Moore Threads: Quebrando as Barreiras Competitivas do Ecossistema através de Arquitetura Unificada

Na era da IA, as empresas de chips que não tenham uma estratégia sistemática de propriedade intelectual terão dificuldades em ser consideradas verdadeiramente detentoras de tecnologias centrais.

Texto｜Hu Jiaqí

ID | BMR2004

Recentemente, o fabricante nacional de GPUs Moore Thread (688795.SH) revelou oficialmente o lançamento do serviço de programação inteligente AI Coding Plan. Este novo produto, baseado na capacidade de cálculo de precisão total do MTT S5000, aumenta a eficiência computacional por meio de uma arquitetura de hardware e software colaborativa, transformando as capacidades de GPU, tradicionalmente mais básicas, em ferramentas de produtividade voltadas para desenvolvedores. Este passo marca o início da transição das empresas nacionais de GPU de simples fornecedoras de hardware para construtoras de plataformas de computação completas.

A Moore Thread foi fundada em junho de 2020 e, até o final de 2025, entrará na bolsa de inovação tecnológica (STAR Market), tendo registrado o recorde de IPO mais rápido na bolsa, em 88 dias. Seu objetivo não é apenas preencher lacunas de capacidade de processamento, mas construir uma infraestrutura de computação acelerada global e soluções integradas, apoiando a transformação digital de diversos setores.

Se a capacidade de processamento é o ingresso, então a capacidade sistemática é a chave para permanecer na mesa de jogo a longo prazo. Sobre essa dimensão de competição mais profunda, o jornal Business School entrevistou responsáveis da Moore Thread e especialistas do setor, tentando revelar uma parte menos visível: como as empresas nacionais de GPU constroem suas próprias “muralhas de proteção” em termos de sistema de patentes e arquitetura fundamental.

01

Estratégia de patentes a partir do produto

Na estratégia de patentes, a Moore Thread não busca apenas aumentar o número, mas valorizar patentes de alto valor.

Segundo responsáveis da Moore Thread, até junho de 2025, a empresa acumulou 514 patentes concedidas, incluindo 468 patentes de invenção, posicionando-se entre as principais empresas de GPU nacionais. Importa notar que essas patentes não estão dispersas, mas altamente concentradas na cadeia central do cálculo de IA, abrangendo design de arquitetura de processadores, aceleração de aplicações de IA e otimização de cálculo paralelo, drivers e sistemas de software de base, além de clusters de GPU e interconexões de alto desempenho, formando uma estratégia de atuação sistemática.

Na estratégia de patentes, a Moore Thread não busca apenas quantidade, mas valor.

Patentes de alto valor concentram-se em design de arquitetura de processadores, otimização de cálculo paralelo, gerenciamento de memória, protocolos de interconexão de alta velocidade, otimização de compiladores e drivers, controle de eficiência energética e aceleração de IA, tecnologias que impactam diretamente desempenho, eficiência energética e compatibilidade, formando barreiras tecnológicas.

Em 2024, a Moore Thread conquistou destaque em duas competições nacionais de patentes de alto valor: o projeto de cluster de inteligência artificial Quwa foi premiado com o primeiro lugar na Competição de Patentes de Alto Valor de Haidian, em Pequim, e o projeto de GPU de funcionalidade completa ganhou o prêmio de ouro na Competição de Patentes de Alto Valor de Xiong’an, demonstrando sua profundidade em pesquisa de tecnologia central e gestão de patentes.

O analista sênior de economia industrial Liang Zhenpeng afirmou à Business School que possuir patentes de alto valor aumenta o poder de fala tecnológico da empresa, apoia a adaptação de hardware e a abertura de software, além de defender contra riscos de infração e melhorar a capacidade de negociação de licenças no cenário global, contribuindo para uma cadeia industrial autônoma e controlável.

Liang acredita que o foco das empresas de GPU em patentes deve se deslocar para o suporte à implementação industrial e aplicações comerciais completas, ou seja, se as patentes podem sustentar um sistema técnico completo e soluções industriais.

Na avaliação e comercialização de portfólios de patentes, as empresas devem considerar a abrangência tecnológica, estabilidade jurídica, relação com o mercado e dificuldade de evasão por parte dos concorrentes, analisando o impacto das patentes nas funções do produto, controle de custos e compatibilidade ecológica. Indicadores-chave incluem taxa de citação, escopo de reivindicações, cobertura geográfica, histórico de litígios e contribuição para padronização. É importante equilibrar quantidade e qualidade, concentrando patentes de alto valor em áreas centrais, enquanto se complementa com patentes periféricas para formar uma rede de proteção, evitando uma busca cega por volume.

Nesse contexto, a gestão de propriedade intelectual da Moore Thread também passou por uma transformação sistemática. Com a certificação nacional de conformidade em propriedade intelectual, a gestão passou de uma área jurídica isolada para um sistema completo envolvendo P&D, gestão e transformação tecnológica. A estratégia de patentes passou a participar do planejamento de produto, definição de rotas tecnológicas e estratégias de mercado, tornando-se uma infraestrutura de longo prazo, e não uma solução corretiva posterior.

