Key Takeaways
- RTX 4070 local: US$ 350-500 usada (~R$ 2.500-3.500 no Brasil) + US$ 0,02/hora de energia em repouso = US$ 0,02-0,05/hora de custo total
- Lambda Labs RTX 4090 em nuvem: US$ 2,50/hora + armazenamento + largura de banda
- Paperspace A100 em nuvem: US$ 0,60/hora; aceitável para fine-tuning de LLM
- AWS g4dn.2xlarge (V100) em nuvem: US$ 0,98/hora + margem de computação (10-20% adicional)
- Ponto de equilíbrio: RTX 4070 local vs Lambda Labs RTX 4090 = 140-280 horas de computação = 4-7 meses de uso semanal
- Para cargas de trabalho imprevisíveis: a nuvem é mais barata (sem custo inicial). Para uso consistente de 5+ horas/semana: o local é 5-10x mais barato
- Custos ocultos na nuvem: egress de largura de banda (US$ 0,02-0,10/GB), taxas de reserva de GPU, transferência de dados de/para a nuvem (US$ 0,05-0,15/GB)
- Custos ocultos no local: refrigeração (incluída no prédio), latência de rede (~100ms), troca de GPU a cada 5-7 anos
Uma RTX 4070 local custa US$ 0,02-0,05 por hora de inferência contra US$ 0,50-2,50/hora em GPUs na nuvem como Paperspace, Lambda Labs ou AWS -- o local é 10-50 vezes mais barato por hora e se paga em 2-6 meses para qualquer carga de trabalho consistente.
Alugar uma GPU na nuvem é conveniente, mas o custo soma rápido se você a usa com regularidade. Uma RTX 4070 usada se paga sozinha em alguns meses de uso constante e depois funciona basicamente de graça. GPUs na nuvem ainda fazem sentido para picos ocasionais de computação pesada ou hardware especializado como H100s que não justificam a compra, mas para inferência constante do dia a dia, o hardware local vence em custo.
Qual é o custo por hora: Local vs Nuvem?
RTX 4070 local (usada US$ 350; ~R$ 2.500 no Brasil): 250W TDP, eletricidade nos EUA US$ 0,14/kWh = US$ 0,035/hora de custo de computação + US$ 0,008/hora de depreciação (vida útil 5 anos) = US$ 0,043/hora no total.
RTX 4090 local (EOL; usada US$ 2.000-2.600; ~R$ 11.000-14.000 no Brasil): 450W TDP = US$ 0,063/hora de computação + US$ 0,053/hora de depreciação = US$ 0,116/hora.
Lambda Labs RTX 4090 em nuvem: US$ 2,50/hora (sem depreciação, mas inclui armazenamento e suporte). Entre 10 e 50 vezes mais caro que o local.
Paperspace A100 (80GB) em nuvem: US$ 0,60/hora; razoável para fine-tuning, ainda assim 10-15x mais caro que a RTX 4070 local.
AWS g4dn.2xlarge V100 em nuvem: US$ 0,98/hora preço de tabela, ~US$ 1,20 sob demanda com margem.
Quando uma GPU local recupera o investimento frente à computação em nuvem?
RTX 4070 local (US$ 350) vs Lambda Labs RTX 4090 em nuvem (US$ 2,50/h): Ponto de equilíbrio = US$ 350 / (US$ 2,50 − US$ 0,04) = 143 horas de computação = 29 semanas a 5 h/semana.
RTX 4090 local (EOL; US$ 2.000-2.600 usada) vs Lambda Labs (US$ 2,50/h): Ponto de equilíbrio = 960-1.200 horas de computação = 184-230 semanas a 5 h/semana (3,5-4,5 anos).
RTX 4070 local vs Paperspace A100 em nuvem (US$ 0,60/h): Ponto de equilíbrio = US$ 350 / (US$ 0,60 − US$ 0,04) = 625 horas = 150 semanas a 5 h/semana (quase 3 anos).
Para usuários esporádicos (5-10 horas/mês): a nuvem é mais barata. Para usuários consistentes (5+ horas/semana): o local é mais barato.
Como se comparam os provedores de GPU em nuvem?
Lambda Labs (abril 2026): RTX 4090 US$ 2,50/h, RTX 6000 Ada US$ 3,50/h, H100 US$ 4,50/h. Sem reserva por hora; pagamento por uso. Excelente para rajadas.
Paperspace (abril 2026): A100 40GB US$ 0,51/h, RTX A6000 US$ 0,73/h. Mais barato que o Lambda Labs, mas hardware mais antigo. Bom para treinamento.
AWS (abril 2026): g4dn.2xlarge V100 US$ 0,98/h sob demanda, ~US$ 0,40/h reservada (compromisso de 1 ano). ec2 g4dn.xlarge mais barato (US$ 0,526/h), mas apenas uma V100.
Google Colab Pro: US$ 10/mês ilimitado (GPU L4), US$ 50/mês com A100. Bom custo-benefício para usuários leves.
RunPod (abril 2026): RTX 4090 US$ 0,44/h, A100 US$ 1,29/h. Mais barato que o Lambda Labs; provedor menor.
