Descubra como a nova arquitetura está transformando o mercado de chips e evitando investimentos inúteis em bilhões de dólares 💥💰

Perturbações sistêmicas e reações de mercado

O lançamento do DeepSeek R1 em janeiro de 2025 causou um impacto muito além dos círculos técnicos. O mercado de ações reagiu com perdas para empresas que haviam investido pesadamente em infraestrutura de IA. A Nvidia, cujo valor se baseava em grande parte na premissa de que a demanda por seus chips caros continuaria a crescer exponencialmente, viu seu valor despencar em poucos dias. Investidores questionaram se o investimento anunciado de centenas de bilhões de dólares era realmente necessário, visto que uma startup chinesa poderia alcançar resultados comparáveis ​​com uma fração desse valor.

A reação das gigantes chinesas da tecnologia foi imediata e decisiva. ByteDance, Tencent, Baidu e Alibaba reduziram drasticamente os preços de seus serviços de IA. O modelo Doubao da ByteDance ficou quase 99% mais barato em comparação com o ano anterior. Esses cortes de preços levaram a um aumento massivo no uso. As consultas diárias saltaram de 120 bilhões para mais de 500 bilhões em poucos meses. O mercado geral de serviços de IA na China era avaliado em somas relativamente pequenas, sugerindo margens extremamente baixas dado o enorme volume de uso.

Esses números ilustram um problema: a competição está mudando da qualidade da IA ​​para a eficiência da infraestrutura e o preço. A Alibaba Cloud, líder de mercado na China, anunciou, no entanto, investimentos bilionários em infraestrutura de IA. A ByteDance também planeja compras maciças de chips. A Tencent, que ficou um pouco para trás na aquisição de chips, está compensando isso por meio da locação de capacidade computacional e do uso da tecnologia eficiente da DeepSeek.

A consolidação do mercado está se acelerando. Especialistas preveem que o setor de fornecedores chineses de IA se reduzirá a alguns grandes players. Os vencedores serão aqueles que tornarem sua tecnologia o padrão, combinando desempenho com aplicações práticas. Esse processo espelha o que ocorre em outros setores tecnológicos, onde um período de rápida inovação é seguido por consolidação, com apenas as empresas que possuem a melhor combinação de tecnologia, escala e poder de mercado sobrevivendo.

Uma tendência semelhante está se desenrolando no Ocidente. O domínio da OpenAI está visivelmente diminuindo. A participação de mercado do ChatGPT caiu significativamente, enquanto o Google Gemini ganhou terreno. Essa mudança é mais do que uma simples flutuação estatística. Ela sinaliza que a vantagem de ser o “primeiro a chegar ao mercado” está diminuindo, enquanto concorrentes com plataformas já estabelecidas estão alcançando a OpenAI. O Google pode integrar sua IA diretamente na Busca e no Android, o que representa uma vantagem estrutural sobre um fornecedor de IA puro.

A precificação reflete essa dinâmica. Fornecedores ocidentais como a Anthropic e a OpenAI também reduziram seus preços e introduziram variantes de modelos mais eficientes. O preço por milhão de palavras processadas caiu drasticamente nos últimos dois anos. Esse desenvolvimento sugere que a IA está se tornando um produto de mercado de massa. Quando vários fornecedores oferecerem qualidade semelhante, o preço se tornará o fator decisivo, reduzindo os lucros e tornando a escalabilidade ainda mais importante.

Adequado para:

Limites da Revolução do Raciocínio

Paralelamente ao aumento da eficiência, ocorreu um desenvolvimento que inicialmente parecia ser o próximo grande avanço. Os chamados “modelos de raciocínio”, que dedicam mais tempo a pensar sobre os problemas e a analisar explicitamente cada etapa, alcançaram resultados espetaculares. O modelo o1 da OpenAI, o R1 da DeepSeek e outros similares demonstraram capacidades impressionantes em matemática e programação. A ideia é simples: se você der ao modelo mais tempo para “pensar” e permitir que ele formule o caminho da solução, as respostas tendem a melhorar.

No entanto, em junho de 2025, a Apple publicou um estudo que revelou limitações. Pesquisadores testaram modelos de última geração com quebra-cabeças lógicos cuja dificuldade podia ser controlada com precisão. Os resultados foram preocupantes: os modelos exibiram comportamento contraditório. Seu esforço de processamento inicialmente aumentava com a complexidade, mas depois diminuía novamente em determinado ponto, mesmo tendo tempo suficiente — e as soluções se tornavam incorretas.

O estudo identificou três fases. Para problemas simples, os modelos de linguagem normal eram frequentemente melhores e mais econômicos do que os modelos de “pensamento”. Para problemas de dificuldade moderada, os processos de pensamento ofereciam vantagens claras. No entanto, para problemas altamente complexos, ambos os tipos de modelos falharam completamente. Eles não apenas falharam por uma pequena margem, como também foram incapazes de encontrar soluções minimamente corretas.

