AWS cresceu 37%: o que isso muda para devs na prática

A Amazon ultrapassou US$ 3 trilhões em valor de mercado nesta semana, e a razão técnica para isso interessa muito mais a quem programa do que o número em si. Não foi magia financeira — foi a AWS crescendo 37% no trimestre, batendo US$ 42,2 bilhões em receita. Isso significa que a infraestrutura onde rodam nossos modelos de IA, nossos backends e nossos pipelines de dados virou o motor real da companhia. Segundo o Abril.com.br, esse foi o maior crescimento da unidade em mais de quatro anos.

Quando vejo números assim, minha primeira pergunta como dev sempre é: “o que isso muda no meu dia a dia?”. A resposta curta é: muita coisa. A AWS continua sendo o ecossistema que define padrões de mercado, e ignorar isso é trabalhar com os olhos vendados.

O que realmente aconteceu no balanço da Amazon

Vamos separar o hype do conteúdo técnico. A receita total da Amazon chegou a US$ 200,6 bilhões no trimestre, acima dos US$ 196,5 bilhões esperados. O lucro ajustado ficou em US$ 1,97 por ação, contra projeção de US$ 1,82. Bateu em todas as frentes.

Mas o número que me chamou atenção foi o da AWS: +37% em relação ao mesmo período do ano passado. Não é só crescimento — é aceleração. Em um mercado que supostamente estaria saturado, com Azure e GCP competindo pesado, a AWS conseguiu ganhar tração justamente no segmento de infraestrutura para IA.

Para colocar em perspectiva: a AWS sozinha fatura mais do que muitas empresas de software inteiras. Quando uma divisão de cloud sozinha mexe nessa magnitude de receita, ela dita padrões de pricing, padrões de SDK e até padrões de carreira para devs.

Por que isso importa para quem programa

Na minha experiência, quem trabalha com backend, DevOps ou IA convive com AWS diariamente, mesmo que não queira. Os motivos são pragmáticos:

• Bedrock e Sagemaker são referência em modelos hospedados e treinamento
• Lambda popularizou o modelo serverless — todo mundo já imitou
• S3 virou sinônimo de object storage
• RDS e DynamoDB definiram como pensamos em bancos gerenciados
• IAM ensinou (na marra) meio milhão de devs a pensar em permissões

Quando a AWS cresce forte, significa que mais empresas estão migrando workloads para cloud, mais startups estão nascendo em cima dessa stack e mais vagas exigem conhecimento desses serviços. Não é coincidência que os salários de quem domina AWS continuam subindo mesmo em ciclos de contratação mais frouxos.

Comparação honesta: AWS vs Azure vs GCP

Recebo muito essa pergunta de devs mais novos: “qual cloud estudar primeiro?”. Minha resposta é sempre a mesma — depende do que você quer fazer, mas a AWS é o default seguro. Veja a comparação real do ponto de vista de quem programa:

Cada uma tem seu lugar. Mas quando uma empresa cresce 37% em receita de cloud em plena era de Microsoft e Google apertando o cerco, é porque tem algo funcionando bem tecnicamente.

Na Prática: consumindo a AWS com Python

Para quem nunca integrou com AWS na vida, o caminho mais rápido é pelo Boto3, o SDK oficial em Python. Aqui vai um exemplo funcional de como subir um arquivo no S3 — cenário que uso em produção há anos:

import boto3
from botocore.exceptions import ClientError

# Inicializa o cliente S3 usando credenciais do ambiente
# (NUNCA hardcode access keys no código)
s3 = boto3.client('s3')

def upload_file(bucket_name, file_path, object_key):
    """
    Faz upload de um arquivo local para o S3.
    
    Args:
        bucket_name: nome do bucket (ex: 'meu-app-uploads')
        file_path: caminho do arquivo local
        object_key: chave do objeto no S3 (ex: 'users/avatar.jpg')
    """
    try:
        response = s3.upload_file(
            Filename=file_path,
            Bucket=bucket_name,
            Key=object_key,
            ExtraArgs={
                'ContentType': 'image/jpeg',
                'Metadata': {'uploaded-by': 'yuri-scripts'}
            }
        )
        print(f"Upload OK: s3://{bucket_name}/{object_key}")
        return True
    except ClientError as e:
        print(f"Erro no upload: {e.response['Error']['Code']}")
        return False

# Uso prático
if __name__ == "__main__":
    upload_file(
        bucket_name='meu-app-uploads',
        file_path='./avatar.jpg',
        object_key='users/123/avatar.jpg'
    )

O detalhe importante aqui é o uso de ExtraArgs com ContentType. Sem isso, o S3 salva o arquivo como application/octet-stream e o navegador baixa em vez de exibir. Esse é o tipo de bug que pega muita gente no primeiro deploy.

Para integrar com Bedrock (modelos de IA da AWS), o padrão é parecido:

import boto3
import json

bedrock = boto3.client(
    service_name='bedrock-runtime',
    region_name='us-east-1'
)

def invoke_claude(prompt: str) -> str:
    """Chama o Claude 3 Sonnet via Bedrock."""
    body = json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "max_tokens": 1024,
        "messages": [
            {"role": "user", "content": prompt}
        ]
    })
    
    response = bedrock.invoke_model(
        modelId='anthropic.claude-3-sonnet-20240229-v1:0',
        body=body,
        contentType='application/json'
    )
    
    response_body = json.loads(response['body'].read())
    return response_body['content'][0]['text']

# Testando
resposta = invoke_claude("Explique o que é serverless em 2 frases.")
print(resposta)

Esse padrão com invoke_model e modelId funciona para todos os modelos do Bedrock — Claude, Llama, Mistral, Titan. É a forma mais limpa que já vi de alternar entre LLMs sem trocar de SDK.

