Chips próprios, o problema de aritmética do DeepSeek e do Zhipu

Redação: Xiaosuan

Em 2013, engenheiros da Google fizeram uma conta de aritmética.

A pergunta era simples: se cada utilizador usasse 3 minutos de pesquisa por voz por dia, de quanto precisariam os centros de dados globais da Google para crescer?

A resposta deixou todos sem fôlego: duplicar.

Se dependesse da compra de placas gráficas da NVIDIA para tapar esse buraco, a Google seria esmagada pelas facturas. Assim, esta empresa de pesquisa tomou uma decisão que na altura parecia heresia: construir os seus próprios chips. A história que se seguiu é conhecida de todos: esse chip chama-se TPU e hoje é a moeda de troca mais forte que a Google tem contra o "imposto NVIDIA".

Treze anos depois, esta conta chegou às mãos dos chineses.

Na noite de 7 de julho, a Reuters citou três fontes: a DeepSeek está a desenvolver o seu próprio chip de IA, um projeto iniciado há um ano, já em contacto com empresas de design de chips, fundições e fabricantes de memória. Horas depois, o The Information acrescentou: a Zhipu também está a avaliar o desenvolvimento de chips personalizados, em contacto com empresas nacionais de design de chips.

24 horas, duas das maiores empresas chinesas de modelos de fundação expostas à mesma acção:

Fabricar chips.

O chip da DeepSeek tem um adjetivo interessante: focado em inferência, sem preocupação com treino.

Treinar é ensinar o modelo, um custo enorme, mas pago de uma só vez; inferência é o modelo a trabalhar, cada pergunta do utilizador queima eletricidade no servidor, quanto mais utilizadores, mais queima, e nunca para.

Treinar é comprar casa, inferência é pagar renda. O verdadeiro buraco negro de custos na indústria de IA nunca está na entrada, está na renda.

A prioridade da DeepSeek, traduzida numa frase, é:

Quanto custa servir cada utilizador.

O fundador da empresa, Liang Wenfeng, é uma das raras pessoas que desde o primeiro dia viu os chips como uma questão de vida ou morte. Com formação em fundos quantitativos, era conhecido no meio por acumular placas gráficas muito antes da febre dos grandes modelos. Entre 2023 e 2024, deu duas entrevistas à An⁠quan, com uma frase depois repetidamente citada:

O nosso verdadeiro desafio nunca foi o financiamento, mas a proibição de exportação de chips de ponta.

O que dizia, fazia na prática. O modelo R1 da DeepSeek foi treinado em NVIDIA H800, depois migrado para Ascend da Huawei; a equipa de engenharia desenhou no modelo o formato de dados UE8M0 FP8, reconhecido pela indústria como feito à medida das especificações de hardware da próxima geração de chips nacionais.

Em junho deste ano, a munição estava pronta. Esta empresa, que durante anos recusou investimento externo, completou a sua primeira ronda de financiamento, obtendo cerca de 51 mil milhões de RMB, com uma avaliação pós-investimento entre 52 e 59 mil milhões de dólares. O uso dos fundos, divulgado publicamente, está claro: expandir centros de computação nacionais e desenvolver chips de IA próprios.

Nos últimos meses, a DeepSeek tem recrutado engenheiros de design de chips, e todos os cargos não aparecem em nenhuma plataforma de recrutamento pública.

A Zhipu é outra solução para o mesmo problema de aritmética.

Esta empresa, nascida do laboratório da Universidade Tsinghua, abriu este ano na Bolsa de Hong Kong, com o título de "primeira ação de grandes modelos", atingindo uma capitalização de mercado acima de 1 bilião de dólares de Hong Kong. Por trás do brilho, há uma folha tensa: prejuízo de 2,958 mil milhões de RMB em 2024, e mais 2,358 mil milhões no primeiro semestre de 2025, totalizando 5,3 mil milhões queimados em um ano e meio.

