Chip próprio, DeepSeek e o problema aritmético do Zhipu.

Escrito por: Xiao Suan

Em 2013, engenheiros do Google fizeram uma conta aritmética.

A pergunta era simples: se cada usuário usasse 3 minutos de pesquisa por voz por dia, quanto os data centers globais do Google precisariam crescer?

A resposta fez todos engolirem seco: o dobro.

Se dependesse da compra de placas da NVIDIA para preencher esse buraco, o Google seria esmagado pelas contas primeiro. Então a empresa de busca tomou uma decisão que parecia herege na época: fabricar seus próprios chips. A história depois todo mundo conhece — aquele chip se chama TPU, hoje a moeda mais forte que o Google tem para lutar contra o "imposto NVIDIA".

Treze anos depois, essa conta aritmética chegou às mãos dos chineses.

Na noite de 7 de julho, a Reuters citou três fontes informadas: a DeepSeek está desenvolvendo seu próprio chip de IA, projeto iniciado há um ano, já em contato com empresas de design de chips, foundries de wafer e fabricantes de memória. Algumas horas depois, o The Information complementou: a Zhipu também está avaliando chips personalizados próprios, em contato com empresas de design de chips locais.

24 horas, duas das maiores empresas chinesas de modelos de fundação, expostas com o mesmo movimento:

Fabricar chips.

O chip da DeepSeek tem um adjetivo intrigante: voltado para inferência, treinamento não importa.

Treinamento é ensinar o modelo, custo monumental, mas pago uma vez; inferência é o modelo trabalhando, cada pergunta do usuário queima eletricidade no data center. Quanto mais usuários, mais queima, e nunca para.

Treinamento é comprar uma casa, inferência é pagar aluguel. O verdadeiro buraco negro de custos na indústria de IA nunca está na entrada, está no aluguel.

A prioridade que a DeepSeek quer resolver, traduzindo em uma frase:

Quanto custa atender cada usuário.

O fundador da empresa, Liang Wenfeng, é um dos poucos que desde o primeiro dia tratou chips como questão de vida ou morte. Ele veio de fundos quantitativos, famoso por acumular placas gráficas muito antes do boom dos grandes modelos. Em 2023 e 2024, ele deu duas entrevistas à AnYue, dizendo uma frase depois repetida:

"Nosso verdadeiro desafio nunca foi financiamento, mas a proibição de exportação de chips de ponta."

Falava, e também agia. O modelo R1 da DeepSeek foi treinado em NVIDIA H800, depois migrou para Huawei Ascend; a equipe de engenharia projetou o formato de dados UE8M0 FP8 no modelo, reconhecido pela indústria como feito sob medida para as características de hardware dos chips nacionais de próxima geração.

Em junho deste ano, a munição estava pronta. A empresa, que por anos recusou investimento externo, concluiu sua primeira rodada de financiamento, levantando cerca de 51 bilhões de yuans, com valuation pós-investimento entre 52 e 59 bilhões de dólares. O uso dos fundos divulgado externamente é claro: expandir centros de computação nacionais e desenvolver chips de IA próprios.

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

A Zhipu é outra solução para a mesma conta aritmética.

Esta empresa saída do laboratório da Universidade Tsinghua fez seu IPO em Hong Kong este ano, sob o título de "primeira ação de grandes modelos", com valor de mercado já ultrapassando um trilhão de dólares de Hong Kong. Por trás do brilho, um balanço tenso: prejuízo de 2,958 bilhões de yuans em 2024, mais 2,358 bilhões no primeiro semestre de 2025, queimando 5,3 bilhões em um ano e meio.

Em fevereiro deste ano, o GLM-5 foi lançado, explodindo no exterior, com capacidade de programação rivalizando modelos fechados de ponta. O fluxo de tráfego avassalador chegou, e a primeira coisa que a Zhipu fez foi aumentar preços: pacotes de Coding subiram 30% ou mais; a segunda coisa foi publicar um "edital de parceiros de computação", convidando abertamente fabricantes de chips para cooperação em otimização.

Uma empresa recém-listada estrelada postando publicamente procurando poder computacional. Negócios tão bons que precisam aumentar preços para desencorajar usuários — isso não é comum na história do comércio.

Então a revelação do The Information não surpreende. A rota que a Zhipu avalia é personalização cooperativa: eles fornecem a arquitetura do modelo e requisitos, empresas locais de design de chips fornecem a engenharia.

DeepSeek: constrói sua própria fábrica para fabricar carros; Zhipu: pega os desenhos e vai em uma oficina modificar. As rotas não têm hierarquia, mas as contas têm diferenças.

Neste movimento de fabricação de chips, o mais digno de nota é a frase original da Reuters:

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

A primeira metade é quase um truísmo. Sob as restrições de exportação, a participação da NVIDIA no mercado de data centers da China já está próxima de zero. A segunda metade é a verdadeira notícia.

Nos últimos dois anos, as palavras "substituição nacional", no contexto de poder computacional, equivalem a "migrar para Ascend". A própria DeepSeek é a praticante mais ativa: a série V4 completou a adaptação para Ascend, e a Huawei confirmou que seus processadores participaram de parte do treinamento. A Zhipu foi mais longe: a arquitetura GLM adaptou mais de 40 chips nacionais, e no dia do lançamento do novo modelo, Haiguang, Moore Threads, Muxi alinharam-se para anunciar a conclusão da adaptação.

Quanto mais abraçam, mais entendem uma coisa: uma empresa com contas de inferência na casa dos bilhões anuais não pode apostar seu destino em nenhum fornecedor único.

Mesmo que esse fornecedor seja "gente nossa".

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

Empresas de modelos fabricarem chips já é movimento padrão do outro lado do Pacífico.

No mês passado, a OpenAI anunciou o chip de inferência personalizado em cooperação com a Broadcom, codinome Jalapeño; a Anthropic foi exposta avaliando o mesmo. Somando-se Google, Amazon, Microsoft — todas as empresas do Vale do Silício com contas de inferência grandes o suficiente têm um chip próprio, ou pelo menos um PPT de chip próprio.

Para a cadeia de chips da China, isso é uma moeda de dois lados.

Cara: os pedidos personalizados das empresas de modelo são receitas dos sonhos para empresas locais de design de chips. O modelo de cooperação personalizada da Zhipu parece escrito para elas; fabricantes de memória também se beneficiam — chips de inferência dependem muito de largura de banda, a curva de demanda por memória de alta largura de banda será apenas mais íngreme.

Coroa: o grande cliente de hoje está aprendendo as habilidades para te deixar para trás amanhã. O Google também foi um excelente cliente de fornecedores de chips, depois se tornou dono do TPU.

Claro, as cartas acabaram de ser distribuídas. Um chip de IA competitivo geralmente leva anos e bilhões de investimento — ninguém garante sucesso. O plano de chip próprio da Meta foi completamente reiniciado. Mais sutil: chips personalizados apostam que a arquitetura do modelo se estabilizará, mas as novas gerações de modelos da DeepSeek e Zhipu acabaram de adotar mecanismos como atenção esparsa. Os desenhos enviados para tape-out hoje, quando o chip sair da linha em dois anos, a arquitetura pode já ter virado página.

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

Em 2026, a conta das empresas de modelo chinesas está apenas começando. Quem fez a pergunta mudou, mas a lógica da resolução não:

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