De "disponível" a "útil", a potência de cálculo nacional deu um salto? Os lucros e perdas por trás dos relatórios financeiros das Quatro Pequenas Dragões

nulo

De dezembro de 2025 a início de 2026, em pouco mais de um mês, Mooresoft, MuXi Co. e outras empresas entraram sucessivamente na bolsa de tecnologia, enquanto Biran Tech e TianShu Zhixin se concentraram na listagem em Hong Kong. Quatro empresas, todas com o título de “As Quatro Pequenas Dragões de GPU Nacional”, concluíram coletivamente uma transição de capitalização, com um total de captação superior a 10 bilhões de dólares de Hong Kong. No setor de chips de computação domésticos, finalmente saímos da longa fase de “criação de chips em PPT” e entramos no “momento de entrega de resultados” que exige avaliação de relatórios financeiros.

O ano de 2025 para a computação doméstica foi um ano de “prova” — provar que GPUs nacionais podem ser produzidas em escala, provar que clusters de milhares de cartões podem operar de forma estável, provar que o mercado de capitais está disposto a apostar no futuro da computação doméstica, provar que a capacidade de computação nacional pode sustentar um mercado de trilhões ou mais.

Recentemente, várias empresas de chips domésticos divulgaram seus primeiros relatórios anuais após a listagem. Segundo os dados, todas tiveram um aumento significativo na receita operacional, mas o padrão de prejuízo coletivo também revela a situação real do setor. Em um contexto de aumento da demanda por capacidade de AI, de treinamento para inferência, até que ponto a computação doméstica avançou?

A entrega de “resposta perfeita” na computação doméstica

Em 2025, MuXi Co. liderou as “Quatro Pequenas Dragões” com uma receita de 1,644 bilhões de yuans, um aumento de 121,26%; o prejuízo líquido atribuível aos acionistas foi de 789 milhões de yuans, uma redução significativa de 43,97% em relação ao ano anterior. A receita da empresa nos últimos três anos saltou de 53 milhões de yuans em 2023 para 1,644 bilhões em 2025, um crescimento de mais de 30 vezes em três anos. O principal motor desse crescimento foi o aumento expressivo nas vendas de produtos GPU — em 2025, as vendas de placas GPU integradas para treinamento e inferência, principalmente da série Xiyun C, atingiram 33.649 unidades, um aumento de 147,31%, e até o final do período de relatório, as vendas acumuladas de GPUs da empresa ultrapassaram 55 mil unidades. Ao mesmo tempo, MuXi manteve um alto investimento em P&D, com despesas de 1,027 bilhões de yuans em 2025, um aumento de 14,04% em relação ao ano anterior, representando 62,49% da receita operacional.

Moore Threads (688795) alcançou uma receita de 1,505 bilhões de yuans em 2025, um aumento de 243,37%; o lucro bruto total foi de 987 milhões de yuans, um crescimento de 218,43%; o lucro líquido atribuível aos acionistas e o lucro líquido deduzido de itens não recorrentes reduziram-se respectivamente em 38,16% e 33,38% em relação ao ano anterior. Após ajustar por fatores como pagamento de ações, o prejuízo líquido de 2025 foi de 648 milhões de yuans, uma redução de 847 milhões de yuans em relação ao ano anterior, uma redução de 56,65%. Além disso, Moore Threads manteve um alto investimento em P&D, com despesas de 1,305 bilhões de yuans, representando 86,68% do total.

TianShu Zhixin alcançou uma receita de 1,034 bilhões de yuans em 2025, um aumento de 91,6%; o lucro bruto foi de 558 milhões de yuans, um crescimento de 110,5%, com uma taxa de crescimento superior à da receita. O prejuízo ajustado foi de aproximadamente 438 milhões de yuans, uma redução de 32,1% em relação ao ano anterior. A receita anual do negócio principal de GPU de uso geral foi de 923 milhões de yuans, um aumento de 149,6%, representando 89,3% da receita total. Especificamente, a série de treinamento TianGai gerou 584 milhões de yuans, um aumento de 116,7%; a série de inferência ZhiKai atingiu 339 milhões de yuans, um aumento de 238,2% — o crescimento explosivo na inferência foi um dos destaques do relatório financeiro de 2025 de TianShu Zhixin.

