Dimension analisa a IA na China: modelos abertos, estrangulamentos de computação e o fosso de comercialização

A China tem falta de chips, os EUA têm falta de eletricidade: a IA sino-americana entra num novo tabuleiro

Título original: Carta confidencial aos sócios limitados da Dimension: Xadrez de IA transpacífico
Autor original: Dimension Capital

Nota do editor: Quando os EUA detêm modelos líderes e chips de topo, e a China dispõe de eletricidade mais abundante e de restrições de custos mais fortes, que caminho seguirá a competição global em IA?

A carta interna da Dimension tenta responder a esta questão. O autor decompõe a competição em várias camadas interligadas: poder computacional, energia, ecossistema open source, receitas de aplicações e avaliação nos mercados de capitais.

A avaliação-chave do autor é que os controlos de exportação não cortaram simplesmente os laços entre as indústrias de IA sino-americana; pelo contrário, empurraram os laboratórios chineses para uma via técnica que dá mais ênfase à eficiência de engenharia e ao peso da abertura. Os modelos americanos, o poder computacional da Nvidia, os modelos open source chineses e os serviços de dados transfronteiriços já estão embutidos na mesma cadeia industrial: a capacidade técnica pode fluir através das fronteiras, mas as receitas, os custos e o poder negocial não se transferem necessariamente em sincronia. Por isso, o resultado futuro pode depender não só do desempenho dos modelos, mas também de quem conseguir resolver o seu fator mais escasso e construir um ciclo comercial mais sustentável.

Isto também explica por que razão o artigo discute simultaneamente o estrangulamento energético nos EUA e as avaliações elevadas das empresas chinesas de IA. Os problemas estruturais dos dois lados são exatamente opostos: os EUA têm uma capacidade de comercialização mais madura, mas estão limitados pela energia e pelas infraestruturas; a China tem uma oferta de eletricidade em rápida expansão e um ecossistema aberto, mas ainda enfrenta restrições como a escassez de chips avançados, a fraca disponibilidade para pagar e receitas de pequena dimensão. Daí resulta um claro desfasamento entre capacidade técnica, receitas comerciais e avaliação de mercado.

Convém esclarecer que esta carta tem uma perspetiva claramente institucional de investimento, e alguns dos dados sobre receitas, origens dos modelos e taxas de penetração setorial ainda precisam de verificação adicional. Mas oferece um quadro analítico que merece atenção: a competição sino-americana em IA já não pode ser explicada apenas pela liderança tecnológica ou pelo bloqueio político; o que verdadeiramente determina a estrutura da indústria pode ser o equilíbrio em constante mudança entre poder computacional, energia, difusão open source e alocação de capital.

Segue-se o texto original:

Caros sócios limitados:

Uma pequena equipa da Dimension esteve na China na semana passada, visitou vários laboratórios líderes e conversou com investidores, empreendedores e especialistas técnicos locais. Esta viagem foi, em grande medida, uma revisita e uma reavaliação das conclusões que formámos após a nossa ida a Xangai em 2025. Nessa altura, escrevemos e dissemos que a importância crescente da China já tinha ultrapassado o domínio do hardware. Agora, ao resumir o que aprendemos nesta viagem, consideramos necessário reexaminar este tabuleiro de xadrez de IA transpacífico. Partilhamos de seguida algumas das nossas reflexões atuais. Convém lembrar que estas opiniões continuam em evolução e podem mudar já amanhã, à medida que surgem novos dados.

1. A escassez gera evolução

O objetivo original dos controlos de exportação era abrandar o desenvolvimento da IA na China. Mas o resultado foi criarem uma pressão evolutiva que deu origem a laboratórios chineses com características próprias.

Com poder computacional limitado, as equipas chinesas fazem frequentemente otimizações de engenharia em camadas de abstração mais baixas, que os laboratórios americanos muitas vezes podem ignorar. Quando a DeepSeek lançou o V3 em março, utilizou programação CUDA ao nível PTX numa GPU Nvidia H800 para transferir a operação de normalização mais intensiva em energia dos núcleos de computação da GPU para 20 núcleos dedicados à interligação serial.¹

Na nossa opinião, isto reflete menos uma falta de talento nos EUA do que uma diferença de incentivos: o ganho marginal dos laboratórios americanos vem de adicionar mais poder computacional, enquanto o ganho marginal dos laboratórios chineses vem de encontrar espaço de otimização para compiladores e chips.

