HPC Rio de Janeiro: Guia Estratégico para Empresas em 2026

O Rio de Janeiro concentra hoje uma combinação rara na América Latina: o supercomputador acadêmico mais potente da região, a maior frota de máquinas de uma empresa de energia, um projeto de campus de data centers que busca escala de gigawatts e uma prefeitura que aposta em IA como política de desenvolvimento. Para quem decide sobre HPC no Rio de Janeiro, o desafio não é a falta de ativos, e sim entender onde cada um se encaixa na estratégia de infraestrutura da empresa.

O cenário de 2026 também mudou de forma relevante. O governo federal revisou o Plano Brasileiro de Inteligência Artificial (PBIA), a localização do novo supercomputador nacional deixou de ser Petrópolis por razões de demanda elétrica, e a Petrobras passou a hospedar parte de sua capacidade em um data center fora do estado. Decisões de capacidade tomadas sem considerar esses movimentos tendem a gerar custos de energia, latência e dependência de fornecedor que só aparecem meses depois.

Ignorar essas mudanças tem um custo concreto: projetos de IA e simulação que ficam em fila, contratos de energia mal dimensionados e arquiteturas que não conversam com os polos que estão sendo construídos. Este artigo analisa o ecossistema fluminense de computação de alto desempenho, os riscos da inação e um caminho prático de implementação, medição e governança.

O problema estratégico: demanda de computação crescendo mais rápido que a infraestrutura

Cargas de trabalho de simulação, treinamento de modelos e análise de dados evoluem em ritmo muito superior ao dos ciclos de aquisição de hardware. No Rio de Janeiro, esse descompasso é visível nos dois extremos do ecossistema: a pesquisa pública, que depende de editais e cotas para acessar capacidade, e a indústria de energia, que mantém máquinas próprias em escala de dezenas de petaflops.

O supercomputador Santos Dumont, do Laboratório Nacional de Computação Científica (LNCC), em Petrópolis, ilustra a pressão por capacidade. Instalado em 2015 e atualizado em 2020 e 2024, segundo a Carta de Serviços do LNCC, ele atende a comunidade científica por meio de programas de cota: o edital da Universidade Federal do Recôncavo da Bahia para 2026, por exemplo, prevê uma cota limitada de projetos na máquina. Quando o acesso é racionado, grupos de pesquisa e empresas parceiras precisam de alternativas para o restante da demanda.

Do lado corporativo, o problema assume outra forma. Empresas que não têm a escala da Petrobras enfrentam o dilema entre comprar clusters próprios, com ciclos longos e alto custo de energia e refrigeração, ou contratar capacidade sob demanda. A resposta correta depende do perfil de carga, e é aí que a análise de cenários se torna crítica.

Cenários críticos de demanda

Três cenários concentram a maior parte das decisões de HPC na região. O primeiro é o de simulação científica e engenharia, com cargas previsíveis e longas, em que a utilização contínua favorece capacidade dedicada. O segundo é o de treinamento e ajuste de modelos de IA, com picos intensos e janelas curtas, em que a elasticidade pesa mais. O terceiro é o de análise de dados sísmicos e de reservatório, típico do setor de óleo e gás, que exige grandes volumes de memória e armazenamento de baixa latência.

Consequências da inação: energia, fila e dependência

O primeiro risco de adiar decisões de infraestrutura é a restrição elétrica. O caso do novo supercomputador nacional é revelador: segundo reportagem da Folha publicada em agosto de 2026, o equipamento principal terá potência instalada de 9,2 megawatts definida em edital, consumo comparável ao de cerca de 45 mil residências, e o governo desistiu de instalá-lo no LNCC por questão da demanda elétrica. Se um laboratório nacional encontra esse limite, empresas que planejam expansões de GPU precisam verificar a disponibilidade de energia antes de comprar hardware.

O segundo risco é o custo de oportunidade. A ministra da Ciência, Tecnologia e Inovação afirmou à Folha que pesquisas sobre moléculas, que levam até cinco anos, poderiam ser reduzidas a semanas com esse tipo de máquina. Mesmo que o ganho varie por aplicação, o ponto estratégico é claro: organizações sem acesso a capacidade moderna de computação ficam atrás em ciclos de descoberta e desenvolvimento de produto.

O terceiro risco é a dependência de fornecedor e a incerteza geopolítica. A mesma reportagem registra que o governo pretende diversificar rotas de aquisição, entre fornecedores americanos, chineses e arquiteturas abertas, e que a ministra reconheceu incertezas e riscos, já que os Estados Unidos ameaçam interromper o fornecimento a quem faça negócios críticos com a China. Para empresas privadas, isso reforça a importância de arquiteturas portáveis, que não prendam a carga a uma única plataforma.