Biran Tech atingiu uma receita de 1,035 bilhões de yuans em 2025, um aumento de 207,2%; o lucro bruto foi de 557 milhões de yuans, um crescimento de 210,8%, com uma margem de lucro bruto de 53,8%. No entanto, a empresa apresentou um prejuízo de 16,493 bilhões de yuans no ano, uma expansão de 972,3% — esse número, à primeira vista, parece assustador, mas a empresa explicou que se deve principalmente às mudanças no valor contábil de dívidas resgatadas, despesas de remuneração baseadas em ações e custos de listagem; excluindo esses fatores, o prejuízo ajustado do ano foi de 874 milhões de yuans. O investimento em P&D foi de 1,476 bilhões de yuans, um aumento de 78,5%, principalmente para a atualização da arquitetura de GPU de nova geração e da plataforma de software de IA. Em 2025, Biran concluiu a produção em escala e a entrega de produtos de GPU de uso geral de ponta, como BR106 e BR166, com a série BR166 iniciando a produção em agosto de 2025, atingindo rapidamente o mercado em menos de seis meses, tornando-se o principal motor de crescimento de receita.

No panorama geral do setor, em 2025, as receitas de todas as quatro fabricantes domésticas de GPU aumentaram significativamente, mas ainda assim apresentaram prejuízos coletivos. Moore Threads, MuXi Co. e TianShu Zhixin reduziram seus prejuízos em relação ao ano anterior, enquanto Biran Tech ampliou seu prejuízo devido ao aumento de despesas de P&D. O consultor da Sullivan China, Chi Yu, afirmou à mídia que, do ponto de vista do estágio do setor, as GPUs domésticas ainda estão em uma fase inicial de rápido desenvolvimento, e mesmo as empresas mais avançadas ainda apresentam uma clara disparidade em relação a fabricantes estrangeiros como a Nvidia.

De “usável” a “fácil de usar”, a computação doméstica ainda enfrenta desafios

Os números dos relatórios financeiros não podem esconder os desafios profundos que os fabricantes de computação doméstica enfrentam.

O mais importante deles é melhorar a estabilidade do cluster e a capacidade de engenharia. O treinamento de grandes modelos exige uma estabilidade extremamente alta dos clusters de computação. O responsável técnico da Moore Threads afirmou que, ao escolher computação doméstica, a “estabilidade de longo prazo do cluster” é a principal preocupação dos usuários, seguida por “compatibilidade de frameworks e custos de migração” e desempenho de treinamento e inferência. Essa ordem revela um fato: para empresas que treinam grandes modelos, desempenho inferior é aceitável, mas interrupções frequentes e necessidade de rollback de checkpoints podem ser um verdadeiro pesadelo.

“Baseado na arquitetura MTT S5000, o cluster de milhares de cartões da Moore Threads possui uma capacidade de cálculo de 10 Exa-Flops, com MFU de 60% em treinamento de modelos Dense e cerca de 40% em modelos MoE, com mais de 90% do tempo de treinamento efetivo e eficiência de expansão linear de 95%,” explicou o responsável.

No entanto, na prática, a gestão da estabilidade de clusters de milhares de GPUs é uma tarefa de alta complexidade. Segundo relatos do setor, atualmente, clusters de AI de nível de milhares de cartões apresentam falhas uma ou mais vezes por dia, causadas por erros na memória HBM, oscilações na conexão de alta velocidade, problemas de resfriamento, ou até variações na fonte de alimentação. Isso não é apenas um desafio para a computação doméstica, mas uma questão comum na infraestrutura de IA global — mesmo os sistemas DGX SuperPOD da Nvidia, na prática, não conseguem operar sem interrupções completas.

A desvantagem dos fabricantes domésticos na estabilidade está mais relacionada à profundidade da experiência de engenharia. A Nvidia, na última década, implantou centenas de grandes clusters, acumulando uma vasta quantidade de padrões de falhas e experiências de otimização — esse know-how não pode ser rapidamente alcançado apenas com “mais pessoas”. Os fabricantes domésticos geralmente conseguem fazer testes em ambientes de laboratório, mas, ao entrar em ambientes de produção reais, enfrentam problemas complexos de topologia de rede, agendamento de cargas mistas e operação prolongada sob condições não ideais, expondo problemas “inesperados”.

Além disso, a construção de ecossistemas é uma questão recorrente na computação doméstica. Atualmente, os fabricantes domésticos de GPU geralmente optam por uma abordagem pragmática de “compatibilidade ecológica”. O responsável técnico da Moore Threads afirmou que sua arquitetura MUSA, de desenvolvimento próprio, possui excelente compatibilidade com CUDA da Nvidia, e que a ferramenta de migração automática MUSIFY permite que os desenvolvedores transfiram aplicações de plataformas GPU internacionais para GPUs MUSA com o menor custo, acelerando a migração de aplicações e reduzindo o ciclo de desenvolvimento. A TianShu Zhixin e a Biran Tech também investem recursos significativos na camada de software, garantindo que frameworks como PyTorch, TensorFlow e Megatron-LM possam rodar eficientemente em seus hardwares.

