Relatório do Goldman Sachs analisa o panorama competitivo dos grandes modelos de IA da China: quem será o vencedor a longo prazo?

null

Autor: Wall Street China, Bu Shuqing

Título original: Relatório aprofundado da Goldman Sachs: quem se tornará o vencedor de longo prazo na indústria chinesa de modelos de IA de grande escala?

Os modelos de IA de grande escala da China estão num ponto de viragem histórico. A Goldman Sachs considera que o desempenho inteligente dos modelos abertos/de código-fonte aberto mais relevantes da China está a aproximar-se dos melhores modelos proprietários globais. Ao mesmo tempo, a escala de adoção por empresas domésticas e por PME a nível mundial está a expandir-se rapidamente. Este efeito de “roda de dados” irá, por sua vez, impulsionar ainda mais iterações e atualizações dos modelos.

De acordo com a Plataforma de Trading Catching the Trend, o mais recente relatório da Goldman Sachs aponta que esta trajetória evolutiva pode ser resumida como “do momento de eficiência de custos do DeepSeek no ano passado ao momento de inteligência do modelo da Zhipu GLM este ano”. A equipa liderada pelos analistas da Goldman, Ronald Keung, que assina este relatório de 50 páginas, realiza uma avaliação sistemática sobre quatro questões centrais: como os modelos de IA da China conseguem obter alto desempenho com baixo custo; por que razão escolheram o caminho do código-fonte aberto; como monetizam; quais são os mercados-alvo centrais; e quem será o vencedor de longo prazo.

No que toca à análise do cenário competitivo, a Goldman Sachs apresentou um “quadro de posicionamento competitivo” baseado em capacidade de preços, vantagem de custos e força financeira. Com base nisso, concluiu que, no segmento de modelos de base de texto, a Zhipu (cobertura inicial) e o DeepSeek (não cotado) são os que apresentam posicionamentos mais fortes; no domínio multimodal, a ByteDance (não cotada) lidera. A Goldman Sachs mantém ainda recomendações de compra para a MiniMax e para a Kuaishou.

Pequeno investimento, grandes retornos; a eficiência vence

A capacidade dos modelos de grande escala chineses de alcançarem desempenho semelhante ao de produtos comparáveis dos EUA a um custo bem mais baixo assenta essencialmente em dois avanços em simultâneo: inovação de arquitetura e eficiência de parâmetros.

O relatório da Goldman Sachs indica que a escala de parâmetros dos modelos de código-fonte aberto da China está, em geral, entre 200 mil milhões e 1,6 triliões, ou seja, apenas 2% a 10% dos modelos de topo globais. Isto deve-se principalmente a restrições na obtenção de capacidade de computação de ponta. Entretanto, inovações como a arquitetura de especialistas mistos (MoE) e mecanismos de atenção esparsa fazem com que a proporção de parâmetros ativados efetivamente em relação ao total seja apenas de 3% a 5%, reduzindo significativamente os custos de treino e de inferência.

No nível dos modelos específicos, o DeepSeek V4 Pro tem 1,6 triliões de parâmetros; a Zhipu GLM5.2 tem 0,7 triliões; e a MiniMax M3 tem 0,4 triliões.

A Goldman Sachs atribui o salto recente da capacidade de programação dos modelos chineses a uma combinação de fatores, incluindo seleção de dados e pós-treino com aprendizagem por reforço. A 27 de junho, o DeepSeek lançou o framework de decoding por especulação DSpark. Este já foi implementado nos serviços online do V4-Flash e do V4 Pro. Sem alterar os pesos do modelo nem a qualidade da saída, a velocidade de geração por utilizador aumenta 60% a 85% no V4-Flash e 57% a 78% no V4 Pro.

