OpenAI, Oracle e SoftBank adicionam cinco unidades do Stargate, levando a capacidade planejada a quase 7 gigawatts

O que o anúncio de 23 de setembro realmente garante

OpenAI, Oracle e SoftBank anunciaram cinco novas unidades de data center nos EUA sob o guarda-chuva do Stargate. Somando ao campus principal em Abilene, no Texas, e aos projetos em andamento com a CoreWeave, a OpenAI afirma que isso leva o Stargate a quase 7 gigawatts de capacidade planejada e mais de US$ 400 bilhões em investimento nos próximos três anos.

A meta declarada é garantir o compromisso total de US$ 500 bilhões e 10 gigawatts anunciado em janeiro até o fim de 2025 — descrito como adiantado em relação ao cronograma. Um acordo firmado em julho entre OpenAI e Oracle para desenvolver até 4,5 gigawatts de capacidade adicional é citado como uma parceria que supera US$ 300 bilhões em cinco anos.

As unidades se dividem em dois grupos. Três localidades ligadas à Oracle — Shackelford County, no Texas; Doña Ana County, no Novo México; e uma unidade no Meio-Oeste depois confirmada como Wisconsin (desenvolvida pela Oracle com a Vantage) — mais uma possível expansão de 600 megawatts próxima a Abilene, podem entregar mais de 5,5 gigawatts. Duas unidades em parceria com a SoftBank, em Lordstown, Ohio, e Milam County, Texas, podem escalar até 1,5 gigawatt em 18 meses.

A linha GB200 é a que chega até as aplicações em produção

A maior parte do anúncio fala de energia, dinheiro e empregos — são projetados mais de 25 mil postos de trabalho no local, somando todas as unidades. Mas uma frase é diretamente relevante para quem roda inferência em produção: a Oracle começou a entregar os primeiros racks NVIDIA GB200 em Abilene em junho, e a OpenAI diz que já iniciou cargas iniciais de treinamento e inferência sobre essa capacidade.

Para equipes de frontend e de aplicação, a capacidade de treinamento é invisível; ela só aparece meses depois, na forma de um modelo melhor. A capacidade de inferência não é assim. É ela que está por trás dos limites de taxa, da latência de resposta e de se um recurso continua disponível quando há um pico de tráfego. O anúncio associa explicitamente as novas unidades à inferência, não só ao treinamento.

Essa distinção importa porque a estrutura física sendo construída aqui é o que sustenta a API de que um produto depende. Quando uma unidade do Stargate liga capacidade de inferência, o efeito prático que chega até o código da aplicação é mais margem nos endpoints já usados.

'Construção rápida' e eficiência de custo como argumento de infraestrutura

As unidades em parceria com a SoftBank são descritas em termos operacionais: Lordstown usa um 'design avançado de data center' com previsão de entrar em operação no ano que vem, e Milam County é uma unidade de 'construção rápida' com infraestrutura energizada fornecida pela SB Energy. A OpenAI apresenta as duas como passos rumo a uma 'implantação mais rápida, maior escalabilidade e melhor eficiência de custo — tornando a computação de alto desempenho mais acessível.'

Para atender a essa demanda enorme, continuamos expandindo a presença da OCI num ritmo sem precedentes, entregando o treinamento e a inferência de IA mais eficientes em desempenho e custo.— Clay Magouyrk, CEO da OracleMontana Labs

'Inferência com custo eficiente' é a frase para guardar. O anúncio não traz preço por token, então nada aqui muda um orçamento hoje. Mas a intenção declarada — inferência mais barata em escala maior — é o mecanismo pelo qual anúncios de capacidade eventualmente chegam à economia dos produtos.

O que as equipes de frontend devem observar conforme as unidades entram em operação

Nada disso está disponível para um produto no dia do anúncio. Abilene já roda na OCI; as outras cinco unidades variam entre operação prevista para o ano que vem e ainda em avaliação. O próprio processo de seleção — mais de 300 propostas vindas de mais de 30 estados, com novas unidades ainda por vir — indica que se trata de uma construção de vários anos, não de um botão que se aperta e liga tudo de uma vez.

A implicação prática para equipes que constroem sobre a OpenAI: a capacidade de inferência está sendo ampliada e distribuída geograficamente, e as primeiras cargas de inferência em GB200 já estão no ar. A postura útil é tratar a margem nos limites de taxa e a latência como algo que deve melhorar ao longo da construção, enquanto se projeta para a realidade de que as restrições de hoje ainda valem até que unidades específicas confirmem inferência em operação.