A Nvidia está avaliando uma mudança significativa nas especificações de seu próximo GPU Rubin Ultra, potencialmente enviando o chip com muito menos memória de alta largura de banda do que a empresa originalmente pretendia. O ajuste, relatado pela TrendForce no início de agosto de 2026, é uma resposta direta à redução na oferta de HBM dos três principais produtores: SK Hynix, Samsung e Micron.
A visão original para o Rubin Ultra era ambiciosa. Quando a Nvidia apresentou pela primeira vez o chip em sua conferência GTC de desenvolvedores em 2025, as configurações em discussão incluíam até 1 TB de memória HBM4E. A GPU Vera Rubin atual, já em produção em massa, é enviada com até 288 GB de HBM4 em pilhas de 12-Hi, fornecendo aproximadamente 22 TB/s de largura de banda de memória. O Rubin Ultra deveria ultrapassar muito mais isso.
Agora, a Nvidia está testando pelo menos três variantes com memória significativamente reduzida. Uma configuração sob análise utiliza pilhas HBM4 de 8-Hi com aproximadamente 192 GB de memória. Em comparação com os 288 GB do atual Vera Rubin, trata-se de uma redução de 33% na memória no chip, que deveria representar um avanço geracional.
Por que a memória é tudo para cargas de trabalho de IA
A memória de alta largura de banda não se trata apenas de capacidade. A parte “largura de banda” refere-se à velocidade com que os dados se movem entre a memória e os núcleos de processamento do chip. Com 22 TB/s, a atual Vera Rubin já opera em velocidades que superam em ordens de grandeza a memória convencional de servidores.
A transição de pilhas de 12-Hi para pilhas de 8-Hi reduz tanto a capacidade quanto, potencialmente, a largura de banda. A Nvidia supostamente está testando variantes para garantir que o desempenho máximo seja preservado apesar da redução de memória, mas a física de menos pilhas de memória impõe limites reais ao que as otimizações de engenharia podem recuperar.
O relatório da TrendForce de 4 de agosto observou que a Nvidia está avaliando quatro configurações distintas de HBM para o Rubin Ultra, com a mudança longe da configuração 12-Hi HBM4E impulsionada por escassez prevista de DRAM e HBM que devem se aprofundar até 2027. Desafios de rendimento e produção em todos os três principais fornecedores de HBM criaram um gargalo na alocação de wafers que a Nvidia não pode resolver unilateralmente.
O custo oculto de fazer mais com menos
Se o Rubin Ultra for fornecido com menos memória por GPU, empresas que executam modelos de IA muito grandes provavelmente precisarão de mais GPUs para lidar com as mesmas cargas de trabalho. Um modelo que cabe em quatro GPUs de alta memória pode exigir seis ou oito GPUs de memória mais baixa, com o hardware adicional trazendo seus próprios custos: maior consumo de energia, mais espaço em rack, mais infraestrutura de interconexão e mais sobrecarga de licenciamento.
Também há uma nuances no quadro de receita da Nvidia. O HBM4E, a memória de especificação superior originalmente planejada para o Rubin Ultra, gera margens mais altas em toda a cadeia de suprimentos. Uma mudança em direção a configurações de HBM de nível inferior afeta a demanda pelos produtos de memória mais lucrativos, o que, por sua vez, influencia como a SK Hynix, a Samsung e a Micron priorizam seus planos de produção.
A oferta de HBM já está suficientemente restrita para que as decisões de alocação dos fabricantes de memória tenham peso geopolítico e competitivo real. A Nvidia é o comprador dominante, mas concorre pela capacidade de wafers com a AMD, o Google e uma lista crescente de programas de chips AI personalizados de hyperscalers como Amazon, Microsoft e Meta.
O que isso significa para o mercado de chips de IA
HBM de ponta exige empilhamento extremamente preciso de dies de DRAM, e as taxas de rendimento para configurações de 12-Hi são menores do que para as pilhas mais simples de 8-Hi, criando gargalos de produção que não podem ser resolvidos rapidamente.
Os fornecedores de memória, entretanto, enfrentam seus próprios cálculos estratégicos. A oferta restrita de HBM até 2027 mantém os preços elevados e a demanda forte, mas os clientes sendo forçados a comprar mais GPUs para compensar as reduções de memória criam pressão para eventualmente fechar a lacuna de oferta. A empresa que descobrir primeiro o empilhamento de 12-Hi ou 16-Hi com maior rendimento terá alavancagem significativa na próxima rodada de negociações de design de GPU.