RESUMO RÁPIDO
· O time de especialistas da Nomura em 13 de julho indicou que o mercado chinês de LLMs está saindo de um cenário em que a concorrência se baseava apenas em corte de preços para um em que coexistem modelos base com preços baixos e modelos avançados com prêmio.
· A vantagem de custos do DeepSeek vem de otimizações de sistema como cache, escalonamento, latência e eficiência de uso de hardware; pesos de modelos abertos não significam copiar a eficiência operacional da plataforma.
· Aceleradores nacionais estão ganhando mais espaço em inferência e implantação local, mas os projetos das empresas ainda precisam passar pelo teste de ROI de 12 a 18 meses.

Após conversas em 13 de julho entre o time de Internet da Nomura na China e especialistas de um laboratório de IA chinês, foi apresentado um julgamento mais próximo da realidade comercial: o mercado de grandes modelos na China não está seguindo uma trajetória contínua de queda de preços, e sim se dividindo em dois níveis — o modelo base continua reduzindo preços para captar clientes; já modelos avançados, implantação privada e serviços sob encomenda para empresas mantêm um prêmio.

O laboratório em questão já implantou seu modelo base proprietário em mais de 100 clientes empresariais, e a equipe também foi adotante inicial de aceleradores nacionais como a Huawei Ascend. O sinal central liberado pela reunião de especialistas é que, embora a capacidade dos modelos esteja ficando cada vez mais fácil de comparar, o que de fato determina a rentabilidade da plataforma e a fidelidade do cliente já se estendeu da posição em rankings para o custo de inferência, eficiência de implantação e o fluxo de trabalho corporativo.

Isso não é um relatório de pesquisa público da Nomura, nem representa estatísticas de toda a indústria. Ainda assim, oferece uma perspectiva de observação mais alinhada à compra feita pelas empresas: o cliente não está comprando apenas um modelo; ele também precisa considerar o preço dos chips, o custo por chamada, integração do sistema, segurança de dados e em quanto tempo o projeto se paga.

O baixo custo do DeepSeek é difícil de replicar por causa das otimizações de sistema

O DeepSeek é o caso mais típico dessa lógica.

O mercado costuma atribuir o baixo custo do DeepSeek a modelos de código aberto, mas pesos abertos apenas reduzem a barreira de uso e não replicam automaticamente a eficiência operacional da plataforma nativa. O que realmente determina a conta de inferência ainda inclui taxa de acerto de cache, escalonamento de requisições, estratégia de batch, controle de latência e eficiência de uso do hardware.

O relatório técnico do DeepSeek-V3 divulga arquiteturas como MLA e DeepSeekMoE, e os documentos de infraestrutura também abordam balanceamento de carga e otimizações de throughput; isso aponta para a mesma questão: fazer mais chamadas ocupando menos hardware.

Isso significa que, mesmo que Tencent, Alibaba, ByteDance etc. consigam implantar os mesmos pesos de código aberto, talvez não consigam obter o mesmo custo em um ambiente real de negócios. Quando clientes chamam modelos por longos períodos, pequenas diferenças de alguns milissegundos de latência, alguns pontos percentuais de eficiência de cache e eficiência de uso do hardware podem acabar se traduzindo em diferenças claras na fatura.

Portanto, a pressão competitiva trazida pelo DeepSeek não é apenas “modelos mais baratos”; ela força a indústria inteira a recalcular o custo real de cada token, cada chamada e cada etapa de processo de negócios.

Modelo base puxa novos clientes; implantação profunda faz o dinheiro

A guerra de preços no mercado chinês de grandes modelos está apresentando uma divisão em camadas.

Para modelos base voltados a desenvolvedores e demandas leves, o nível de comercialização está aumentando, e ainda há pressão para os preços continuarem caindo. As plataformas podem ampliar o volume de chamadas com preços baixos ou até subsídios, transformando o modelo em uma porta de entrada para serviços de nuvem e para o ecossistema de IA.

Mas quando o modelo entra em sistemas de atendimento ao cliente, detecção de fraude e risco financeiro, repositórios de código, ERP, CRM ou sistemas de produção e escalonamento, o cliente já não compra apenas uma API; ele compra um conjunto de sistemas de negócios que precisam operar de forma estável. Quanto mais profunda a implantação, mais alto o custo para trocar de fornecedor — envolve migrar dados novamente, reformar processos, testar segurança e treinar funcionários, elevando também o custo de transição.

Isso permite que fabricantes de modelos adotem simultaneamente duas estratégias de precificação: vender mais com redução de preço de capacidades base; e fazer a monetização com modelos avançados, soluções para setores, implantação privada e entrega sob medida.

