Estava a ler sobre a história da ZTE há pouco tempo e ocorreu-me uma ideia estranha - a guerra pelos chips hoje não é a mesma de há 8 anos.

Lembram-se da história da ZTE? Em abril de 2018, o Ministério do Comércio dos EUA lançou uma proibição muito leve: sem chips, sem software, sem nada vindo dos EUA. Uma empresa com 80 mil funcionários e receitas superiores a um trilhão de yuan parou de operar num dia. Sem chips Qualcomm, sem estações base, e sem licença do Android do Google, sem telemóveis. Tudo desmoronou. Levou apenas 23 dias até a ZTE admitir que as suas operações principais já não eram possíveis. Pagou 1,4 mil milhões de dólares para continuar a existir.

Mas desta vez, a guerra contra a inteligência artificial está a seguir um caminho completamente diferente.

Quando os EUA impuseram as primeiras restrições às exportações dos chips NVIDIA A100 e H100 em outubro de 2022, todos pensaram que era o fim. Depois veio a segunda ronda em outubro de 2023, e a terceira em dezembro de 2024. A escalada contínua, o cerco aperta-se. Mas desta vez, as empresas chinesas não se renderam - escolheram um caminho mais difícil.

O verdadeiro problema não são os chips em si, mas algo chamado CUDA. Este sistema de computação foi desenvolvido pela NVIDIA desde 2006, e tornou-se a base de toda a indústria de IA. Todos os principais frameworks, do TensorFlow do Google ao PyTorch do Meta, estão profundamente ligados ao CUDA. Um doutorando em IA começa desde o primeiro dia a aprender dentro de um ambiente CUDA. Cada linha de código que escreve reforça o monopólio da NVIDIA. Até 2025, há 4,5 milhões de desenvolvedores no sistema CUDA, usados por mais de 40 mil empresas globais. Mais de 90% dos desenvolvedores de IA no mundo estão ligados à NVIDIA.

Este é o verdadeiro reduto. O CUDA é uma roda sustentável - quanto mais desenvolvedores o utilizam, mais ferramentas e bibliotecas existem, e mais a ambiente prospera, atraindo ainda mais desenvolvedores. Uma vez que esta roda começa a girar, é quase impossível pará-la.

Mas os chineses encontraram uma forma de sair deste impasse - e não foi tentando competir diretamente com a NVIDIA pelos chips.

A solução veio das algoritmos. De final de 2024 a 2025, todas as empresas chinesas de IA passaram a usar modelos de especialistas mistos. A ideia é simples: em vez de ativar o modelo completo, dividi-lo em vários pequenos especialistas e ativar apenas os mais relevantes para a tarefa. O DeepSeek V3 é um exemplo claro - 671 mil milhões de parâmetros, mas ativa apenas 37 mil milhões durante a inferência. Apenas 5,5% do volume total.

O resultado? Custos de treino muito mais baixos. O DeepSeek usou 2048 unidades de processamento H800 e treinou durante 58 dias por um custo de 5,576 milhões de dólares. O GPT-4 custou cerca de 78 milhões de dólares. Uma diferença de um nível completo. E isso refletiu-se diretamente nos preços - o DeepSeek é de 25 a 75 vezes mais barato que o Claude. Em fevereiro de 2026, a quota de modelos chineses no OpenRouter, a maior plataforma de APIs globais, subiu 127% em apenas três semanas. Há um ano, era menos de 2%. Agora aproxima-se dos 60%.

Mas isto é apenas para inferência. O problema do treino ainda persiste.

Aqui entra o papel dos chips locais. Em 2025, uma empresa chinesa começou a construir uma linha de produção de 148 metros em Qianxiu - do assinatura à produção em apenas 180 dias. Um processador Loongson 3C6000 totalmente doméstico, e uma placa T100 da Taichu Yuanqi da Universidade de Tsinghua. A linha produz cinco servidores por minuto, com um investimento de 1,1 mil milhões de yuan, com o objetivo de atingir 100 mil unidades por ano.

Mais importante ainda - estes chips já começaram a suportar tarefas reais de treino. Em janeiro de 2026, a Zhipu AI lançou, em parceria com a Huawei, o modelo GLM-Image, o primeiro modelo avançado de geração de imagens treinado inteiramente com chips chineses locais. Em fevereiro, um enorme modelo "estelar" foi treinado numa infraestrutura de computação chinesa local com dezenas de milhares de unidades de processamento.

Isto é uma mudança de paradigma. A inferência precisa de chips comuns, mas o treino exige uma potência computacional enorme e uma largura de banda muito elevada. Isto eleva as exigências em dez vezes. A Huawei Ascend é a solução principal aqui. Até ao final de 2025, o número de desenvolvedores na plataforma Ascend ultrapassou os 4 milhões, os parceiros passaram de 3000 empresas, 43 modelos principais foram treinados na Ascend, e mais de 200 modelos de código aberto foram adaptados. No MWC de março de 2026, a Huawei lançou a nova arquitetura SuperPoD. A potência de processamento do Ascend 910B atingiu o nível do NVIDIA A100. A lacuna ainda existe, mas passou de "inutilizável" para "fácil de usar".

Não podemos esperar até que os chips fiquem perfeitos. Temos de começar a implementar em larga escala assim que forem suficientes, usando as necessidades reais do negócio para impulsionar o desenvolvimento. ByteDance, Tencent e Baidu planeiam duplicar as importações de servidores de computação locais em 2026. O Ministério da Indústria e Tecnologia da Informação anunciou que o volume de computação inteligente na China atingiu 1590 EFLOPS. 2026 será um ano crucial para a implementação da computação local.

E há outro fator que ninguém tem notado - a eletricidade.

