Há relatos de que as empresas DeepSeek e Zhipu AI estão começando a desenvolver seus próprios chips especializados para executar operações de inferência, seguindo o exemplo de gigantes como OpenAI e Anthropic.
Há relatos de que as empresas DeepSeek e Zhipu AI estão começando a desenvolver seus próprios chips especializados para executar operações de inferência, seguindo o exemplo de gigantes como OpenAI e Anthropic.
Observa-se uma tendência entre as empresas que criam modelos de IA de investir discretamente em semicondutores sob medida. De acordo com fontes citadas pela Reuters e The Information, DeepSeek e Zhipu AI estão trabalhando em chips proprietários, ajustados às cargas de trabalho de inferência de seus modelos.
O projeto de chip da DeepSeek, segundo informações disponíveis, começou há cerca de um ano. A empresa expandiu recentemente sua equipe de design de chips e iniciou colaborações com designers de chips, fábricas e fornecedores de memória. Esses esforços lembram o projeto Jalapeño da OpenAI, desenvolvido em conjunto com a Broadcom, que já está passando por testes laboratoriais com planos de implementação até o final do ano.
A Zhipu AI, cujas séries de modelos GLM estão em crescente demanda, também avalia a possibilidade de usar silício sob medida para reduzir os custos de inferência à medida que o consumo de tokens pelos usuários aumenta.
Os argumentos econômicos a favor dessa abordagem são bastante convincentes. O custo da inferência de um modelo avançado se acumula a cada chamada de API, a cada passo do agente e a cada token processado. Chips especializados para inferência, criados especificamente para arquiteturas de modelos fixas, podem reduzir significativamente o custo por token em comparação com GPUs universais.
Embora os chips Nvidia H100 e B200 permaneçam o padrão da indústria para treinamento, para uma empresa que opera continuamente com o mesmo grande modelo em escala, a matemática está cada vez mais inclinada a favor da especialização.
Uma tendência mais ampla é evidente: o Google possui seus TPUs, a Amazon usa Trainium e Inferentia, a Microsoft usa Maia, e a Meta usa MTIA. Na China, players como Huawei com Ascend, Baidu com Kunlun e Alibaba com Zhenwu também possuem suas soluções. Agora, as próprias empresas desenvolvedoras de modelos, que são os construtores e usuários reais dessa infraestrutura, buscam obter controle direto sobre o silício que sustenta seus modelos.
Para os desenvolvedores de modelos chineses, o cálculo vai além da economia pura. Os controles de exportação dos EUA limitam o acesso aos chips avançados da Nvidia, e os chips de IA modernos dependem de cadeias de suprimentos globais complexas, incluindo capacidade de fabricação e memória HBM. O silício desenvolvido internamente fornece um caminho para maior independência de infraestrutura, mesmo que os processos de fabricação mais avançados permaneçam restritos.
No entanto, nem todos os chips sob medida são iguais. Um ecossistema de desenvolvimento completo, onde a empresa define sua própria arquitetura, compilador, pilha de software e sistemas de data center, exige investimentos de vários anos. Opções mais leves de chips sob medida, onde a empresa de modelo define os requisitos e a arquitetura principal, mas contrata uma empresa de chips existente para a implementação, oferecem uma maneira mais rápida de obter silício com menos riscos.
DeepSeek e Zhipu AI juntaram-se à OpenAI e à Anthropic no desenvolvimento de chips especializados para inferência. Este passo indica uma mudança fundamental na indústria, onde os principais laboratórios de inteligência artificial procuram criar seus próprios produtos de silício para reduzir custos e diminuir a dependência de unidades de processamento gráfico (GPUs).
De acordo com a Reuters em 7 de julho, a DeepSeek está desenvolvendo seu próprio chip de IA, especificamente projetado para a inferência de grandes modelos. O projeto, que começou há cerca de um ano, está gradualmente expandindo sua equipe de design de chips e colaborando com fabricantes de chips, fábricas e fornecedores de memória.
