O fato: A NVIDIA apresentou a arquitetura Vera Rubin, focada em cargas de trabalho de pós-treinamento (fine-tuning, RLHF) para agentes de IA. Diferente das GPUs tradicionais otimizadas para inferência ou treino, a Vera Rubin é projetada para o ciclo de "ajuste fino" — uma etapa que consome cada vez mais compute à medida que empresas adaptam modelos base para tarefas específicas.
Contexto: O pós-treinamento sempre foi a etapa mais subestimada do ciclo de vida de um modelo. Com a explosão de agentes de IA (que exigem fine-tuning por tarefa), a demanda por hardware especializado nessa etapa cresceu mais que inferência e treino combinados. NVIDIA estima que o mercado de pós-treinamento vai superar US$ 50B até 2028.
Análise: O movimento mais interessante aqui é a segmentação do mercado de GPUs. Até agora, NVIDIA vendia a mesma placa para treino, fine-tuning e inferência. Vera Rubin sinaliza que a empresa está dividindo o mercado em camadas — e cobrando premium em cada uma. Para startups de IA, isso significa que o custo de fine-tuning vai cair (mais oferta especializada), mas o custo de inferência pode não acompanhar.
O que observar: Benchmarks independentes da Vera Rubin vs. H200/B300 em cargas de pós-treinamento; preço por hora em nuvem; se concorrentes (AMD, Google TPU) vão seguir a segmentação.
Fonte: NVIDIA Blog
