Sugon apresenta o Dawn 8000, o primeiro supercluster de IA totalmente nacional com 100.000 placas para a China

A indústria de computação de IA da China está passando por uma transformação histórica, à medida que grandes gigantes da internet começam a adotar ativamente chips domésticos. De acordo com uma análise detalhada da TMTPost, a participação de GPUs internas em novas implementações atingiu 41%.

Mudança de fornecedores e reação do mercado

Em meados de junho, surgiram relatos de que a ByteDance estava negociando a compra de pelo menos 50.000 chips de IA da Tianshu Zhixin, principalmente para tarefas de inferência, utilizando as séries de GPU Zhikai e Tianai. Pouco depois, foi revelado que a Alibaba também estava considerando a Tianshu Zhixin como cliente potencial.

O mercado reagiu de forma muito vigorosa. No dia do anúncio das compras pela ByteDance, as ações da Tianshu Zhixin, listadas em Hong Kong, dispararam quase 15%, atingindo um recorde de HK$887,50 em três dias. Enquanto isso, a subsidiária da Baidu, Kunlun Chip, planeja um IPO em Hong Kong com uma avaliação alvo de cerca de US$ 50 bilhões, o que é mais de 15 vezes superior à sua avaliação anterior de 21 bilhões de yuans após a rodada Série D em julho de 2025.

Razões para a mudança e crescimento da demanda

Esta rápida transição para chips internos é impulsionada pelo controle de exportação dos EUA. O CEO da NVIDIA, Jensen Huang, reconheceu publicamente que a participação da NVIDIA no mercado chinês caiu de 95% para zero, pois até mesmo os chips H20 fortemente restritos deixaram de ser fornecidos em 2025. Essa escassez de suprimentos coincidiu com um crescimento explosivo na demanda por computação de IA. As solicitações diárias de tokens na China aumentaram de 100 bilhões no início de 2024 para mais de 100 trilhões até o final de 2025, atingindo 140 trilhões em março de 2026.

Estatísticas e mudanças regulatórias

De acordo com a IDC, dos 4 milhões de GPUs de IA fornecidas ao mercado de servidores de IA na China em 2025, os chips domésticos representaram 41%. Apenas a Huawei Ascend forneceu cerca de 812.000 unidades, enquanto a Baidu Kunlun Chip e a Cambricon forneceram cada aproximadamente 116.000 unidades. Em maio de 2026, os órgãos de segurança da informação da China incluíram pela primeira vez os chips de IA no sistema de verificação de segurança, atribuindo o nível mais alto de classificação I a nove chips domésticos para treinamento e inferência.

Estratégias dos gigantes

Os gigantes da internet estão usando abordagens diferentes. A ByteDance, cujo assistente Doubao alcançou 368 milhões de usuários ativos mensais e 120 trilhões de solicitações de tokens diárias, adota uma estratégia pragmática: utiliza Huawei Ascend para treinamento e aplica uma estratégia de fornecedor duplo, incluindo Cambricon e Tianshu Zhixin, para inferência. O orçamento da ByteDance para infraestrutura de IA em 2026 foi aumentado em cerca de 25%, totalizando 200 bilhões de yuans, com expectativas de que as compras de chips domésticos excedam 40 bilhões de yuans.

A Baidu escolheu o caminho mais verticalmente integrado. Sua subsidiária Kunlun Chip, originada do projeto de acelerador FPGA lançado em 2011, lançou seu chip P800 de terceira geração em 2024 e construiu o primeiro cluster de IA na China com 32.000 placas, totalmente composto por componentes domésticos, em 2025. A Kunlun Chip ganhou um leilão centralizado de um bilhão de yuans da China Mobile, que foi seu primeiro grande contrato externo. A estratégia da Baidu representa o modelo de autossuficiência mais abrangente, cobrindo todo o ciclo desde o design até a implementação.

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.

GLM-5.2 entra no mercado do Vale do Silício

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)'.

Vantagem competitiva e baixo custo

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.

Segurança permanece um obstáculo para a adoção

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.

Um relatório publicado pelo JPMorgan sugeria que até 80% dos data centers na China poderiam estar ociosos, levando à suposição de um excesso de construção de capacidade de computação de IA no país. No entanto, a situação real é muito mais complexa.

Este indicador combina o posicionamento tradicional em CDCs, computação em nuvem e centros de treinamento de IA em uma única métrica, enquanto cada tipo de instalação possui perfis de uso completamente diferentes. O principal problema não é o excesso de oferta, mas sim a incompatibilidade estrutural entre a capacidade computacional teórica e a capacidade efetiva.

Deficiências de infraestrutura e utilização

De acordo com a publicação Science and Technology Daily, em uma cidade ocidental, um centro de computação de IA com 1000 placas tinha um fator de ocupação de racks abaixo de 50%, e o uso real dos servidores era inferior a 30%, enquanto os custos operacionais anuais excediam 30 milhões de yuans. O Instituto de Pesquisa de IA Inspura estima que a utilização média nacional de GPUs seja de cerca de 30%. Esses dados indicam uma tendência constante: alguns centros de IA financiados por governos locais operam de forma ineficiente.

O ecossistema como principal obstáculo

O controle de exportação forçou muitos novos centros de computação de IA a migrarem para GPUs e NPUs domésticas. Embora esses chips sejam capazes de executar modelos, eles carecem de um ecossistema de software maduro, como PyTorch, cuDNN e NCCL, que estabeleceu o CUDA como padrão de engenharia de facto. Para clientes corporativos, a questão não é se os chips domésticos podem funcionar, mas se os custos de migração e retreinamento de engenheiros justificam tal transição.

Mudança do treinamento para a inferência

A paisagem da computação de IA na China enfrenta uma mudança estrutural na demanda. Se no período de 2023 a 2024 o mercado estava focado no treinamento de grandes modelos, o surgimento do DeepSeek alterou os cálculos. A capacidade de computação para treinamento pode ser centralizada em nós ocidentais, mas a capacidade de computação para inferência deve estar próxima aos usuários. As diretrizes do Ministério da Indústria e Tecnologia da Informação para 2026 exigem uma coordenação de computação em três estágios: nó-região-local com latência inferior a um milissegundo.

Risco de transformar computação em imóveis

Muitas autoridades locais veem os centros de computação de IA como ativos de infraestrutura que podem entrar nos balanços de empresas estatais e atrair financiamento bancário. Na China, atualmente há mais de 500 centros de computação de IA planejados ou em operação. O hardware se torna obsoleto rapidamente, os modelos são atualizados rapidamente e as necessidades dos clientes mudam. A concorrência futura se deslocará das métricas imobiliárias para métricas de nuvem: capacidades de planejamento, ecossistemas de API e redes de clientes. O verdadeiro desafio não é criar capacidade de computação, mas organizar essa capacidade em um sistema que desenvolvedores e empresas realmente usarão.