O que é a CoreWeave: como funciona a nuvem de GPUs e quando usá-la em IA

Até 65% da capacidade efetiva de processamento embutida em placas gráficas se perde por ineficiências de sistema, segundo dados divulgados pela própria CoreWeave (abre em nova aba). Empilhar aceleradores de hardware não resolve gargalos de rede e armazenamento. Provedoras de nuvem tradicionais foram desenhadas sob premissas de virtualização para servidores web e bancos de dados transacionais, onde cargas de trabalho são distribuídas e isoladas. O treinamento e a inferência (execução prática de um modelo já treinado) de inteligência artificial exigem o oposto: milhares de processadores operando em sincronia, trocando terabytes de estado sem que a camada de rede trave o lote inteiro.⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌‌​​‌​‌‌​​‌‌​​​‌‌​‌​​​‌‌​​​‌‌​‌‌​​‌‌​​‌‌​​​‌‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​​‌‌​​‌‌​​‌‌​‌​‌​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​‌​​​‌‌‌​​‌​​‌‌​​​​​​‌​‌‌​‌​​‌‌‌​​​​‌‌​​​‌​​‌‌​​​‌​​​‌‌​​​‌​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​​‌​​‌‌​​​​‌​‌‌​​‌​​​​‌‌​​‌​​​‌‌‌​​​​‌‌​​​​‌​​‌‌​‌‌‌​​‌‌​‌‌‌​‌‌​​‌‌​​‌‌​​‌​‌​​‌‌​​‌‌⁠

A CoreWeave (listada na bolsa Nasdaq sob o código CRWV) opera exatamente nessa fratura arquitetural. A empresa faz parte do grupo das chamadas "neonuvens", provedoras independentes de computação especializadas em oferecer processamento bruto e ferramentas dedicadas para cargas de IA, categoria que também inclui companhias como Nebius, Iren e Applied Digital. De acordo com a documentação comercial da plataforma, sua estrutura física soma mais de 250 mil GPUs (unidades de processamento gráfico aceleradas pela Nvidia), distribuídas em mais de 33 data centers na América do Norte e na Europa, com 1,6 gigawatt de capacidade de energia contratada. A promessa da fornecedora é entregar um desempenho de agrupamento de placas até 20% superior ao de soluções alternativas, atendendo, segundo a empresa, 9 dos 10 principais criadores de modelos fundacionais do mercado.

Por que nuvens de propósito geral engasgam com IA

Para uma equipe de engenharia, a diferença entre alugar máquinas virtuais em uma nuvem generalista e usar uma infraestrutura dedicada aparece na latência de comunicação entre nós e na gestão do ciclo de vida do modelo. Corey Sanders, vice-presidente sênior de produto da CoreWeave e executivo que no passado fundou a área de IaaS (Infraestrutura como Serviço, o aluguel de servidores e rede sob demanda) do Microsoft Azure, afirmou em entrevista à revista AI Magazine em novembro de 2026 que a inteligência artificial quebra muitas das suposições sobre as quais as nuvens de propósito geral foram construídas.

Em uma arquitetura tradicional, recursos de rede, armazenamento de objetos e orquestração costumam ser camadas adicionadas separadamente ao longo do tempo. Na abordagem da CoreWeave, a base é estruturada sobre clusters de GPU (agrupamentos de placas gráficas interligadas para cálculo paralelo em escala de supercomputação) gerenciados via Kubernetes, um sistema de código aberto para automatizar a implantação e o dimensionamento de aplicações em contêineres. Para conectar os ambientes privados das empresas a esses centros de dados sem passar pela internet pública, a operadora oferece conexões diretas (Direct Connects) sobre um backbone de rede próprio. Durante sua primeira conferência de usuários, a Fully Connected, a empresa também apresentou o CoreWeave Forge, ferramenta desenhada para unificar o ciclo completo de desenvolvimento, treinamento e iteração de modelos e agentes em uma mesma pilha de software.

Como aplicar na prática: do banco de dados ao provisionamento

Na rotina de quem coloca sistemas de IA em produção, um erro comum de arquitetura é tratar a neonuvem apenas como um motor de cálculo isolado. A equipe aluga GPUs na CoreWeave para rodar o modelo, mas mantém o banco de dados relacional e os vetores na nuvem tradicional onde o restante do sistema já morava.

Na prática, a conta de latência chega rápido. Aplicações em produção dependem de estado da aplicação, metadados e embeddings (representações matemáticas em forma de vetores que traduzem o significado de textos ou imagens) consultados a cada passo por pipelines de treinamento, agentes autônomos e serviços de RAG (Geração Aumentada por Recuperação, arquitetura que busca dados atualizados em uma base externa antes de o modelo gerar a resposta). Quando cada consulta precisa atravessar duas nuvens diferentes, o atraso de rede e o custo operacional se multiplicam.

Para eliminar esse salto entre nuvens, a empresa lançou em disponibilidade geral, em 11 de novembro de 2026, o CoreWeave Database. Trata-se de um serviço gerenciado compatível com o banco de dados relacional PostgreSQL que roda diretamente dentro dos clusters do CoreWeave Kubernetes Service (CKS) do cliente, ao lado das cargas de treinamento e inferência. O serviço inclui alta disponibilidade, backups contínuos e recuperação pontual (point-in-time recovery) nativos.

