TLDR;

Startups que treinam seus próprios modelos têm dificuldade porque precisam de muitos chips concentrados por longos períodos, mas enfrentam orçamento limitado, contratos rígidos e menor disponibilidade de capacidade on‑demand. O mercado mudou: capacidade spot/on‑demand secou, filas e esperas aumentaram, provedores exigem contratos mais longos (1–5 anos) e preços subiram cerca de 50% em seis meses. Os provedores se dividem entre buscar receita garantida com contratos longos e escolher a dedo quais startups apoiar, deixando Neolabs em posição desfavorável para conseguir capacidade.

Resumo

Startups de IA que treinam seus próprios modelos, chamadas de “Neolabs”, enfrentam dificuldades severas para obter capacidade de computação em nuvem adequada: elas precisam de muitos chips, reunidos num mesmo local e por longos períodos, o que contrasta com as necessidades típicas de outras startups e onera orçamentos enxutos. Além disso, o mercado mudou: o acesso sob demanda e o mercado de spot secaram, gerando filas de horas a semanas para conseguir até poucos chips, e os provedores passaram a oferecer contratos cada vez mais longos (1–5 anos) e mais caros — preços que chegaram a subir cerca de 50% nos últimos meses. Isso cria um dilema para empresas jovens que ainda fazem pesquisa fundamental e não conseguem prever suas necessidades futuras, exemplificado por uma companhia de robótica que buscava centenas a milhares de chips e por uma organização de pesquisa que celebrou como uma vitória a contratação de apenas ~60 chips. Do lado dos vendedores, hyperscalers relutam em expor-se a muitos clientes pequenos por risco operacional e financeiro, muitas vezes escolhendo “favoritos” como se fizessem papel de investidores; já os neoclouds tentam travar receitas elevadas com contratos longos, ponderando entre garantir fluxo de caixa e lucrar no curto prazo com vendas caras e pontuais.