A LongCat 2.0, divulgada pela Meituan a 30 de junho, foi vista pela Goldman Sachs como um marco importante para a autonomização da infraestrutura de IA na China — trata-se do primeiro modelo aberto MoE de 1,6 triliões totalmente treinado e implementado com base em 50 mil placas de computação domésticas. A Goldman Sachs considera que isto demonstra a viabilidade de uma pilha de hardware local na fase de pré-treino intensivo em computação, o que tem um significado profundo para a capacidade dos modelos de IA da China de se libertarem da dependência de chips estrangeiros de alto nível.

Mercado polarizado; os fortes ficam ainda mais fortes

A Goldman Sachs descreve o mercado de modelos de IA da China como a formar uma “estrutura em duas camadas”, identificando dois quadrantes de maximização de ARR.

No segmento premium, modelos de topo como a Zhipu GLM5.2 e a Alibaba Qwen3.7 Max têm preços de aproximadamente 1 USD por milhão de tokens, ou seja, cinco vezes o dos modelos low-end. A margem bruta de inferência ronda 10% a 20% (estimativa da Goldman Sachs). Em comparação, os modelos de topo dos EUA custam 4 a 8 USD por milhão de tokens; os modelos premium da China custam apenas 10% a 25% desse valor, mas, graças a uma menor proporção de ativação de parâmetros, ainda conseguem manter margem bruta positiva.

No segmento low-end, os modelos orientados para tarefas de agentes têm preços tão baixos quanto 0,06 a 0,2 USD por milhão de tokens, estando a abrir mercados para PME e utilizadores individuais globais mais sensíveis ao preço. A MiniMax tem 60% a 70% da receita proveniente do exterior. Um ponto importante: o DeepSeek anunciou que, a partir de meados de julho, irá introduzir um mecanismo de preços por pico e vale no seu portfólio V4. A tarifa no horário de pico é o dobro da tarifa fora de pico. Com preços mistos, o valor fica em torno de 0,35 USD por milhão de tokens (V4 Pro) e 0,12 USD por milhão de tokens (V4 Flash).

A Goldman Sachs prevê que a receita de APIs e subscrições de modelos de IA da China aumentará de 35 mil milhões de RMB em 2026 (estimativa) para 879 mil milhões de RMB em 2030. Correspondentemente, o consumo diário de tokens passará de 350 triliões para 4600 triliões, um aumento de cerca de 25 vezes.

Estratégia de código-fonte aberto: ampla penetração; o caminho de monetização precisa de atualização

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

A principal vantagem de uma estratégia de código-fonte aberto está na flexibilidade de implementação e no ecossistema da comunidade. A série Qwen da Alibaba, o DeepSeek, a Zhipu GLM e a MiniMax M3 utilizam todos abordagens de código-fonte aberto ou pesos abertos. O Seed Model da ByteDance é a principal exceção, recorrendo a uma rota proprietária totalmente fechada. O modo de código-fonte aberto permite que os modelos sejam implementados de forma flexível dentro e fora do território da China continental e que a iteração seja acelerada com base no feedback da comunidade.

No entanto, a Goldman Sachs aponta que os números de ARR divulgados por empresas de modelos de código-fonte aberto provavelmente subestimam severamente a dimensão real de implementação e o potencial de receita. Por exemplo, no caso da Zhipu, a sua meta de ARR até ao final de 2026 é de 1 mil milhões de USD, mas a quantidade real de implementação global da GLM5.2 será muito superior ao volume de tokens e à receita gerados pelos canais de API próprios da Zhipu — a plataforma de MaaS da Yunforge da Alibaba Cloud pode alojar diretamente o modelo aberto GLM5.2, sem necessidade de pagar qualquer taxa à Zhipu.

A Goldman Sachs espera que a indústria avance gradualmente de um modelo puramente open source (licença MIT, totalmente gratuito) para um modelo “pesos abertos + licença comunitária” — isto é, o uso comercial deve envolver um acordo de partilha de receitas com a empresa do modelo. A MiniMax já adotou este modelo na série M. A Goldman Sachs considera que esta mudança melhorará significativamente a eficiência económica unitária das empresas de modelos de IA: as empresas podem beneficiar de acordos de partilha de receitas com plataformas como AWS Bedrock e Alibaba Cloud MaaS, sem terem de assumir elas próprias os custos de capacidade computacional para inferência.