Em fevereiro deste ano, o GLM-5 foi lançado, tornando-se viral no exterior, com capacidade de programação rivalizando com modelos fechados de topo. O fluxo massivo de utilizadores levou a Zhipu a fazer duas coisas: primeiro, aumentar preços — o pacote Coding subiu 30%; segundo, publicar um "recrutamento de parceiros de computação", convidando publicamente fabricantes de chips para otimização conjunta.

Uma empresa de renome recém-listada a publicar pedidos de computação. O negócio tão bom que precisa de subir preços para afastar utilizadores — algo raro na história do comércio.

Por isso, a revelação do The Information não surpreende. A rota avaliada pela Zhipu é de cooperação personalizada: eles fornecem a arquitetura do modelo e os requisitos, enquanto as empresas nacionais de design de chips fornecem a capacidade de engenharia.

A DeepSeek constrói a sua própria fábrica para fazer carros; a Zhipu pega nos desenhos e leva-os a uma oficina para modificar. Não há hierarquia entre as rotas, só diferenças na factura.

Neste movimento de fabrico de chips, o mais interessante é uma frase original da Reuters:

A DeepSeek fabrica chips para reduzir a dependência da NVIDIA e também da Huawei.

A primeira metade é quase desnecessária. Sob os controlos de exportação, a quota da NVIDIA no mercado de centros de dados na China está perto de zero. A segunda metade é a verdadeira notícia.

Nos últimos dois anos, "substituição nacional" no contexto de computação equivale a "migrar para Ascend". A própria DeepSeek é a praticante mais ativa: a série V4 concluiu a adaptação para Ascend, e a Huawei confirmou que os seus processadores participaram em parte do treino. A Zhipu foi mais longe: a arquitetura GLM adaptou mais de 40 chips nacionais, e no dia do lançamento do novo modelo, Hygon, Moore Threads, Muxi alinharam-se para anunciar a conclusão da adaptação.

Quanto mais se abraça, mais se percebe uma coisa: uma empresa com facturas de inferência anuais na casa dos biliões não pode colocar o seu destino nas mãos de um único fornecedor.

Mesmo que esse fornecedor seja "nosso".

Abraçar o Ascend resolve o problema de "ter ou não ter"; fabricar chips próprios resolve o problema de "quem manda". A narrativa da substituição nacional, no seu quinto ano, começa a estratificar-se internamente.

Empresas de modelos a fabricar chips já é uma ação padrão do outro lado do Pacífico.

No mês passado, a OpenAI revelou o seu chip de inferência personalizado em colaboração com a Broadcom, com o codinome Jalapeño; a Anthropic foi revelada a avaliar o mesmo. Somando-se Google, Amazon, Microsoft, todas as empresas de Silicon Valley com facturas de inferência suficientemente grandes têm um chip próprio, ou pelo menos um PowerPoint sobre isso.

Para a cadeia de chips chinesa, isto é uma moeda de dois lados.

De um lado, as encomendas personalizadas das empresas de modelos são o sonho de receita das empresas nacionais de design de chips — o modelo de cooperação personalizada da Zhipu é quase escrito à medida para elas; os fabricantes de memória também beneficiam, pois os chips de inferência dependem fortemente de largura de banda, e a curva de procura por memória de alta largura de banda será apenas mais íngreme.

Do outro lado, os grandes clientes de hoje estão a aprender como se tornar independentes amanhã. A Google também foi um cliente premium de fornecedores de chips; depois, tornou-se dona do TPU.

Claro, as cartas estão apenas a ser distribuídas. Um chip de IA competitivo normalmente leva anos e milhares de milhões de investimento; ninguém garante sucesso. O plano de chip próprio da Meta já foi completamente refeito. Mais subtil: os chips personalizados apostam que a arquitetura dos modelos se estabiliza, mas os novos modelos da DeepSeek e da Zhipu acabaram de usar mecanismos como atenção esparsa. Os desenhos enviados para fabrico hoje, quando o chip sair da linha dois anos depois, a arquitetura pode já ter mudado.

Em 2013, a conta da Google teve como resposta o TPU.

Em 2026, a conta das empresas chinesas de modelos está apenas a começar. Quem fez a pergunta mudou, mas a lógica da solução é a mesma:

Quanto mais tempo se paga renda, mais se quer uma casa própria.