O que era particularmente preocupante era que mesmo fornecer a fórmula correta da solução pouco ajudava. Os modelos ainda falhavam em níveis de dificuldade semelhantes. Isso sugere que os problemas são mais profundos: os modelos têm dificuldade em executar rigorosamente os passos lógicos e em verificar seu próprio raciocínio.

A análise dos “protocolos de pensamento” revelou padrões. Para problemas simples, os modelos encontravam a solução rapidamente, mas depois se perdiam em detalhes desnecessários. Com alta complexidade, frequentemente se desviavam do caminho correto. Acima de um certo nível de dificuldade, deixavam de gerar abordagens corretas. Muitas vezes, fixavam-se em ideias iniciais incorretas e desperdiçavam tempo de processamento justificando-as em vez de corrigir o erro.

Outro estudo alertou que a melhoria desses modelos pode estagnar em breve. Embora alcancem melhores resultados em testes devido ao enorme esforço computacional, isso os torna lentos e caros. As consequências econômicas são significativas: os modelos “pensantes” custam muitas vezes mais para operar do que as versões padrão. Se esses modelos não conseguirem os avanços esperados e atingirem seus limites, surge a questão de se os altos investimentos se justificam. A descoberta de que modelos mais simples costumam ser mais eficientes sugere que, no futuro, será necessário escolher com mais precisão qual ferramenta é mais adequada para cada tarefa.

Adequado para:

Corrida pela infraestrutura e fome de energia

Apesar de softwares mais eficientes, o consumo de recursos do setor está aumentando. As previsões indicam que a demanda por eletricidade em data centers aumentará drasticamente até o final da década. A participação de aplicações de IA no consumo global de eletricidade em data centers poderá dobrar. Somas gigantescas estão sendo investidas para atender a essa demanda — trilhões de dólares em todo o mundo. Iniciativas como o “Stargate” da OpenAI e seus parceiros, ou programas de investimento europeus, refletem a enorme dimensão do desafio.

A distribuição regional está mudando. Embora a Ásia e a América do Norte estejam atualmente na liderança, a maior parte da nova capacidade será construída nos EUA. A Europa também planeja expansões massivas, o que poderá aumentar significativamente a demanda de eletricidade do continente.

Ao mesmo tempo, a densidade de energia nos centros de dados está aumentando. Como os chips de IA geram uma quantidade enorme de calor em um espaço pequeno, o resfriamento está se tornando um desafio cada vez maior. Os sistemas de ar condicionado convencionais muitas vezes não são mais suficientes, razão pela qual são necessários sistemas sofisticados de resfriamento líquido, que, por sua vez, são caros e complexos.

O mercado está mostrando sinais de superaquecimento. A utilização de data centers está aumentando, elevando os preços. Não se espera que essa situação se amenize até que mais projetos de construção sejam concluídos ou que o crescimento da demanda por IA desacelere. No entanto, se métodos eficientes como o da DeepSeek se tornarem comuns, a necessidade de novos data centers poderá ser menor do que o previsto. Isso colocaria em xeque os investimentos maciços planejados e levaria à supercapacidade — um risco para quem apostou no aumento constante da demanda por hardware.

Estratégias nacionais e soberania tecnológica

O desenvolvimento do DeepSeek está intimamente ligado à busca da China pela independência. Os planos quinquenais priorizaram os semicondutores, e a meta de autossuficiência está sendo perseguida com enorme empenho. Novas regulamentações estão obrigando os fabricantes chineses de chips a utilizarem mais maquinário produzido internamente. Um fundo estatal está investindo o equivalente a quase US$ 50 bilhões na indústria local de chips para reduzir a dependência do Ocidente.

Essa política está surtindo efeito, em alguns casos não como o esperado. Anteriormente, as fábricas chinesas priorizavam equipamentos americanos. No entanto, devido às sanções dos EUA, elas não tinham mais escolha e tiveram que trabalhar com fornecedores nacionais, o que acelerou seu desenvolvimento. A China poderá em breve controlar uma grande parcela da produção global de chips mais simples usados ​​em carros e eletrodomésticos.

No entanto, a diferença permanece significativa quando se trata de IA de ponta. Os chips da Huawei não conseguem competir com os da Nvidia em termos de desempenho, e os volumes de produção são muito baixos. Mesmo aumentos massivos na produção não eliminariam essa diferença por anos. Como a demanda por poder computacional está crescendo mais rápido do que a produção chinesa, a escassez provavelmente só vai piorar.

Isso exige soluções criativas. O sucesso da DeepSeek também se baseia na aquisição oportuna de chips da Nvidia. Outras empresas recorrem a rotas de contrabando ou métodos indiretos. O governo está respondendo com contramedidas, como restrições à exportação de elementos de terras raras e investigações sobre empresas de tecnologia ocidentais. A pressão sobre as corporações chinesas para que comprem chips produzidos internamente está aumentando, mesmo que estes sejam tecnicamente inferiores.

