Lia a história da ZTE há oito anos, e, na verdade, o assunto permanece na memória. Uma gigante com 80 mil funcionários e receitas que ultrapassam um trilhão de yuans, parou de operar de um dia para o outro. Mas hoje a situação é completamente diferente.

O verdadeiro problema nunca foram os chips em si, mas algo chamado CUDA. Esta plataforma da NVIDIA construiu ao seu redor um ecossistema completo - 4,5 milhões de desenvolvedores, 3.000 aplicações aceleradas, e mais de 90% dos desenvolvedores de inteligência artificial do mundo estão ligados a ela. O fosso é muito profundo. Cada novo desenvolvedor que aprende nela aprofunda ainda mais a lacuna.

Mas percebi uma necessidade real que surgiu. Quando os cenários de agentes começaram a substituir conversas simples - o consumo de tokens aumentou de 10 para 100 vezes. Nesse momento, o preço tornou-se um fator decisivo e não mais um luxo. A DeepSeek conseguiu reduzir o custo de inferência de forma absurda - mais barato que a Claude em 25 a 75 vezes. O resultado? Em apenas três semanas, a participação dos modelos chineses no OpenRouter aumentou 127%, ultrapassando os Estados Unidos pela primeira vez.

Mas isso foi apenas parte da história. O verdadeiro desafio estava no treinamento. Os algoritmos sozinhos não são suficientes - é preciso chips locais capazes de treinar de fato, não apenas inferir. A linha de produção em Jiangsu levou apenas 180 dias desde a assinatura até a produção. Os processadores Loongson e as placas inteligentes Taichu começaram a realizar tarefas de treinamento reais. Em janeiro de 2026, a Zhipu AI lançou o primeiro modelo de imagem treinado inteiramente com chips chineses locais. Isso marcou uma mudança radical de inferência para treinamento real.

Outra coisa que notei - a escassez de energia nos EUA começou a desempenhar um papel real. Virgínia e Geórgia pararam de aprovar novos centros de dados. O consumo de eletricidade nos EUA deve dobrar até 2030, podendo atingir 12% do consumo total. E a China? Produz o dobro de eletricidade que os EUA, e os custos de energia industrial são de 4 a 5 vezes menores. Isso não é um fator pequeno.

Agora, o que sai da China não é mais um produto ou uma fábrica, mas o próprio Token - a unidade básica que os modelos de IA processam. É produzido localmente e depois transmitido por cabos submarinos globalmente. A distribuição dos usuários do DeepSeek diz muito: China 30,7%, Índia 13,6%, Indonésia 6,9%, e outros países. Nos países sob sanções, a participação de mercado varia entre 40% e 60%.

Isso me lembra a guerra pela independência industrial há quarenta anos. O Japão, nos anos 80, controlava 51% do mercado global de semicondutores, mas aceitou ser o melhor produtor dentro de um sistema de divisão global dominado por uma potência. Não construiu um ecossistema independente. Quando a onda passou, restou apenas a produção.

A China está em um ponto completamente diferente. Sim, enfrentamos pressões enormes e três rodadas de restrições crescentes. Mas desta vez escolhemos o caminho mais difícil: melhorias extremas de algoritmos, o salto dos chips locais do inferência para o treinamento, 4 milhões de desenvolvedores no sistema Ascend, e depois uma expansão global. Cada passo constrói um sistema industrial autônomo.

Os relatórios financeiros divulgados em 27 de fevereiro contam a história real. As empresas de chips locais tiveram um crescimento enorme - algumas lucraram, outras tiveram prejuízo líquido. Mas essas perdas não são má gestão, são uma taxa de guerra necessária para construir um ecossistema independente. Cada perda é um investimento em pesquisa e desenvolvimento, suporte de software e custos humanos para resolver problemas de tradução um a um.

A face da guerra realmente mudou. Há oito anos, perguntávamos: podemos sobreviver? Hoje, a questão é: qual o preço a pagar para sobreviver? E o próprio preço é o progresso.