>A Samsung soltou o que talvez seja o alerta mais importante do ano para quem trabalha com tecnologia: a escassez global de chips de memória deve se intensificar até 2028, e o motivo central não é geopolítica, nem sanções — é a corrida por infraestrutura de inteligência artificial. Segundo o Olhardigital.com.br, a fabricante sul-coreana já fechou contratos de longo prazo (mínimo cinco anos) com as cinco maiores empresas de data centers do mundo, com pagamentos antecipados e preços mínimos travados. Isso muda o jogo. E muda o custo do seu próximo deploy.
Na minha experiência, sempre que a indústria de semicondutores entra em ciclo de escassez, o impacto em devs e engenheiros aparece primeiro em três lugares: preço de GPUs, custo de instâncias em cloud e disponibilidade de memória RAM/HBM. Vou destrinchar o que está acontecendo, por que o “porquê” técnico importa e o que você pode fazer hoje para se preparar.
Por que a Samsung está certa — o motor da escassez
A fala de Jaejune Kim, vice-presidente executivo da área de memória da Samsung, foi cirúrgica: “Quase todos os clientes estão solicitando contratos de fornecimento de vários anos”. Isso não é rhetoric — é um sinal direto de que a oferta de memória de alta performance está estruturalmente travada pela demanda de IA generativa.
O ponto que a maioria das análises rasas ignora: o gargalo não está nos processadores lógicos (GPUs da NVIDIA, TPUs do Google), mas sim nos chips de memória que alimentam essas GPUs. Toda H100, toda H200, toda B200 precisa de HBM (High Bandwidth Memory) para funcionar. E a HBM é fabricada quase exclusivamente por três empresas no mundo: Samsung, SK Hynix e Micron. Quando as três estão com capacidade esgotada até 2028, o problema é real.
O ciclo de memória sempre foi volátil — desta vez é diferente
Quem trabalha com hardware há mais de uma década reconhece o padrão: ciclos de boom e bust na indústria de DRAM e NAND. Mas o ciclo atual tem uma diferença fundamental — pela primeira vez, a demanda de IA é aditiva e não substitutiva. Ou seja, não estamos trocando memória de celular por memória de data center. Estamos somando uma camada massiva de demanda nova em cima da base existente.
A estratégia da Samsung de travar dois terços da produção de memórias em contratos longos é, na prática, um hedge contra a volatilidade. Para nós, devs, isso significa que o preço spot de DRAM e HBM não vai cair significativamente até pelo menos 2027.
HBM — o vilão silencioso da corrida da IA
Vou ser direto: se você é dev e não entende o que é HBM, você está voando às cegas sobre metade do custo real de uma workload de IA. HBM (High Bandwidth Memory) é um tipo de chip de memória empilhado em 3D, conectado diretamente à GPU através de uma interface ultra-rápida chamada TSV (Through-Silicon Via).
As gerações atuais — HBM3 e HBM3E — entregam bandwidths entre 800 GB/s e 1.200 GB/s por stack. Uma NVIDIA H100 tem seis stacks de HBM3, totalizando ~3.350 GB/s de bandwidth agregado. Isso é ordens de magnitude acima do que uma DDR5 comum entrega (~80 GB/s em dual-channel).
Para contextualizar: treinar um modelo de 70B parâmetros com precisão FP16 exige mover centenas de gigabytes entre memória e compute a cada forward pass. Sem HBM suficiente, o treinamento simplesmente não acontece — a GPU fica ociosa esperando dados.
A linha do tempo que importa
- 2024–2025: HBM3E em produção massiva (SK Hynix lidera, Samsung corre atrás).
- 2025–2026: NVIDIA Blackwell (B200, GB200) entra em escala, exigindo HBM3E em volumes sem precedentes.
- 2026–2027: HBM4 começa a ser samplada, com largura de banda prevista acima de 1.5 TB/s por stack.
- 2027–2028: Capacidade adicional de fabs (Taylor, Texas da Samsung; Pyeongtaek) entra em operação — daí o “até 2028” da projeção.
Esse cronograma explica por que a Samsung está negociando contratos de cinco anos agora. Quem garantir fornecimento primeiro, define preço depois.
