Relatório aprofundado do Goldman Sachs: Quem será o vencedor a longo prazo na indústria dos grandes modelos de IA da China?

Autor: Wall Street China Insights

Os grandes modelos de IA da China estão num ponto de viragem histórico. A Goldman Sachs considera que o desempenho inteligente dos grandes modelos de pesos abertos/de código aberto na China já está a aproximar-se dos principais modelos proprietários globais. Além disso, a escala de adoção por empresas nacionais e por PME a nível mundial está a expandir-se rapidamente, e o efeito de “roda de dados” gerado por isso impulsionará ainda mais as iterações e atualizações dos modelos.

De acordo com o Trading Desk, o relatório mais recente da Goldman Sachs aponta que esta trajetória de evolução pode ser resumida como “o momento de eficiência de custos do DeepSeek do ano passado, até ao momento de inteligência do modelo deste ano do GLM da Zhipu”. A equipa liderada pelo analista Ronald Keung, no relatório de 50 páginas, faz uma avaliação sistemática em torno de quatro questões centrais: como os modelos de IA da China alcançam alto desempenho com custos baixos; por que razão optam por uma rota de código aberto; como monetizam; qual é o mercado-alvo central endereçável; e quem se tornará o vencedor de longo prazo.

No entendimento do panorama competitivo, a Goldman Sachs propõe um “quadro de posicionamento competitivo”, baseado na capacidade de preços, vantagens de custos e força financeira, e conclui que, no domínio de modelos de texto base, a Zhipu (cobertura inicial) e o DeepSeek (não cotado) estão posicionados como os mais fortes; no domínio multimodal, a ByteDance (não cotada) lidera. A Goldman Sachs mantém também recomendações de compra para a MiniMax e para a Kuaishou.

Do pequeno para o grande, ganha quem tem eficiência

A capacidade dos grandes modelos da China em obter um desempenho próximo a um custo muito inferior ao dos seus pares nos EUA assenta numa dupla rutura: inovação de arquitetura e eficiência de parâmetros.

O relatório da Goldman Sachs indica que a escala de parâmetros dos modelos abertos da China se situa, em geral, entre 200 mil milhões e 1,6 biliões, o que representa apenas 2% a 10% dos principais modelos globais. Isto deve-se principalmente a limitações na aquisição de capacidade informática de topo. Entretanto, inovações como a arquitetura de especialistas mistos (MoE) e mecanismos de atenção esparsa fazem com que a proporção de parâmetros efetivamente ativados em relação ao total seja apenas de 3% a 5%, reduzindo significativamente os custos de treino e de inferência.

Em termos de modelos específicos, o número de parâmetros do DeepSeek V4 Pro é 1,6 biliões, o do Zhipu GLM5.2 é 0,7 biliões e o da MiniMax M3 é 0,4 biliões.

A Goldman Sachs atribui a subida recente da capacidade de programação dos modelos chineses ao efeito combinado de seleção de dados, treino pós-reforço (reinforcement learning) e outros fatores. A 27 de junho, o DeepSeek lançou uma framework de descodificação por previsão, DSpark, que já foi implementada nos serviços online do V4-Flash e do V4 Pro. Sem alterar os pesos do modelo nem a qualidade das saídas, a velocidade de geração por utilizador é aumentada em 60% a 85% (V4-Flash) e em 57% a 78% (V4 Pro).

O LongCat 2.0 divulgado pela Meituan a 30 de junho é visto pela Goldman Sachs como um marco importante para a autonomização da infraestrutura de IA na China — trata-se do primeiro modelo MoE de pesos abertos na China, totalmente treinado e implementado com 50 mil cartões de capacidade informática doméstica, com 1,6 biliões de parâmetros. A Goldman Sachs considera que isto prova a viabilidade de um “stack” de hardware local na fase de pré-treino intensiva em computação, o que tem um significado profundo para que os modelos de IA da China se libertem da dependência de chips avançados estrangeiros.