Erros Comuns que devs cometem com AWS

Ao longo dos anos, vi os mesmos erros se repetirem. Anota esses:

1. Hardcodar credenciais no código

Não vou nem me alongar aqui — já vi chave da AWS commitada no GitHub e mineraram Bitcoin na conta do time. Use IAM Roles em EC2, AWS SSO para devs, ou variáveis de ambiente injetadas pelo seu CI/CD. Nunca AKIA... no código.

2. Esquecer de desligar recursos em ambiente de dev

EC2 parada continua cobrando EBS. IP elástico não associado custa. RDS pausado ainda cobra storage. Configure um script de teardown ou use AWS Lambda + EventBridge para desligar recursos fora do horário comercial.

3. Não usar tags desde o dia 1

Sem tags você não sabe quem é dono do quê, e a fatura vira um mistério. Mínimo viável:

aws ec2 create-tags \
    --resources i-0123456789abcdef0 \
    --tags Key=Environment,Value=dev Key=Owner,Value=yuri Key=Project,Value=meu-app

4. Ignorar o AWS Free Tier até estourar

O Free Tier expira silenciosamente. Já vi conta de R$ 800 de estudante porque deixaram um t3.medium rodando por três meses. Coloque um billing alarm no CloudWatch desde o primeiro dia:

aws cloudwatch put-metric-alarm \
    --alarm-name billing-alert-50usd \
    --metric-name EstimatedCharges \
    --namespace AWS/Billing \
    --statistic Maximum \
    --period 21600 \
    --evaluation-periods 1 \
    --threshold 50 \
    --comparison-operator GreaterThanThreshold \
    --alarm-actions arn:aws:sns:us-east-1:123456789:meu-topico

5. Escolher a região errada por preguiça

us-east-1 tem tudo, mas sai caro. sa-east-1 (São Paulo) é mais barato para quem atende público brasileiro e tem latência menor. Custo de saída de dados varia absurdamente entre regiões — chega a ser 5x.

O que essa alta da AWS significa para o ecossistema de devs

Quando uma empresa de cloud cresce 37% puxada por IA, três coisas acontecem no mercado:

1. Mais vagas exigindo AWS + IA — quem sabe Bedrock, Sagemaker e integração com vector stores vai sair na frente.
2. Preço de GPUs em cloud começa a cair — oferta aumenta e competição aperta.
3. Padrões de arquitetura mudam — vejo cada vez mais gente adotando event-driven com Lambda + Step Functions para pipelines de IA, em vez de VMs tradicionais.

Particularmente, na minha rotina de consultoria, o que mais vejo sendo demandado é a integração entre LLM e sistemas legados via API Gateway + Lambda. Esse padrão, que a AWS ajudou a popularizar, virou commodity.

FAQ — Perguntas que devs realmente fazem

Vale a pena estudar AWS em 2026 ou o futuro é multi-cloud?

Vale, e muito. Multi-cloud no discurso é bonito, mas na prática 70% dos workloads rodam em uma única cloud. E quando escolhem, AWS ainda é a maioria. Aprender AWS te dá base para migrar para Azure ou GCP depois — o contrário nem sempre é verdade.

Quanto ganha um dev AWS sênior no Brasil?

Faixas de R$ 12k a R$ 25k para SRE/cloud engineer pleno-sênior, podendo passar dos R$ 30k em empresas grandes ou remoto para fora. Quem combina AWS com IA generativa está no topo da pirâmide salarial agora.

AWS certification vale a pena?

A AWS Solutions Architect Associate é a mais cobiçada e abre portas. A Professional é diferencial real para senior. As de Specialty (Security, ML) valem se você já trabalha na área. Não é obrigatório, mas acelera entrevista técnica.

Como começar a usar AWS sem gastar dinheiro?

Free Tier + conta nova te dá 12 meses de EC2 micro, 5GB S3, 25GB DynamoDB e muito mais. Configure billing alarm no primeiro dia (o snippet que mostrei acima) e use o AWS Calculator antes de criar qualquer recurso fora do Free Tier.

Bedrock ou OpenAI direto: o que faz mais sentido?

Depende. Se você já está em ecossistema AWS e precisa de governança, Bedrock é a escolha. Se quer modelo de fronteira absoluto e simplicidade, OpenAI ainda lidera em alguns cenários. Na minha experiência, Bedrock ganha quando há requisito de residência de dados ou compliance rígido.

No fim das contas, a Amazon atingiu US$ 3 trilhões porque a infraestrutura que sustenta boa parte da internet e dos produtos de IA modernos roda lá. Quem programa precisa entender esse stack não por modismo — porque é onde o dinheiro está sendo gasto, onde os jobs estão nascendo e onde os problemas técnicos mais interessantes aparecem. Estudar AWS com profundidade paga dividendos por anos.

🛒 Ver mais conteúdo no yurideveloper.com.br

Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto. Na próxima, vou destrinchar como montar uma pipeline de RAG production-ready usando Bedrock + Lambda + OpenSearch. Aguarda.