Fundamentos da solução: o ecossistema HPC fluminense

Compreender a solução exige mapear os ativos existentes e os projetos em andamento. A tabela abaixo resume o panorama com base em fontes públicas de 2025 e 2026.

Ativo Localização Perfil Situação
Santos Dumont (LNCC) Petrópolis Pesquisa científica aberta à comunidade acadêmica Em operação; atualizado em 2024
Pégaso (Petrobras) Rio de Janeiro Processamento sísmico e de reservatório Em operação desde 2022
Rio AI City (Elea) Parque Olímpico, Barra da Tijuca Campus de data centers para IA e nuvem RJO1 operando; expansões em construção
Supercomputador NVIDIA (Prefeitura) Porto Maravalley IA para universidades, pesquisa e empresas Memorando assinado em agosto de 2025
Novo supercomputador nacional (PBIA) Macaíba (RN) Treinamento de modelos de IA brasileiros Previsto para o fim de 2027 (roadmap)

Santos Dumont: ciência aberta e eficiência energética

O Santos Dumont passou por uma atualização que, segundo a DatacenterDynamics, adicionaria 17 petaflops de capacidade, desenvolvida com hardware da Eviden e em colaboração com a Petrobras. Na lista TOP500 de junho de 2025, a Next Platform o situou na posição 107, com 14,3 petaflops de desempenho sustentado (Rmax), segundo no Brasil atrás do Pégaso da Petrobras.

Em eficiência, o jornal Correio da Manhã registrou a 52ª posição do sistema no Green500 de junho de 2025. Esse indicador importa para o planejamento de HPC porque o custo de energia tende a superar o custo de aquisição ao longo da vida útil de um cluster, e métricas de desempenho por watt orientam a escolha de arquitetura.

Do ponto de vista corporativo, o Santos Dumont funciona como referência técnica e fonte de talento, não como substituto de capacidade comercial. O acesso é regulado por programas e editais voltados à pesquisa, o que limita seu uso para cargas de produção de empresas.

Petrobras: HPC como ativo de negócio

A Petrobras trata computação de alto desempenho como ferramenta de produção. O Pégaso, adquirido da Atos por R$ 300 milhões, entrou em operação em dezembro de 2022 com 21 petaflops de pico teórico, 678 TB de memória e 2.016 GPUs, de acordo com a HPCwire. A estatal opera várias máquinas na lista TOP500, e uma reportagem do Jornal de Brasília cita o sistema Harpia na 36ª posição como o mais potente da América Latina, dado que deve ser conferido na edição vigente da lista antes da publicação.

Um movimento relevante é a mudança de local de hospedagem. A Petrobras colocou em operação, em maio de 2026, a primeira fase de um data center em São Bernardo do Campo (SP), construído pela Elea sob contrato de R$ 2,3 bilhões e 17 anos, projetado para hospedar supercomputadores e cargas de IA. A lição para o mercado é que a proximidade geográfica com a sede importa menos que a disponibilidade de energia renovável, conectividade e capacidade contratada.

Rio AI City e Porto Maravalley: a aposta em IA

O Rio AI City é um projeto de campus de data centers no Parque Olímpico. De acordo com o Rio Times, a iniciativa prevê um hub de 3 gigawatts até 2032, com o data center RJO1 já em operação e as unidades RJO2, RJO3 e RJO4 em construção ou planejamento. Em julho de 2026, a Elea anunciou US$ 550 milhões para a primeira etapa, com capacidade inicial de 1,5 GW e possibilidade de expansão a 3 GW em 2032. Os números de capacidade variam entre comunicados, e tudo o que ainda não foi entregue deve ser tratado como roadmap.

Em paralelo, a Prefeitura assinou em agosto de 2025 um memorando com a NVIDIA para instalar um supercomputador no Porto Maravalley, com o selo NVIDIA AI City, voltado a universidades, centros de pesquisa e empresas. Reportagens do setor mencionam cinco sistemas DGX com GPUs Blackwell, informação de fonte secundária que precisa de confirmação oficial. O programa Rio.IA, com ABDI e PUC-Rio, completa a estratégia de formação de ecossistema.

O diferencial logístico citado pelo município são os cabos submarinos que conectam a cidade a todos os continentes, legado das Olimpíadas de 2016. Para cargas de HPC distribuído e IA, conectividade internacional de baixa latência é um critério de seleção tão importante quanto a potência elétrica.

Implementação estratégica: como decidir entre capacidade própria, colocation e nuvem

A abordagem metodológica começa pela caracterização das cargas. Antes de qualquer decisão, é necessário medir utilização média, picos, tempo de fila aceitável, volume de dados e requisitos de memória por tarefa. Cargas com utilização contínua acima de um limite definido pela empresa tendem a justificar capacidade dedicada, enquanto cargas intermitentes se beneficiam de modelos sob demanda.

