Facilmente esquecível como o colapso da ZTE em 2018 aconteceu numa noite. Uma única ordem dos Estados Unidos, e uma empresa com 80.000 empregados deixou de conseguir fazer qualquer coisa. Sem chips Qualcomm, sem licença do Google—está acabado. Agora, oito anos depois, vemos uma história completamente diferente na indústria de IA da China.

Na verdade, o problema não era realmente o chip. Sabemos que o CUDA é o verdadeiro obstáculo—a plataforma de computação criada pela NVIDIA há mais de uma década, com mais de 4,5 milhões de desenvolvedores em todo o mundo a utilizá-la. Todo este ecossistema é como uma roda de inércia que quase é impossível de parar. Mas desta vez, as empresas chinesas de IA não escolheram uma luta direta. Optaram por um caminho mais racional.

Desde o final de 2024, vimos como a estratégia mudou. Os modelos híbridos de especialistas tornaram-se o foco—modelos que não precisam de executar todo o sistema para cada tarefa. Veja o DeepSeek V3: 671 mil milhões de parâmetros, mas apenas 5,5% ativos em cada inferência. O custo de treino? Quase 5,6 milhões de dólares. Para comparação, o GPT-4 custou cerca de $78 milhões. Uma fração de um sétimo do preço.

E o preço da API deles é realmente um divisor de águas. Token de entrada a $0,028 até $0,28 por milhão, enquanto o GPT-4 custa $5. É 25 a 75 vezes mais barato. Isto não é apenas uma jogada de marketing—é uma mudança estrutural na forma como a indústria de IA funciona. Em fevereiro, na OpenRouter, o uso semanal de modelos chineses aumentou 127% em apenas três semanas. Já ultrapassou os Estados Unidos.

Mas o verdadeiro avanço está na infraestrutura. Em Jiangsu, construíram uma linha de produção de 148 metros de comprimento para servidores com chips Loongson 3C6000 e TaiChu Yuanqi. Desde o acordo até à operação, apenas 180 dias. E agora, os clusters de chips locais começam a treinar modelos grandes completos—não só inferência. Essa é a mudança qualitativa. Em janeiro, o GLM-Image tornou-se o primeiro modelo de geração de imagens SOTA treinado inteiramente com chips locais. Em fevereiro, a China Telecom concluiu o treino completo do seu modelo de nível bilhão em Xangai, usando um pool de computação local.

No ecossistema Ascend da Huawei, há agora 4 milhões de desenvolvedores, mais de 3.000 parceiros e 43 modelos principais pré-treinados com Ascend. A potência de computação FP16 do Ascend 910B já atingiu o nível do NVIDIA A100. Ainda não perfeito, mas já funciona. E a construção do ecossistema não deve esperar pela perfeição—deve-se usar a procura real de negócios para impulsionar o desenvolvimento.

A situação energética acrescenta mais uma camada de vantagem. Virginia e Geórgia já pausaram novas permissões para centros de dados devido a restrições de energia. Espera-se que, até 2030, os centros de dados nos EUA consumam 426 terawatts-hora—podendo representar mais de 12% do consumo total de eletricidade. Mas na China, a geração anual de energia é de 10,4 trilhões de unidades, 2,5 vezes a dos EUA. E o preço industrial da eletricidade no oeste da China é de $0,03 por quilowatt-hora—metade ou um quinto do preço de $0,12 a $0,15 nos EUA.

Assim, enquanto os EUA se preocupam com a energia, a China está silenciosamente a construir poder de computação e a produzir tokens para o mercado global. A distribuição de utilizadores do DeepSeek é clara: 30,7% na China, 13,6% na Índia, 6,9% na Indonésia, 4,3% nos EUA, 3,2% na França. Existem 26.000 empresas em todo o mundo, 3.200 instituições na versão empresarial. Na China, 89% de quota de mercado. Em outros países, entre 40% e 60%.

A paralela com a tragédia dos semicondutores do Japão é clara. Em 1986, o Japão assinou o Acordo de Semicondutores EUA-Japão sob pressão, tornando-se dependente do controlo externo. A sua quota de mercado caiu de 51% para 7%. A lição é simples: se não construíres o teu próprio ecossistema, vais perder a indústria.

Na IA de hoje, a China escolheu um caminho mais difícil—desde a otimização extrema de algoritmos, até à escalada de chips locais desde inferência até treino, passando pelo desenvolvimento de 4 milhões de desenvolvedores no ecossistema Ascend, e exportando tokens globalmente. Cada passo envolve dinheiro real gasto, perdas reais a curto prazo. Mas esse é o custo da independência.

Em 27 de fevereiro, três empresas locais de chips de IA divulgaram resultados. Cambrian, +453% de receita, primeiro ano lucrativo. Moore Threads, +243% de receita, mas com uma perda de 1 bilhão. Muxi, +121% de receita, mas com uma perda de 8 bilhões. Metade fogo, metade água. Mas o mercado precisa de uma alternativa à NVIDIA. E esta é uma oportunidade geopolítica que não deve ser desperdiçada. Cada perda é um investimento na independência, e esse é o verdadeiro progresso.