A memória HBM4 está se tornando o verdadeiro gargalo no design de chips de IA

Nos últimos dois anos, a conversa sobre hardware de IA girou em torno de FLOPS — quantos trilhões de operações de ponto flutuante um chip consegue processar por segundo. Esse enquadramento está agora desatualizado. Em 2026, a restrição vinculante para treinamento e inferência de IA não é a computação, mas sim a largura de banda da memória. A indústria chama isso de "memory wall", e o HBM4 — a nova geração de memória de alta largura de banda — é a tentativa atual de rompê-lo, embora os números mostrem que é uma solução paliativa, não uma solução definitiva.

Por que a largura de banda, e não a computação, é o gargalo

Um acelerador de IA moderno pode realizar muito mais multiplicações de matrizes por segundo do que consegue alimentar com dados. Modelos de linguagem grandes com centenas de bilhões de parâmetros precisam mover enormes quantidades de dados de pesos entre a memória e os núcleos de computação para cada token gerado. Se a memória não conseguir acompanhar, o silício de computação caro fica ocioso esperando dados — um problema que os engenheiros chamam de "memory-bound". É por isso que a plataforma Vera Rubin da NVIDIA vem com oito stacks HBM4 entregando 22 TB/s de largura de banda teórica e 288 GB de capacidade, e por que a série MI400 concorrente da AMD com Instinct MI455X contra-ataca com 12 stacks HBM4 para 432 GB de capacidade e 19,6 TB/s — um salto de 145% na largura de banda em relação aos 8 TB/s do MI350 da geração anterior.

O que mudou com o HBM4

O HBM4 dobra a largura da interface de memória para 2.048 bits por stack, contra o barramento mais estreito do HBM3, permitindo cerca de 1,5+ TB/s por stack individual com capacidades de até 48 GB. Empilhe vários destes — como NVIDIA e AMD fazem — e você obtém os valores de largura de banda de dois dígitos em terabytes mencionados. Isso não é uma atualização incremental; é um redesenho estrutural de como os chips de memória se comunicam com a camada lógica base abaixo deles, e exigiu que tanto a Samsung quanto a SK Hynix iniciassem a produção em massa em fevereiro de 2026, depois que a Samsung já havia atrasado seu lançamento uma vez devido a problemas de rendimento.

O problema de oferta que ninguém está discutindo

Aqui está a parte que deveria preocupar qualquer pessoa que esteja construindo sobre infraestrutura de IA: toda unidade de capacidade de produção de HBM4 em 2026 dos três fornecedores — SK Hynix, Samsung e Micron — já estava vendida e reservada pela NVIDIA, AMD e pela equipe de TPU do Google no final do primeiro trimestre de 2026. A SK Hynix detém cerca de 50-55% de participação de mercado, a Samsung 35-40% e a Micron distantes 5-10%, com a Micron apenas agora aumentando para 15.000 wafers dedicados até o final do ano. Os preços refletem a escassez: HBM3 custa cerca de US$ 200 por stack, HBM3E cerca de US$ 300 e HBM4 cerca de US$ 500 — um prêmio que é incorporado na lista de materiais de cada acelerador de IA e, eventualmente, no que os provedores de nuvem cobram por horas de GPU.

Isso é importante porque redefine quem pode competir na IA de fronteira. Uma startup ou provedor de nuvem de nível intermediário não pode simplesmente pedir mais HBM4 para escalar — os wafers já estão reservados com um ano de antecedência. A capacidade de computação está cada vez mais limitada não por vitórias no design de chips, mas por contratos de fornecimento de memória assinados 12 a 18 meses antes.

O que isso significa para compradores e construtores

Se você está avaliando infraestrutura de IA em 2026, a largura de banda de memória por dólar agora é uma métrica de comparação mais útil do que TFLOPS brutos. Uma GPU com mais computação, mas largura de banda de memória insuficiente, terá desempenho inferior a um design mais equilibrado em cargas de trabalho reais, particularmente na inferência, onde a geração de tokens é fortemente limitada pela memória. Equipes que constroem serviços de inferência de alto contexto ou alta taxa de transferência devem fazer benchmark de tokens reais por segundo sob carga, em vez de confiar em especificações de pico de FLOPS, pois a lacuna entre o desempenho teórico e o realizado é agora principalmente uma história de largura de banda de memória.

Para qualquer pessoa que esteja fechando contratos plurianuais de GPU ou nuvem, leve em consideração que as restrições de oferta de HBM4 são estruturais, não temporárias — espere que a pressão sobre os preços e a escassez de alocação persistam pelo menos até 2027, enquanto as fábricas aumentam a capacidade. O próximo salto real não virá apenas de uma especificação HBM5 mais rápida; virá de mudanças arquitetônicas — como aproximar a memória da computação via empacotamento de chiplets ou explorar o processing-in-memory — que reduzem a quantidade de dados que precisam ser movidos em primeiro lugar.