de capital do planeta, e habilidades em infraestrutura, redes de alta performance e otimização de inferência estão entre as mais valorizadas do setor.
Fica, claro, o asterisco de sempre: os números de desempenho são da própria NVIDIA, medidos nos cenários que favorecem a arquitetura nova. A régua independente — MLPerf, benchmarks de terceiros, e o boca a boca dos times de infraestrutura que receberem as primeiras unidades — só chega no fim do ano. Até lá, o que se pode afirmar com segurança é que a empresa que já domina o mercado de aceleradores de IA acaba de mostrar que não pretende desacelerar justamente no momento em que concorrentes, de AMD a chips próprios das big techs, começavam a encostar.