Huang, da NVIDIA, pede aos EUA para não restringir modelos de IA de código aberto amid a liberação do Kimi K3

O lançamento do Kimi K3 parece ter causado um impacto maior nos Estados Unidos do que imaginávamos. Após o Twitter explodir no fim de semana, até Huang Renxun se manifestou—pessoa que não usava redes sociais há décadas—e abriu uma conta de emergência; sua primeira postagem, sem rodeios, foi uma carta conjunta pedindo aos EUA que não restringissem modelos de código aberto.

Juntamente com o preço das ações da NVIDIA que não sobe há muito tempo, Huang可能真的有点着急，着急英伟达的增长叙事：

Se a IA continuar sendo dominada por poucas empresas de modelos fechados, a demanda por capacidade de processamento já está plenamente precificada pelo mercado? Se os modelos de pesos abertos continuarem a se espalhar, a NVIDIA conseguirá transformar modelos mais baratos em maior uso e maior demanda por infraestrutura?

A resposta de Jensen Huang foi muito clara. Ele se opôs publicamente à proibição geral baseada na origem do modelo, dizendo que os modelos chineses são “muito excelentes” e que as empresas americanas devem ser autorizadas a usá-los. Para a NVIDIA, o ponto crucial não é manter preços altos para algum laboratório proprietário, mas sim garantir que o maior número possível de empresas, desenvolvedores e provedores de nuvem realmente usem IA.

Essa também é a divergência entre a pressão de curto prazo sobre ações de chips e a narrativa de longo prazo da NVIDIA. O mercado teme que modelos abertos de baixo custo comprimam as margens de lucro dos provedores norte-americanos de IA e tornem a inferência por unidade mais econômica; a NVIDIA aposta que a queda de preços abrirá mais cenários, resultando finalmente em maior volume total de chamadas, implantações privadas e consumo de capacidade de processamento.

Nos últimos dois anos, a narrativa da NVIDIA sobre IA foi amplamente baseada em um raciocínio claro: modelos avançados estão ficando cada vez maiores, exigindo mais GPUs para treinamento e inferência, e provedores de nuvem e laboratórios de modelos continuarão expandindo sua infraestrutura.

Essa lógica ainda se mantém, mas também traz uma questão implícita: se a entrada para o setor de IA, o ritmo dos produtos e o controle sobre a precificação dos modelos estiverem concentrados nas mãos de poucos laboratórios fechados e grandes plataformas de nuvem, a demanda pela NVIDIA dependerá ainda mais dos planos de gastos de capital de poucos grandes clientes e da velocidade de comercialização dos serviços fechados.

Este não é um mau negócio. Laboratórios de código fechado, provedores de nuvem e empresas de plataforma ainda são um dos principais compradores da infraestrutura de IA. Mas, para a NVIDIA, já altamente precificada pelo mercado, os investidores continuarão perguntando: de onde virá o crescimento próximo?

Se os modelos proprietários continuarem a manter preços elevados, a velocidade com que as empresas adotam IA pode ser limitada por custos, fronteiras de dados e formas de implantação. Muitas empresas começarão testando APIs, mas não necessariamente integrarão profundamente a IA em seus próprios sistemas de negócios. Para as empresas de chips de montante, isso significa que, embora a demanda por poder de computação seja concentrada e de grande escala, sua disseminação depende mais do ritmo de comercialização de poucas plataformas.

Modelos de peso aberto estão alterando essa estrutura. Eles não necessariamente substituem imediatamente os modelos fechados mais fortes, mas oferecem às empresas, desenvolvedores e provedores de nuvem um outro caminho: levar os modelos para seus próprios ambientes para executar, ajustar, auditar e integrar. À medida que mais organizações começarem a incorporar IA em atendimento ao cliente, programação, pesquisa, automação de processos e implantação privada, a camada de infraestrutura terá a oportunidade de obter fontes de demanda mais dispersas e amplas.

Então, o que o mercado está negociando não é “se um determinado modelo superará a OpenAI”, mas sim “se a demanda por IA se expandirá de poucas entradas fechadas para mais empresas e cenários”. Essa é a questão que mais interessa à NVIDIA.

Os pesos abertos podem ser entendidos como entregar os «parâmetros do modelo» treinados para uso externo. Após a publicação dos pesos, as empresas podem executar, ajustar e auditar o modelo em seus próprios servidores ou ambientes de nuvem.

Para empresas de modelos fechados, isso altera a posição de negociação. No passado, se as empresas quisessem usar os modelos mais poderosos, frequentemente tinham que aceitar os preços, limites de dados e ritmo de funcionalidades das APIs fechadas. Agora, se um modelo auto-hospedado for suficientemente bom em uma tarefa específica, as empresas de modelos fechados precisam explicar por que os clientes ainda pagariam por serviços mais caros.

