Relatório aprofundado do Goldman Sachs: quem será o vencedor de longo prazo na indústria de grandes modelos de IA da China?

中国的 modelos grandes de IA estão em um ponto de virada histórico. O Goldman Sachs acredita que o desempenho de modelos grandes de código aberto/abertos da China já está se aproximando dos modelos proprietários de ponta globais em termos de capacidade de inteligência. A escala de adoção das empresas do país e das pequenas e médias empresas no mundo está se expandindo rapidamente, e o efeito de “roda de dados” gerado por isso impulsionará ainda mais iterações e atualizações de modelos.

Segundo a Piero, sua plataforma “追风交易台”, o relatório mais recente do Goldman Sachs aponta que essa trajetória de evolução pode ser resumida como “do momento de eficiência de custos do DeepSeek do ano passado ao momento de inteligência do GLM da Zhipu este ano”. A equipe liderada pelo analista do Goldman Sachs Ronald Keung, em um relatório de 50 páginas, realiza uma avaliação sistemática em torno de quatro questões centrais: como os modelos de IA da China alcançam alto desempenho com baixo custo, por que escolheram a rota de código aberto, como monetizar, em que mercados centrais existem oportunidades endereçáveis e quem se tornará o vencedor de longo prazo.

Na análise do cenário competitivo, o Goldman Sachs lançou um “framework de posicionamento competitivo” baseado em capacidade de precificação, vantagens de custo e força financeira, e com isso concluiu que, no campo de modelos base de texto, a Zhipu (cobertura inicial) e o DeepSeek (não listado) estão posicionados como os mais fortes; em modalidades multimodais, a ByteDance (não listada) lidera. O Goldman Sachs também mantém recomendação de compra para a MiniMax e para a Kuaishou.**

以小博大，效率制胜

Os modelos grandes da China conseguem entregar um desempenho semelhante a um custo muito menor do que produtos equivalentes dos EUA. O núcleo está em duas quebras duplas: inovação de arquitetura e eficiência de parâmetros.

O relatório do Goldman Sachs indica que o tamanho de parâmetros dos modelos de código aberto chineses, em geral, fica entre 200 bilhões e 1,6 trilhão, apenas de 2% a 10% do top global. Isso se deve principalmente a limitações na obtenção de computação de ponta. Ao mesmo tempo, inovações como a arquitetura de especialistas mistos (MoE) e mecanismos de atenção esparsa fazem com que a proporção de parâmetros efetivamente ativados sobre o total de parâmetros seja apenas de 3% a 5%, reduzindo drasticamente os custos de treinamento e inferência.

Em termos de modelos específicos, o DeepSeek V4 Pro tem 1,6 trilhão de parâmetros, o Zhipu GLM5.2 tem 0,7 trilhão e o MiniMax M3 tem 0,4 trilhão.

O Goldman Sachs atribui o salto recente de capacidade de programação dos modelos chineses ao efeito combinado de filtragem de dados e pós-treinamento com aprendizado por reforço. Em 27 de junho, o DeepSeek lançou o framework de decodificação especulativa DSpark, que já foi implantado nos serviços online do V4-Flash e do V4 Pro. Sem alterar os pesos do modelo ou a qualidade da saída, isso aumenta a velocidade de geração por usuário em 60% a 85% (V4-Flash) e 57% a 78% (V4 Pro).

A LongCat 2.0 divulgada pela Meituan em 30 de junho foi vista pelo Goldman Sachs como um importante marco na autonomia da infraestrutura de IA na China — trata-se do primeiro modelo MoE de código aberto na China, com 1,6 trilhão de parâmetros, totalmente treinado e implantado com base em 50 mil placas de computação domésticas. O Goldman Sachs afirma que isso prova a viabilidade do stack local de hardware na fase de pré-treinamento computacionalmente intensiva. Para os modelos de IA da China, isso tem um significado profundo para reduzir a dependência de chips estrangeiros de ponta.

Mercado polarizado, os fortes ficam ainda mais fortes

O Goldman Sachs descreve o mercado de modelos de IA da China como uma “estrutura em dois níveis” em formação e identifica dois quadrantes de maximização de ARR.