No final, os laboratórios chineses formaram uma cultura de eficiência full-stack, que abrange kernels, otimizadores, sistemas de serviço e até design de chips. O efeito composto desta cultura vai muito além do impacto de otimizações pontuais. A escassez — quem diria? — tornou-se a mãe da invenção; aqui, gerou especificamente engenharia de sistemas, assembly e compiladores.

2. O estado atual do software chinês já ultrapassou o que o software empresarial ocidental conseguia fazer há dois anos: penetrar na stack tecnológica de produção ocidental

Os fornecedores chineses passaram de uma penetração nula há menos de 18 meses para suportarem atualmente mais de 25% do volume de tokens do OpenRouter.²

O Qwen ultrapassou o Llama em arenas de teste cego e continua a lançar novos modelos com frequência. Em menos de dois anos, os modelos chineses passaram de “o quinto melhor modelo open source do mundo” para “pelo menos 80% das startups americanas de IA usam pelo menos um modelo open source chinês em ambiente de produção”.³ Os pesos abertos contornam as barreiras de aquisição — software gratuito não tem fornecedor que precise de ser auditado.

Na essência, a China está a captar rapidamente trabalho computacional ocidental, e não receitas ocidentais. Como no passado, os lucros de inferência fluem temporariamente para os fornecedores que realmente servem os tokens.

Quer seja intencional, quer seja o resultado emergente de um sistema complexo à escala global, os laboratórios de fronteira chineses estão a transformar em commodity a camada de receitas da qual dependem os concorrentes americanos, e fazem-no principalmente no lado open source. Na nossa opinião, isto não é acidental, nem uma mera experiência excêntrica.

O objetivo destas empresas é construir sistemas operacionais de grande escala, estáveis e de baixa receita. Por isso, a nossa avaliação de médio prazo é: a China está a promover um ecossistema dependente de modelos de pesos abertos e de rápida adoção, espremendo as receitas dos laboratórios líderes americanos; ao mesmo tempo, está a canalizar receitas para fornecedores de nuvem em hiperescala e para novas infraestruturas de inferência. Consideramos que esta tendência está a abrandar, ou mesmo a impedir, a entrada de tecnologia avançada com verdadeiro significado no tabuleiro atual.

3. A competição dentro dos laboratórios de fronteira chineses é muito mais intensa do que o Ocidente geralmente percebe

A nossa avaliação é que a frente competitiva atual inclui a DeepSeek, o Qwen da Alibaba, a Kimi da Moonshot AI, o Doubao da ByteDance e o GLM da Zhipu, com diferenças entre eles de apenas cerca de um trimestre de flutuação nos rankings. É notável que a Tencent, apesar da sua enorme base de utilizadores existente, esteja fora deste ecossistema; isso, por si só, é uma questão que merece atenção.

Estes laboratórios competem diretamente entre si em velocidade de I&D e capacidade dos modelos, ao mesmo tempo que abrem os pesos dos modelos, criando um ecossistema competitivo muito diferente do dos dois laboratórios fechados americanos.

Voltamos a sublinhar: na nossa opinião, o foco da competição nos próximos um a dois anos será menos uma disputa entre nações e mais um confronto entre diferentes estruturas de incentivos. Os laboratórios chineses com que falámos tendem a preocupar-se mais com a concorrência entre si do que com a competição transnacional que os media ocidentais gostam de dramatizar.

4. Hoje, a capacidade dos modelos pode atravessar o Pacífico duas vezes, em ambos os sentidos, até chegar ao cliente final

O caminho concreto é: os laboratórios de fronteira americanos lançam modelos com melhor desempenho; os laboratórios chineses destilam-nos e publicam os pesos; as empresas de aplicações americanas usam depois esses modelos chineses open source para construir produtos e vendê-los de volta aos clientes empresariais americanos.

O Composer 2, desenvolvido autonomamente pela Cursor, é alegadamente construído sobre o Kimi K2.5; o SWE-1.5 da Cognition parece ser construído sobre um GLM personalizado. Em suma, como ouvimos dizer a um representante de um laboratório de fronteira chinês, os EUA fazem iterações rapidamente, a China publica rapidamente.

Há cerca de um ano, estas empresas já se considerariam bem-sucedidas se atingissem o nível do Llama, ou mesmo do Mistral. Hoje, a IA de fronteira americana já está integrada no sistema de pesos abertos chinês, e a inteligência de fronteira americana está escondida lá dentro.

5. A camada de dados parece estar a repetir uma trajetória semelhante

Os fornecedores de dados americanos — Mercor, AfterQuery, Turing — estabeleceram parcerias comerciais com empresas como a Anthropic e a OpenAI. Entretanto, na China, um conjunto de startups começou a construir infraestruturas de avaliação e verificação para apoiar serviços de anotação.