No mesmo dia, a The Information relatou que a Zhipu AI está considerando o desenvolvimento de seus próprios chips de IA em meio à crescente demanda por suas séries de modelos GLM.
Esta tendência não se limita à China. Em 24 de junho, a OpenAI apresentou seu primeiro chip próprio para inferência, codinome Jalapeño, desenvolvido em parceria com a Broadcom. Amostras deste chip já estão sendo testadas em laboratório, e sua implementação está prevista para o final do ano. Anteriormente, em abril, foi relatado que a Anthropic estava considerando a criação de seus próprios chips, e em junho contratou um engenheiro chave do projeto de chips da OpenAI.
Observa-se um padrão: as principais empresas de modelos de IA, tanto na China quanto nos EUA, independentemente de usarem estratégias abertas ou fechadas, estão entrando no negócio intensivo em capital de fabricação de chips. A viabilidade econômica é clara: treinar modelos avançados exige custos significativos, mas os custos de inferência se acumulam continuamente a cada interação do usuário, trabalho de agente ou geração de token.
DeepSeek e Zhipu AI estão focados em chips para inferência para otimizar o funcionamento de suas arquiteturas MoE, gerenciamento de cache KV e computação de baixa precisão.
Para as empresas chinesas de IA, o desenvolvimento de chips próprios também é uma resposta à vulnerabilidade estratégica. O controle de exportação dos EUA restringe o acesso às GPUs NVIDIA avançadas, tornando as alternativas internas e as soluções de silício próprias uma questão de controle operacional, e não apenas de economia de custos.
No entanto, o desenvolvimento de chips envolve enormes riscos. Estima-se que o design de um chip de IA avançado custe cerca de 500 milhões de dólares, e não há garantia de sucesso. O espectro de autodesenvolvimento inclui a abordagem do Google com um stack completo de TPU ou parcerias entre desenvolvedores de arquitetura com empresas estabelecidas como a Broadcom, como demonstra o exemplo Jalapeño da OpenAI.
Está ocorrendo uma separação acelerada de hardware para treinamento e inferência. O Google dividiu seu TPU de oitava geração em 8t para treinamento em larga escala e 8i para inferência de baixa latência. A Huawei fez algo semelhante, dividindo a série Ascend 950. Os passos da DeepSeek e Zhipu AI refletem uma compreensão mais ampla na indústria: na vanguarda do desenvolvimento, o caminho ideal requer controle sobre todo o stack — desde o silício até o próprio modelo.
Um novo modelo de inteligência artificial desenvolvido na China está atraindo atenção significativa no setor de tecnologia. De acordo com uma reportagem da Reuters, o modelo GLM-5.2 da startup Z.ai demonstra um desempenho comparável aos sistemas dos Estados Unidos, mas com um custo significativamente menor.
Após o surgimento do DeepSeek, que demonstrou a competitividade de modelos mais baratos, outras empresas chinesas aceleraram seus lançamentos. O GLM-5.2 é o último exemplo dessa tendência. O modelo, criado em Pequim, ganhou notoriedade por sua capacidade de executar tarefas complexas com um número mínimo de comandos e funcionar como um agente de IA, tomando decisões intermediárias em processos longos, o que reduz a necessidade de intervenção constante do usuário.
No Vale do Silício, o sistema começou a aparecer ativamente em plataformas como OpenRouter e atingiu um nível de uso entre desenvolvedores superior ao de modelos da Anthropic. Agora existe um modelo chinês de código aberto comparável aos modelos atuais da OpenAI e Anthropic.
David Sachs, ex-chefe de política de IA do governo dos EUA durante a administração Donald Trump, informou à Reuters que o GLM-5.2 está 'apenas um pouco abaixo do Opus 4.8 (da Anthropic) e no mesmo nível do GPT 5.5 (da OpenAI)'.
O interesse no GLM-5.2 está diretamente ligado à combinação de poder técnico e preço reduzido. Em comparação com os modelos fechados avançados, os custos operacionais podem ser cerca de um sexto do valor.