Por trás dessas ações, há uma mudança na percepção da empresa. Na era da IA, empresas de chips que não tenham uma estratégia sistemática de propriedade intelectual dificilmente serão vistas como detentoras de tecnologias centrais. GPUs deixaram de ser apenas hardware, tornando-se plataformas complexas compostas por sistemas de instruções, compiladores, drivers, bibliotecas de operadores, sistemas de agendamento e arquiteturas de clusters. Cada etapa representa uma inovação tecnológica passível de patente, e cada nó tecnológico pode se tornar uma peça-chave em futuras parcerias comerciais e disputas industriais.

02

A competição por diferenciação de hardware está se estreitando

O aumento da densidade de transistores tem custos exponenciais, enquanto os ganhos de desempenho continuam a diminuir, com benefícios de processos de fabricação claramente decrescentes.

Para GPUs, que dependem fortemente de densidade de transistores, eficiência energética e frequência, o processo de fabricação ainda é o fator decisivo para desempenho e consumo.

A Moore Thread atualmente fabrica vários produtos usando processos maduros de alta qualidade. Por exemplo, em 2022, o MTTS50 voltado ao mercado de inovação tecnológica foi produzido em processo de 12nm, uma escolha sólida e confiável para produtos gráficos, facilitando rápida produção em massa e controle de custos.

De modo geral, a indústria está migrando gradualmente para processos mais avançados, geralmente de 7nm, que oferecem maior densidade de transistores e melhor eficiência energética. Segundo fontes do setor, a maioria das GPUs de alto desempenho atualmente utiliza processos de 7nm.

Em comparação, fabricantes internacionais líderes, como a Nvidia, usam processos de 4nm da TSMC para seus produtos topo de linha, alcançando maior densidade e eficiência. A capacidade de fabricação de processos avançados na China ainda enfrenta limitações de cadeia de suprimentos e equipamentos, com maturidade e rendimento ainda em desenvolvimento, o que impacta o desempenho máximo de GPUs nacionais em termos de alto desempenho e baixo consumo.

Na fase atual, a Moore Thread otimiza seus produtos por meio de melhorias na arquitetura e estratégias de agendamento, combinando com processos maduros para equilibrar consumo e desempenho, controlando custos e garantindo estabilidade de fornecimento. Essa estratégia favorece a rápida implementação de produtos atuais e deixa espaço para futuras melhorias à medida que a capacidade de processos avançados domésticos evoluir.

Segundo o professor Cao Xinming, do Centro de Pesquisa em Propriedade Intelectual da Universidade de Finanças e Direito de Zhongnan, essa mudança decorre do fato de que os limites físicos do hardware estão se aproximando. Com processos de 3nm e até 2nm, o custo de aumento de densidade de transistores cresce exponencialmente, enquanto os ganhos de desempenho diminuem. Além disso, a capacidade de produção de processos avançados é altamente concentrada em poucos fabricantes, como TSMC, Samsung e Intel, o que reduz o espaço para diferenciação de hardware.

03

Arquitetura unificada e ecossistema de software

A competição na indústria de GPUs está passando por uma mudança estrutural, com o sistema de propriedade intelectual e o ecossistema de desenvolvedores se tornando fatores centrais.

Se os limites físicos do hardware reduzem a margem de diferenciação por processo, a maturidade do ecossistema de software eleva significativamente a barreira de entrada na indústria.

Cao Xinming aponta que a competição na indústria de GPUs está passando por uma mudança estrutural. Embora o processo de fabricação (Lei de Moore) e os indicadores de capacidade de cálculo bruto (FLOPS) continuem sendo requisitos básicos, os fatores que determinam a lucratividade e a posição de longo prazo das empresas dependem cada vez mais das barreiras de patentes e do sistema de propriedade intelectual, além do suporte do ecossistema de software.

Segundo informações de responsáveis da Moore Thread, a empresa construiu seu núcleo tecnológico e ecológico em torno do sistema unificado de computação Meta-computing Unified System Architecture (MUSA).

A arquitetura MUSA é um sistema de aceleração de computação GPU de plataforma completa, desenvolvido de forma independente, que integra hardware e software. Ela cobre desde arquitetura de chip, conjunto de instruções, modelo de programação, até bibliotecas de software e frameworks de driver, oferecendo alta performance para diversos cenários de cálculo paralelo, incluindo IA, renderização gráfica, simulação física, computação científica e codificação de vídeo de alta definição.

Após cinco anos de pesquisa e desenvolvimento contínuo, a versão 5.0 do MUSA marca uma fase mais madura, com avanços em integração de toda a pilha, eficiência de cálculo e abertura do ecossistema. No aspecto de programação, o MUSA suporta nativamente a linguagem MUSA C e é compatível com linguagens modernas de programação paralela como TileLang e Triton, oferecendo maior flexibilidade e eficiência no desenvolvimento, reduzindo custos de migração e adaptação. Em termos de desempenho, a biblioteca central muDNN atinge eficiência próxima do limite teórico em operadores-chave como GEMM e FlashAttention, com melhorias significativas na comunicação, otimizações de compilador e integração de bibliotecas de operadores de alto desempenho, acelerando o treinamento e inferência de modelos.