Divisão do mercado em dois polos, os fortes ficam ainda mais fortes

A Goldman Sachs descreve o mercado dos modelos de IA da China como a formação de uma “estrutura em duas camadas” e identifica dois quadrantes de maximização de ARR.

No mercado premium, os preços dos modelos de topo representados pelo Zhipu GLM5.2 e pela Alibaba Qwen3.7 Max rondam 1 dólar por milhão de tokens, ou seja, 5 vezes os dos modelos low-end. A margem bruta de inferência é de aproximadamente 10% a 20% (estimativa da Goldman Sachs). Em comparação, os principais modelos dos EUA custam 4 a 8 dólares por milhão de tokens. Os modelos premium da China custam apenas 10% a 25% disso, mas, graças à menor taxa de ativação de parâmetros, ainda conseguem manter margens brutas positivas.

No mercado low-end, para tarefas orientadas a agentes, os preços dos modelos chegam a 0,06 a 0,2 dólares por milhão de tokens, e estão a abrir o mercado para PME globais e utilizadores individuais mais sensíveis ao preço. A MiniMax tem 60% a 70% das suas receitas provenientes do estrangeiro. Um ponto a notar é que o DeepSeek já anunciou a introdução de um mecanismo de preços “pico e vale” a partir de meados de julho para a série V4: a taxa nos períodos de pico é o dobro da dos períodos fora de pico; o preço misto ronda 0,35 dólares por milhão de tokens (V4 Pro) e 0,12 dólares por milhão de tokens (V4 Flash).

A Goldman Sachs prevê que as receitas de API e assinaturas dos modelos de IA da China aumentarão de 35 mil milhões de yuan (estimativa para 2026) para 879 mil milhões de yuan em 2030, o que corresponde ao consumo diário de tokens a subir de 3,5 biliões para 46 biliões, um aumento de cerca de 25 vezes.

Estratégia de código aberto: penetração ampla, caminho de monetização ainda por otimizar

O relatório da Goldman Sachs detalha a lógica estratégica por trás da adoção generalizada de rotas de código aberto/pesos abertos por modelos de IA na China e também as limitações da monetização.

A principal vantagem da estratégia de código aberto está na flexibilidade de implementação e no ecossistema da comunidade. A série Qwen da Alibaba, o DeepSeek, o Zhipu GLM e a MiniMax M3 utilizam abordagens de código aberto ou de pesos abertos; o modelo Seed da ByteDance é a principal exceção, adotando uma via totalmente fechada e proprietária. O modelo aberto permite uma implementação flexível dentro e fora do continente chinês e acelera iterações através do feedback da comunidade.

No entanto, a Goldman Sachs aponta que os números de ARR divulgados pelas empresas de modelos de código aberto podem estar a subestimar de forma significativa a escala real de implementação e o potencial de receitas. Por exemplo, no caso da Zhipu: a sua meta de ARR até ao final de 2026 é de 1 bilião de dólares, mas a quantidade real de implementação global do GLM5.2 será muito superior ao volume de tokens e às receitas provenientes da própria via de API da Zhipu — a plataforma de MaaS da Alibaba Cloud, Bailian, pode alojar diretamente o modelo GLM5.2 de código aberto, sem necessidade de pagar qualquer taxa à Zhipu.

A Goldman Sachs prevê que a indústria irá gradualmente migrar do puro código aberto (licença MIT, totalmente gratuita) para o modelo de “pesos abertos + licença da comunidade” — isto é, o uso comercial requer que a empresa celebre um acordo de repartição de receitas com o fornecedor do modelo. A série M da MiniMax foi das primeiras a adotar este modelo. A Goldman Sachs considera que esta mudança melhorará significativamente a rentabilidade unitária das empresas de modelos de IA, porque as empresas podem beneficiar de acordos de repartição de receitas com plataformas como a AWS Bedrock e a Alibaba Cloud Bailian, sem precisar de suportar diretamente os custos de capacidade de inferência.

De “maximizar tokens” para “priorizar ROI”

A Goldman Sachs descreve a expansão no mercado internacional como o espaço de subida mais importante para os modelos de IA da China, especialmente em mercados fora dos EUA.