Essa também é a pressão enfrentada por empresas como OpenAI, Anthropic e Google, que seguem a abordagem de código fechado. Elas ainda conseguem manter barreiras em experiência do produto, capacidade de agentes, cadeia de ferramentas, alinhamento de segurança, conformidade corporativa e distribuição ecológica. Um exemplo é o Claude Science, lançado pela Anthropic em junho, que apresenta o modelo como uma plataforma de IA voltada para cientistas, destacando integração de ferramentas e produtos auditáveis.

Mas quanto mais a capacidade de raciocínio básico se tornar comercializada, mais os modelos fechados precisam provar que não estão vendendo apenas uma “interface de bate-papo mais inteligente”, mas sim fluxos de trabalho mais confiáveis, execução de agentes mais robusta, melhor responsabilidade de segurança e integração setorial. Caso contrário, modelos abertos de baixo custo puxarão o preço para baixo.

Para a NVIDIA, essa mudança não é necessariamente ruim. A perda de poder de precificação dos modelos fechados pode afetar as margens de lucro dos provedores de IA; no entanto, se modelos mais baratos levarem mais empresas a implantar IA, a demanda por inferência, fine-tuning, localização e privatização pode expandir o pool total de capacidade de processamento.

Após o DeepSeek, o mercado já passou por debates semelhantes. Modelos de maior eficiência, a curto prazo, parecem ser “menos uso de GPU”, mas se a redução de preços ativar mais demanda, a médio e longo prazo pode se tornar “mais cenários usando IA”.

A NVIDIA está apostando justamente no último. Seu negócio principal não são APIs de modelos, mas sim chips, servidores e data centers. Enquanto o uso de IA aumentar, a demanda acabará se concentrando no nível de infraestrutura.

Nesta rodada de discussões, Huang Renxun compartilhou, em seu primeiro tweet pessoal, uma carta aberta intitulada “Open Weights and American AI Leadership”, assinada pela NVIDIA. Entre os signatários estão Meta, Microsoft, Andreessen Horowitz, Hugging Face, IBM, Mistral AI, Palantir, Perplexity, Mozilla, NVIDIA, Y Combinator e mais de 20 outras empresas e instituições de tecnologia.

A afirmação central da carta aberta é que os Estados Unidos precisam tanto de modelos fechados de ponta quanto de modelos abertos de ponta, e o governo não deve impor restrições prematuras à IA aberta. Em outras palavras, os signatários não negam os riscos de segurança, mas se opõem a equiparar diretamente pesos abertos à fonte de risco.

Esta carta é importante porque une os interesses comerciais da NVIDIA aos problemas estruturais do ecossistema de IA dos Estados Unidos. A NVIDIA se preocupa com o uso de IA e a demanda por infraestrutura; empresas de plataforma como Meta e Microsoft precisam de um ecossistema de modelos mais flexível; Hugging Face, Mistral AI, Mozilla e outros estão mais diretamente alinhados com modelos abertos e o ecossistema de desenvolvedores.

Os interesses dessas empresas não são totalmente alinhados, mas há uma sobreposição em uma questão: se os pesos forem abertos muito cedo e sufocados por quadros regulatórios, as opções das empresas e desenvolvedores americanos para usar modelos de baixo custo diminuirão, e a disseminação da IA ficará mais dependente de poucos provedores de código fechado.

Para a NVIDIA, essa não é a estrutura de mercado mais ideal. Ela precisa de mais do que apenas alguns laboratórios de ponta continuando a treinar modelos maiores; precisa de mais empresas realmente utilizando a IA. Somente quando a IA se tornar uma capacidade básica amplamente implantada, e não apenas um serviço em poucas plataformas, a NVIDIA poderá continuar contando a história de que a demanda por poder de computação ainda está em expansão.

Portanto, as declarações de Jensen Huang sobre modelos chineses e a carta aberta não são eventos isolados. Elas apontam conjuntamente para a mesma coisa: a NVIDIA não deseja que a competição em IA seja reduzida a "proibir certos tipos de modelos", mas sim que mais modelos, mais cenários e mais desenvolvedores entrem no pool de demanda por poder de computação.

Outro problema que o mercado precisa enfrentar é o limite político, mas não se trata apenas de "se o modelo chinês pode ser limitado", e sim de "se a limitação não acabará por enfraquecer a posição da NVIDIA na cadeia de valor de IA na China".

O ponto-chave do Kimi K3 não está apenas na capacidade do modelo, mas também no fato de que ele não foi construído sobre o mais recente chip de topo da NVIDIA. Um aspecto ainda mais sensível no debate do mercado é que o Kimi K3 utiliza chips como o H800, que já estão sujeitos a restrições de exportação e não são da última geração. Em outras palavras, mesmo diante da limitação no fornecimento de chips avançados, as empresas chinesas de modelos ainda conseguem treinar modelos de ponta competitivos.