Do “máximo de tokens” ao “ROI em primeiro lugar”

A Goldman Sachs define a expansão do mercado internacional como o maior espaço ascendente para os modelos de IA da China, especialmente fora dos mercados dos EUA.

A equipa de research da Goldman nos EUA estima que, até 2030, a IA de agentes irá impulsionar um crescimento de 24 vezes no consumo global de tokens, atingindo 1200 mil milhões de tokens por mês. Dentro disso, os agentes empresariais contribuem com um crescimento de 55 vezes, e os agentes consumidores com 12 vezes. No mercado global (fora da China), os modelos de IA da China já conseguiram aumentar significativamente a sua quota de tokens com base na melhoria de desempenho e na vantagem de preços.

O relatório da Goldman Sachs indica que o paradigma de utilização de IA das empresas globais está a sofrer uma mudança fundamental de “máximo de tokens” para “ROI em primeiro lugar”. O primeiro prevaleceu entre o final de 2025 e o início de 2026: as empresas equiparavam alto consumo de tokens à produtividade organizacional. Já o segundo presta mais atenção a limites claros das tarefas, ao número de agentes ativos por dia, à automação dos processos no backend e à produção efetiva. Um estudo de tendências da Jellyfish AI Engineering mostra que os utilizadores pesados de IA nas empresas consomem 10 vezes mais tokens, mas o output melhora apenas 2 vezes.

No nível dos canais, a Gemini Enterprise Agent Platform da Alphabet e o AWS Bedrock da Amazon já oferecem serviços de alojamento para 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. Sublinhou também que, se o DeepSeek for alojado, o modelo funcionará dentro do ecossistema de nuvem da Microsoft, garantindo que os dados do cliente permanecem no Azure.

Quem são os vencedores de longo prazo?

A Goldman Sachs construiu um quadro de posicionamento competitivo em três dimensões, usando indicadores quantitativos para avaliar a probabilidade de cada participante vencer a longo prazo. A fórmula central é: dimensão de ARR × vantagem da margem bruta + força financeira.

A dimensão da capacidade de preços avalia a velocidade de listagem (em comparação com o antecessor e modelos de nível semelhante), 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, razão de ativação de parâmetros e margem bruta de inferência. A dimensão da força financeira avalia o caixa em mãos, a proporção de caixa líquido nos ativos totais e o múltiplo de avaliação.

No domínio dos modelos de base de texto, a Goldman Sachs considera que a Zhipu (cobertura inicial, classificação neutra, valuation-alvo de 110 mil milhões de USD) e o DeepSeek (não cotado) têm os posicionamentos mais fortes. Ambos se destacam em capacidade de preços e vantagem de custos. O valuation implícito agregado das empresas independentes de modelos de IA ultrapassa os 200 mil milhões de USD.

No domínio multimodal/geração de vídeo, a ByteDance lidera com o Seedance. De acordo com LatePost e 36Kr, a margem bruta do Seedance chega aos 70% e a taxa de execução ARR já excede 2 mil milhões de USD. A Kuaishou Lingxi e a MiniMax Hailuo/ o modelo H3 a ser lançado também são vistas com bons olhos pela Goldman Sachs. Espera-se que na segunda metade de 2026 beneficiem da quebra de funcionalidades ao fundir geração de vídeo com LLM e do cenário de oferta apertada, que deverá sustentar preços saudáveis.

A Goldman Sachs mantém a recomendação de compra para a MiniMax, com preço-alvo de 860 HKD. A tese é que o modelo M3 está no quadrante de maximização de ARR de alto volume de tokens e com preços atrativos. Além disso, a avaliação atual equivale apenas a 13 vezes o ARR até ao final de 2026 — face a múltiplos de avaliação de empresas chinesas e globais comparáveis, existe um desconto evidente. A relação risco-retorno tende para o lado positivo.