Por exemplo, a UniPat foi fundada por um estudante de doutoramento da Universidade de Pequim e tem o apoio da Mercedes-Benz. A empresa abriu um escritório em Seattle em dezembro de 2025 e, alegadamente, utiliza anotadores doutorados da China, que trabalham nestes projetos através de rotas com escala no Midwest americano.

Os laboratórios chineses colocam uma questão simples mas importante: **como podem garantir a qualidade da supervisão humana sobre o processo computacional, num ambiente com computação limitada e que não pode exceder um certo limiar, de forma a acompanhar modelos com capacidade adaptativa e recursos quase ilimitados?**⁴

Observámos que várias equipas no ecossistema já começaram a construir produtos correspondentes; pelo menos duas delas estão a aproximar-se rapidamente de receitas superiores a 100 milhões de dólares.

6. Os EUA e a China enfrentam restrições de natureza diferente e em direções opostas

A China adicionou cerca de 429 GW de nova capacidade de geração de eletricidade em 2024, enquanto os EUA adicionaram apenas cerca de 51 GW. Até 2030, os projetos energéticos chineses atualmente em construção poderão acrescentar mais de 400 GW de nova oferta. Em contraste, nos EUA, espera-se que a expansão dos centros de dados represente mais de um quinto da nova procura de eletricidade.⁵

Como já escrevemos anteriormente, a restrição da China vem da insuficiência da infraestrutura computacional. Um exemplo é o novo modelo K3 da Moonshot AI: embora esteja na fronteira em termos de capacidade, o seu lançamento foi adiado por falta de capacidade de inferência.

Os EUA têm chips abundantes, mas o poder computacional está cada vez mais limitado pela eletricidade; a China tem eletricidade abundante, mas o poder computacional está cada vez mais limitado pelos chips.

A nossa avaliação — e este é também o consenso generalizado na indústria — é que o futuro será determinado pelo fator atualmente mais escasso: nos EUA, pela rapidez com que se conseguem construir terrenos para centros de dados, redes de transmissão e distribuição e linhas elétricas; na China, pelas taxas de rendimento e capacidade de encapsulamento da SMIC e da Huawei.

7. O fosso entre as receitas de IA dos EUA e da China é enorme, próximo de duas ordens de grandeza

No final de julho, a receita anualizada da Anthropic já ultrapassava os 6,5 mil milhões de dólares; em agosto, a receita anualizada da OpenAI atingiu os 40 mil milhões de dólares.⁶

Em comparação, a receita de modelos mais forte da China é a da ByteDance, cujo modelo de vídeo tem uma receita anualizada de cerca de 200 a 300 milhões de dólares; a segunda maior receita é a da Moonshot AI, com cerca de 100 milhões de dólares. A DeepSeek tem alegadamente uma receita anualizada inferior a 50 milhões de dólares.

No lado do consumidor, o Doubao tem 345 milhões de utilizadores mensais, mais do triplo da DeepSeek. Ambos oferecem várias fontes de receita, incluindo comissões comerciais; segundo os nossos cálculos, a receita média mensal de monetização por utilizador é de cerca de 1 yuan.

Historicamente, os consumidores chineses não estão habituados a pagar por software. Também não acreditamos que a economia chinesa se tenha tornado tão neutra que a classe média esteja disposta a mudar rapidamente esse hábito. Fontes internas das empresas dizem que estão a afetar recursos para tentar a comercialização; e, de facto, os hábitos de utilização da internet dos consumidores chineses já mudaram há uma década.

Claro que os laboratórios chineses podem acabar por monetizar através de publicidade comercial, tal como os laboratórios americanos sempre se recusaram a fazer.

Há aqui também um fator de pragmatismo sem rodeios: os empreendedores geralmente não temem ser censurados ou atacados por usarem a palavra errada ou uma expressão considerada estigmatizada. Isto tornou-se muito evidente quando caminhávamos pelas ruas de Kowloon, em Hong Kong: os vendedores ambulantes ouviam as análises de Ben Thompson sobre a aversão irracional dos laboratórios americanos à publicidade e aos modelos de negócio.⁷

A propósito, esta foi a primeira vez que o Ben ouviu falar disto — e o Ben é um dos melhores analistas de sempre.

