Chip próprio DeepSeek e o problema de aritmética da Zhipu

Autor: Xiao Suan

Em 2013, os engenheiros da Google fizeram um cálculo.

O problema era simples: se cada utilizador fizesse 3 minutos de pesquisa por voz por dia, quanto é que os centros de dados da Google a nível global precisariam de expandir?

A resposta deixou todos sem fôlego: duplicar.

Comprar placas gráficas da NVIDIA para tapar este buraco teria esmagado a Google com faturas. Por isso, esta empresa de pesquisa tomou uma decisão que na altura parecia herege: construir os seus próprios chips. A história que se seguiu é conhecida de todos: esse chip chamou-se TPU, e hoje é a maior arma da Google contra o "imposto NVIDIA".

Treze anos depois, este cálculo chegou às mãos dos chineses.

Na noite de 7 de julho, a Reuters citou três fontes com conhecimento do assunto: a DeepSeek está a desenvolver o seu próprio chip de IA, com o projeto iniciado há um ano, e já está em contacto com empresas de design de chips, fundições e fabricantes de armazenamento. Poucas horas depois, o The Information acrescentou que a Zhipu também está a avaliar a possibilidade de chips personalizados, e está em contacto com empresas locais de design de chips.

Em 24 horas, duas das maiores empresas chinesas de modelos de base foram reveladas a fazer o mesmo movimento:

Fabricar chips.

--

O chip da DeepSeek tem um adjetivo interessante: focado em inferência, não em treino.

Treinar é ensinar o modelo, com custos astronómicos, mas pagos uma vez; inferência é o modelo a trabalhar, cada pergunta do utilizador queima eletricidade no centro de dados. Quanto mais utilizadores, mais queima, e nunca para.

Treinar é comprar casa, inferência é pagar renda. O verdadeiro buraco negro de custos na indústria de IA nunca está na entrada, está na renda.

O problema que a DeepSeek prioriza resolver, traduzido numa frase, é apenas:

Quanto custa servir cada utilizador?

O fundador da empresa, Liang Wenfeng, é uma das poucas pessoas que desde o primeiro dia tratou os chips como uma questão de vida ou morte. Ele veio de fundos quantitativos, e muito antes do boom dos grandes modelos já era conhecido no meio por acumular placas gráficas. Em 2023 e 2024, deu duas entrevistas à AnWang, onde disse uma frase que mais tarde foi repetida vezes sem conta:

O nosso verdadeiro desafio nunca foi o financiamento, mas a proibição de exportação de chips de topo.

O que diz com a boca, faz com as mãos. O modelo R1 da DeepSeek foi treinado nas H800 da NVIDIA, e depois migrado para o Ascend da Huawei; a equipa de engenharia desenhou no modelo o formato de dados UE8M0 FP8, reconhecido pela indústria como feito à medida das características de hardware dos chips nacionais de próxima geração.

Em junho deste ano, a munição estava pronta. A empresa, que durante anos recusou investimento externo, concluiu a sua primeira ronda de financiamento, angariando cerca de 51 mil milhões de RMB, com uma avaliação pós-investimento entre 52 a 59 mil milhões de dólares. A utilização dos fundos divulgada externamente está bem clara: expandir centros de computação nacionais e desenvolver internamente chips de IA.

Nos últimos meses, a DeepSeek tem estado a recrutar engenheiros de design de chips, e nenhuma dessas posições apareceu em qualquer plataforma pública de recrutamento.

--

A Zhipu é outra abordagem ao mesmo cálculo.

Esta empresa, nascida no laboratório da Universidade de Tsinghua, tocou o sino este ano em Hong Kong, com o título de "primeira ação de grandes modelos", atingindo um valor de mercado que ultrapassou um bilião de dólares de Hong Kong. Por trás do brilho está um balanço tenso: em 2024, perdeu 2,958 mil milhões de RMB, e no primeiro semestre de 2025 perdeu mais 2,358 mil milhões, queimando 5,3 mil milhões em ano e meio.

Em fevereiro deste ano, o GLM-5 foi lançado, tornando-se viral no estrangeiro, com capacidades de programação a rivalizar com modelos fechados de topo. Com o fluxo massivo de utilizadores, a primeira coisa que a Zhipu fez foi aumentar os preços: o pacote Coding subiu pelo menos 30%; a segunda coisa foi publicar um "recrutamento de parceiros de computação", convidando abertamente fabricantes de chips para colaborar na otimização.