Panorama regulatório e governança global

Enquanto os EUA e a China travam uma corrida tecnológica, a UE concentra-se na regulamentação. A “Lei de IA” é a primeira lei abrangente sobre IA do mundo. Ela proíbe aplicações particularmente arriscadas e estabelece regras rigorosas para modelos de IA avançados. As violações estão sujeitas a multas elevadas.

A abordagem europeia busca estabelecer padrões éticos sem sufocar a inovação. Os críticos temem desvantagens para as empresas europeias, enquanto os defensores enxergam uma vantagem a longo prazo em termos de confiança e segurança. Globalmente, porém, a regulamentação permanece fragmentada. Os EUA dependem de compromissos voluntários, enquanto a China prioriza o controle estatal. Essa fragmentação dificulta o estabelecimento de padrões comuns.

A questão da segurança da IA ​​está ganhando destaque. Especialistas alertam para os riscos representados pela inteligência sobre-humana. Os prazos para alcançar essa “inteligência artificial geral” (AGI) estão cada vez mais curtos. Os principais desenvolvedores não falam mais em décadas, mas em apenas alguns anos. Resta saber se isso é realista ou apenas uma jogada de marketing, mas a indústria está se preparando para isso.

Modelos falhos e realinhamento estratégico

O atraso do modelo sucessor do DeepSeek, o R2, demonstra que o sucesso não é garantido. Originalmente planejado para um lançamento anterior, o modelo enfrentou problemas. As tentativas de treiná-lo em chips da Huawei, empresa chinesa, aparentemente falharam, apesar da assistência de engenheiros da Huawei.

A empresa, portanto, continua a usar seu estoque existente da Nvidia para treinamento, mas tem que depender cada vez mais da Huawei para a aplicação dos modelos – um compromisso imposto por razões políticas. Os atrasos fizeram com que o interesse dos usuários caísse temporariamente, já que a concorrência não ficou parada.

Outro problema são os dados. Atingir o próximo nível exige mais e melhores dados de treinamento. Em países de língua inglesa, esses dados estão facilmente disponíveis online. Na China, o acesso a dados de alta qualidade é mais difícil, em parte devido à censura e em parte porque muito conteúdo não é de acesso público. Aliado a hardware inferior, isso retarda o desenvolvimento. Se o treinamento demorar mais e se tornar mais complexo, a vantagem de custo diminui.

Mudanças estruturais na indústria de IA

O setor está passando por uma transformação. O antigo lema “mais é melhor” — mais dados, mais chips, mais dinheiro — está atingindo seus limites ou se tornando proibitivamente caro. A DeepSeek demonstrou que a arquitetura inteligente pode ser mais importante do que a potência bruta.

Isso tem consequências para os investidores. Aqueles que investiram bilhões em hardware podem enfrentar problemas se softwares mais eficientes reduzirem a demanda. Ao mesmo tempo, novos participantes têm uma chance, pois não é mais necessário ter uma fortuna para entrar no mercado.

À medida que o desempenho da IA ​​se torna cada vez mais acessível e semelhante, o modelo em si deixa de ser o único fator; o que importa é a sua integração aos produtos. Google e Microsoft têm uma vantagem nesse aspecto, pois já possuem usuários. Startups de IA pura enfrentam desafios maiores. O software de código aberto, ou seja, o software livre, desempenha um papel cada vez mais importante. Modelos como os da DeepSeek ou da Meta são acessíveis a todos, o que acelera a inovação.

Ao mesmo tempo, os investidores se perguntam quando o dinheiro começará a retornar. O ChatGPT tem muitos usuários, mas custa uma fortuna. Grandes lucros ainda estão longe de serem alcançados. Novas vagas para especialistas em IA estão surgindo no mercado de trabalho, enquanto tarefas simples de escritório estão sendo automatizadas – um desafio social para o qual ainda não existem soluções fáceis.

Após a euforia em torno da IA: agora começa a verdadeira batalha pela monetização

As inovações da DeepSeek marcam um ponto de virada. Elas provam que tecnologia de ponta pode ser construída mesmo com recursos limitados. Isso desafia a suposição de que apenas as corporações americanas mais ricas podem vencer. A competição muda de “Quem tem mais dinheiro?” para “Quem tem os melhores engenheiros?”.

Do ponto de vista geopolítico, é evidente que as sanções podem retardar o progresso, mas também podem impulsionar a inovação. A China está construindo sua própria indústria sob pressão. Economicamente, estamos apenas no começo. Os preços estão caindo e os modelos estão se tornando produtos comuns do dia a dia. Quem quiser vencer no futuro precisa não só desenvolver uma boa IA, mas também ser capaz de lucrar com ela.

Ainda existem obstáculos técnicos. Os métodos atuais estão atingindo seus limites, e se realmente veremos uma inteligência semelhante à humana em breve é ​​incerto. Os próximos anos mostrarão se a indústria superará esses obstáculos ou se a euforia se dissipará. Talvez a lição mais importante do DeepSeek não seja técnica, mas estratégica: sempre há outra maneira se você for forçado a encontrá-la.