Por outro lado, a compatibilidade também traz um dilema estrutural: desenvolvedores tendem a ficar presos ao ecossistema CUDA, e as plataformas domésticas permanecem na posição de “dependentes” do ecossistema. O problema mais profundo é que a estratégia de compatibilidade, embora pareça uma solução rápida, pode ter um custo alto: os fabricantes domésticos precisam estar atentos ao risco de se tornarem “seguidores” permanentes do ecossistema.

A vantagem competitiva da Nvidia nunca foi apenas o hardware, mas o ecossistema CUDA, que acumulou nos últimos quinze anos milhões de desenvolvedores, milhares de bibliotecas aceleradas e inúmeros casos de aplicação. Para passar de “compatível” a “líder”, os fabricantes domésticos precisam encontrar uma maneira de fazer com que os desenvolvedores queiram escrever código nativo para plataformas domésticas e contribuir com bibliotecas open source, em vez de apenas usar essas plataformas como “plan B” do CUDA.

Moore Threads e MuXi Co. já perceberam isso. Além de oferecer a ferramenta de migração automática MUSIFY, Moore Threads também open-sourou várias bibliotecas de software, como Torch-MUSA e vLLM-MUSA, tentando gradualmente cultivar um ecossistema nativo MUSA. MuXi, por sua vez, constrói um ecossistema industrial com a estratégia “1+6+X”, centrada na base de capacidade computacional digital, promovendo a penetração profunda de GPUs domésticas em seis setores-chave. Mas a construção de ecossistemas não é uma tarefa de um dia, requerendo anos ou até uma década de investimento contínuo e uma base de usuários suficiente para gerar ciclos de feedback positivos.

“Todos os caminhos levam a Roma”

Diante dos desafios, os fabricantes domésticos de computação estão buscando soluções de várias formas. Segundo seus planos estratégicos divulgados, a diferenciação tornou-se a principal tendência nesta rodada de competição — mesmo com caminhos diferentes, o objetivo comum é melhorar a capacidade de computação doméstica.

A estratégia da Biran Tech pode ser resumida como “sistema primeiro, foco na inferência”. Em 2025, a empresa entregou um supercluster de GPU com 2.048 cartões de interconexão óptica. Mas a eficiência operacional e a implementação comercial ainda precisam de maior escala para serem validadas.

Na evolução de produtos, a Biran planeja lançar em 2026 a próxima geração de chips BR20X e toda a linha de produtos, otimizando para inferência ao mesmo tempo em que mantém vantagens no treinamento — com maior densidade de computação, maior capacidade de memória, maior largura de banda e melhorias na interconexão, suportando cálculos de baixa precisão como FP8/FP4. Ao final de 2025, a Biran tinha 2,896 bilhões de yuans em caixa e ativos financeiros, e, somando os 5,631 bilhões de yuans captados no início de 2026, dispõe de fundos relativamente confortáveis. Contudo, para uma fabricante de chips ainda em fase de altos investimentos em P&D, a questão de quanto tempo esses recursos poderão sustentar sua inovação tecnológica e expansão de mercado ainda é uma dúvida.

A TianShu Zhixin optou por uma estratégia mais agressiva. Em janeiro, anunciou o roteiro de sua quarta geração de arquitetura de chips: em 2025, a arquitetura TianShu TianGai superou a Nvidia Hopper; em 2026, TianShu TianXuan será comparada à Blackwell, e TianShu TianJi superará a Blackwell em 2027, antes de avançar para projetos de chips de computação revolucionários.

Essa visão tecnológica ainda precisa ser concretizada em produtos reais, e até agora não há dados de testes independentes públicos que confirmem suas alegações de desempenho. Na comercialização, a TianShu Zhixin já atendeu mais de 340 clientes, com mais de 1.000 projetos implantados em áreas como internet, grandes modelos de IA, pesquisa científica, finanças, saúde e educação. A empresa também lançou a série TongYang de produtos de computação de borda para robótica e terminais inteligentes. A divulgação do roteiro de quarta geração e o lançamento de produtos de ponta indicam uma tentativa de atuar simultaneamente em treinamento, inferência e computação de borda. Mas essa estratégia de múltiplas frentes também dispersa recursos de P&D, e ainda é incerto se a empresa conseguirá estabelecer uma vantagem competitiva profunda em algum desses campos.