Código aberto e fechado também não precisam ser uma escolha entre um ou outro. Modelos de código aberto conseguem atrair desenvolvedores e expandir o ecossistema; já modelos “carro-chefe” de código fechado e serviços de API são mais adequados como portas de cobrança. A Alibaba, ao mesmo tempo que continua mantendo o ecossistema de código aberto do Qwen, também assume demandas de nível superior por meio de formas de API como Plus e Max Preview, refletindo exatamente esse modelo comercial em camadas.

Aceleradores nacionais procuram primeiro oportunidades no mercado de inferência

A oferta de hardware está reforçando essa mudança.

Reportagens públicas indicam que alguns chips NVIDIA e servidores com fornecimento limitado estão sofrendo pressão de preços devido à contração na oferta e ao aumento da demanda dos clientes. Mais precisamente, não é que todos os produtos da NVIDIA estejam ficando mais caros; porém, parte dos custos de compra e da disponibilidade de produtos mais avançados ou limitados está afetando as escolhas de implantação das empresas na China.

Treinamento define o teto de capacidade do modelo, enquanto inferência define a conta do dia a dia na operação. Treinamento avançado ainda depende de ecossistemas consolidados de software e hardware; mas em inferência, implantação privada e cenários específicos do setor, os clientes tendem a equilibrar mais de perto desempenho, custo e segurança de fornecimento.

Se aceleradores nacionais conseguirem fornecer estabilidade e eficiência de inferência aceitáveis, a implantação local e a implantação híbrida passam a entrar com mais facilidade na lista de compras. Clientes governamentais e de estatais valorizam especialmente segurança de dados, conformidade, implantação local e cadeia de suprimentos controlável; isso dá a casos de uso mais claros para computação nacional como a Huawei Ascend.

No entanto, o aumento do apelo de custos não significa que hardware nacional já substituiu totalmente GPUs de ponta. A migração de modelos envolve operadores de baixo nível, frameworks, cache, escalonamento e ferramentas de implantação; a diferença decisiva de longo prazo ainda está no ecossistema de desenvolvedores acumulado. É mais provável que aceleradores nacionais comecem com inferência e implantação setorial e depois expandam gradualmente o escopo de aplicações.

Setor público precisa ser seguro; setor privado precisa de ROI em 12 a 18 meses

A lógica de pagamento dos clientes empresariais também está se dividindo.

Governo e estatais valorizam mais segurança de dados, auditoria de conformidade, implantação local e estabilidade de fornecimento no longo prazo. Essas exigências ampliam oportunidades para software e hardware nacionais, mas também significam que os projetos precisam passar por um ciclo mais longo de compras, testes e aceites.

Empresas privadas calculam o retorno do investimento de forma mais direta. Na reunião de especialistas, a linha é que muitos clientes privados esperam ver um ROI claro em 12 a 18 meses, incluindo reduzir mão de obra de atendimento ao cliente, aumentar taxas de conversão de vendas, encurtar ciclos de desenvolvimento ou reduzir custos operacionais.

Serviços financeiros, produtividade de escritório e cenários de codificação tendem a ser comercializados primeiro, porque são ambientes mais intensivos em dados, com custos de mão de obra mais altos, e o efeito é relativamente mais fácil de quantificar. Manufatura, medicina e direito também têm demanda, mas ainda precisam lidar com reforma de processos, precisão, conformidade e limites de responsabilidade; testes que evoluem para implantação em escala geralmente exigem mais tempo.

Isso também significa que a posição em rankings de modelos dificilmente se converte diretamente em receita para empresas. O que o cliente realmente está disposto a pagar depende de o modelo conseguir se conectar de forma estável aos negócios reais e entregar ganhos calculáveis dentro de um tempo limitado.

A guerra de preços dos grandes modelos na China não acabou, mas a forma de competir já mudou. Modelos base continuarão reduzindo preços; modelos avançados, implantação privada e serviços setoriais terão de arcar com pressão sobre margem; aceleradores nacionais estão ganhando mais oportunidades no mercado de inferência, e o DeepSeek também elevou o padrão de eficiência de custos em toda a indústria.

O que é realmente difícil de replicar não são os pesos de código aberto, e sim a engenharia de sistemas escondida por trás do modelo. Quem conseguir conectar chips, eficiência de inferência e capacidade de entrega para empresas, e ajudar o cliente a ver retorno em 12 a 18 meses, é quem tem mais chance de transformar tráfego de baixo preço em receita de longo prazo.

Clique para saber mais sobre as vagas do律动 BlockBeats

Bem-vindo para entrar no grupo oficial do律动 BlockBeats:

Telegram grupo de assinatura: https://t.me/theblockbeats

Telegram grupo: https://t.me/BlockBeats_App

Twitter conta oficial: https://twitter.com/BlockBeatsAsia