Relatório do Goldman Sachs analisa o cenário competitivo de grandes modelos de IA da China: quem se tornará o vencedor de longo prazo?

作者: Wall Street见闻 卜淑情

Título original: 《Relatório aprofundado do Goldman Sachs: quem se tornará o vencedor de longo prazo no setor de grandes modelos de IA da China?》

Os grandes modelos de IA da China estão em um ponto de inflexão histórico. O Goldman Sachs acredita que o desempenho inteligente dos principais modelos de código aberto/abertos da China já está chegando perto dos modelos proprietários de ponta globais. Com isso, a escala de adoção de empresas locais e pequenas e médias empresas globais está se expandindo rapidamente, e o efeito de “roda de dados” gerado por esse movimento impulsionará ainda mais a iteração e a atualização dos modelos.

Segundo a Pura-trilha Trading Desk, o mais recente relatório 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 modelo deste ano da GLM da Zhipu”. A equipe liderada pelos analistas Ronald Keung, em um relatório de 50 páginas, realizou uma avaliação sistemática em torno de quatro questões centrais: como os modelos de IA da China alcançam alto desempenho com baixo custo; por que escolhem a rota de código aberto; como monetizam; quais são os mercados centrais endereçáveis; e quem se tornará o vencedor de longo prazo.

Na avaliação do cenário competitivo, o Goldman Sachs propôs um “framework de posicionamento competitivo” baseado em capacidade de precificação, vantagem de custos e força financeira. Com isso, concluiu que, na categoria de modelos base de texto, Zhipu (cobertura inicial) e DeepSeek (não listado) são os mais fortes; no campo multimodal, ByteDance (não listado) lidera. O Goldman Sachs também mantém recomendação de compra para MiniMax e Kuaishou.

Com pouco, vencendo muito: eficiência como arma

Os grandes modelos de IA da China conseguem alcançar um desempenho próximo com custos muito menores do que produtos similares dos EUA. O cerne disso está nas duas frentes de ruptura: inovação de arquitetura e eficiência de parâmetros.

O relatório do Goldman Sachs aponta que, em geral, a escala de parâmetros dos modelos abertos da China está entre 2000 bilhões e 1,6 trilhão, o que representa apenas 2% a 10% dos principais modelos globais. Isso se deve principalmente à limitação de acesso a poder computacional de ponta. Ao mesmo tempo, inovações como arquitetura de especialistas híbridos (MoE) e mecanismos de atenção esparsa fazem com que a proporção de parâmetros efetivamente ativados sobre o total de parâmetros fique apenas entre 3% e 5%, reduzindo de forma acentuada os custos de treinamento e inferência.

No nível dos modelos específicos, o DeepSeek V4 Pro tem volume de parâmetros de 1,6 trilhão, o Zhipu GLM5.2 tem 0,7 trilhão e o MiniMax M3 tem 0,4 trilhão.

O Goldman Sachs atribui o salto recente dos modelos chineses em capacidade de programação à ação conjunta de seleção de dados e treino pós-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 das saídas, ele acelera a velocidade de geração por usuário em 60% a 85% (V4-Flash) e 57% a 78% (V4 Pro).

O LongCat 2.0 lançado pela Meituan em 30 de junho foi visto pelo Goldman Sachs como um importante marco na autonomização da infraestrutura de IA na China — o primeiro modelo MoE open source de 1,6 trilhão da China, treinado e implantado completamente com 50 mil placas de computação domésticas. O Goldman Sachs considera que isso prova a viabilidade de um stack local de hardware na fase de pré-treinamento intensivo em computação, algo que tem um significado profundo para a capacidade dos modelos de IA da China de se desvincularem da 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 formando uma “estrutura em duas camadas” e identifica dois quadrantes de maximização de ARR.

No mercado de ponta, modelos líderes como Zhipu GLM5.2 e Alibaba Qwen3.7 Max custam cerca de US$ 1 por cada milhão de tokens — cinco vezes o preço dos modelos de menor faixa. A margem bruta de inferência é de cerca de 10% a 20% (estimativa do Goldman). Em comparação, modelos líderes dos EUA custam US$ 4 a 8 por cada milhão de tokens; já os modelos de ponta da China custam apenas 10% a 25% disso. Ainda assim, graças a uma taxa menor de ativação de parâmetros, mantêm margem bruta positiva.

No mercado de menor faixa, modelos voltados a tarefas de agentes custam tão pouco quanto US$ 0,06 a 0,2 por cada 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. Um ponto a observar: o DeepSeek anunciou que, a partir do meio de julho, vai introduzir um mecanismo de precificação de pico e fora de pico na série V4. A taxa no horário de pico é o dobro da do fora de pico, com precificação híbrida de cerca de US$ 0,35 por cada 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 vai crescer de 35 bilhões de yuans (estimado em 2026) para 8790 bilhões de yuans em 2030. Isso corresponde ao consumo diário de tokens subindo de 350 trilhões para 4600 trilhões, ou seja, um aumento de cerca de 25 vezes.

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

O relatório do Goldman Sachs detalha a lógica estratégica de por que, em geral, os modelos de IA da China adotam rota de código aberto/pesos abertos e as limitações na monetização.

A principal vantagem de código aberto está na flexibilidade de implantação e no ecossistema comunitário. As séries Qwen da Alibaba, o DeepSeek, o Zhipu GLM e o MiniMax M3 adotam código aberto ou pesos abertos. O modelo Seed da ByteDance é a principal exceção: usa uma rota totalmente fechada/proprietária. O modo aberto permite que o modelo seja implantado com flexibilidade dentro e fora da China continental e, por meio do feedback da comunidade, acelera a iteração.