No mercado de ponta, modelos de elite representados pelo Zhipu GLM5.2 e pela Alibaba Qwen3.7 Max têm preço de cerca de US$ 1 por 1 milhão de tokens, que é 5 vezes o de modelos de baixo nível; a margem bruta de inferência é de cerca de 10% a 20% (estimativa do Goldman Sachs). Em comparação, os modelos de ponta nos EUA custam US$ 4 a 8 por 1 milhão de tokens; os modelos de ponta da China ficam apenas entre 10% e 25% disso, mas, graças ao menor índice de ativação de parâmetros, ainda mantêm margem bruta positiva.

No mercado de baixo nível, modelos voltados a tarefas de agentes são precificados em apenas US$ 0,06 a US$ 0,2 por 1 milhão de tokens, abrindo mercado para pequenas e médias empresas globais e usuários individuais mais sensíveis a preço. A MiniMax tem 60% a 70% da receita vinda do exterior. Vale notar que o DeepSeek já anunciou que, a partir de meados de julho, introduzirá um mecanismo de precificação de pico e vale para a série V4: na hora de pico a taxa será 2 vezes a da hora fora de pico, com precificação mista de cerca de US$ 0,35 por 1 milhão de tokens (V4 Pro) e US$ 0,12 (V4 Flash).

O Goldman Sachs prevê que a receita de APIs e assinaturas dos modelos de IA da China crescerá de 35 bilhões de iuanes (estimado para 2026) para 879 bilhões de iuanes em 2030, equivalente ao consumo diário de tokens passando de 350 trilhões para 4,6 bilhões de tokens, um aumento de cerca de 25 vezes.

Estratégia de código aberto: ampla penetração, caminho de monetização ainda precisa evoluir

O relatório do Goldman Sachs faz um levantamento detalhado da lógica estratégica de adoção generalizada de rotas de código aberto/pesos abertos em modelos de IA na China e das limitações de monetização.

A vantagem central das estratégias de código aberto está na flexibilidade de implantação e no ecossistema da comunidade. A série Qwen da Alibaba, o DeepSeek, o Zhipu GLM e o MiniMax M3 usam código aberto ou pesos abertos; o Seed da ByteDance é a principal exceção, adotando um caminho totalmente fechado e proprietário. O modo de código aberto permite que os modelos sejam implantados de forma flexível dentro e fora do continente chinês e aceleram iterações com feedback da comunidade.

No entanto, o Goldman Sachs aponta que os números de ARR divulgados por empresas de modelos de código aberto provavelmente subestimam severamente o volume real de implantação e o potencial de receita. Por exemplo, no caso da Zhipu, sua meta de ARR até o fim de 2026 é de US$ 1 bilhão, mas a implantação global do GLM5.2 estará muito acima do volume de tokens e da receita da própria rota de APIs da Zhipu — a plataforma MaaS do Alibaba Cloud Bailian pode hospedar diretamente o modelo de código aberto GLM5.2, sem necessidade de pagar qualquer taxa à Zhipu.

O Goldman Sachs espera que o setor vá migrando gradualmente do código aberto puro (licença MIT, totalmente gratuito) para um modelo de “pesos abertos + licença de comunidade” — isto é, o uso comercial exigirá que as empresas assinem um acordo de partilha de receita com as empresas do modelo. A MiniMax M já adotou esse modelo com antecedência. O Goldman Sachs considera que essa mudança melhorará significativamente a eficiência econômica unitária das empresas de modelos de IA, pois elas poderão obter ganhos por partilha de receitas com plataformas como AWS Bedrock e Alibaba Cloud Bailian, sem precisar assumir sozinhas os custos de computação de inferência.

Do “maximizar tokens” para priorizar ROI

O Goldman Sachs define a expansão no mercado internacional como o maior espaço de alta para os modelos de IA da China, especialmente em mercados fora dos EUA.

A equipe de pesquisa do Goldman Sachs nos EUA estima que até 2030, a IA de agentes impulsionará um crescimento de 24 vezes no consumo global de tokens, chegando a 120 milhões de trilhões de tokens por mês. Desses, agentes corporativos contribuem com um aumento de 55 vezes e agentes para consumidores com 12 vezes. No mercado global (fora da China), os modelos de IA da China já conquistaram um aumento significativo de quota de tokens graças à melhoria de desempenho e à vantagem de preço.