O que isso significa na prática para quem programa
Vou traduzir o impacto macro em coisas concretas do seu dia a dia:
1. Cloud vai ficar mais caro — e não é hype
Quando a AWS, GCP ou Azure precisam repagar HBM a preços travados em alta, isso cai no seu invoice de EC2, Cloud Run ou Vertex AI. Já estamos vendo isso: instâncias com H100 na AWS subiram de preço em algumas regiões, e a tendência é de aperto, não de alívio. Se você roda inference em produção, revise seus custos de GPU agora.
2. Workstations e RAM DDR5 vão oscilar
A mesma fábrica que faz HBM faz também DRAM convencional. Quando os wafers são realocados para HBM (que paga mais), a oferta de DDR5 e DDR4 cai. Isso mexe no preço do seu próximo MacBook Pro, do seu servidor on-prem, do seu NAS. Quem trabalha com múltiplas VMs já sente isso há meses.
3. Inferência local vai continuar limitada
Quer rodar Llama 3 70B ou Qwen 2.5 72B localmente? Você precisa de ~140 GB de VRAM em FP16, ou ~70 GB com quantização INT4. A oferta de GPUs com 48 GB (RTX 6000 Ada, A6000) é restrita e cara. Com a escassez de HBM até 2028, espere que a faixa intermediária (16–24 GB) continue sendo o teto realista para workstations de dev.
Na Prática — estimando VRAM para o seu modelo antes de deploy
Um dos erros mais caros que vejo em times de dev é subestimar requisitos de memória de modelos LLM. Aqui vai um script funcional em Python que uso no meu fluxo de trabalho para estimar VRAM antes de provisionar uma instância:
"""
Estimativa de VRAM para inferência de LLMs.
Yuri Augusto — yurideveloper.com.br
"""
def estimate_vram(
params_billions: float,
precision: str = "fp16",
context_tokens: int = 4096,
batch_size: int = 1,
kv_cache_overhead: float = 1.2,
) -> dict:
# Tamanho dos pesos por bilhão de parâmetros em bytes
precision_bytes = {
"fp32": 4,
"fp16": 2,
"bf16": 2,
"int8": 1,
"int4": 0.5,
}
bytes_per_param = precision_bytes.get(precision, 2)
weights_gb = (params_billions * 1e9 * bytes_per_param) / (1024 ** 3)
# KV cache aproximado: 2 * num_layers * hidden * seq_len * 2 bytes
# Usando heurística: ~0.5 MB por token por bilhão de parâmetros
kv_cache_gb = (
context_tokens
* params_billions
* 0.5
* 1e-6
* kv_cache_overhead
* batch_size
)
# Overhead do runtime (CUDA, ativações, framework)
runtime_overhead_gb = max(2.0, weights_gb * 0.15)
total_gb = weights_gb + kv_cache_gb + runtime_overhead_gb
return {
"weights_gb": round(weights_gb, 2),
"kv_cache_gb": round(kv_cache_gb, 2),
"runtime_overhead_gb": round(runtime_overhead_gb, 2),
"total_vram_gb": round(total_gb, 2),
"recommended_gpu": recommend_gpu(total_gb),
}
def recommend_gpu(vram_gb: float) -> str:
if vram_gb <= 16:
return "RTX 4090 / RTX 6000 Ada 16GB"
if vram_gb <= 24:
return "RTX 6000 Ada 24GB / A5000"
if vram_gb <= 48:
return "A6000 48GB / RTX 6000 Ada 48GB"
if vram_gb <= 80:
return "H100 80GB / A100 80GB"
return "H200 / B200 multi-GPU"
# Exemplo: Llama 3 70B com quantização INT4 e contexto de 8k tokens
result = estimate_vram(
params_billions=70,
precision="int4",
context_tokens=8192,
batch_size=1,
)
for k, v in result.items():
print(f"{k}: {v}")
Rodando isso, você descobre antes de gastar dinheiro se o modelo cabe na GPU que você está cogitando alugar. Em produção, multiplique por 1.3x para ter margem para picos.
Erros comuns que devs cometem (e vão pagar caro até 2028)
1. Ignorar custo de memória ao escolher provedor de cloud. O instinto é comparar preço por hora de GPU. O correto é comparar preço por token gerado, considerando utilization real. Contratos longos com AWS/GCP podem travar você em preços ruins quando o mercado esfriar — mas com HBM escassa até 2028, “esfriar” é cenário otimista.
