O desafio da China à Nvidia no mercado de chips de IA ganha força

Por que a corrida da China pelos chips de IA importa agora

A China corre para reduzir sua dependência de processadores importados para inteligência artificial. O país está despejando investimentos em laboratórios de pesquisa, fábricas de semicondutores e infraestrutura de nuvem para que os futuros avanços em grandes modelos de linguagem, robótica e automação funcionem com chips produzidos no país. O objetivo estratégico é claro: produzir chips de alto desempenho em escala, desenvolver o software para usá-los bem e manter a capacidade computacional crítica ao alcance do país.

Um impulso a essa ambição veio em 2024, quando a startup DeepSeek apresentou uma IA conversacional que rivalizou com os principais sistemas ocidentais. A empresa disse que treinou o modelo com muito menos aceleradores premium do que seus concorrentes, sinal de que softwares mais inteligentes e métodos de treinamento eficientes podem compensar parcialmente as limitações de hardware. O lançamento derrubou brevemente o valor de mercado da Nvidia e chamou atenção para a rapidez com que os desenvolvedores chineses estão avançando. Desde então, gigantes da tecnologia e fabricantes de chips em toda a China anunciaram planos para desafiar a Nvidia nos data centers do país.

O diretor-executivo da Nvidia, Jensen Huang, reconheceu que a China tem uma ampla reserva de talentos em engenharia e uma concorrência doméstica intensa. Em setembro, durante um podcast sobre tecnologia e negócios, elogiou o impulso do país e lançou um desafio à própria equipe.

Esta é uma indústria vibrante, empreendedora, de alta tecnologia e moderna", disse. "Temos que competir para sobreviver.

Como as empresas chinesas planejam competir

Várias empresas chinesas estão desenvolvendo alternativas aos aceleradores e sistemas integrados da Nvidia. A Huawei lançou novos processadores Ascend e um plano de apoio a desenvolvedores por três anos. A Alibaba afirma que seu acelerador mais recente pode igualar o desempenho do H20 da Nvidia, um chip adaptado para a China de acordo com as regras dos EUA, consumindo menos energia. Startups como MetaX e Cambricon estão conquistando contratos com grandes empresas. Grandes plataformas, incluindo Tencent e Baidu, estão projetando chips personalizados para suas próprias nuvens. A mensagem aos clientes domésticos é consistente: se as regras de exportação limitarem o acesso ao hardware americano, as opções chinesas preencherão a lacuna.

A estratégia da Huawei no nível do sistema

A Huawei aposta na arquitetura de sistemas para reduzir a diferença em relação à Nvidia. Na Conferência Mundial de Inteligência Artificial, em Xangai, a empresa apresentou o CloudMatrix 384, um sistema de computação para IA que reúne 384 processadores Ascend 910C em uma única implementação. O concorrente da Nvidia, GB200 NVL72, usa 72 chips B200, mas o projeto da Huawei segue outro caminho. O CloudMatrix usa uma estrutura de conexão no estilo supernó, permitindo que centenas de processadores funcionem como um único conjunto de capacidade computacional, com conexões muito rápidas entre os chips. Ao ampliar o sistema horizontalmente, a Huawei pretende compensar o desempenho inferior de cada chip com uma integração mais forte entre os componentes.

Analistas do setor dizem que essa abordagem pode oferecer resultados competitivos em cargas de trabalho específicas. Relatos sugerem que o CloudMatrix supera o GB200 NVL72 da Nvidia em algumas métricas, embora a Huawei tenha de depender de processos de fabricação mais antigos. O sistema já está disponível na nuvem da Huawei, oferecendo aos clientes chineses uma alternativa local para treinar e executar modelos. A escolha arquitetônica também está alinhada ao objetivo da política chinesa de contornar as restrições de exportação buscando ganhos no nível do sistema.

Alibaba e um número crescente de concorrentes

A Alibaba anunciou um novo acelerador de IA que, segundo a mídia estatal, iguala o H20 e consome menos energia. A MetaX fornece chips à China Unicom. O valor de mercado da Cambricon mais que dobrou nos últimos meses, com investidores apostando no aumento da demanda doméstica por aceleradores. A Tencent está desenvolvendo chips próprios para seus serviços de nuvem e IA. Esses projetos fazem parte de uma mudança mais ampla entre as empresas chinesas, que estão transferindo cargas de trabalho para hardware produzido no país quando desempenho, disponibilidade e custo são favoráveis.