No início de 2026, a Virgínia suspendeu a aprovação de novos projetos de centros de dados. Seguiu-se a Geórgia. Illinois e Michigan implementaram medidas restritivas. O consumo de energia dos centros de dados nos EUA atingiu 183 TWh em 2024, cerca de 4% do consumo total. Espera-se que duplique até 2030, atingindo 426 TWh, podendo ultrapassar 12%. O CEO da Arm prevê que os centros de dados de IA consumirã0 20-25% da eletricidade dos EUA até 2030. A rede elétrica americana já está sobrecarregada. A rede PJM, que cobre 13 estados, enfrenta uma escassez de capacidade de 6 GW. Até 2033, os EUA enfrentarão uma lacuna de 175 GW. Os custos de eletricidade no atacado aumentaram 267% nas regiões dos centros de dados.

A situação na China é exatamente o oposto. A produção anual de eletricidade é de 10,4 trilhões de kWh, contra 4,2 trilhões nos EUA. A China produz 2,5 vezes mais do que os EUA. O consumo doméstico na China representa 15% do total, enquanto nos EUA é 36%. Isto significa uma energia industrial muito maior, que pode ser direcionada para a computação. Os preços da eletricidade nas regiões das empresas de IA nos EUA variam entre 0,12 e 0,15 dólares por kWh. Na China ocidental, cerca de 0,03 dólares - um quarto a um quinto do preço americano.

Enquanto os EUA enfrentam uma crise de eletricidade, a IA chinesa avança silenciosamente para o exterior. Mas desta vez, o que sai não é o produto ou a fábrica, mas o Token - a menor unidade processada pelos modelos de IA. É produzido nas fábricas de computação chinesas e depois transmitido por cabos submarinos ao redor do mundo.

A distribuição de utilizadores do DeepSeek conta uma história clara: 30,7% na China, 13,6% na Índia, 6,9% na Indonésia, 4,3% nos EUA, 3,2% na França. Suporta 37 línguas, muito popular em mercados emergentes como o Brasil. 26 mil empresas globais têm contas, 3200 instituições usaram a versão empresarial. Em 2025, 58% das novas startups de IA integraram o DeepSeek na sua infraestrutura tecnológica. Na China, o DeepSeek domina 89% do mercado. Nos países sob sanções, a quota varia entre 40% e 60%.

Isto é exatamente como a guerra pela independência industrial há 40 anos. Em Tóquio, em 1986, o governo japonês assinou um acordo com os EUA sobre semicondutores sob forte pressão americana. Os principais pontos: abrir o mercado de semicondutores para que os EUA tivessem pelo menos 20% de quota, proibir a exportação de chips japoneses com licenças abaixo do custo, impor tarifas punitivas de 100% sobre exportações de 300 milhões de dólares. Ao mesmo tempo, os EUA recusaram-se a aprovar a aquisição da Fujitsu pela Fairchild.

Em 1988, o Japão controlava 51% do mercado global de semicondutores, enquanto os EUA tinham apenas 36,8%. Das dez maiores empresas mundiais, seis eram japonesas - NEC em segundo lugar, Toshiba em terceiro, Hitachi em quinto, Fujitsu em sétimo, Mitsubishi em oitavo, Matsushita em nono. Mas após o acordo, tudo mudou. Os EUA usaram a Lei 301 e exerceram forte pressão, apoiando ao mesmo tempo a Samsung e a Hynix na Coreia para derrubar o mercado japonês com preços baixos. A quota do Japão em DRAM caiu de 80% para 10%. Em 2017, a quota do Japão no mercado de IC era apenas 7%. Os gigantes saíram, seja por divisão, aquisição ou desânimo.

A tragédia do Japão foi aceitar ser o melhor produto num sistema global dominado por uma única potência, sem nunca pensar em construir um sistema independente. Quando a maré virou, perceberam que não tinham mais nada além de produção.

Hoje, a China está numa encruzilhada semelhante, mas completamente diferente. Enfrentamos pressões externas enormes - três rodadas de restrições de chips com escalada contínua. Mas desta vez, escolhemos um caminho mais difícil: desde melhorias nos algoritmos, até o salto dos chips locais do inferência para o treino, passando por 4 milhões de desenvolvedores no sistema Ascend, até à disseminação global do Token. Cada passo constrói um sistema industrial independente que a própria Japão nunca conseguiu.

Em 27 de fevereiro de 2026, três empresas locais de chips publicaram relatórios de desempenho no mesmo dia. Os resultados foram mistos - metade foi fogo, metade foi água. A primeira aumentou receitas em 453% e lucrou pela primeira vez. A segunda cresceu 243%, mas perdeu um bilhão de dólares líquidos. A terceira cresceu 121%, mas perdeu 800 milhões.

O vazio de 95% deixado pelo monopólio da NVIDIA está a ser preenchido gradualmente pelos números das empresas locais. Independentemente do desempenho atual, o mercado precisa de uma alternativa. Uma oportunidade estrutural muito rara, resultado das tensões geopolíticas.

As perdas financeiras não são uma falha de gestão - são um imposto de guerra que deve ser pago para construir um sistema ecológico independente. Investimentos em investigação e desenvolvimento, apoio a software, custos humanos de engenheiros a resolver problemas de tradução, um a um. Estes relatórios financeiros refletem com maior sinceridade a verdadeira imagem desta guerra pelo poder de computação do que qualquer outro relatório industrial. Não é uma vitória inspiradora, mas uma batalha feroz travada na linha de frente, com sangue a correr.

Mas a forma de guerra já mudou. Há 8 anos, perguntávamos "Conseguiremos sobreviver?". Hoje, a questão é "Qual o preço que temos de pagar para sobreviver?". O próprio preço é o progresso.