A segunda etapa é a verificação de energia e refrigeração. O caso do Santos Dumont mostra que a restrição elétrica pode inviabilizar um local mesmo quando há ecossistema científico consolidado. Para empresas, isso significa validar com a concessionária e com o operador de data center a potência disponível, o cronograma de entrega e a densidade por rack suportada, especialmente para GPUs de alta densidade que exigem refrigeração líquida.

A terceira etapa trata da interoperabilidade. Ambientes híbridos exigem escalonadores compatíveis, imagens de contêiner portáveis e armazenamento acessível entre sites. Pontos de falha comuns incluem transferência de dados mais lenta que o previsto, licenças de software atreladas a um único local e dependência de bibliotecas proprietárias, que dificultam migrar cargas entre fornecedores.

Pontos de falha potenciais

Projetos de HPC falham com mais frequência por razões de planejamento do que de tecnologia. Os casos mais recorrentes são subdimensionar a rede entre nós, ignorar o custo de movimentação de dados, contratar capacidade que depende de entregas ainda não concluídas e não prever a equipe com competência em operação de clusters. A reportagem da Folha sobre o PBIA também lembra que a compra de equipamentos de ponta traz riscos regulatórios e de cadeia de suprimentos, que devem constar do plano de contingência.

Melhores práticas avançadas: otimização, governança e segurança

Na otimização, o ganho mais consistente vem de alinhar o software ao hardware: ajuste de escalonamento, uso eficiente de memória, precisão mista em cargas de IA e perfilamento regular de gargalos. Equipes que tratam a utilização de GPU como métrica de gestão costumam recuperar capacidade sem comprar hardware novo.

Em governança e compliance, a Lei Geral de Proteção de Dados (LGPD) se aplica sempre que as cargas envolvem dados pessoais, o que é comum em saúde, finanças e serviços públicos. Contratos de colocation e nuvem devem prever localização dos dados, controles de acesso, auditoria e planos de resposta a incidentes. O LNCC mantém uma política de segurança da informação específica para o Santos Dumont, referência útil para organizações que estruturam suas próprias políticas.

Em segurança, a combinação de clusters compartilhados, contêineres e acesso remoto exige segmentação de rede, gestão de identidades, atualização de firmware e monitoramento contínuo. Há também o eixo de sustentabilidade: a Petrobras exigiu energia de fontes renováveis no edital de seu data center, sinal de que critérios ambientais passaram a integrar o requisito técnico de contratação.

Medição de sucesso: KPIs técnicos e de negócio

Indicadores técnicos devem refletir eficiência e disponibilidade. Os mais úteis são taxa de utilização de CPU e GPU, tempo médio de fila, taxa de falha de jobs, eficiência de escalabilidade (quanto o desempenho cresce ao adicionar nós) e desempenho por watt. Esse último conecta diretamente a engenharia ao custo operacional, por isso rankings como o Green500 são referência para comparar arquiteturas.

Indicadores de negócio traduzem a infraestrutura em resultado. Entre eles estão o tempo até o resultado (por exemplo, da simulação à decisão de engenharia), o custo por experimento ou por hora de GPU e o prazo de lançamento de produtos que dependem de modelos treinados. Sem essa ponte, o investimento em HPC é avaliado apenas como despesa de TI.

A avaliação de eficácia deve ser periódica. Recomenda-se revisar trimestralmente a aderência entre capacidade contratada e uso real, reavaliar o modelo (próprio, colocation ou nuvem) à medida que os projetos do Rio AI City e do supercomputador nacional avançarem e registrar lições aprendidas de cada ciclo.

Conclusão: um ecossistema forte exige decisões de infraestrutura mais precisas

O Rio de Janeiro reúne pesquisa de ponta no Santos Dumont, operação industrial de HPC na Petrobras e projetos de data centers e IA que, se entregues no cronograma, ampliarão de forma expressiva a capacidade disponível. Ao mesmo tempo, a restrição elétrica, a incerteza geopolítica e a distância entre anúncios e entregas exigem cautela na hora de planejar.

Para as empresas, a recomendação é tratar o ecossistema como um conjunto de opções, não como solução pronta. Capacidade dedicada, colocation e nuvem têm papéis distintos, e a combinação ideal depende do perfil de carga, do custo de energia e da exigência de conformidade de cada organização.

Nos próximos 12 a 24 meses, vale acompanhar a entrega do Rio AI City, a evolução do PBIA e a instalação do supercomputador nacional, previsto para o fim de 2027 no Rio Grande do Norte. Os passos práticos são caracterizar as cargas, validar energia e conectividade, desenhar uma arquitetura portável e definir KPIs antes de contratar capacidade.