8. O hardware está a desacoplar-se das camadas de semicondutores, software e dados, e a sua interligação avança a uma velocidade que nenhum governo consegue acompanhar

As aplicações americanas correm sobre modelos chineses; os laboratórios chineses treinam em poder computacional Nvidia alugado na Malásia e na Tailândia, ao mesmo tempo que destilam os outputs dos modelos americanos; os dados especializados fluem em ambos os sentidos.⁸

Constatámos que a própria questão de “quem está a escrever o problema” já não é fiável.

Do mesmo modo, os sistemas estão hoje profundamente interdependentes, o que tanto corresponde ao imaginário da “supremacia retórica do Estado-nação” como realiza, na prática, um verdadeiro transnacionalismo — a menos que a auto-melhoria recursiva, ou RSI, altere substancialmente a estrutura atual do jogo.

9. Constatámos que alguns investigadores chineses de topo acreditam já dominar uma forma mais fraca de RSI

Em termos gerais, a RSI pode dividir-se em três tipos: temporal, computacional e de fronteira. A RSI mais precoce pode ser entendida como os investigadores permitirem que o modelo intervenha na sua própria iteração, ajudando manualmente o modelo a acelerar etapas que, de outra forma, consumiriam poder computacional ou tempo dos investigadores, ou ambos. Note-se que o “takeoff” desta fase provavelmente não se apresentará como uma curva exponencial em escalas temporais longas, de décadas até 2100; nem será uma capacidade coletiva humana que ultrapasse o que qualquer indivíduo ou máquina consegue alcançar.

10. Um ponto de bifurcação crítico

Assumindo que a auto-melhoria de primeira ordem existe de facto, a vantagem americana em poder computacional parece muito sólida: até 2030, dois laboratórios operarão cada um cerca de 2 GW de poder computacional, e cada um tem ainda mais de 5 GW em projetos contratados.

Em teoria, estes projetos são financiados por receitas consideráveis e por mercados de capitais fortes; a computação em escala, o pensamento lateral, os ciclos de “auto-melhoria” e a aprendizagem sobre como usar eficazmente estas capacidades parecem não ter fim.

Mas, inversamente, se a verdadeira restrição estiver na qualidade da verificação, ou se o calendário ultrapassar o que a curva permite, então a expressão “otimização de capacidade e redundância de chips domésticos” — que pode soar familiar — poderá continuar a acelerar nos próximos 18 meses:

Aceleração da comoditização das capacidades dos modelos de fronteira americanos;

Aumento das capacidades únicas dos modelos de pesos abertos chineses;

As empresas de IA baseadas em leilão na camada de inferência ganham maior poder negocial;

Os fornecedores de serviços de computação obtêm maiores volumes de transação e lucros, graças à inclusão de pesos de modelos de propriedade estrangeira;

Por fim, estes efeitos também se transmitem aos fornecedores de serviços de inferência, como os fornecedores de nuvem em hiperescala e os novos fornecedores de nuvem.

Isto significa que haverá um enorme desajustamento no investimento em infraestruturas elétricas.

Precisamos de sublinhar: a nossa análise das infraestruturas americana e chinesa é possivelmente a classe de análise com maior retorno potencial de todas as que já fizemos.

Sobre o futuro

11. O futuro pode trazer um mundo assim

No futuro, os laboratórios de fronteira americanos podem deixar de abrir APIs para a próxima geração de modelos mais avançados. Na verdade, para a grande maioria das aplicações empresariais programáticas, o nível técnico atual já é suficiente. Os futuros modelos de topo serão precificados com base no valor e não no volume de utilização, e, ao mesmo tempo, levarão cada vez mais a China a beneficiar das capacidades de fronteira.

Por isso, os laboratórios americanos poderão aumentar a prioridade das receitas de API, para sustentar modelos com preços mais altos e menor volume de utilização; isto, por sua vez, cortará um importante canal competitivo que atravessa o Pacífico a partir da costa leste dos EUA.

No mínimo, isto forçará o processamento de mais dados dentro da China, utilizando modelos pré-treinados, aumentando assim a pressão sobre o estrangulamento computacional existente.

Pelo que sabemos, algumas multinacionais americanas de dimensão considerável estão a realizar pilotos para transferir tarefas de engenharia e matemática para a China.

12. O panorama da IA sino-americana

Consideramos que a IA já entrelaçou profundamente os sistemas tecnológicos dos EUA e da China, a ponto de as medidas regulatórias que cortam apenas uma das ligações transpacíficas parecerem, no máximo, ter um efeito temporário.

