A rubrica de armazenamento em nuvem no or\u00e7amento de um projeto de IA quase nunca \u00e9 o que causa o estouro no or\u00e7amento. O armazenamento \u00e9 previs\u00edvel \u2014 voc\u00ea sabe o tamanho do conjunto de dados, sabe a tarifa por GB e pode calcular o custo mensal antes mesmo do projeto come\u00e7ar. A rubrica que pega as equipes de surpresa \u00e9 aquela que n\u00e3o aparece na estimativa inicial: a transfer\u00eancia de dados. <\/p>\n\n
As contas de nuvem para cargas de trabalho de IA em 2026 est\u00e3o superando as previs\u00f5es em 30 a 40 por cento. N\u00e3o porque o armazenamento tenha ficado mais caro \u2014 mas porque o treinamento gera movimenta\u00e7\u00e3o de dados que ningu\u00e9m incluiu no or\u00e7amento. A cobran\u00e7a n\u00e3o \u00e9 novidade. O que \u00e9 novo \u00e9 a magnitude dela. <\/p>\n\n
Converse com um especialista da Nexsan\u00ae sobre a s\u00e9rie Unity NV e a infraestrutura de treinamento em IA \u2192<\/a><\/strong><\/p>\n\n Por que as cargas de trabalho de IA geram cobran\u00e7as inesperadas de tr\u00e1fego de sa\u00edda da nuvem?<\/strong><\/p>\n\n\n\n As taxas de sa\u00edda da nuvem \u2014 que variam de US$ 0,08 a US$ 0,12 por gigabyte na AWS, no Azure e no GCP \u2014 s\u00e3o cobradas toda vez que os dados saem do armazenamento na nuvem para o ambiente de computa\u00e7\u00e3o. O treinamento de IA n\u00e3o l\u00ea um conjunto de dados apenas uma vez; ele o l\u00ea repetidamente a cada \u00e9poca, salvamento de ponto de verifica\u00e7\u00e3o, restaura\u00e7\u00e3o de ponto de verifica\u00e7\u00e3o e etapa de valida\u00e7\u00e3o. Um conjunto de dados de treinamento de 10 TB com repeti\u00e7\u00f5es regulares pode gerar US$ 4.000 por m\u00eas em taxas de sa\u00edda antes mesmo do modelo ser lan\u00e7ado. <\/p>\n<\/blockquote>\n\n As taxas de sa\u00edda n\u00e3o s\u00e3o uma peculiaridade da pol\u00edtica de pre\u00e7os dos fornecedores de nuvem. Elas s\u00e3o o resultado natural de uma condi\u00e7\u00e3o arquitet\u00f4nica espec\u00edfica: os dados de treinamento e a computa\u00e7\u00e3o de treinamento est\u00e3o separados por um limite de cobran\u00e7a de rede. <\/p>\n\n Quando a computa\u00e7\u00e3o de IA pega os dados de treinamento do armazenamento de objetos na nuvem \u2014 AWS S3, Azure Blob, GCP Cloud Storage \u2014, ela ultrapassa esse limite. O provedor de nuvem registra a transfer\u00eancia e cobra por ela: US$ 0,087\/GB no Azure, US$ 0,09 na AWS, US$ 0,08 a US$ 0,12 no GCP, dependendo do destino. Essas n\u00e3o s\u00e3o taxas abusivas. \u00c9 assim que os provedores de nuvem cobram pela rede que seu trabalho de treinamento est\u00e1 usando. <\/p>\n\n Na maioria dos planos de infraestrutura de IA, a sa\u00edda de dados \u00e9 considerada insignificante \u2014 um erro de arredondamento al\u00e9m dos custos de computa\u00e7\u00e3o e armazenamento. Mas a arquitetura garante que a sa\u00edda de dados ser\u00e1 substancial. N\u00e3o se trata de uma anomalia na cobran\u00e7a. Trata-se do resultado previs\u00edvel de uma decis\u00e3o de projeto sobre onde os dados ficam armazenados. <\/p>\n\n Veja como muda o c\u00e1lculo do TCO local para cargas de trabalho de IA \u2192<\/a><\/strong><\/p>\n\n O motivo pelo qual o egress \u00e9 maior do que o esperado n\u00e3o \u00e9 o tamanho do conjunto de dados. \u00c9 o n\u00famero de vezes que o treinamento acessa os dados. <\/p>\n\n Um modelo treinado em um conjunto de dados de 10 TB n\u00e3o movimenta 10 TB de uma vez. Ele movimenta 10 TB por \u00e9poca \u2014 e a maioria das execu\u00e7\u00f5es de treinamento precisa de 10 a 50 \u00e9pocas para convergir. Cada \u00e9poca \u00e9 uma passagem completa pelo conjunto de dados. Cada salvamento de checkpoint grava o estado do modelo de volta no armazenamento. Cada restaura\u00e7\u00e3o de checkpoint \u2014 quando uma execu\u00e7\u00e3o distribu\u00edda falha ou reinicia \u2014 recupera esse estado. As passagens de valida\u00e7\u00e3o leem uma fatia separada. O ajuste de hiperpar\u00e2metros reexecuta a sequ\u00eancia a partir de checkpoints anteriores. <\/p>\n\n O volume total de dados movimentados em uma \u00fanica execu\u00e7\u00e3o de treinamento com um conjunto de dados de 10 TB costuma ficar entre 100 TB e 500 TB. A US$ 0,09\/GB, isso d\u00e1 de US$ 9.000 a US$ 45.000 por execu\u00e7\u00e3o. As equipes que calcularam o custo na nuvem como \u201c10 TB \u00d7 taxa de armazenamento\u201d erraram por uma ordem de magnitude antes mesmo da primeira \u00e9poca terminar. <\/p>\n\n Um cen\u00e1rio mais modesto \u2014 conjunto de dados de 10 TB, quatro a cinco passagens completas por semana \u2014 ainda gera cerca de US$ 4.000 por m\u00eas em tr\u00e1fego de sa\u00edda. Custo de armazenamento para o mesmo conjunto de dados no AWS S3: cerca de US$ 230 por m\u00eas. O item de sa\u00edda de dados \u00e9 mais de 17 vezes maior que o de armazenamento, e \u00e9 justamente esse que n\u00e3o estava na estimativa. <\/p>\n\n\n
O limite de cobran\u00e7a \u00e9 uma caracter\u00edstica da arquitetura, n\u00e3o uma anomalia de pre\u00e7os<\/strong><\/h2>\n\n
Como o treinamento aumenta a transfer\u00eancia<\/strong><\/h2>\n\n