AWS eleva em 20% os preços de reserva de GPUs Nvidia

Em 2014, a Amazon Web Services reduziu os preços do S3 em até 22%. Desde então, elevou em 20% os preços de GPUs Nvidia reservadas antecipadamente nos EC2 Capacity Blocks, enquanto manteve inalterados os preços do Trainium.

Armazenamento ainda recompensa a estratégia de cortar preços

A AWS também reduziu os preços do EBS em até 50% em 2014. Nove anos depois, o S3 Express One Zone oferecia gravações dez vezes mais rápidas e custos de solicitações 50% menores que o S3 padrão. Este último é uma comparação de preço por solicitação, não a afirmação de que toda conta de armazenamento caiu. Os dois movimentos mostram como a AWS podia combinar preços menores para uma unidade definida com um serviço mais especializado.

Uma reserva de Nvidia tem uma restrição que uma solicitação de armazenamento não tem: o cliente precisa das máquinas certas disponíveis juntas no horário combinado. A AWS não pode tornar útil um bloco indisponível reduzindo o preço de outra instância.

Uma reserva assegura o cronograma, não o preço spot

O EC2 Capacity Blocks permite que empresas aluguem computação para IA antecipadamente. O comprador se compromete com um bloco em vez de presumir que uma capacidade equivalente estará disponível sob demanda mais tarde. Trata-se de um seguro operacional contra uma execução atrasada, não de uma opção financeira que permite ao comprador desistir se os preços caírem.

Os preços sob demanda podem variar enquanto um comprador mantém uma reserva antecipada. Em abril, o Ornn Compute Price Index avaliou o aluguel de uma GPU Blackwell em US$ 4,08 por hora, alta de 48% ante US$ 2,75 dois meses antes. Esse índice mede aluguéis sob demanda reportados, não os AWS Capacity Blocks; ele não pode estabelecer a margem da AWS nem a causa de sua alteração de preço. Mas mostra por que um comprador com data fixa para uma carga de trabalho pode valorar a previsibilidade separadamente de um desconto por hora.

A Guaranteed Capacity da OpenAI torna visível a mesma preocupação com o cronograma em outra parte da stack. A OpenAI oferece acesso com desconto à sua computação em troca de compromissos de um a três anos vinculados a gastos. Um provedor pode cobrar por acesso confiável enquanto recompensa um cliente que torna a demanda mais fácil de planejar. CME Group e Silicon Data também anunciaram futuros vinculados a benchmarks de aluguel sob demanda de GPUs. Esses contratos podem ajudar a fazer hedge da exposição a preços; um contrato baseado em benchmark, por si só, não entrega as máquinas.

Trainium transforma a substituição em uma decisão de engenharia

Um cliente só pode aproveitar o preço inalterado do Trainium depois de estabelecer que seu software, seus requisitos de desempenho e seu processo operacional funcionam no chip. O preço publicado, por si só, não informa ao comprador o custo de uma execução concluída.

A AWS tem um exemplo em larga escala. Disse que o Claude Opus 4 da Anthropic foi lançado no Trainium2 e que o Project Rainier, construído para a Anthropic, usa mais de 500.000 chips Trainium2. A AWS consegue gerir uma parcela maior do projeto e do fornecimento desse sistema do que consegue com hardware da Nvidia. O exemplo não prova que toda carga de trabalho da Nvidia possa migrar, nem que preços inalterados do Trainium signifiquem custo inalterado por tarefa concluída.

Acordos plurianuais colocam o risco de entrega no balanço

A Recursive Superintelligence firmou um acordo plurianual de US$ 410 milhões para computação na AWS após captar US$ 650 milhões em maio. O acordo reportado não divulga um cronograma de Capacity Blocks, portanto não pode ser tratado como outra reserva de Nvidia. Mas mostra a escala em que uma desenvolvedora de modelos está disposta a se comprometer com um provedor de computação em vez de montar cada execução futura a partir de aluguéis de curto intervalo.

A AWS também está fazendo acordos de fornecimento de prazo mais longo. Em setembro, firmou com a Qualcomm uma parceria multigeração em silício customizado e inferência. A Qualcomm emitiu warrants para que a Amazon adquira até US$ 4 bilhões em ações da empresa como parte do acordo.

Para a AWS, os compromissos dos clientes ajudam a sustentar o planejamento de compras e infraestrutura; para o cliente, concentram a dependência na capacidade de entrega do provedor. Compradores de capacidade de IA contratada precisam avaliar essa obrigação de entrega ao lado do custo de energia e chips.

O prêmio tem um teste, não uma franquia permanente

Depois que a Amazon criou o Project Greenland para gerenciar a alocação de GPUs em sua unidade de varejo, afirmou ter capacidade de GPUs “ampla”. Esse esforço interno de alocação não estabelece a disponibilidade para todos os clientes externos ou para todos os aceleradores, mas enfraquece qualquer alegação de escassez em toda a AWS.

A demanda também pode cair por tarefa sem que um novo data center entre em operação. Engenheiros da OpenAI teriam dito a colegas que encontraram uma forma de mais que reduzir pela metade os custos de inferência. Cerebras, Groq e outros fornecedores de chips buscam alternativas para inferência. Nem um ganho de eficiência reportado nem um chip rival tornam, por si só, portátil a carga de trabalho existente de um cliente; ambos pressionam o valor que um cliente deveria pagar para garantir um tipo de hardware.

Se os clientes puderem mover cargas de trabalho entre aceleradores e obter de forma confiável capacidade energizada com pouco aviso, uma reserva de Nvidia passa a ser um seguro para um risco excepcional de cronograma, e não a forma padrão de garantir uma execução. Até que essas condições se confirmem, a data pertence à etiqueta de preço.