Os técnicos americanos e chineses estão, em certo sentido, a dialogar entre si; este intercâmbio pode ocorrer em várias camadas — destilação de modelos, pesos abertos, anotação de dados, inferência — e o software está a utilizar cada vez mais infraestruturas de pesquisa baseadas em agentes.

Proibições diretas de circulação de capital, de listagem de entidades, de custódia e de aquisição irão quase inevitavelmente reprimir a inovação americana e ceder a liderança nas áreas relevantes, acabando por empurrar o capital para concorrentes chineses.

Embora no Ocidente se discuta intensamente uma bolha de avaliação da IA, o ambiente no mercado chinês é claramente mais aquecido.

Se olharmos para os múltiplos de receita, os laboratórios chineses são negociados a avaliações 5 a 10 vezes superiores às dos laboratórios de fronteira americanos; em termos de dimensão de receita, o fosso entre a China e os EUA é próximo de duas ordens de grandeza.

A ronda de financiamento mais recente da Moonshot AI avaliou a empresa em 3,5 mil milhões de dólares, com uma receita anualizada de cerca de 100 milhões de dólares em julho, o que corresponde a cerca de 35 vezes a receita; a nova ronda será alegadamente feita com uma avaliação pré-money de 5 mil milhões de dólares, equivalente a cerca de 50 vezes a receita.

A Zhipu foi cotada em Hong Kong em janeiro deste ano com uma capitalização de mercado de cerca de 10 mil milhões de dólares, aproximadamente 20 vezes o múltiplo de avaliação da Anthropic. O preço das ações da empresa no mercado público inicial foi extremamente volátil: passou de uma capitalização de mercado de cerca de 1,3 mil milhões de dólares na estreia para cerca de 10 mil milhões de dólares em janeiro deste ano.

A Kong AI Knowledge Atlas Technology HK (2613) também subiu de uma capitalização de mercado de cerca de 1,3 mil milhões de dólares em janeiro deste ano para cerca de 10 mil milhões de dólares; a Luna AI (HKG:100) subiu de cerca de 15 mil milhões de dólares para 33 mil milhões de dólares, antes de recuar para cerca de 10 mil milhões de dólares.

Ambas as ações caíram fortemente antes do fim do período de lock-up. A nossa avaliação é que isto se deve principalmente à imaturidade da estrutura de mercado: décadas de experiência em investimento em software de consumo só agora estão a acumular a capacidade de fazer avaliações prudentes em torno da divulgação financeira empresarial e de frameworks open source.

Isto não é muito diferente do que vemos no setor da biotecnologia: no mercado público de Hong Kong, praticamente não existe risco regulatório decorrente de investidores cruzados ou de investidores especializados em tecnologia e biotecnologia.

Para o investidor certo, isto representa uma oportunidade enorme: entrar no mercado e estabelecer uma posição de liderança nos investimentos em fases iniciais destas categorias no mercado público.

Os vossos sócios,

Nan, Adam, Zivain

Notas

Relatório técnico do DeepSeek V3: utilização de 2048 GPUs H800; programação ao nível PTX; cerca de 30 milhões de mensagens dedicadas à comunicação entre nós.

Em março de 2026, a quota semanal de tokens do OpenRouter era de cerca de 42%, com uma flutuação de cerca de 5%; o Qwen representava cerca de 18%. Note-se que os downloads de modelos no Hugging Face representam apenas cerca de 80% da utilização de modelos de pesos abertos chineses, sendo os restantes cerca de 20% distribuídos por outras vias.

A Anthropic acusou formalmente a Moonshot AI, a DeepSeek e a MiniMax de recolherem milhões de conversas do Claude; esta alegação foi posteriormente negada e refutada por várias empresas.

Os comentários sobre as diferenças contabilísticas entre diferentes métodos de run-rate ficam para outra ocasião.

O treino da Alibaba e da ByteDance em centros de dados no Sudeste Asiático acelerou após as restrições introduzidas em 20 de abril de 2026; estas empresas alugam poder computacional em instalações de propriedade não chinesa na Tailândia, Malásia e Japão. A diretiva OSTP da Casa Branca de março de 2026 já tinha levado servidores Nvidia GB300 de grau de exportação para a Tailândia para o treino do K3; atualmente, os controlos de exportação dão mais importância à propriedade dos chips do que ao acesso remoto. Os custos de aluguer de computação na Tailândia, Malásia e Indonésia são cerca de 30% mais altos, enquanto os custos operacionais são cerca de 10% mais baixos.

Antes do fim do período de lock-up, as instituições com participações superiores a 5% não podem realizar ganhos; os acionistas comuns também não podem vender antes do fim do lock-up.