A MuXi Co. adota uma estratégia de “produto full-stack e ecossistema open source”. Seus produtos incluem a série XiYun C (integrada para treinamento e inferência e computação geral), a série XiSi N (inferência de IA), a série XiCai G (renderização gráfica) e a série XiSuo X (ciência inteligente).

Em julho de 2025, a primeira GPU baseada em processo totalmente doméstico, a série XiYun C600, foi lançada na conferência WAIC, entrando em produção de risco no final do ano e prevista para vendas em meados de 2026. No entanto, “processo totalmente doméstico” geralmente refere-se a um nó de fabricação específico, e a diferença de desempenho em relação aos processos mais avançados do setor é uma variável-chave na avaliação da competitividade do produto. A série XiSuo X, voltada para cenários de ciência inteligente, lançou seu primeiro produto, o X206, com 128 GB de memória de vídeo, em janeiro de 2026. MuXi planeja avançar na pesquisa e produção de novos produtos como XiSuo X206 e XiYun C700 em 2026. Com cerca de 3,899 bilhões de yuans captados, o investimento será distribuído ao longo de três a quatro anos em pesquisa e desenvolvimento de GPUs de alta performance e industrialização. Essa alocação de recursos em vários anos indica que os resultados completos ainda levarão tempo para aparecer, e a velocidade de inovação tecnológica e a janela de mercado serão fatores críticos.

Diferentemente de seus pares focados em IA, Moore Threads mantém uma abordagem de GPU de funcionalidade completa, cobrindo desde placas de jogos até cálculos de IA. Essa estratégia oferece uma ampla cobertura, mas também implica enfrentar concorrentes mais especializados em cada segmento.

As GPUs da Moore Threads suportam aceleração de IA, renderização gráfica, simulação física, cálculo científico e codificação de vídeo de alta definição, afirmando ser uma das poucas fabricantes nacionais a suportar desde FP8 até FP64 com cálculo de precisão total. Em termos de engenharia de clusters, a Moore Threads lançou a nova arquitetura de GPU “HuaGong”, capaz de suportar clusters de mais de 100 mil cartões. Sua atuação em áreas como cálculo científico e biofarmacêutica é particularmente notável — segundo a própria empresa, no motor de dinâmica molecular SPONGE, o desempenho do MTT S5000 é 1,7 vezes maior que o de produtos de ponta internacionais; na ferramenta de acoplamento molecular DSDP, o desempenho é 8,1 vezes maior. Esses dados são divulgados pela própria empresa e ainda não há validação independente em ambientes de testes padronizados. A capacidade de transformar essas vantagens específicas em um modelo de negócio sustentável ainda está por ser comprovada.

Além das “Quatro Pequenas Dragões”, Huawei Ascend e Cambrian também são forças importantes no cenário de computação doméstica. Segundo análises do setor, a participação da Nvidia no mercado de aceleradores de IA na China caiu de cerca de 95% antes das sanções para aproximadamente 55% em 2025, com fabricantes domésticos entregando cerca de 1,65 milhão de unidades, representando cerca de 41%, liderados pela Huawei com 810 mil unidades. A Cambrian atingiu uma receita de 6,497 bilhões de yuans em 2025, um aumento de 453%, com lucro líquido de 2,059 bilhões de yuans. Esses números indicam que o ritmo de substituição de soluções estrangeiras por nacionais está acelerando, e o cenário de competição entre as “Quatro Pequenas” é mais complexo do que se imagina — elas não apenas precisam acompanhar a Nvidia, mas também competir com players locais como Huawei e Cambrian.

Para 2026, o estágio de “prova” para a computação doméstica pode dar lugar ao “superar” — não apenas superar os indicadores técnicos dos rivais internacionais, mas também ultrapassar o limite de confiança dos usuários na capacidade de computação doméstica. Segundo previsão da Frost & Sullivan, a participação de GPUs gerais domésticas pode subir de 17,4% em 2024 para mais de 50% em 2029. Essa mudança de participação de mercado será uma batalha sistêmica envolvendo tecnologia, ecossistema, capacidade de engenharia e modelos de negócio.

Para as empresas de computação doméstica listadas, os novos desafios começam após a listagem: como equilibrar altos investimentos em P&D com lucros sustentáveis? Como trilhar um caminho próprio entre compatibilidade de ecossistema e inovação autônoma? Como conquistar vantagem na mudança estrutural entre treinamento e inferência, que ocorre em picos de demanda?

(Texto｜Leo Zhang, B2B Talk, Autor｜Zhang Shenyu, Edição｜Yang Lin)