Essa também é a lógica central pela qual Huang Renxun se opõe há muito tempo a restrições genéricas ao mercado chinês. Restrições não farão a demanda chinesa por IA desaparecer, mas forçarão as empresas chinesas a buscar caminhos alternativos: arquiteturas de modelos mais eficientes, formas de treinamento de menor custo e maior compatibilidade com chips nacionais. Após o DeepSeek, o mercado já viu o teste de pressão das empresas chinesas de modelos na rota da eficiência; e o fato de o DeepSeek começar a se adaptar aos chips da Huawei significa que o ecossistema chinês de IA não permanecerá completamente dentro do sistema CUDA e GPU da NVIDIA.

Para a NVIDIA, este é realmente o ponto que merece preocupação. A curto prazo, as restrições à China podem afetar certas vendas de chips e expectativas de pedidos; a médio e longo prazo, se fabricantes de modelos chineses, provedores de nuvem e empresas de aplicativos forem forçados a acelerar a adaptação a hardware não NVIDIA, a participação da NVIDIA na infraestrutura de IA na China pode ser continuamente diluída. Os concorrentes nem precisam alcançar imediatamente a NVIDIA, mas desde que a disponibilidade continue a melhorar, o incentivo para os clientes migrarem aumentará.

Portanto, a volatilidade das ações de chips não é apenas uma reação a um determinado modelo chinês, mas uma reavaliação das expectativas de longo prazo da NVIDIA: a rota de código fechado ainda poderá sustentar o alto crescimento? Os modelos abertos abrirão novas fontes de crescimento? E as políticas não acabarão por direcionar clientes potenciais para alternativas fora da NVIDIA?

O surgimento de modelos de peso aberto não significa que os laboratórios proprietários de ponta perderam seu valor.

Modelos fechados ainda possuem vantagens significativas. Eles podem criar barreiras em torno da experiência do produto, execução de agentes, cadeia de ferramentas, alinhamento de segurança, conformidade corporativa e distribuição ecológica. Para muitos clientes corporativos, disponibilidade, estabilidade, limites de responsabilidade e capacidade de integração podem ser mais importantes do que pontuações individuais em rankings de modelos.

Mas a narrativa de valoração ficará mais difícil. No passado, laboratórios proprietários podiam depender da explicação de “melhor modelo” para justificar preços e valorações elevados; agora, precisam demonstrar que não apenas possuem modelos mais fortes, mas também oferecem sistemas empresariais mais confiáveis, completos e difíceis de substituir.

Isso tem um duplo impacto sobre a NVIDIA. Por um lado, se a margem dos laboratórios fechados for pressionada, o mercado pode se preocupar com o ritmo de seus futuros investimentos em infraestrutura. Por outro lado, se modelos abertos reduzirem a barreira de entrada, mais empresas, provedores de nuvem e desenvolvedores se juntarão à implantação, tornando as fontes de demanda pela NVIDIA mais dispersas.

OpenAI, Anthropic e Google não aparecem na lista de signatários da carta aberta sobre pesos abertos relatada publicamente, o que não implica que apoiem a restrição de modelos chineses. Isso apenas indica que laboratórios fechados de ponta, empresas de hardware, open source e plataformas não possuem estruturas de interesses totalmente alinhadas.

A NVIDIA, na camada de hardware, prefere ver múltiplas linhas de modelos coexistindo. Modelos fechados continuam impulsionando as capacidades de ponta, enquanto modelos abertos são responsáveis por reduzir barreiras e ampliar cenários de uso. Desde que ambos aumentem conjuntamente o uso de IA, a NVIDIA será um dos principais beneficiários.

Esta rodada de discussão não se limitará à declaração de Huang Renxun. O que influencia a precificação é até onde as políticas dos Estados Unidos imporão restrições e se os modelos abertos poderão realmente ser implantados em empresas.

Se modelos de peso aberto apenas gerarem controvérsia na opinião pública, mas não forem adotados de forma sustentável por empresas, a demanda central da NVIDIA voltará a depender dos ciclos de gastos de capital de poucos laboratórios fechados e grandes plataformas de nuvem. Isso significa que as expectativas de crescimento do mercado para a NVIDIA precisarão continuar sendo validadas por pedidos de grandes clientes.

Se modelos abertos continuarem a ser adotados em ambientes corporativos, gerando demandas observáveis por inferência, fine-tuning, implantação privada e integração setorial, a história da NVIDIA se expandirá de “poucos grandes compram mais GPUs” para “mais organizações começam a consumir capacidade de IA”.

Os investidores devem focar em duas variáveis. Uma é se as restrições dos Estados Unidos se aplicarão a níveis executáveis de aquisição, serviços em nuvem e listas de entidades. A outra é se modelos de peso aberto poderão realmente ser implantados por empresas e gerar consumo de capacidade computacional observável.

O primeiro determina o risco político, o segundo determina a mal-entendido de mercado mencionado por Huang Renxun — se pode se tornar a verdadeira demanda de pedidos da NVIDIA. As ações de chips não negociam a vitória ou derrota de um determinado modelo, mas sim se a demanda por IA ainda pode continuar se expandindo.

BlockBeats