Os desenvolvedores já estão se adaptando. Chen Cheng, gerente-geral de tradução por IA da iFlytek, descreveu como sua equipe lidou com as recentes restrições ao hardware dos EUA, migrando para processadores domésticos.

"Agora nosso modelo é treinado em chips da Huawei, atualmente os melhores da China", disse.

O que as restrições às exportações e as medidas de repressão estão mudando

As regras de exportação remodelaram o mercado. Desde 2022, Washington impôs limites cada vez mais rigorosos à venda de chips avançados de IA para a China. As medidas mais recentes fecharam as portas para o H20 da Nvidia, um processador projetado para atender aos limites de exportação anteriores. Parlamentares avançaram com medidas que exigiriam que fabricantes de chips dos EUA priorizassem clientes domésticos em detrimento de compradores estrangeiros, enquanto empresas alertam que regras rígidas podem desacelerar a inovação e redirecionar a demanda. Uma política recente também destinaria ao governo dos EUA uma parcela da receita de certas vendas de chips de IA na China. Restrições mais rigorosas significam que os fornecedores americanos enfrentam um mercado potencial menor no país que compra mais chips do que qualquer outro.

Pequim respondeu com fiscalização nas fronteiras e pressão no mercado interno. As autoridades instruíram grandes empresas de tecnologia a suspender pedidos de aceleradores da Nvidia e intensificaram as inspeções nos portos para interceptar remessas sem licença ou declaradas incorretamente, incluindo modelos voltados para a China, como o H20 e o RTX 6000D. Autoridades investigam redes de contrabando que introduziam processadores de alto desempenho em data centers domésticos por rotas indiretas. Separadamente, os reguladores abriram uma investigação antimonopólio contra a Nvidia, sinalizando um escrutínio mais rigoroso de suas práticas comerciais na China. Essas medidas buscam direcionar os compradores a fornecedores locais e restringir os canais do mercado paralelo.

Handel Jones, consultor de longa data do setor de semicondutores, alertou que o efeito combinado pode ser profundo para as empresas americanas que dependem da demanda chinesa.

"Para a indústria de semicondutores dos EUA, a China acabou", disse.

Onde o desempenho ainda difere: benchmarks e software

As alegações de equivalência exigem uma análise cuidadosa. Os dados públicos sobre aceleradores chineses são limitados e ainda há poucos testes padronizados. O desempenho depende da tarefa, do tamanho do modelo, da largura de banda de interconexão, da arquitetura de memória e da qualidade do conjunto de software entre o chip e o aplicativo. Pesquisadores que trabalharam com os dois ecossistemas dizem que os chips chineses reduziram a diferença em tarefas preditivas, nas quais um modelo completa uma frase ou classifica uma imagem, mas ainda ficam atrás em análises complexas e treinamento em grande escala.

O cientista da computação Jawad Haj Yahya, que testou aceleradores americanos e chineses, alerta que a equivalência depende da carga de trabalho.

"A diferença é clara e certamente está diminuindo. Não acho que eles vão alcançar os concorrentes no curto prazo", disse.

Essa diferença importa porque o treinamento é a etapa mais exigente da IA moderna. Ele requer enorme capacidade computacional, conexões muito rápidas entre processadores e memória de alta largura de banda que possa alimentá-los sem gargalos. Análises indicam que o Huawei 910B é sólido para inferência, a etapa em que um modelo treinado responde a consultas, mas tem limitações de conectividade entre chips e velocidade de memória que o tornam menos atraente para grandes ciclos de treinamento. Mesmo o H20 restrito da Nvidia continua sendo a opção preferida de muitos usuários na China quando conseguem obtê-lo. Desenvolvedores locais dizem que o treinamento pode levar semanas. A etapa final do treinamento da DeepSeek, amplamente discutida, levou de três a oito semanas, um esforço caro sob qualquer parâmetro, mesmo com código eficiente.

