Percebi neste ano o quão grande tem sido a mudança na paisagem da IA chinesa. Quando começou o embargo contra os chips, todos pensaram que o sonho tinha acabado. Mas você sabe o que realmente está por trás de tudo isso? Não é só sobre hardware—o verdadeiro problema é o CUDA.

Se você ainda não ouviu, o CUDA é o ecossistema criado pela NVIDIA ao longo de mais de uma década. Todos os principais frameworks de IA, do Google TensorFlow ao Meta PyTorch, dependem dele. Agora há 4,5 milhões de desenvolvedores usando, e 90% dos desenvolvedores de IA no mundo estão presos nesse sistema. É uma roda de inércia quase impossível de parar—quanto mais pessoas usam, mais ferramentas são criadas, mais difícil sair.

Mas desta vez, a China não desistiu. A estratégia é mais inteligente—ir pelo algoritmo. O DeepSeek V3 tem 671 bilhões de parâmetros, mas usa apenas 5,5% de cada inferência. O custo de treinamento é de apenas 5,576 milhões de dólares, enquanto o GPT-4 custa quase $78 milhão. Você sabe o que aconteceu? O preço da API do DeepSeek é $0,028 por milhão de tokens, enquanto o GPT-4 é $5. Uma economia de 25 a 75 vezes. Isso não é só desconto—é uma mudança estrutural na indústria.

E agora a parte impressionante: chips locais começaram a treinar grandes modelos. Em janeiro de 2026, a Zhipu AI lançou o GLM-Image usando Huawei, o primeiro modelo de geração de imagens treinado inteiramente com chips locais. O processador Loongson 3C6000 e a placa aceleradora TaiChu Yuanqi T100 não são mais só para inferência—já são capazes de treinar. Em Jiangsu Xinghua, há uma linha de produção de 148 metros produzindo servidores a cada 5 minutos. Isso é a produção de uma nova era—não só bens físicos, mas capacidade computacional que pode ser exportada para o mundo todo.

O ecossistema Huawei Ascend já conta com 4 milhões de desenvolvedores, 3.000 parceiros e 43 modelos principais pré-treinados aqui. Esse número continua crescendo. Até 2026, a capacidade de computação inteligente da China atingiu 1590 EFLOPS. Não é mais só esperança—é uma realidade.

Agora, a questão da energia. Os EUA estão com problemas. Virginia, Geórgia, Illinois, Michigan—todos pausaram novos projetos de data centers por causa da escassez de energia. Os EUA enfrentarão um déficit de capacidade de 175 GW até 2033. Mas a China? A geração anual de eletricidade é de 10,4 trilhões de unidades, 2,5 vezes maior que a dos EUA. E o uso residencial na China é apenas 15% do total, enquanto nos EUA é 36%. Isso significa que há mais capacidade industrial para infraestrutura de computação. O preço da eletricidade no oeste da China é $0,03 por quilowatt-hora, enquanto nos EUA é entre $0,12 e $0,15. Uma diferença de 4 a 5 vezes.

Assim, tokens—a menor unidade de informação de IA—começaram a ser produzidos na China e exportados mundialmente. A distribuição de usuários do DeepSeek é 30,7% na China, 13,6% na Índia, 6,9% na Indonésia, 4,3% nos EUA, 3,2% na França. Há 26.000 empresas no mundo todo e 3.200 instituições na versão empresarial. Em 2025, 58% das novas startups de IA irão integrar o DeepSeek na sua pilha tecnológica. Na própria China, 89% de participação de mercado.

O que aconteceu aqui lembra o que aconteceu no Japão há 40 anos. Em 1988, o Japão controlava 51% do mercado global de semicondutores, mas após o Acordo de Semicondutores EUA-Japão, sua participação caiu para apenas 10% em DRAM. O erro deles foi confiar apenas em serem os melhores fabricantes, sem um ecossistema independente próprio. Agora a China escolheu outro caminho—desde a otimização extrema de algoritmos, até o desenvolvimento de chips locais, do inference ao treinamento, até reunir milhões de desenvolvedores no ecossistema Ascend, e exportar tokens globalmente.

Os relatórios de 27 de março de 2026 mostram uma imagem interessante. A receita da Cambrian subiu 453%, com o primeiro lucro de um ano completo. A receita da Moore Threads aumentou 243%, mas com uma perda de 1 bilhão. A Muxi cresceu 121%, mas com uma perda de 8 bilhões. Metade fogo, metade água. Mas o ponto é claro—o mercado precisa de alternativas onde não exista a NVIDIA. Essa é uma oportunidade estrutural trazida pela geopolítica.

Construir um ecossistema tem custo. Cada perda é dinheiro real investido em aprendizado, subsídios de software, implantação de engenheiros nos clientes. Mas essas perdas não são por má execução—são um imposto de guerra pela independência. Oito anos atrás, a pergunta era "será que conseguimos sobreviver?" Agora, a pergunta é "qual o custo que precisamos pagar para sobreviver?" O próprio custo é o progresso.