A equipa de research dos EUA da Goldman Sachs estima que, até 2030, a IA para agentes impulsionará um crescimento de 24 vezes no consumo global de tokens, atingindo 120 biliões de tokens por mês. Dentro disso, os agentes empresariais contribuem com um crescimento de 55 vezes, e os agentes de consumidores com um crescimento de 12 vezes. No mercado global (fora da China), os modelos de IA da China já conseguiram aumentar de forma significativa a sua quota de tokens graças ao aumento de desempenho e à vantagem de preços.

O relatório da Goldman Sachs aponta que o paradigma de uso de IA nas empresas globais está a passar por uma transformação fundamental de “maximizar tokens” para “priorizar ROI”. O primeiro foi dominante entre o final de 2025 e o início de 2026: as empresas igualavam alto consumo de tokens à produtividade organizacional. O segundo, por sua vez, concentra-se em limites claros das tarefas, número de agentes ativos diariamente, automação de processos no backend e produção efetiva. Uma investigação de tendências da Jellyfish AI Engineering mostra que utilizadores empresariais de IA com uso intensivo consomem 10 vezes mais tokens, mas a produção só melhora 2 vezes.

Em termos de canais, a Gemini Enterprise Agent Platform da Alphabet e a AWS Bedrock da Amazon já oferecem serviços de alojamento de modelos de IA chineses como DeepSeek, MiniMax, Moonshot, GLM e Qwen. Segundo o Wall Street Journal, o CEO da Microsoft afirmou recentemente que a Microsoft está a considerar alojar uma versão do DeepSeek no Copilot como um modelo opcional de baixo custo, enfatizando que, se o DeepSeek for alojado, o modelo funcionará dentro do ecossistema de nuvem da Microsoft para garantir que os dados dos clientes permanecem na Azure.

Quem será o vencedor de longo prazo?

A Goldman Sachs construiu um quadro de posicionamento competitivo tridimensional para avaliar quantitativamente a probabilidade de cada participante vencer no longo prazo. A fórmula central é: dimensão do ARR × vantagem da margem bruta + força financeira.

A dimensão da capacidade de preços avalia a velocidade de listagem (comparada com antecessores e modelos do mesmo nível), pontuação do LMArena (com base em avaliações de utilizadores em testes cegos de larga escala) e o nível de preços mistos por milhão de tokens.

A dimensão da vantagem de custos avalia o throughput (tokens por segundo), taxa de acerto de cache, taxa de ativação de parâmetros e margem bruta de inferência. A dimensão de força financeira avalia caixa em mãos, percentagem de caixa líquido sobre os ativos totais e múltiplos de valuation.

No domínio de modelos base de texto, a Goldman Sachs considera que a Zhipu (cobertura inicial, rating neutro, valuation-alvo de 110 mil milhões de dólares) e o DeepSeek (não cotado) estão posicionados como os mais fortes; ambos destacam-se tanto na capacidade de preços como nas vantagens de custos. O valuation implícito agregado de empresas independentes de modelos de IA excede 200 mil milhões de dólares.

No domínio multimodal/geração de vídeo, a ByteDance lidera com a Seedance. De acordo com o LatePost e a 36Kr, a margem bruta da Seedance chega a 70% e a taxa de execução do ARR já ultrapassou 2 mil milhões de dólares. A Kuaishou e a MiniMax Hailuo/um modelo H3 a ser lançado também são vistas com bons olhos pela Goldman Sachs; espera-se que na segunda metade de 2026 beneficiem de avanços funcionais na fusão de geração de vídeo com LLM e da escassez de oferta, levando a preços mais saudáveis.

A Goldman Sachs mantém recomendação de compra para a MiniMax, com preço-alvo de 860 HKD. A justificação é que o modelo M3 está no quadrante de maximização de ARR de alto volume de tokens e preços atrativos, e que o valuation atual é apenas 13 vezes o ARR no final de 2026. Em comparação com os múltiplos de valuation de empresas similares na China e no mundo, há um desconto evidente, e a relação risco-recompensa pende para cima.