Algoritmos e Autonomia: Como a Indústria Chinesa Alcança um Salto Qualitativo na Inteligência Artificial

Há oito anos, as operações da gigante das telecomunicações Zhongxing foram abruptamente interrompidas após uma proibição total dos EUA. Hoje, em março de 2026, a China dá passos firmes na construção de um sistema de inteligência artificial totalmente independente, que não depende da Nvidia nem de tecnologias estrangeiras. Essa transformação não veio apenas dos chips, mas de uma verdadeira revolução nos algoritmos e estratégias.

De proibições à resposta: lições da Zhongxing e os começos difíceis

Em 16 de abril de 2018, o Departamento de Comércio dos EUA impôs uma proibição abrangente à Zhongxing Communications, que empregava 80 mil pessoas e tinha receitas anuais superiores a um trilhão de yuans. Sem chips da Qualcomm, as estações base pararam. Sem licença do Google para Android, os smartphones perderam um sistema operacional utilizável. A empresa pagou um preço alto: 1,4 bilhões de dólares em multas, além de perdas líquidas de 7 bilhões de yuans apenas em 2018.

O ex-CEO da ZTE escreveu numa mensagem interna: “Vivemos numa indústria complexa que depende fortemente de cadeias de abastecimento globais”. Essa frase era um sinal de rendição e dependência inevitável.

Mas oito anos depois, o cenário mudou radicalmente.

Algoritmos como solução: de CUDA à independência tecnológica

O verdadeiro problema das empresas chinesas de IA não está nos chips em si, mas em algo chamado CUDA — plataforma de computação desenvolvida pela Nvidia em 2006. Essa plataforma controla 90% do mercado global de chips para treinamento de IA e é a base de quase todos os frameworks de IA, de TensorFlow a PyTorch.

Até 2025, a Nvidia conseguiu criar um ecossistema protegido: 4,5 milhões de desenvolvedores, 3.000 aplicações aprovadas, 40 mil empresas operando. Isso significa que mais de 90% dos desenvolvedores de IA no mundo estão obrigados a usar o sistema Nvidia.

O verdadeiro desafio, portanto, não é obter um chip alternativo — mas reconstruir do zero um sistema completo de algoritmos, ferramentas e ambiente de programação.

A resposta da China não foi direta. Em vez de tentar competir com a Nvidia no seu terreno, as empresas chinesas escolheram um caminho totalmente diferente: algoritmos avançados.

Revolução dos algoritmos: modelos de especialistas mistos

De final de 2024 até 2025, ocorreu uma mudança coletiva na indústria chinesa de IA rumo a uma nova tecnologia: os modelos de especialistas mistos (Mixture of Experts). Em vez de ativar um modelo gigante inteiro, ele é dividido em pequenos especialistas, ativando apenas as partes necessárias para cada tarefa.

O modelo V3 da DeepSeek exemplifica esse conceito: 671 bilhões de parâmetros no total, mas apenas 37 bilhões ativados (5,5% do total) durante a inferência. Custo de treinamento: 5,576 milhões de dólares com 2048 unidades H800 ao longo de 58 dias. Em comparação, treinar o GPT-4 custou 78 milhões de dólares.

O resultado? Uma melhora quantitativa enorme na eficiência econômica:

• DeepSeek: de 0,028 a 0,28 dólares por milhão de tokens (entrada), 0,42 dólares (saída)
• GPT-4o: 5 dólares (entrada), 15 dólares (saída)
• Claude Opus: 15 dólares (entrada), 75 dólares (saída)

DeepSeek é de 25 a 75 vezes mais barato que Claude.

Essa enorme diferença de preços causou uma verdadeira revolução nos mercados globais de desenvolvedores. Em fevereiro de 2026, o uso de modelos chineses no OpenRouter aumentou 127% em três semanas, ultrapassando os EUA pela primeira vez. Um ano antes, a fatia de mercado dos modelos chineses era de apenas 2%. Após um ano, chegou a 60%.

Salto qualitativo: de inferência a treinamento

Mas reduzir custos de inferência não é a solução completa. O verdadeiro desafio está no treinamento — que exige uma potência computacional enorme, não uma variável secundária.

E aqui entram os chips locais.

Em 2025, foi inaugurada uma nova linha de produção em Jiangsu, com 148 metros de comprimento, construída em apenas 180 dias. A base: processador Loongson 3C6000 (totalmente desenvolvido localmente) e a placa T100 AI da Taichu Yuanqi. Produtividade: um servidor a cada 5 minutos, com meta de 100 mil unidades por ano.

E o mais importante: esses chips já estão realizando tarefas de treinamento reais e massivas.

Em janeiro de 2026, a Zhipu AI, em colaboração com a Huawei, lançou o modelo GLM-Image — o primeiro modelo avançado de geração de imagens treinado inteiramente com chips chineses locais. Em fevereiro, treinou-se o modelo “Torre” da China Telecom (bilhões de parâmetros) em hardware de computação totalmente chinês.

Isso significa uma coisa: os chips locais passaram do estágio de “inferência” para o de “treinamento” — um salto qualitativo gigantesco.

Ambiente de software: sistema Ascend e evolução subsequente

Por trás dessas conquistas está o sistema Ascend da Huawei — um ecossistema de software local alternativo ao CUDA.

Até o final de 2025:

• 4 milhões de desenvolvedores no sistema Ascend
• mais de 3.000 parceiros ativos
• 43 modelos principais treinados
• mais de 200 modelos de código aberto adaptados

Na conferência MWC de 2 de março de 2026, a Huawei lançou a nova arquitetura SuperPoD para mercados externos. A potência de processamento FP16 do Ascend 910B atingiu o nível do A100 da Nvidia — deixou de ser “sem solução”, passou a ser “praticamente utilizável” e “fácil de usar”.