Simultaneamente, a estratégia ecológica do MUSA inclui a abertura de componentes essenciais, como bibliotecas de aceleração, comunicação e gerenciamento de sistema, para a comunidade de desenvolvedores, promovendo uma construção colaborativa do ecossistema.

Cao Xinming também destaca que, por trás do ecossistema de software, as patentes desempenham um papel cada vez mais fundamental de sustentação institucional.

O stack de software de GPU não é apenas uma pilha de engenharia, mas envolve inovações fundamentais, como técnicas de otimização de compilação, estratégias de agendamento de cálculo paralelo, mecanismos de cooperação entre drivers e hardware, além de compatibilidade profunda com principais frameworks de IA. Essas tecnologias podem ser patenteadas. A ausência de um sistema de propriedade intelectual robusto dificulta a confiança em colaborações interempresariais e na formação de alianças ecológicas estáveis.

04

A competição dos entrantes

No futuro, a disputa por patentes de GPU se concentrará mais em computação heterogênea, fusão de IA, otimização colaborativa de hardware e software, além de novas aplicações emergentes.

Para os entrantes, a mudança mais evidente é o aumento das barreiras de entrada.

Normalmente, eles precisam investir grandes recursos na pesquisa e desenvolvimento de chips e na fabricação, sem garantia de retorno imediato. Contudo, fabricar o hardware é apenas o primeiro passo; sem ferramentas de compilação maduras, suporte de drivers e compatibilidade com frameworks de IA, é difícil para os desenvolvedores usar eficientemente o chip, e os usuários relutam em migrar plataformas. Sem uma base de usuários, o ecossistema não se forma; sem ecossistema, o produto não se concretiza. Essa cadeia de dependência torna o início na indústria de GPUs muito mais difícil do que em outros segmentos de semicondutores.

Hoje, os desenvolvedores já estão profundamente ligados ao CUDA da Nvidia e seu ecossistema de ferramentas, com processos de treinamento, otimização de operadores e experiência de engenharia baseados nessa plataforma. A menos que uma nova plataforma ofereça vantagens de desempenho ou eficiência energética em escala, será difícil convencer os desenvolvedores a reescrever códigos e reconstruir fluxos de trabalho. Por isso, muitas empresas de chips de IA priorizam compatibilidade com CUDA ou frameworks principais, usando esse sistema existente para reduzir a barreira de entrada.

A estratégia da Moore Thread também reflete essa abordagem pragmática. Por um lado, promove o desenvolvimento de seu próprio modelo de programação e bibliotecas de baixo nível, buscando uma base tecnológica controlável; por outro, enfatiza a compatibilidade com interfaces gráficas e frameworks de IA mainstream, equilibrando autonomia e compatibilidade prática.

Paralelamente às barreiras de ecossistema, os riscos de patentes e questões legais tornam-se cada vez mais relevantes. Cao Xinming explica que as tecnologias-chave de GPU acumuladas ao longo de anos estão amplamente patenteadas. Antes do lançamento, os novos entrantes precisam realizar inspeções complexas e caras de patentes para evitar infrações. Envolver-se em disputas com empresas líderes pode resultar em longos processos judiciais e altos custos, pesando especialmente para empresas com recursos limitados.

Ele sugere que uma estratégia mais realista para os novos entrantes é focar em cenários verticais específicos, como condução autônoma, computação de borda ou visão industrial, onde o consumo de energia, latência e adaptação ao ambiente são mais críticos do que o desempenho geral. Assim, podem criar diferenciais por meio de “foco em cenários”, ao invés de tentar replicar o ecossistema de GPU universal.

De uma perspectiva mais ampla, o cenário de GPUs não é fixo. Hardware e software de código aberto, como RISC-V e frameworks como PyTorch e TensorFlow, oferecem novas possibilidades. Essas iniciativas podem não alterar imediatamente o status quo, mas deixam espaço para entrada de novos players a longo prazo.

Liang Zhenpeng acredita que a competição por patentes de GPU se concentrará mais em computação heterogênea, fusão de IA, otimização colaborativa de hardware e software, além de aplicações como metaverso e condução autônoma. A tendência de desenvolvimento de ecossistemas de software abertos também deve crescer, com empresas usando patentes essenciais e licenças open source para ampliar sua influência tecnológica e de mercado. Para os novos entrantes, estratégias possíveis incluem focar em avanços tecnológicos específicos para criar patentes, participar ativamente de comunidades open source, estabelecer parcerias de licenciamento para adquirir tecnologias-chave rapidamente, e planejar internacionalização e gestão de riscos, buscando espaço na competição global acirrada.

Fonte｜Revista Business School, edição de março e fevereiro