E como o desenvolvedor provisiona e valida essa infraestrutura no dia a dia sem fazer tudo manualmente no painel? Em 9 de novembro de 2026, a empresa liberou em prévia pública o CoreWeave Skills, um pacote de habilidades instalável via GitHub que integra a automação de infraestrutura diretamente ao agente de codificação Claude Code, permitindo subir clusters e servir modelos com o vLLM (motor de código aberto focado em alta taxa de transferência e uso eficiente de memória na inferência de modelos de linguagem). A conta oficial da plataforma detalhou o fluxo de operação no anúncio da ferramenta:

Apresentando o CoreWeave Skills em prévia pública. O Claude Code pode construir um cluster do CoreWeave Kubernetes Service (CKS), adicionar um GPU Node Pool, servir um modelo com vLLM e verificar se as GPUs estão realmente ocupadas. Instale uma única vez a partir do repositório oficial da CoreWeave no GitHub:

, CoreWeave (@CoreWeave), 9 de nov. de 2026, no X⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌‌​​‌​‌‌​​‌‌​​​‌‌​‌​​​‌‌​​​‌‌​‌‌​​‌‌​​‌‌​​​‌‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​​‌‌​​‌‌​​‌‌​‌​‌​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​‌​​​‌‌‌​​‌​​‌‌​​​​​​‌​‌‌​‌​​‌‌‌​​​​‌‌​​​‌​​‌‌​​​‌​​​‌‌​​​‌​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​​‌​​‌‌​​​​‌​‌‌​​‌​​​​‌‌​​‌​​​‌‌‌​​​​‌‌​​​​‌​​‌‌​‌‌‌​​‌‌​‌‌‌​‌‌​​‌‌​​‌‌​​‌​‌​​‌‌​​‌‌⁠

Para arquitetos de software e engenheiros de MLOps que avaliam usar a plataforma, o desenho da implantação pode ser organizado a partir do acoplamento entre dados e processamento:

O limite do modelo: dívida cara, energia e risco de capacidade

Adotar uma provedora especializada exige olhar para além do Kubernetes. Diferentemente de gigantes de tecnologia que financiam data centers com o fluxo de caixa de softwares corporativos, publicidade ou varejo, a CoreWeave precisa tomar empréstimos pesados e contínuos para comprar chips da Nvidia (que também é a principal investidora da empresa) e construir centros de dados antes que a receita se concretize.

Os números divulgados em 11 de novembro de 2026 mostram o tamanho dessa alavancagem:

O prejuízo líquido de US$ 709 milhões calculado sob o padrão GAAP (Princípios Contábeis Geralmente Aceitos nos Estados Unidos) reflete o peso dos gastos de capital e do serviço da dívida. O balanço de novembro aliviou parte do temor imediato do mercado financeiro porque a empresa sinalizou uma redução no ritmo de novos empréstimos, apoiada em adiantamentos de clientes e contratos firmados, o que fez suas ações saltarem mais de 20% no dia 11 de novembro, puxando altas de 5% na Nvidia e valorizações entre 4,7% e 11,8% em pares do setor. Logo no dia seguinte, 12 de novembro, os papéis voltaram a sofrer pressão em meio à instabilidade da Nvidia e às dúvidas sobre o custo do crédito para manter a expansão física.

Para quem planeja infraestrutura técnica a médio prazo, há duas restrições práticas apontadas pelo mercado. A primeira é física e regulatória: o diretor-executivo da CoreWeave, Michael Intrator, declarou à agência Reuters que o aumento da fiscalização e moratórias na construção de novos data centers, inclusive no mercado estratégico do Texas, podem desacelerar a entrega de nova capacidade em todo o setor.

A segunda restrição é estrutural. Em comunicado a clientes citado pela Reuters, analistas da consultoria Bernstein, liderados por Madison Rezaei, alertaram que a CoreWeave estará entre as primeiras e mais afetadas companhias quando a atual escassez de capacidade computacional para inteligência artificial diminuir. Equipes de engenharia que hoje migram seus bancos de dados PostgreSQL e pipelines de agentes para dentro do mesmo cluster Kubernetes buscando cortar milissegundos de latência estão, no mesmo movimento, trocando o aluguel tático de GPUs escassas por um acoplamento profundo a uma infraestrutura cuja promessa de lucro em 2028 depende de essa escassez continuar existindo.⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌‌​​‌​‌‌​​‌‌​​​‌‌​‌​​​‌‌​​​‌‌​‌‌​​‌‌​​‌‌​​​‌‌​​‌‌​​‌​​​‌‌‌​​‌​​‌​‌‌​‌​​‌‌​​‌‌​​‌‌​‌​‌​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​‌​​​‌‌‌​​‌​​‌‌​​​​​​‌​‌‌​‌​​‌‌‌​​​​‌‌​​​‌​​‌‌​​​‌​​​‌‌​​​‌​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​​‌​​‌‌​​​​‌​‌‌​​‌​​​​‌‌​​‌​​​‌‌‌​​​​‌‌​​​​‌​​‌‌​‌‌‌​​‌‌​‌‌‌​‌‌​​‌‌​​‌‌​​‌​‌​​‌‌​​‌‌⁠