Energia: a vantagem que o Ocidente não possui

A situação fica ainda mais complexa ao considerarmos a energia.

No início de 2026, a Virgínia revogou sua aprovação para novos data centers. Seguiram-se Geórgia (até 2027), Illinois e Michigan. Motivo: eletricidade.

O consumo de centros de dados nos EUA em 2024 foi de 183 TWh (4% do total de eletricidade). Prevê-se que até 2030 chegue a 426 TWh (12%). O CEO da Arm prevê que, até 2030, os centros de IA consumirã 20-25% da eletricidade americana.

A rede elétrica dos EUA está no limite. Até 2033, o país enfrentará um déficit de energia de 175 GW (suficiente para 130 milhões de casas). Os preços subiram 267%.

A China? Cenário completamente oposto.

A produção anual chinesa é de 10,4 TWh. A americana, de 4,2 TWh. A China produz 2,5 vezes mais que os EUA.

Além disso, o consumo interno chinês é de apenas 15% da eletricidade total (contra 36% nos EUA), indicando uma enorme capacidade industrial de energia disponível para direcionar.

Custo da eletricidade: nos EUA, entre 0,12 e 0,15 dólares por kWh. Na China ocidental, apenas 0,03 dólares — um quarto a um quinto do preço americano.

Tokens em vez de fábricas: nova estratégia de exportação

Enquanto os EUA enfrentam crise energética, a China “sai calmamente” para o exterior — mas desta vez, o que sai não são produtos ou fábricas, e sim tokens.

O token, unidade básica de informação dos modelos de IA, tornou-se uma nova mercadoria digital. Produzido em fábricas de computação chinesas, é transmitido por cabos submarinos ao redor do mundo.

Distribuição de usuários do DeepSeek:

• China: 30,7%
• Índia: 13,6%
• Indonésia: 6,9%
• EUA: 4,3%
• França: 3,2%

O modelo suporta 37 idiomas e é forte em mercados emergentes como o Brasil. 26 mil empresas globais possuem contas. 3.200 instituições já lançaram versões corporativas.

Em 2025, 58% das novas startups de IA usaram DeepSeek. Na China, a fatia de mercado chegou a 89%. Em países sob sanções, varia entre 40% e 60%.

Lições japonesas: a diferença entre independência e dependência

Em 1986, o Japão assinou um acordo com os EUA sobre conexões de chips sob forte pressão americana. Condições: abrir 20% do mercado japonês para chips americanos, proibir exportações abaixo do custo, aplicar tarifas de 100% sobre as exportações.

Em 1988, o Japão controlava 51% do mercado global de conexões. As dez maiores empresas mundiais — seis eram japonesas. NEC em segundo lugar, Toshiba em terceiro.

Mas após o acordo? Tudo mudou. Os EUA exerceram forte pressão, apoiando Samsung e SK Hynix na Coreia para derrubar o mercado japonês com preços baixos. A fatia do Japão no mercado de DRAM caiu de 80% para 10%. Em 2017, restavam apenas 7% do mercado de circuitos integrados.

Lição japonesa: aceitar ser o melhor produto num sistema global dominado por outros, mas não construir um sistema próprio. Quando a maré virou, só sobraram as fábricas.

O ciclo recomeça: mas com cenário diferente

Hoje, a China enfrenta uma encruzilhada semelhante — mas com uma escolha diferente.

Três rodadas de restrições de chips (outubro 2022, outubro 2023, dezembro 2024), com resistência crescente. Barreiras CUDA ainda elevadas.

Mas desta vez, o caminho é totalmente diferente:

1. Aperfeiçoamento máximo dos algoritmos (modelos de especialistas mistos)
2. Salto dos chips locais de inferência para treinamento
3. Acúmulo de 4 milhões de desenvolvedores no sistema Ascend
4. Disseminação global de tokens em mercados emergentes

Cada passo constrói um sistema industrial independente que a própria Japão nunca conseguiu criar.

Relatórios financeiros revelam a verdade: “o imposto da guerra”

Em 27 de fevereiro de 2026, três empresas chinesas de chips divulgaram seus relatórios financeiros no mesmo dia:

• Kimo: receitas +453%, lucro anual pela primeira vez
• Moit Ton: receitas +243%, prejuízo líquido de 1 bilhão
• Moxie: receitas +121%, prejuízo líquido de 800 milhões

Metade fogo, metade água.

Fogo: sede de mercado excessiva. O vazio deixado por Huang Renshun (CEO da Nvidia), com 95% de participação, está sendo preenchido gradualmente.

Água: perdas enormes — não por má gestão, mas como uma “taxa de guerra”. Investimentos pesados em P&D, suporte a softwares, engenheiros em campo resolvendo problemas de tradução, um a um.

Essas perdas são o preço real para construir uma independência verdadeira.

Conclusão: de “Conseguiremos sobreviver?” a “Qual é o preço aceitável?”

Há oito anos, a questão era “Conseguiremos sobreviver?”.

Hoje, ela é “Qual é o preço que devemos pagar para sobreviver?”.

Mudar a própria pergunta é um avanço.

Por meio de algoritmos avançados, não apenas chips. Construindo um ecossistema verdadeiramente independente, não apenas um produto melhor. Investindo a longo prazo em energia computacional local, não dependendo de fornecimentos externos.

A indústria de IA da China não está mais na fase de rendição como a Zhongxing há oito anos. Está na fase de batalha intensa, na linha de frente. Mas, desta vez, há um caminho real de saída.