Na primeira metade da era da infraestrutura de IA, prevalecia a opinião de que os chips mais potentes venceriam. No entanto, na Conferência Mundial de Inteligência Artificial em Xangai em 2026, essa suposição foi oficialmente desatualizada. A tendência principal não são os teraflops em uma única placa, mas sim os supernós — sistemas de escala de rack que unem centenas ou milhares de aceleradores em uma memória unificada.
A competição agora se concentra na eficiência do sistema como um todo, e não no desempenho de pico dos chips individuais. A empresa Biren Tech assumiu uma posição no campo das conexões ópticas. Seu supernó óptico NPO de 1024 placas utiliza o protocolo interno BLink 2.0 e óptica de pacote próximo para implementar o princípio de 'saída de cobre, entrada de luz' no domínio de escalonamento. Até 1024 GPUs podem compartilhar um único espaço de endereço de memória. A linha de produtos da empresa varia de uma configuração base elétrica de 16 placas a um rack de alta densidade de 128 placas e um supernó óptico de 1024 placas.
A empresa Yixin Intelligent seguiu um caminho diferente. Em seu anúncio na WAIC, apresentou o primeiro supernó de IA RISC-V do setor, baseado no chip proprietário Epoch cloud AI, que é o primeiro acelerador de IA de alto desempenho baseado em RISC-V lançado em série na China. O chip Epoch já suporta precisão FP8 com quantização em bloco e planeja migrar para EXFP4 e MXFP4 na próxima geração. O supernó utiliza uma conexão ortogonal sem painel traseiro, o que reduz o custo do hardware de conexão em 80% e restringe a latência a uma faixa de centenas de nanossegundos.
O restante do salão de exposição apresentava uma visão geral de conceitos concorrentes. A Infinigence CoreX demonstrou silício denso de propósito geral para treinamento. A Kunlun Chip, uma subsidiária separada da Baidu, apresentou sua arquitetura de terceira geração. A SingularMOL mostrou uma conexão baseada em chiplets. A Infinigence, orquestrador de nuvem da Infinigence Cloud, apresentou o aspecto de software: uma camada de despacho capaz de integrar hardware doméstico disperso em um único supercluster virtual.
A implicação econômica dessa situação causa desconforto. As GPUs em um cluster mal projetado passam a maior parte do tempo esperando por dados. O gargalo para treinamento e inferência é a largura de banda, e não a capacidade computacional. Barreiras de comunicação significam que colocar mil placas em um rack sem uma estratégia de conexão de sistema resulta em um 'fator de conversão de tokens' que pode ser apenas uma décima parte do valor teórico. Os fornecedores chineses de supernós competem pelo uso de tokens por dólar de capital investido.
A escolha de hardware não é mais uma decisão de um único fornecedor. Um laboratório de IA chinês sensato em 2026 adquirirá pelo menos dois aceleradores diferentes e os envolverá em uma camada de software que distribui tarefas entre vários fornecedores. Os laboratórios que criam esse nível de orquestração se tornarão os donos do próximo gargalo. A WAIC 2026 será lembrada como o ano em que os fornecedores chineses de infraestrutura de IA deixaram de vender chips e começaram a vender sistemas.
O poder computacional está se tornando um recurso crítico, à medida que gigantes tecnológicos buscam ativamente criar e implementar supernós de inteligência artificial. Este frenesi é causado pelas competições para aumentar os parâmetros dos modelos, que criam uma demanda sem precedentes por infraestrutura.
Empresas, incluindo Huawei, ZTE, H3C e Sugon, estão competindo na criação e implantação de supernós de IA, escaláveis de 1024 a 100 mil unidades de processamento gráfico (GPU). O aumento das exigências, impulsionado pelos modelos Kimi K3 e GLM-5, leva a capacidade computacional ao limite. Os supernós substituíram os modelos como elemento central da exposição WAIC 2026, pois a capacidade de computação tornou-se o principal fator limitante no desenvolvimento de IA. A transição de clusters com 8 placas para clusters de 100 mil placas torna a capacidade do supernó uma vantagem competitiva direta; como resultado, a H3C demonstrou um crescimento de 58% e a Inspur de 41% em três semanas.
A pressão mais evidente da demanda é observada na vanguarda do desenvolvimento de modelos. Os modelos GLM-5 da Zhipu AI e Kimi K3 da Moonshot AI, com 2,8 trilhões de parâmetros, foram forçados a aumentar os preços e limitar as assinaturas devido à enorme demanda por inferência. A implantação do modelo K3 requer uma configuração de supernó com mais de 64 GPUs, estabelecendo um limiar mínimo de computação para modelos avançados. Em resposta, a Zhipu adquiriu a Zhongke Jiahe e construiu um centro de dados de IA doméstico com capacidade de 1 GW, levando a um aumento de 37% nas ações da empresa em um único dia. A matemática da situação é ilustrativa: os participantes do setor relatam custos de computação de aproximadamente US$ 0,80 para cada dólar de receita do modelo, mas cada dólar de receita corresponde a um aumento múltiplo nos multiplicadores de avaliação, tornando a escala de computação o principal motor de crescimento.
Os avanços existentes incluem o uso do Huawei Ascend 950 com 1024 NPUs e mais de 750 conjuntos A384 implantados, bem como o ZTE OEX com 128 GPUs por rack e um cluster de 10 mil. A Sugon apresentou o Dawn 8000, o primeiro sistema doméstico com 100 mil placas. A H3C está construindo uma fábrica de IA capaz de fornecer 240–300 kW em um ponto de teste. As direções tecnológicas divergem: a Huawei utiliza um modelo proprietário de pilha completa — do chip ao interconexão e resfriamento —, permitindo otimizações profundas entre as camadas, mas exigindo investimentos colossais em P&D. A ZTE e seus parceiros preferem uma abordagem aberta usando vários chips para evitar dependência de um único fabricante e garantir flexibilidade para os clientes. Outros players, como Moore Threads, Pingtouge e Baidu Kunlun, focam em cenários de nuvem ou verticais específicos, dando atenção especial à eficiência da inferência e ao desempenho econômico. O problema geral é manter a integridade do sistema no nível da arquitetura de chips, interconexão, pilha de software e ferramentas operacionais, pois as vantagens obtidas em um ponto não podem compensar lacunas sistêmicas.
Os parâmetros dos modelos ainda não atingiram a marca de 2,8 trilhões; as previsões indicam que atingirão 10 trilhões em dois anos. O consenso foi unânime: os supernós definem o futuro. As empresas que não conseguirem garantir capacidade computacional em escala de supernós serão estruturalmente excluídas da competição na vanguarda da IA.