O software é outro obstáculo. A Nvidia passou anos desenvolvendo um conjunto de ferramentas, bibliotecas e softwares de rede em que os desenvolvedores confiam em escala. Esse conjunto direciona as cargas de trabalho para o hardware da Nvidia e encurta o caminho do protótipo à produção. A Huawei está trabalhando em uma resposta com sua própria estrutura e prometeu abrir mais projetos e códigos aos desenvolvedores domésticos. A adoção está crescendo, mas requalificar equipes, reescrever códigos e validar novamente modelos leva tempo, o que desacelera a migração para longe de plataformas consolidadas.

O engenheiro de semicondutores Raghavendra Anjanappa argumenta que a China pode atender a muitas necessidades com chips locais, mas os problemas mais difíceis ainda favorecem o hardware dos EUA.

"Na prática, a China pode reduzir sua dependência de chips americanos em ferramentas menos avançadas, mas não dispõe do desempenho bruto dos chips dos EUA para treinar sistemas de IA mais complexos", disse.

Os gargalos de fabricação que impedem o avanço da China

Um segundo conjunto de limitações está nas fábricas. Restrições dos EUA e da Holanda limitam o acesso a equipamentos avançados de litografia usados para produzir os menores transistores. Isso obriga as fábricas chinesas a levar máquinas mais antigas ao limite com múltiplas etapas de padronização, um processo mais lento, mais caro e que produz menos chips funcionais por wafer. Analistas que acompanham a fabricação dizem que o rendimento das fábricas de grandes processadores de IA na China melhorou, mas continua bem abaixo dos níveis alcançados pelos líderes globais. Relatos deste ano descrevem um aumento no rendimento de cerca de 20% para 40% em um novo chip da Huawei, enquanto fábricas líderes no exterior podem chegar a aproximadamente 60% para dispositivos de tamanho semelhante. Um rendimento menor eleva os custos e limita o número de aceleradores funcionais que chegam ao mercado.

O encapsulamento e a memória são igualmente difíceis. Os aceleradores de IA dependem de memória de alta largura de banda para manter milhares de núcleos abastecidos com dados. Os chips precisam ser encapsulados com técnicas avançadas que empilham e conectam componentes enquanto dissipam o calor. As equipes chinesas conseguem fabricar esses componentes, mas a escassez de memória de ponta e as limitações de acesso a equipamentos restringem a produção. Persistem também problemas funcionais. Relatos anteriores observaram que alguns chips domésticos têm dificuldades com conectividade entre chips e velocidade de memória, o que prejudica a eficiência do treinamento em grande escala.

Nenhum desses obstáculos é intransponível, mas superá-los exige tempo, capital e um fluxo constante de equipamentos especializados. Stephen Wu, ex-engenheiro de IA que hoje administra uma empresa de investimentos, resumiu a lógica estratégica por trás do longo esforço de Pequim.

"A China quer chips que não possam ser retirados por decisão política", disse.

O que isso significa para data centers e mercados

Todo operador de data center avalia três prioridades: desempenho, consumo de energia e garantia de fornecimento. Se um acelerador doméstico oferecer velocidade aceitável para determinada carga de trabalho a um custo energético menor, o comprador chinês terá um motivo para mudar. Hoje, esse argumento parece mais forte para inferência e treinamento de modelos menores, em que projetos no nível do sistema podem compensar o desempenho inferior de cada chip. No treinamento de modelos de ponta que levam a escala ao limite, a Nvidia mantém a liderança tanto em chips quanto em software. O resultado é um padrão dividido de implantação na China, com os projetos mais exigentes ainda buscando chips americanos sempre que a política permite.

O cenário regulatório traz novas escolhas para as empresas globais de tecnologia. Regras mais rigorosas dos EUA e a fiscalização alfandegária de Pequim estão reduzindo as rotas legais de fornecimento para a China. Alegações de um mercado paralelo de aceleradores recondicionados ou reaproveitados levaram a verificações mais rigorosas nos portos. Obstáculos às importações atrasam os cronogramas de expansão dos data centers e direcionam mais cargas de trabalho a fornecedores locais. Enquanto isso, parlamentares americanos querem garantir que clientes dos EUA não precisem esperar atrás dos compradores chineses por peças escassas, e as novas condições sobre receitas obtidas na China aumentam o custo de fazer negócios no país.

