Fabrício Mainenti
RedatorEm pouco mais de um ano, a DeepSeek deixou de ser uma empresa chinesa pouco conhecida do setor para se tornar um nome que inevitavelmente surge nas discussões sobre a corrida global da inteligência artificial. Inicialmente, as atenções se voltaram para seus modelos, sua eficiência e o impacto que causaram além das fronteiras da China.
Agora, a conversa migra para um novo território: o que acontece quando uma empresa focada em software percebe que sua próxima vantagem competitiva pode residir nos chips que viabilizam a execução de IA em larga escala?
O salto para o hardware
A notícia sobre esse novo desenvolvimento vem da Reuters. Citando três pessoas familiarizadas com o assunto, a agência relata que a DeepSeek está desenvolvendo seu próprio chip de IA — projetado para tarefas de inferência, e não para o treinamento de novos modelos. Essa distinção técnica é crucial, pois altera significativamente a interpretação dessa iniciativa.
Por enquanto, é preciso cautela: a DeepSeek não confirmou publicamente o projeto — que, segundo relatos, está em estágio inicial — e a empresa não respondeu ao pedido de comentário da agência.
A inferência é a chave
A maneira mais simples de entender isso é considerar o que ocorre após a fase de treinamento. Uma vez que o modelo é criado, cada pergunta feita e cada resposta recebida exigem colocá-lo em operação novamente. Não se trata de uma ação pontual, mas de uma rotina repetida milhões de vezes caso o produto obtenha sucesso.
Consequentemente, um chip projetado para essa etapa visa menos o prestígio técnico e mais objetivos práticos: tornar o uso da IA mais barato e rápido, reduzindo simultaneamente a dependência de terceiros.
Essa estratégia faz mais sentido quando se observa em que a DeepSeek se apoiou até agora. A empresa utilizou chips tanto da NVIDIA quanto da Huawei para treinar e executar seus modelos — incluindo a base para o R1, treinado no NVIDIA H800 (um chip projetado para o mercado chinês cuja exportação para a China foi proibida por Washington no final de 2023).
Desde então, a DeepSeek tem recorrido cada vez mais à Huawei: em abril, lançou uma versão de seu modelo V4 adaptada para os chips Ascend da Huawei, e a empresa afirmou que seus processadores foram utilizados em parte do treinamento do V4-Flash.
DeepSeek já não é apenas uma nota de rodapé
Até pouco tempo atrás, o debate global sobre IA parecia girar quase inteiramente em torno de empresas americanas como OpenAI, Google, Microsoft, Meta e Anthropic. A DeepSeek mudou parte dessa dinâmica ao demonstrar que a China também poderia produzir modelos capazes de circular além de seu mercado interno, forçando a indústria a voltar sua atenção para Hangzhou.
Vale ressaltar que a empresa foi amplamente celebrada na China como uma campeã nacional de IA.
Essa tendência já é visível em grande parte do setor
O Google passou anos desenvolvendo suas TPUs, a Amazon conta com a Inferentia para cargas de trabalho de inferência, a Microsoft tem a Maia e a Meta trabalha na MTIA.
A Reuters também destaca dois movimentos recentes particularmente relevantes para esse contexto: em junho, a OpenAI anunciou seu chip "Jalapeño" — desenvolvido em parceria com a Broadcom e também voltado para inferência — enquanto a Anthropic avaliava projetar seus próprios chips.
O padrão é claro: as principais empresas de IA querem reduzir a dependência de fornecedores terceirizados e obter maior controle sobre o custo, o desempenho e a disponibilidade do poder computacional que sustenta seus serviços.
O grande obstáculo reside na fabricação
Projetar um chip competitivo não é o mesmo que simplesmente querer um. O desenvolvimento de um acelerador de IA geralmente exige anos de trabalho, capital significativo e uma rede de parceiros que abranja design, fabricação de chips e produção de memória.
Para uma empresa chinesa, além disso, o desafio vai além das questões técnicas: os controles de exportação dos EUA limitam o acesso às fábricas estrangeiras mais avançadas, bem como a memórias de alta largura de banda — um componente fundamental para esse tipo de chip.
Os tempos mudam
A NVIDIA entrou no boom da IA com uma vantagem construída ao longo de décadas: em 1999, lançou a GeForce 256 — anunciada pela própria empresa como a primeira GPU da indústria — e, em 2006, introduziu o CUDA, a arquitetura que ajudou a expandir as capacidades de processamento paralelo de seus chips para além dos gráficos.
Quando os modelos de IA começaram a exigir quantidades massivas de poder computacional, a NVIDIA já dispunha do hardware e do ecossistema necessários. Durante anos, competir em IA significou — para grande parte da indústria — depender dos chips da NVIDIA. O que o caso DeepSeek sugere — com a devida cautela — é que essa dependência começa a apresentar fissuras.
Imagens | Xataka com Nano Banana
Ver 0 Comentários