O relatório do Goldman Sachs aponta que o paradigma de uso de IA nas empresas no mundo está passando por uma mudança fundamental de “maximizar tokens” para “priorizar ROI”. O primeiro era dominante do fim de 2025 até o início de 2026: as empresas igualavam alto consumo de tokens à produtividade da organização. Já o segundo foca mais em limites claros de tarefas, número de agentes ativos diariamente, automação de processos no backend e entregas reais. Um estudo de tendências de engenharia da Jellyfish AI mostra que usuários pesados de IA nas empresas consomem 10 vezes mais tokens, mas o aumento na produção é apenas 2 vezes.

No canal, a Gemini Enterprise Agent Platform da Alphabet e o Amazon AWS Bedrock já oferecem serviços de hospedagem para modelos de IA chineses como DeepSeek, MiniMax, Moonshot, GLM e Qwen. Segundo reportagens do The Wall Street Journal, o CEO da Microsoft disse recentemente que a Microsoft está considerando hospedar uma versão do DeepSeek no Copilot como um modelo opcional de baixo custo. Ele também destacou que, se o DeepSeek for hospedado, o modelo rodará dentro do ecossistema de nuvem da Microsoft, garantindo que os dados dos clientes permaneçam dentro do Azure.

Quem é o vencedor de longo prazo?

O Goldman Sachs construiu um framework de posicionamento competitivo de três dimensões, usando métricas quantitativas para avaliar a probabilidade de cada participante vencer no longo prazo. A fórmula central é: escala de ARR × vantagem de margem bruta + força financeira.

Na dimensão de capacidade de precificação são avaliadas a velocidade de lançamento (comparada com antecessores e modelos do mesmo nível), a pontuação no LMArena (com base em avaliações de usuários em testes cegos de larga escala) e o nível de precificação mista por 1 milhão de tokens.

Na dimensão de vantagem de custo são avaliados throughput (tokens por segundo), taxa de acerto em cache, índice de ativação de parâmetros e margem bruta de inferência. Na dimensão de força financeira são avaliados caixa em mãos, proporção de caixa líquido sobre os ativos totais e múltiplos de valuation.

No domínio de modelos base de texto, o Goldman Sachs considera que a Zhipu (cobertura inicial, classificação neutra, valuation-alvo de US$ 110 bilhões) e o DeepSeek (não listado) estão posicionados como os mais fortes. Ambos se destacam tanto em capacidade de precificação quanto em vantagem de custos. O valuation implícito total para empresas independentes de modelos de IA supera 200 bilhões de dólares.

No domínio de multimodal/vídeo generation, a ByteDance lidera com o Seedance. De acordo com LatePost e 36Kr, a margem bruta do Seedance chega a 70% e a taxa de execução de ARR já ultrapassou US$ 2 bilhões. A Kuaishou e a MiniMax Hailuo/um modelo H3 que está por ser lançado também são vistas com bons olhos pelo Goldman Sachs. A previsão é que no segundo semestre de 2026 elas se beneficiem das quebras de funcionalidades na integração entre geração de vídeo e LLM e da escassez de oferta, que tende a sustentar uma precificação saudável.

O Goldman Sachs mantém recomendação de compra para a MiniMax, com preço-alvo de HK$ 860. O motivo é que o modelo M3 está no quadrante de maximização de ARR com alto volume de tokens e precificação atrativa. Além disso, o valuation atual é apenas de 13 vezes o ARR no fim de 2026, apresentando um desconto claro em comparação com os múltiplos de valuation de empresas comparáveis na China e globalmente. A relação risco-retorno pende para cima.

Aviso de riscos e cláusulas de isenção

        Há riscos no mercado; invista com cautela. Este artigo não constitui aconselhamento individual de investimento e não considera objetivos de investimento específicos, situação financeira ou necessidades individuais do usuário. O usuário deve avaliar se quaisquer opiniões, pontos de vista ou conclusões presentes neste artigo atendem à sua situação específica. Ao investir com base nisso, a responsabilidade é sua.