Ainda assim, o Goldman Sachs aponta que os números de ARR divulgados por empresas de modelos open source provavelmente subestimam severamente o tamanho real das implantações e o potencial de receita. No caso do Zhipu, por exemplo, sua meta de ARR até o fim de 2026 é de US$ 1 bilhão, mas o volume de implantação real do GLM5.2 no mundo será muito maior do que a quantidade de tokens e a receita provenientes dos canais próprios de API do Zhipu. A plataforma MaaS do Alibaba Cloud Bailian consegue hospedar diretamente o modelo open source GLM5.2, sem que seja necessário pagar qualquer taxa ao Zhipu.

O Goldman Sachs espera que a indústria migre gradualmente de código aberto puro (licença MIT, totalmente grátis) para um modelo de “pesos abertos + licença comunitária” — isto é, o uso comercial exige que a empresa de modelos assine um acordo de divisão de receita. A série MiniMax M já adotou esse modelo com antecedência. O Goldman Sachs acredita que essa mudança melhorará significativamente a eficiência unitária dos negócios de modelos de IA, pois a empresa de modelos pode obter ganhos por meio de acordos de divisão de receita com plataformas como AWS Bedrock e Alibaba Cloud Bailian, sem precisar assumir custos de capacidade computacional de inferência por conta própria.

De “maximizar tokens” para priorizar ROI

O Goldman Sachs define a expansão do mercado internacional como o maior espaço de alta para os modelos de IA da China, especialmente fora dos mercados dos EUA.

A equipe de pesquisa do Goldman nos EUA estima que, até 2030, a IA de agentes impulsionará o crescimento do consumo global de tokens em 24 vezes, chegando a 120 milhões de bilhões de tokens por mês. Desse total, os agentes corporativos contribuem com crescimento de 55 vezes, enquanto os agentes de consumidores contribuem com 12 vezes. No mercado global (fora da China), os modelos de IA da China já aumentaram de forma significativa sua fatia de tokens graças a melhorias de desempenho e vantagens de preço.

O relatório do Goldman Sachs aponta que o paradigma de uso de IA pelas empresas globais está passando por uma mudança fundamental: de “maximizar tokens” para “priorizar ROI”. O primeiro dominava de fim de 2025 ao início de 2026: as empresas tratavam alto consumo de tokens como equivalente à produtividade organizacional. Já o segundo passa a focar mais em limites claros das tarefas, no número de agentes ativos diariamente, na automação de processos no backend e nas saídas reais. Um estudo de tendências de engenharia da Jellyfish AI mostra que usuários corporativos pesados de IA consomem 10 vezes mais tokens, mas a produção aumenta apenas 2 vezes.

No nível de canais, a Alphabet, por meio da Gemini Enterprise Agent Platform, e a Amazon AWS Bedrock já oferecem serviços de hospedagem de modelos de IA da China como DeepSeek, MiniMax, Moonshot, GLM e Qwen. Segundo o Wall Street Journal, o CEO da Microsoft declarou recentemente que a Microsoft está considerando hospedar uma versão do DeepSeek no Copilot, como um modelo opcional de baixo custo, enfatizando que, ao hospedar o DeepSeek, o modelo será executado dentro do ecossistema de nuvem da Microsoft, garantindo que os dados dos clientes permaneçam na Azure.

Quem são os vencedores de longo prazo?

O Goldman Sachs montou um framework de posicionamento competitivo em três dimensões para avaliar quantitativamente a probabilidade de cada participante vencer no longo prazo. A fórmula central é: tamanho do ARR × vantagem de margem bruta + força financeira.

O eixo de capacidade de precificação examina a velocidade de lançamento (em comparação com o antecessor e modelos do mesmo nível), a pontuação do LMArena (com base em avaliações de usuários em testes cegos em grande escala) e o nível de precificação híbrida por cada milhão de tokens.

O eixo de vantagem de custos examina throughput (tokens por segundo), taxa de acerto em cache, taxa de ativação de parâmetros e margem bruta de inferência. O eixo de força financeira examina caixa disponível, proporção de caixa líquido sobre o total de ativos e múltiplos de valuation.

No campo de modelos base de texto, o Goldman Sachs considera que Zhipu (cobertura inicial, avaliação neutra, valuation-alvo de US$ 110 bilhões) e DeepSeek (não listado) são os mais fortes. Ambos se destacam em capacidade de precificação e vantagem de custos. A avaliação implícita total das empresas independentes de modelos de IA ultrapassa US$ 200 bilhões.

No campo multimodal/geração de vídeo, a ByteDance lidera com o Seedance. De acordo com LatePost e 36Kr, a margem bruta do Seedance é de até 70% e a taxa de execução do ARR já ultrapassou US$ 2 bilhões. O Kuaishou e o MiniMax Hailuo/um próximo modelo H3 também são vistos com bons olhos pelo Goldman Sachs. A previsão é que, na segunda metade de 2026, eles se beneficiem de avanços funcionais na fusão de geração de vídeo e LLM, além de preços mais saudáveis decorrentes de escassez de oferta.

O Goldman Sachs mantém recomendação de compra para o MiniMax, com preço-alvo de 860 HK$. A justificativa é que seu modelo M3 está no quadrante de maximização de ARR com alto volume de tokens e preços atrativos, e que sua avaliação atual equivale a apenas 13 vezes o ARR no fim de 2026. Isso, em comparação com múltiplos de valuation de empresas similares na China e globalmente, implica um desconto evidente. A relação risco-retorno tende para alta.