Escassez de GPU fabricada pela Nvidia? A lição do Bun
A Nvidia está sendo acusada de dar dinheiro a startups de IA para que elas comprassem GPUs da própria Nvidia. Segundo a reportagem do TechPowerUp, isso teria ajudado a criar uma escassez de GPU que não era só demanda orgânica. Era, em parte, demanda financiada pelo vendedor.
É uma acusação, não uma condenação. Mas ela toca num ponto que todo dev que já pediu orçamento de cloud com GPU conhece bem: o preço da fila.
O que a Nvidia teria feito, em português claro
O desenho é simples. A Nvidia investe numa empresa nova de IA ou de cloud de GPU. Essa empresa usa parte do dinheiro para comprar placas da Nvidia. A Nvidia registra a venda como receita. A startup mostra para o mercado que tem um parque enorme de GPUs. Todo mundo olha e conclui: a demanda é infinita.
Esse movimento tem nome no mercado financeiro: financiamento circular. O dinheiro sai de um bolso e volta para o mesmo bolso, passando por uma nota fiscal no meio.
Não é segredo que a Nvidia tem participação em empresas que são grandes clientes dela. Provedores de GPU como a CoreWeave são o exemplo mais citado. A novidade da acusação é o efeito: a fila de espera por H100 e afins não seria só sinal de demanda, mas também de uma oferta direcionada para quem estava no ecossistema certo.
A Nvidia, como esperado, não confirma essa leitura. E vale ser honesto: investir em clientes não é crime, e muita empresa faz isso. A questão é o quanto isso distorce o sinal de preço.
Por que a escassez de GPU importa para quem escreve código
Você pode pensar: "eu faço API em TypeScript, não treino modelo". Justo. Mas a escassez de GPU chega em você por três caminhos.
- Preço de inferência. A API de LLM que você chama no backend tem custo ligado ao hardware. Hardware caro vira token caro.
- Decisão de arquitetura. Muita equipe colocou IA em fluxo que não precisava, porque "todo mundo está fazendo". Parte desse "todo mundo" foi bancada por dinheiro circular.
- Cota e rate limit. Quando o provedor aperta limite, quem sofre é o seu endpoint em produção, às 3 da manhã.
Se a demanda foi inflada, o preço também foi. E decisões técnicas tomadas com preço inflado envelhecem mal.
Demanda financiada pelo vendedor não é demanda. É estoque com outro nome.
Onde o Bun entra nessa história
O Bun é o contraponto perfeito para essa notícia. Ele nasceu de uma ideia quase antiquada: fazer mais com o mesmo hardware.
Não tem GPU envolvida. Tem Zig, JavaScriptCore e um trabalho obsessivo de reduzir tempo de startup, instalação de pacote e overhead de I/O. A Anthropic comprou o Bun no fim de 2025 justamente porque ferramenta rápida e barata de rodar vira vantagem quando você tem milhares de agentes executando código o dia todo.
Repare na diferença de lógica. Um lado do mercado cresce vendendo mais hardware. O outro cresce fazendo o hardware que você já tem render mais. Os dois são legítimos. Mas só um deles reduz a sua conta no fim do mês.
Um servidor HTTP no Bun continua sendo isso aqui:
Bun.serve({
port: 3000,
fetch(req) {
return new Response("ok");
},
});
Sem framework, sem camada extra. Numa VPS de 2 vCPUs isso aguenta muito mais tráfego do que a maioria dos side projects vai ver na vida. E você paga uns poucos dólares por mês, não um contrato anual de GPU.
O que muda no seu fluxo de trabalho
A lição prática não é "fuja de IA". É "meça antes de comprar a narrativa". Alguns hábitos que eu adotei:
1. Pergunte se o problema precisa de modelo. Classificar ticket por palavra-chave, validar CPF, extrair data de um texto padronizado: regex e uma função pura resolvem. Chamar LLM para isso é como pegar Uber para ir até a geladeira.
2. Meça o custo por requisição. Coloque um contador simples no seu endpoint de IA e olhe o número de verdade.
const inicio = performance.now();
const resposta = await gerarResumo(texto);
const ms = performance.now() - inicio;
console.log({ ms, tokens: resposta.usage.totalTokens });
Com esse log você descobre rápido se aquela feature custa centavos ou se está comendo o seu orçamento em silêncio.
3. Faça cache do que se repete. Muita pergunta que chega no seu backend é igual. Um cache em memória ou no Redis evita pagar duas vezes pelo mesmo token.
const cache = new Map<string, string>();
async function resumir(texto: string) {
const hit = cache.get(texto);
if (hit) return hit;
const r = await gerarResumo(texto);
cache.set(texto, r.text);
return r.text;
}
Simples, com limite óbvio: o Map cresce para sempre. Em produção você troca por LRU ou Redis com TTL. Mas começar assim já mostra quanto você economiza.
4. Prefira runtime e ferramenta eficientes no resto da stack. Se a IA é a parte cara, o resto precisa ser barato. Trocar npm install por bun install no CI já corta minutos de build por dia. Minuto de CI também é dinheiro.
Mas a demanda por IA não é real?
É, em boa parte. Ninguém sério acha que o boom de IA é só ilusão contábil. Modelos melhoraram, ferramentas de código com agente viraram rotina, empresas estão pagando por isso.
O problema é outro. Quando o vendedor financia o comprador, você perde a capacidade de separar o que é real do que é empurrado. É como medir a popularidade de um restaurante contando os clientes que o próprio dono convidou de graça. A casa está cheia. Mas você não sabe quantos voltariam pagando.
Para o dev, isso significa uma coisa: não use o hype como métrica de projeto. Use o seu próprio log, o seu próprio custo, o seu próprio usuário.
Minha opinião
Eu acho que essa história vai terminar como quase todas as bolhas de infraestrutura: parte do investimento vai virar capacidade útil, parte vai virar data center ocioso, e o preço da GPU vai cair quando a música parar.
Até lá, a melhor proteção é técnica, não financeira. Escreva código que roda bem em máquina barata. Use IA onde ela resolve um problema real. E desconfie de qualquer escassez que beneficia justamente quem está vendendo.
O Bun é um bom lembrete de que eficiência ainda é uma estratégia. Não aparece na manchete, mas aparece na fatura. Se quiser ver como eu aplico isso nos meus projetos, dá uma olhada no que eu ando construindo.
Resumo para o LinkedIn
A Nvidia está sendo acusada de financiar startups para que elas comprassem GPUs da própria Nvidia. Se for verdade, parte da famosa escassez de GPU não era demanda. Era estoque com outro nome. Isso chega em quem escreve código: token mais caro, rate limit apertado e IA enfiada em fluxo que um regex resolveria. O Bun mostra o caminho contrário: fazer o hardware que você já tem render mais. Não sai na manchete, mas aparece na fatura. Meu conselho: meça o custo por requisição, faça cache do que se repete e não use o hype como métrica de projeto. Escrevi sobre isso no blog, com código. Se fizer sentido para você, o link está nos comentários. #Nvidia #InteligenciaArtificial #Bun #DesenvolvimentoDeSoftware #CloudComputing