Na exposição WAIC 2026, são demonstrados clusters de computação de nós super de IA domésticos, que utilizam processadores Sugon Dawn, Hygon e sistemas de escala de 100 mil placas. Isso indica uma mudança de foco no campo da computação de IA da competição de chips individuais para o nível do sistema.
A Conferência Mundial de Inteligência Artificial de 2026 sinaliza uma mudança fundamental na narrativa sobre a computação de IA chinesa. Em vez de comparar chips individuais com GPUs da NVIDIA, a atenção mudou para a computação em nível de sistema usando clusters supernós domésticos, que podem competir com a melhor infraestrutura global de IA.
O expoente central que ilustra a transição da computação de IA chinesa para a era sistêmica é o cluster super-IA Dawn 8000 da Sugon. Este cluster de 100.000 placas é construído com processadores Hygon e conectado à Internet Nacional de Supercomputação.
Muitos fornecedores locais apresentam soluções em escala de supernós na WAIC. A Sugon demonstra sua arquitetura de super-IA, que combina precisão de computação de FP64 a INT8 dentro de um único cluster, eliminando a divisão tradicional entre infraestrutura de computação científica e treinamento de IA. A Hygon exibe seus mais recentes processadores de alto desempenho, desenvolvidos especificamente para tarefas de IA em larga escala, com largura de banda de memória aprimorada e capacidades de interconexão de chip.
Outros fabricantes de chips também apresentam produtos de última geração, otimizados para implantação de supernós. O foco de todos os participantes não é mais corresponder ou superar o desempenho de um único chip NVIDIA H100 ou B200, mas sim demonstrar que clusters de chips domésticos podem atingir largura de banda de treinamento competitiva em nível de sistema para modelos de até um trilhão de parâmetros com a arquitetura correta, juntamente com pilhas de rede, disco e software otimizadas.
A WAIC também inclui várias inovações em computação de IA de próxima geração, como racks de supernós com resfriamento líquido, arquiteturas de memória desagregada para treinamento de grandes modelos e pilhas de software domésticas nativas que garantem alta utilização de aceleradores heterogêneos. Alguns expositores demonstram sessões de treinamento em clusters com mais de 10.000 placas, usando exclusivamente hardware e software domésticos, demonstrando forte eficiência de escalabilidade.
O foco sistêmico reflete uma compreensão madura de que a liderança na computação de IA é determinada pelo desempenho integrado de toda a cadeia de infraestrutura, e não pelas características dos chips individuais. A largura de banda da rede, a arquitetura de memória, a eficiência do resfriamento, a alimentação de energia, as ferramentas de software suportadas, o software de gerenciamento de cluster e a otimização de aplicações contribuem mais para a largura de banda real de treinamento do que o desempenho bruto do chip em si.
Essa visão estrutural direciona o desenvolvimento da computação de IA chinesa para uma otimização sistêmica coesa, em vez de competição em nível de componentes. Observadores do setor notam que isso é semelhante à trajetória da computação global de IA, onde a própria NVIDIA se transformou de uma empresa que fabrica GPUs para uma empresa que cria sistemas para data centers com plataformas DGX e HGX. As demonstrações de supernós na WAIC mostram que o ecossistema de computação de IA doméstica da China atingiu um estágio em que a competição sistêmica se torna viável, mesmo que o desempenho de chips individuais ainda esteja atrás dos processadores estrangeiros avançados em especificações de pico.
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.
