Kai-Fu Lee, uma das figuras mais proeminentes da inteligência artificial, apresentou uma tese provocativa em uma entrevista com a Bloomberg: as empresas chinesas de IA não precisam construir os melhores modelos para vencer. Elas precisam apenas construir modelos que sejam bons o suficiente, baratos o suficiente e abertos o suficiente para dominar todos os lugares onde os EUA não estão olhando.
O argumento de Lee resume-se a uma estratégia empresarial clássica aplicada à tecnologia de ponta. Enquanto empresas dos EUA buscam desempenho de fronteira com orçamentos massivos e ecossistemas fechados, os laboratórios chineses de IA estão lançando modelos de peso aberto que oferecem 90-95% da capacidade a menos de 10% do custo de treinamento.
O guia de eficiência
Supostamente, equipes chinesas de IA estão utilizando 1-3% dos recursos de GPU que suas contrapartes americanas implantam, mas alcançando resultados comparáveis por meio de eficiência de engenharia pura.
Essas restrições não são totalmente voluntárias. As restrições norte-americanas às exportações de chips limitaram o hardware disponível para laboratórios chineses, forçando-os a extrair mais desempenho de menos recursos.
A lacuna de desempenho entre as capacidades de IA dos EUA e da China foi reduzida para aproximadamente 3 a 6 meses em áreas-chave, segundo a avaliação de Lee. Modelos chineses de código aberto agora figuram proeminentemente em quase todos os principais 10 benchmarks de código aberto, superando o Llama da Meta. DeepSeek e Qwen da Alibaba surgiram como os nomes a serem observados, classificando-se consistentemente no topo ou próximo ao topo dos rankings comunitários que os desenvolvedores realmente usam para escolher suas ferramentas.
Mercados diferentes, estratégias diferentes
A divergência estratégica descrita por Lee vai além da arquitetura do modelo. Empresas norte-americanas como OpenAI, Google e Anthropic concentraram-se principalmente em vendas empresariais de alta margem, desenvolvendo produtos para empresas da Fortune 500 dispostas a pagar preços premium pelos sistemas mais capazes. Já as empresas chinesas estão direcionando-se para aplicações consumidoras e mercados em desenvolvimento, onde a sensibilidade ao custo é o fator dominante.
A própria empresa de Lee, a 01.AI, aparentemente internalizou essa lógica. Em vez de competir no treinamento de modelos de ponta, a empresa está se concentrando em desenvolver aplicações que utilizam modelos existentes, como o DeepSeek.
O que isso significa para o cenário da IA
As restrições norte-americanas às exportações de chips, projetadas para desacelerar o desenvolvimento de IA chinês, podem ter acelerado acidentalmente exatamente o tipo de inovação impulsionada por eficiência que Lee descreve. Quando você não pode comprar o melhor hardware, aprende a fazer mais com menos.
A dimensão de código aberto adiciona outra complexidade. Modelos de peso aberto criam efeitos de rede que modelos fechados não conseguem replicar. Cada desenvolvedor que ajusta um modelo DeepSeek ou Qwen para um caso de uso específico adiciona valor ao ecossistema mais amplo, atraindo mais desenvolvedores, o que atrai mais usuários, o que gera mais sinal de treinamento.