China pisa no acelerador: Alibaba e Baidu já treinam IA com chips próprios, driblando parte da dependência da Nvidia. Isso muda o tabuleiro global dos GPUs? 🤖⚙️🧵

Imagem indisponível

Segundo a The Information (4 fontes), a Alibaba usa chips internos para modelos menores desde o início do ano. A Baidu testa o Kunlun P800 em novas versões do Ernie. Mas, para treinos mais pesados, ambas ainda precisam da Nvidia. É plano B… ou o começo da virada?

Sem um ecossistema maduro, chip bom vira peso de papel. CUDA ainda reina, bibliotecas e tooling contam. Alibaba e Baidu conseguem fechar a conta de hardware + software + energia? Ou a dependência muda de placa para stack?

Imagem indisponível

Restrições de exportação dos EUA apertaram o funil de GPUs. Ironia: isso pode acelerar inovação local na China. Mas quem paga a conta de performance e compatibilidade no curto prazo? Vai ter perda de acurácia, tempo de treino maior… ou novas otimizações?

Eficiência energética entra no jogo: treinar LLMs gigantes consome MWh e grana pesada. Os chips domésticos serão mais verdes e baratos — ou só deslocam o gasto? Data center eficiente importa tanto quanto FLOPS. Quem otimizar watts por token leva vantagem.

Imagem indisponível

E o efeito sistêmico? Se mais players criarem chips, o poder de um único fornecedor diminui. Abre espaço pra padrões abertos (olá, RISC‑V?) e mais acesso fora do eixo. Mas dá pra democratizar IA sem abrir mão de segurança e qualidade? Quem regula essa curva?

No fim, IA virou jogo de integração: silício + software + dados. Quem dominar os três, escala. Pergunta que vale bilhões: quando veremos um modelo de ponta treinado 100% sem Nvidia — e competitivo? Até lá, o tabuleiro segue mexendo.

Imagem indisponível