2. Quantizar sem medir qualidade. INT4 economiza VRAM, mas degrada tarefas de raciocínio. Testei isso em produção: modelos quantizados em INT4 perdem em média 8–15% de accuracy em benchmarks de código e matemática. Faça eval suite próprio antes de promover.
3. Subestimar KV cache. O script acima mostra: aumentar contexto de 4k para 32k tokens multiplica o consumo de KV cache por 8x. Se você oferece um chat com contexto longo, planeje VRAM para o pior caso, não para a média.
4. Comprar workstation nova esperando queda de preço. O inverso do que parece intuitivo. Com HBM e DRAM travados em alta até 2028, e com ciclo eleitoral + demanda de IA, quem adia compra esperando queda, paga mais caro depois.
5. Não monitorar preços de spot/preemptible instances. Cloud hyperscalers repassam volatilidade via mercado spot. Em ciclos de escassez como o atual, a diferença entre spot e on-demand cresce — mas a disponibilidade de spot diminui. Tenha fallback multi-cloud.
Comparativo rápido — suas opções de memória para IA hoje
| Tier | VRAM | Modelos viáveis | Custo relativo |
|---|---|---|---|
| RTX 4090 / 4080 | 16–24 GB | Até 13B INT4 | $ |
| RTX 6000 Ada 48GB | 48 GB | Até 30B INT8 / 70B INT4 | $$$ |
| A100 / H100 80GB | 80 GB | Até 70B INT8 / 405B INT4 | $$$$ |
| H200 / B200 multi-GPU | 141+ GB | Modelos completos FP16 | $$$$$ |
FAQ — o que devs perguntam sobre a escassez de chips
A escassez de chips vai afetar o preço do meu notebook de dev?
Sim, indiretamente. A realocação de capacidade fabril para HBM reduz a oferta de DDR5 e SSD, o que pressiona preços de toda a cadeia. Se você está planejando trocar de workstation, faça antes do quarto trimestre de 2026, quando historicamente os preços sobem antes do Natal.
Vale a pena comprar GPU agora ou esperar?
Depende do seu workload. Para inferência local com modelos de até 13B, uma RTX 4090 ainda entrega excelente custo-benefício. Para 70B+ em INT4, a faixa de 48 GB (RTX 6000 Ada) é o sweet spot atual e não tem substituto mais barato previsto até HBM4 entrar em volume.
SK Hynix e Samsung vão resolver isso construindo mais fábricas?
Sim, mas fabs de semicondutores levam 3 a 5 anos para sair do papel e começar a produzir em escala. A fábrica da Samsung em Taylor, Texas, é o exemplo mais citado. Mesmo otimista, o ramp-up de produção que alivie a escassez só chega em 2027–2028 — exatamente o horizonte que o executivo da Samsung projetou.
Por que a NVIDIA não fabrica suas próprias memórias?
NVIDIA é fabless em memória — depende de SK Hynix, Samsung e Micron. Esse é justamente o gargalo estrutural da indústria: poucos fabricantes, alta especialização, capital intensivo. Verticalização custaria dezenas de bilhões e anos de desenvolvimento.
Existe alternativa à HBM?
Em pesquisa, sim — memórias baseadas em Compute-in-Memory, MRAM, ReRAM. Em produção relevante para treinar/inferir LLMs em escala, não. HBM vai dominar até pelo menos 2028.
O que eu faria se fosse você
Se você roda workloads de IA em produção, três ações concretas: (1) renegocie contratos cloud com cláusulas de preço atreladas a índices de hardware, não a preço fixo; (2) invista em quantização agressiva agora — INT8 e INT4 estão maduros para a maioria dos casos; (3) avalie arquiteturas mixture-of-experts (MoE), que reduzem VRAM ativa em 3–5x comparado a modelos densos. Cada uma dessas decisões te blinda contra o aperto que está vindo.
A corrida da IA não vai desacelerar — e a Samsung está basicamente nos avisando que a conta chega em 2028. Quem se preparar primeiro, paga menos. Quem ignorar, paga o preço do improviso.
Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto.