Empresas estão comprando GPUs como se o desempenho de inteligência artificial (IA) dependesse só de poder de cálculo. Não depende.

A rede para IA no Data Center define quanto de cada GPU vira trabalho útil e quanto vira chip caro parado, esperando os dados chegarem.

Em clusters que treinam e servem modelos grandes, o ponto que mais trava resultado costuma ser a fabric que conecta as placas. É justamente onde menos gente olha antes de assinar o pedido de compra.

O mercado está migrando para Ethernet, e isso não decide o seu projeto

Até o fim de 2023, o InfiniBand respondia por mais de 80% das redes de back-end de IA, segundo a Dell’Oro Group.

Esse número está caindo rápido. A mesma consultoria projeta que a Ethernet ultrapasse o InfiniBand em participação já em 2026, um ano antes do previsto, e estima que as vendas de switches para essas redes passem de US$ 100 bilhões entre 2025 e 2029. Em junho de 2025, o Ultra Ethernet Consortium (UEC), hospedado na Linux Foundation, publicou a especificação 1.0, uma pilha Ethernet aberta desenhada para cargas de IA e HPC, com RDMA (Remote Direct Memory Access) moderno e integração multifornecedor.

A leitura fácil é “o futuro é Ethernet, então compre Ethernet”. Essa leitura não ajuda quem precisa dimensionar um cluster hoje. A tendência de mercado diz para onde o ecossistema caminha. Não diz o que a sua carga precisa. Um gráfico de participação de mercado não roda um treinamento distribuído.

A rede para IA no Data Center é o gargalo e não a GPU

Em projetos de campo, o padrão se repete: a GPU não é o limite. Numa operação de treinamento, milhares de placas precisam trocar gradientes a cada passo, em operações coletivas como all-reduce. Basta um caminho congestionado ou com perda de pacote para que todas as outras placas esperem a mais lenta. A GPU fica ociosa, e o custo por hora continua correndo.

É por isso que a RoCEv2 (RDMA over Converged Ethernet, versão 2) mal configurada vira armadilha.

Ela assume uma rede sem perdas, e manter essa rede sem perdas em escala é difícil. A prova de que o problema é esse veio da própria Meta. Em agosto de 2026, a empresa apresentou o MetaRoCE, um transporte RDMA reconstruído do zero que trata perda, congestionamento e reordenação de pacotes como condição normal, não como exceção.

Nos testes, ele manteve cerca de 86% da vazão com 1% de perda de pacotes e continuou operando com perdas de até 10%. A engenharia foi para dentro da placa de rede justamente porque garantir uma fabric perfeita em escala de centenas de milhares de aceleradores não se sustenta.

Design pesa mais que a sigla do protocolo

Aqui está a tese que importa para quem decide: o desenho da rede pesa mais do que a escolha entre InfiniBand e Ethernet.

Topologia, nível de oversubscription, estratégia de controle de congestionamento e de perda, dimensionamento de buffer. São essas decisões que separam um cluster que entrega 90% da capacidade teórica de um que entrega 60%.

Um design ruim em InfiniBand perde para um design bom em Ethernet, e o contrário também é verdade.

A discussão sobre qual protocolo tem o logo vencedor distrai da parte que dá trabalho e que o fornecedor nem sempre quer abrir: adequar a fabric ao padrão de tráfego das suas cargas.

Tráfego de operações coletivas de IA não se comporta como tráfego corporativo norte-sul. Uma rede projetada para o segundo vai decepcionar no primeiro, com qualquer sigla na etiqueta.

Para onde isso vai

A corrida de velocidade continua. As portas de 800 Gbps já são maioria em 2025, com 1.600 Gbps previstas para 2027 e 3.200 Gbps para 2030, segundo a Dell’Oro.

Ao mesmo tempo, o UEC e iniciativas como o MetaRoCE empurram a Ethernet para um patamar em que ela deixa de ser a opção “boa o suficiente” e passa a ser projetada especificamente para IA.

O efeito prático é que a pergunta “InfiniBand ou Ethernet?” vai perdendo peso.

O ecossistema aberto reduz o risco de lock-in, e fornecedores como Arista, Cisco, Juniper e Nokia disputam espaço antes dominado por poucos.

O que não muda é a necessidade de disciplina de projeto. Quanto mais rápida a porta, mais caro fica cada ponto de ociosidade causado por uma fabric mal dimensionada.

As perguntas que você precisa fazer antes de comprar

A decisão não deveria começar pela marca do switch. Deveria começar por quatro perguntas que separam proposta técnica de discurso comercial.

• Qual é a carga real? Treinamento de larga escala e inferência têm requisitos de rede diferentes, e a maioria das empresas faz muito mais inferência e fine-tuning do que treinamento de fronteira.
• Qual é a escala do cluster, em dezenas, centenas ou milhares de GPUs? A resposta muda a topologia inteira.
• A fabric proposta foi dimensionada para o tráfego de operações coletivas ou para tráfego genérico de Data Center?
• E qual é o custo de sair depois, em lock-in de hardware, de software e de contrato?

Se o fornecedor responde a essas quatro perguntas com um comparativo de protocolo, a conversa está no nível errado. A rede de IA é um projeto de engenharia antes de ser uma compra de equipamento.

Conclusão

A GPU é o ativo visível e caro, então vira o centro da decisão.

Mas é a rede que determina quanto desse ativo você vai realmente usar. A migração do mercado para Ethernet é real e provavelmente irreversível, e ainda assim ela não substitui a parte difícil: projetar a fabric para o comportamento específico das suas cargas.

Quem trata a rede como detalhe de infraestrutura paga a conta em GPU ociosa. Quem a trata como projeto de engenharia extrai o desempenho que justificou o investimento.

Quer avaliar se a infraestrutura de rede da sua empresa está dimensionada para cargas de IA antes do próximo investimento em GPU? Fale com nossos especialistas: www.dynalogic.net