A Nvidia, por sua vez, tenta equilibrar interesses conflitantes. A empresa buscou cumprir as regras e, ao mesmo tempo, atender clientes chineses com produtos compatíveis. Durante uma visita a líderes empresariais chineses neste ano, Jensen Huang destacou essa estratégia.

"Vamos continuar fazendo um esforço significativo para otimizar nossos produtos em conformidade com as regras e continuar atendendo ao mercado chinês", disse.

Cronograma e cenários

Quanto tempo a China pode levar para reduzir a diferença no segmento mais avançado da computação para IA? Os analistas apontam prazos diferentes, mas uma visão comum começa a surgir. Muitos acreditam que as empresas chinesas podem alcançar ampla autossuficiência em tarefas de médio porte e inferência em cerca de cinco anos, enquanto igualar as melhores plataformas americanas de treinamento pode levar muito mais tempo. Alguns estimam que a equivalência completa em processadores, memória de alta largura de banda, encapsulamento avançado, redes e software só virá na próxima década.

O avanço no país é real. A Huawei está aumentando a produção, a Alibaba está investindo e um grupo crescente de fabricantes, da MetaX à Cambricon, está conquistando clientes. O apoio do governo continua forte e a demanda doméstica por serviços de IA está disparando. Mesmo assim, os gargalos em equipamentos, rendimento e ecossistemas de desenvolvedores limitarão a velocidade com que o desempenho alcançará os níveis mais altos do mercado. O resultado mais provável no curto prazo é um ecossistema chinês mais maduro, capaz de atender a grande parte das necessidades de IA do país, mas ainda dependente de hardware estrangeiro para os maiores ciclos de treinamento sempre que as regras permitirem o acesso.

A abordagem da China, liderada pelo Estado, é ao mesmo tempo uma vantagem e uma limitação. A direção centralizada concentra recursos em objetivos claros, mas também pode sufocar ideias arriscadas que levam a avanços. Chia Lin Yang, professora de computação que estuda o projeto de chips, alertou que metas uniformes podem prejudicar a criatividade, embora também tenha destacado a abundância de talentos disponíveis.

Isso pode dificultar que ideias disruptivas rompam com os padrões estabelecidos", disse. "Não se pode subestimar a capacidade da China de alcançar os concorrentes.

Principais pontos

• A China está investindo fortemente para produzir chips de IA de alto desempenho em escala e reduzir a dependência de importações.
• O treinamento do modelo da DeepSeek em 2024 mostrou ganhos de eficiência baseados em software mais inteligente, e não apenas em mais chips.
• O CloudMatrix 384 da Huawei usa centenas de processadores Ascend 910C e uma interconexão rápida para competir no nível do sistema.
• Alibaba, MetaX, Cambricon, Tencent e Baidu estão promovendo aceleradores domésticos e projetos personalizados para data centers locais.
• As restrições dos EUA agora bloqueiam o H20 da Nvidia e podem exigir que fabricantes americanos de chips priorizem clientes domésticos e compartilhem receitas de algumas vendas para a China.
• A China intensificou a fiscalização nos portos, desestimulou novos pedidos da Nvidia e abriu uma investigação antimonopólio contra a empresa.
• Especialistas dizem que os chips chineses são competitivos para inferência, mas ainda ficam atrás no treinamento de grandes modelos e em análises complexas.
• As limitações de fabricação incluem rendimentos menores, acesso restrito a equipamentos avançados de litografia e gargalos em memória de alta largura de banda e encapsulamento.
• O software continua sendo uma vantagem importante da Nvidia, enquanto a Huawei está abrindo projetos e ferramentas para ampliar a adoção entre desenvolvedores.
• Muitos analistas esperam que a China alcance autossuficiência em cargas de trabalho de médio porte em cerca de cinco anos, enquanto a equivalência no segmento mais avançado provavelmente levará mais tempo.