Qual é o custo total de propriedade em 1 ano?
RTX 4070 local a 20 h/semana (1.040 horas/ano): US$ 350 de GPU + (1.040 × US$ 0,03) de eletricidade = US$ 381 no total.
Lambda Labs RTX 4090 em nuvem a 20 h/semana: 1.040 × US$ 2,50 = US$ 2.600 no total.
Razão de custos: a nuvem é 6,8x mais cara que o local para esta carga de trabalho.
RTX 4090 local (EOL; usada US$ 2.000-2.600) a 20 h/semana: US$ 2.300 (est.) + (1.040 × US$ 0,06) = US$ 2.362 no total (4-7x mais caro que RTX 4070 nova).
Paperspace A100 em nuvem a 20 h/semana: 1.040 × US$ 0,60 = US$ 624 no total (mais barato que a RTX 4090 local no primeiro ano, mas mais caro a partir do segundo ano).
Perguntas frequentes
Posso usar GPU em nuvem para inferência contínua 24/7?
Sim, mas os custos escalam rapidamente. Lambda Labs RTX 4090 24/7: US$ 2,50 × 8.760 = US$ 21.900/ano. RTX 4090 local (EOL; US$ 2.000-2.600 usada): US$ 460/ano depreciação + US$ 551/ano eletricidade = US$ 1.011/ano no total.
E os custos de egress de largura de banda na nuvem?
AWS/Google cobram US$ 0,02-0,10/GB pelos dados que saem da nuvem. Rodar uma API local que retorna 100MB/dia = US$ 60-300/mês em egress. O local tem custo zero de egress.
Preciso de um servidor dedicado ou posso usar meu PC gamer?
Seu PC gamer funciona, mas não consegue rodar jogos e inferência de LLM ao mesmo tempo. Muitos optam por servidores subutilizados ou mini PCs no lugar.
Os preços de GPU em nuvem são garantidos ou podem mudar?
Os preços flutuam (as instâncias spot da AWS variam 30-50%). Os preços do Lambda Labs são estáveis. Os preços de GPU locais dependem do mercado de segunda mão.
E se minha GPU local falhar durante a inferência?
Tempo de inatividade até a troca. A nuvem oferece redundância via implantações em várias regiões. O local exige uma GPU reserva ou failover para a nuvem.
Posso usar GPU em nuvem para fine-tuning em vez de só inferência?
Sim. O fine-tuning é mais econômico na nuvem (melhor refrigeração para a estabilidade do treinamento). Fazer fine-tuning na nuvem e depois implantar localmente para a inferência é um padrão comum.
E os custos para clientes da UE que precisam de conformidade com o GDPR?
Clientes da UE que comparam opções em nuvem devem considerar a conformidade: Comparativo de GPU em nuvem com GDPR para a UE → cobre Hetzner (€0,40/h), Scaleway, OVHcloud e alternativas em conformidade com o GDPR, com detalhamento completo de custos. No Brasil, a LGPD impõe princípios equivalentes para o tratamento de dados pessoais.
Erros comuns ao comparar custos de GPU local e em nuvem
- Esquecer a depreciação. Uma GPU local se deprecia cerca de 20% por ano; inclua isso no custo total.
- Ignorar os custos de largura de banda. APIs em nuvem que geram grandes embeddings/tensores incorrem em cobranças de egress (~US$ 0,02/GB).
- Comparar preços de GPUs antigas com a nuvem. A RTX 4090 está EOL (não é mais fabricada); os preços do mercado usado são US$ 2.000-2.600, o que a torna menos econômica em relação a GPUs de geração atual como RTX 5090 ou RTX 4080 Super.
- Subestimar o overhead de infraestrutura. Rodar um cluster local (refrigeração, redundância, monitoramento) custa 10-20% a mais que uma única GPU.
- Supor que a nuvem é só para rajadas. Para cargas de trabalho imprevisíveis (tráfego irregular), a nuvem vence. Para carga base, o local é mais barato.
Leituras relacionadas
- Alugar GPU na nuvem vs comprar on-prem para IA empresarial (2026) -- a mesma pergunta de alugar vs comprar em escala de compra empresarial, com um modelo completo de TCO e ponto de equilíbrio.
- Comparativo de aluguel de GPU em nuvem: RunPod vs Vast.ai vs Lambda Labs
- Vale a pena comprar uma GPU vs assinaturas de IA?
- Melhores GPUs econômicas para LLM local
- Comparativo de custo: LLM local vs ChatGPT Plus
- LLM local com múltiplas GPUs: escalando além de uma única GPU
- Quando você deve combinar inferência de LLM local e na nuvem? -- a questão de arquitetura, depois que você já sabe qual é mais barato.
Fontes
- Preços de GPU Lambda Labs: lambdalabs.com/service/gpu-cloud (abril 2026)
- Preços de GPU Paperspace: paperspace.com/pricing
- Preços de instâncias GPU EC2 da AWS: aws.amazon.com/ec2/pricing/on-demand (abril 2026)