Uma empresa cotada em destaque, a publicar online à procura de capacidade de computação. O negócio está tão bom que precisa de aumentar preços para desencorajar utilizadores — algo raro na história do comércio.

Por isso, a revelação do The Information não surpreende. A abordagem que a Zhipu avalia é a de personalização cooperativa: eles fornecem a arquitetura e requisitos do modelo, e as empresas locais de design de chips fornecem a capacidade de engenharia.

A DeepSeek constrói a sua própria fábrica e fabrica os seus próprios carros; a Zhipu pega nos desenhos e manda modificá-los numa oficina. As abordagens não têm hierarquia, mas as faturas sim.

--

Neste movimento de fabrico de chips, o mais interessante é uma frase original da Reuters:

A DeepSeek fabrica chips para reduzir a dependência da NVIDIA e da Huawei.

A primeira metade é quase um truísmo. Com os controlos de exportação, a quota da NVIDIA no mercado chinês de centros de dados já é praticamente zero. A segunda metade é a verdadeira notícia.

Nos últimos dois anos, as palavras "substituição nacional", no contexto da computação, equivalem quase a "migrar para o Ascend". A própria DeepSeek é a praticante mais ativa: a série V4 completou a adaptação ao Ascend, e a Huawei confirmou que os seus processadores participaram em parte do treino. A Zhipu foi mais longe: a arquitetura GLM adaptou-se a mais de 40 chips nacionais, e no dia do lançamento do novo modelo, a Haiguang, Moore Threads e Muxi alinharam-se para anunciar a conclusão da adaptação.

Quanto mais abraçam, mais percebem uma coisa: uma empresa cuja fatura anual de inferência é da ordem dos milhares de milhões não pode apostar o seu destino num único fornecedor.

Mesmo que esse fornecedor seja "um dos nossos".

Abraçar o Ascend resolve o problema de "ter ou não ter"; fabricar chips próprios resolve o problema de "quem manda". A narrativa da substituição nacional, no seu quinto ano, começa a estratificar-se internamente.

--

Fabricar chips para empresas de modelos já é uma ação padrão do outro lado do Pacífico.

No mês passado, a OpenAI revelou o seu chip de inferência personalizado em parceria com a Broadcom, com o codinome Jalapeño; a Anthropic foi noticiada a avaliar o mesmo. Juntando-se à Google, Amazon e Microsoft, que começaram mais cedo, todas as empresas de Silicon Valley com faturas de inferência suficientemente grandes têm um chip próprio, ou pelo menos um PowerPoint sobre um chip próprio.

Para a cadeia industrial de chips chinesa, isto é uma moeda de duas faces.

Na face positiva, as encomendas personalizadas das empresas de modelos são uma receita de sonho para as empresas locais de design de chips. O modelo de cooperação personalizada da Zhipu é quase escrito para elas; os fabricantes de armazenamento também beneficiam, pois os chips de inferência dependem fortemente de largura de banda, e a procura por memória de alta largura de banda só se tornará mais íngreme.

Na face negativa, os grandes clientes de hoje estão a aprender como se tornar independentes amanhã. A Google também foi um cliente de topo para fornecedores de chips, mas depois tornou-se dona do TPU.

Claro, as cartas acabaram de ser distribuídas. Um chip de IA competitivo normalmente leva anos e milhares de milhões de investimento, e ninguém garante sucesso. O projeto de chip próprio da Meta foi todo refeito do zero. Mais subtil: os chips personalizados apostam que a arquitetura do modelo se estabilizará, mas os novos modelos da DeepSeek e Zhipu acabaram de adotar novos mecanismos como a atenção esparsa. Quando o chip que hoje vai para a fundição sair da linha daqui a dois anos, a arquitetura pode já ter mudado.

Em 2013, o cálculo da Google teve como resposta o TPU.

Em 2026, o cálculo das empresas chinesas de modelos está apenas a começar. Quem fez a pergunta mudou, mas a lógica da resolução não:

Quanto mais tempo se paga renda, mais se quer uma casa própria.