As principais características deste modelo incluem: alta eficiência em programação e raciocínio lógico; capacidade de atuar como um agente de IA com comandos simples; arquitetura aberta, fácil de implementar; e um custo significativamente menor em comparação com concorrentes diretos.
De acordo com os rankings da Artificial Analysis, o GLM-5.2 ocupa a quinta posição entre os grandes modelos de linguagem. No Code Arena, o modelo também conquistou o segundo lugar em tarefas de desenvolvimento frontend, como criação de sites e aplicativos.
Apesar do progresso técnico, a adoção global ainda não é uniforme. A principal questão de cautela continua sendo a segurança dos dados, especialmente para empresas dos EUA e setores regulamentados.
No entanto, parte do mercado já está testando alternativas implantadas em servidores de nuvem próprios ou servidores internos, buscando equilibrar risco e custos. Simultaneamente, o desenvolvimento desses modelos expande a presença da China no mercado global de IA e exerce pressão sobre os concorrentes norte-americanos, em um cenário onde custo, desempenho e acesso aberto começam a ter tanta importância quanto a origem da tecnologia.
A empresa DeepSeek está mudando sua direção estratégica: em vez de permanecer como desenvolvedora de modelos de inteligência artificial leves, ela está migrando para uma abordagem mais intensiva baseada em infraestrutura pesada. Essa mudança é confirmada pelo recrutamento ativo de pessoal na recém-criada unidade Harness e pelos planos de construir sua própria capacidade computacional.
A equipe DeepSeek Harness, liderada por Qiu Tianyi, iniciou o recrutamento online de pesquisadores, engenheiros e gerentes de produto para a Harness em 21 de junho. Isso destaca o compromisso da empresa com o desenvolvimento de infraestrutura de agentes. A Harness, que representa os sistemas auxiliares que definem as ferramentas disponíveis para os modelos de IA, os recursos que ele pode usar e os métodos de fluxo de informações entre subagentes, tornou-se uma das áreas mais procuradas no setor de IA em 2026.
A equipe DeepSeek Harness, formada em março de 2025, opera sob a fórmula principal: Modelo mais Harness igual a Agente, focando na transformação das capacidades do modelo em produtos de agente prontos. Desde o final de 2025, a equipe tem se expandido continuamente, especialmente após o DeepSeek V3.2 enfatizar melhorias nas capacidades de raciocínio e operação de agentes.
Além da atração de talentos, a DeepSeek está considerando a criação de seus próprios centros de computação na Mongólia Interior. Este é um passo incomum entre as empresas chinesas, que geralmente preferem alugar poder computacional. Zhou Zhengan, membro do conselho da IDC China, observou que as principais empresas desenvolvedoras de modelos estão cada vez mais optando por clusters próprios para garantir controle de custos a longo prazo e obter os benefícios de customização completa da pilha, apesar dos significativos investimentos iniciais. Essa estratégia permitirá à DeepSeek otimizar sistemas de resfriamento e planejamento especificamente para a arquitetura de seu modelo patenteado.
Essa mudança estratégica ocorreu após uma rodada de financiamento Série A da DeepSeek no valor de 51 bilhões de yuans, na qual participaram investidores estratégicos como Tencent, JD.com, NetEase e CATL. Observadores do setor acreditam que a inclusão da CATL, o maior fabricante mundial de baterias, pode indicar a intenção da DeepSeek de alcançar sinergia entre computação e eletricidade, potencialmente usando energia solar e soluções de armazenamento de energia para as operações de seu centro de dados.
À medida que as grandes empresas chinesas que desenvolvem modelos de IA divergem cada vez mais em suas direções estratégicas — a Zhipu AI aposta em codificação com IA, enquanto a Alibaba se concentra em um stack completo de IA — a aposta da DeepSeek em infraestrutura pesada e engenharia de agentes representa um terceiro caminho distinto, capaz de mudar o cenário competitivo.
