Existe uma crise silenciosa que já mexeu no seu orçamento de TI mesmo que você não tenha percebido: a memória acabou. Os preços de DRAM subiram entre 300% e 400% desde o fim do ano passado, e o efeito colateral chegou às placas de vídeo, SSDs e HDs. No Brasil, um módulo DDR4 de 16 GB que custava entre R$ 220 e R$ 280 no começo de 2024 chegou a R$ 950 em janeiro de 2026 — quase 300% em dois anos.
A causa é uma só: data center de IA e mercado de consumo disputam a mesma linha de produção. Três fabricantes concentram 93% da DRAM global, e a memória HBM — a que vai nas GPUs de IA — consome até três vezes mais capacidade de fábrica que a DRAM comum. A IA deve consumir cerca de 20% de toda a capacidade global de wafers de DRAM em 2026, enquanto a capacidade total do setor cresce só 10% a 15% ao ano. Conclusão prática: 2026 é o pior ano da década para comprar hardware — e o melhor para alugar.
Por que isso aconteceu
Não é especulação nem cartel: é aritmética de capacidade. Samsung, SK Hynix e Micron respondem por 93% da produção mundial de DRAM. Quando as grandes empresas de tecnologia passaram a encomendar memória de alta largura de banda para treinar modelos cada vez maiores, as três priorizaram o pedido que paga mais — o do data center.
O agravante é técnico. A HBM, empilhada e ligada diretamente à GPU, é muito mais cara de produzir: cada gigabyte dela come até três vezes mais capacidade de wafer que um gigabyte de DDR5 comum. Ou seja, cada GPU de IA fabricada tira de circulação várias vezes o seu peso em memória de consumo.
E não há como abrir fábrica no meio do caminho: a capacidade global cresce de 10% a 15% ao ano. As projeções do setor apontam 2026 como o pico da escassez, com alívio gradual só a partir de meados de 2027.
O que isso faz com a conta de quem quer rodar IA no Brasil
Quem pensa em montar a própria máquina enfrenta agora três altas empilhadas: a da GPU, a da memória do sistema e a dos discos. Some a isso o imposto de importação e o câmbio, e o capex vira um número difícil de defender numa reunião de orçamento.
Faça a conta pelo lado do tempo, que é o jeito honesto de comparar capex com aluguel. Suponha uma estação com uma GPU de 32 GB e memória suficiente para trabalhar, saindo por R$ 30.000 montada:
| Cenário | Conta | Resultado |
|---|---|---|
| Máquina comprada | R$ 30.000 de capex | Sai do caixa hoje |
| Mesma classe de GPU alugada | RTX 5090 32 GB a R$ 4,77/h | R$ 30.000 ÷ R$ 4,77 = 6.289 horas |
| Tempo para empatar | 6.289 h ÷ 24 h | 262 dias ligada 24/7 |
| Energia da máquina própria | ~600 W × 720 h × R$ 0,85/kWh | + ~R$ 367 por mês |
Ou seja: a compra só empata se você mantiver a placa ocupada dia e noite por quase nove meses, sem contar energia, refrigeração, manutenção e o fato de que em 2027 chega hardware bem melhor. Quase nenhuma equipe usa GPU assim. O padrão real é rajada: treina três dias, fica duas semanas parado, volta a treinar.
GPU parada não é neutra — é capital congelado que continua desvalorizando. Alugando por hora, a máquina desligada custa zero de compute (só o armazenamento do disco, se você quiser guardar o ambiente). É a diferença entre um ativo que precisa ser justificado e uma linha de custo variável que acompanha a demanda.
Onde a memória cara também aparece na nuvem
Sejamos justos: a alta encarece hardware para todo mundo, inclusive para quem opera nuvem. A diferença é quem absorve o risco. Numa compra, você trava o preço de hoje — o mais alto da década — em um equipamento que vai desvalorizar. Alugando, você paga o preço da hora e migra para a geração seguinte quando ela chegar, sem revender nada.
Vale a mesma lógica para escolher a GPU: quando a memória está cara, VRAM é o recurso que você deve dimensionar com precisão, não com folga por precaução. Alguns exemplos do catálogo atual, por hora:
| Carga de trabalho | VRAM necessária | Opção sensata | Preço/hora |
|---|---|---|---|
| Stable Diffusion / FLUX | 16–24 GB | RTX 3090 24 GB | R$ 1,27 |
| LLM 7B–14B servido com vLLM | 24–32 GB | RTX 4090 24 GB | R$ 2,78 |
| LLM 27B–32B em FP8 | 40–48 GB | RTX 6000 Ada 48 GB | R$ 6,01 |
| Fine-tuning de 70B com LoRA | 80 GB | A100 80 GB | R$ 10,73 |
| Contexto longo, lote grande | 96–141 GB | RTX PRO 6000 96 GB | R$ 10,26 |
Preços de catálogo verificados em 15/08/2026. Pagar por 141 GB quando 45 GB resolvem é literalmente jogar dinheiro na crise de memória.
Três situações em que alugar deixou de ser opção e virou a única saída racional
Laboratório de universidade e grupo de pesquisa
Comprar um servidor exige licitação, pregão e prazo — e o preço muda antes de a compra sair. Alugar por hora cabe em verba de projeto, e a máquina existe só durante o experimento. Detalhamos esse caminho em IA para pesquisadores sem fila de cluster.
Estúdio de vídeo e agência
A demanda é por projeto: uma semana de render pesado, três de edição. Uma GPU comprada passaria 75% do tempo parada. Alugar por hora transforma compute em custo direto do projeto — o que, de quebra, facilita repassar ao cliente.
Startup validando produto
Antes de saber se o produto tem tração, congelar R$ 30 mil em hardware é o oposto do que um estágio inicial pede. Comece pela API por token, que não exige provisionar nada, e migre para GPU dedicada quando o volume justificar — a conta desse ponto de virada está em Comparativo de preços de API de LLM em 2026.
Não compre hardware no pico da crise de memória
Alugue GPU por hora, em reais, via Pix. Ligue quando precisar, desligue quando terminar — e migre para a geração seguinte sem revender nada.
Ver GPUs disponíveis →Perguntas frequentes
Por que a memória RAM ficou tão cara em 2026?
Data centers de IA e o mercado de consumo disputam a mesma linha de produção. Três fabricantes concentram 93% da DRAM global e passaram a priorizar pedidos de data center. A memória HBM, usada nas GPUs de IA, consome até três vezes mais capacidade de fábrica por gigabyte que a DRAM comum, e a IA deve consumir cerca de 20% de toda a capacidade global de wafers de DRAM em 2026, enquanto a capacidade do setor cresce só 10% a 15% ao ano.
Compensa comprar uma GPU no Brasil em 2026?
Raramente. Uma estação de R$ 30 mil equivale a cerca de 6.289 horas de uma RTX 5090 alugada a R$ 4,77 por hora, ou 262 dias de uso ininterrupto só para empatar, sem contar energia, refrigeração, manutenção e a desvalorização do equipamento. Como o uso típico é em rajada, a máquina comprada passa a maior parte do tempo parada.
Quando os preços de memória devem cair?
As projeções do setor apontam 2026 como o pico da escassez, com alívio gradual a partir de meados de 2027. Até lá, comprar hardware significa travar o preço mais alto da década em um equipamento que vai desvalorizar.
Leia também: Quanto custa rodar IA no Brasil em 2026 · Comparativo de nuvens de GPU em 2026 · Rubin entra em produção e o custo do token vai cair