Desacoplamento Estrutural e Adaptação Sistêmica do Ecossistema de IA Chinês

[BLUF] — Em 20 de setembro de 2026, marca a consolidação de um ecossistema computacional nacional independente, onde as limitações litográficas (DUV/SAQP) e a escassez de HBM são compensadas pela agregação massiva de NPUs Ascend 950DT via protocolo Lingqu. A validação técnica do DeepSeek-V4 em hardware doméstico elimina a dependência operacional da NVIDIA, transformando a infraestrutura chinesa em uma rede paralela autossuficiente para cargas de trabalho empresariais e governamentais.

O nó crítico da produção nacional reside na discrepância entre o volume físico e o valor tecnológico. Embora a taxa de autossuficiência quantitativa em wafers avançados tenha atingido 70% em junho de 2026, o valor real dos chips produzidos permanece abaixo de 34%. Essa cifra reflete a baixa incidência de memória HBM de alto valor na produção interna, onde YMTC e CXMT enfrentam críticas operacionais na taxa de rendimento e no gerenciamento térmico para os padrões HBM3E. A escassez de largura de banda força a indústria a deslocar o centro de gravidade das otimizações: em vez de depender da latência de acesso aos dados, os clusters nacionais priorizam a capacidade de processamento paralelo, uma estratégia energeticamente mais onerosa, mas necessária para manter o desempenho dos processadores Ascend em 2026. A resposta de engenharia a essa limitação física é a arquitetura Atlas 950 SuperPoD e o protocolo proprietário Lingqu. Ao contrário das soluções NVIDIA que visam a densidade de transistores de chips individuais, a Huawei contorna os limites da litografia DUV (rendimento de 20% para o nó N+3 a 7nm) por meio da agregação massiva. O sistema interconecta até 8.192 NPUs Ascend 950DT com uma latência operacional de 3 microssegundos e uma largura de banda declarada de 16,3 PB/s. Esse valor representa uma ordem de magnitude superior à capacidade total da interconexão primária NVLink da NVIDIA NVL72 (130 TB/s). A escolha das conexões ópticas diretas permite gerenciar volumes de dados que as soluções elétricas tradicionais não poderiam suportar em clusters densos, transformando a redundância física em potência computacional líquida. A viabilidade técnica dessa arquitetura foi confirmada empiricamente pelo lançamento do DeepSeek-V4 em 24 de abril de 2026. O modelo, com 1,6 trilhões de parâmetros totais e 49 bilhões ativos, foi treinado inteiramente em chips Ascend sem integração GPU Nvidia. Os benchmarks indicam uma velocidade de inferência superior a 35% em relação às versões anteriores e uma vantagem de 3x no NVIDIA H20 com consumo de energia reduzido em 40%. O uso de precisões mistas FP4+FP8 otimiza o uso da memória HiBL 1.0, demonstrando que o stack de software CANN — tornado open-source em 31 de dezembro de 2025 — derrubou as barreiras de entrada para os desenvolvedores chineses. A disponibilidade de toolkits compatíveis com VS Code e Ollama padroniza a experiência de desenvolvimento, reduzindo o lock-in técnico típico do ecossistema CUDA. A transição de alternativa subsidiária a infraestrutura primária é impulsionada pela demanda dos gigantes tecnológicos nacionais. A ByteDance encomendou chips no valor de US$ 5,6 bilhões em 2026, recebendo processadores Ascend 950PR com eficiência FP4 superior em 287% em relação ao H20. Alibaba e Tencent também integraram serviços baseados em Qwen e WorkBuddy, reduzindo os custos de utilização de LLM em 97%. Essa adoção massiva gerou um aumento da receita da Huawei em 60%, passando de US$ 7,5 bilhões em 2025 para US$ 12 bilhões em 2026. O consumo diário de tokens de IA na China ultrapassou os 140 trilhões em março de 2026, com modelos chineses processando 61% do tráfego global em plataformas como OpenRouter. A infraestrutura física necessária para suportar essa carga foi construída rapidamente na Mongólia Interior. O data center de Ulanqab expandiu sua capacidade de 24.000 PFlops em 2024 para 172.000 PFlops em agosto de 2026. De acordo com fontes de imprensa, o DeepSeek encomendou 160.000 unidades de chips Ascend 950DT para um implantação de 1 GW, com um custo unitário de aproximadamente US$ 16.000. Essa encomenda representa uma transição operacional completa para stacks domésticos em uma área escolhida pela disponibilidade de energia renovável e custos operacionais reduzidos. A Envision Group teria concluído 120.000 metros quadrados de instalações em Ulanqab com capacidade de 1 milhão de chips de IA, suportando a meta estatal de cobertura local de 80% até 2030. As contramedidas regulatórias dos EUA aceleraram esse desacoplamento. A Lei MATCH de 2026 estendeu as restrições às exportações, afetando a capacidade da TSMC e da Samsung de produzir chips para clientes chineses. O BIS bloqueou a exportação de chips de IA superiores a 600 TOPS, forçando fabricantes como a Qualcomm a desenvolver aceleradores compatíveis com limites inferiores. A NVIDIA perdeu 100% do mercado chinês para chips de IA de ponta, enquanto a participação de compra local de dispositivos semicondutores na China aumentou para 21% em 2025. A China detém uma participação de 70% no mercado global de módulos ópticos de alta velocidade (800G+), garantindo o componente físico necessário para interconectar os clusters domésticos sem depender de fornecedores ocidentais. O plano nacional de US$ 295 bilhões para conectar os data centers em uma rede de computação de IA exige que 80% dos chips sejam de produção doméstica. O roteiro russo para equipamentos litográficos está atrasado em pelo menos 8 anos em relação ao chinês, isolando as capacidades produtivas locais, mas exigindo alta eficiência algorítmica para compensar as limitações físicas. A SMIC mantém um atraso de aproximadamente 3 anos em relação à TSMC/ASML na produção de CPUs e GPUs, tornando crucial a otimização de software fornecida pelo CANN. O aumento de 400% na eficiência dos cálculos pequenos graças à redução do acesso à memória no Ascend 950PR demonstra como o foco está sendo deslocado do hardware puro para a arquitetura do sistema. A validação técnica se traduz em uma redução estrutural da dependência. Os meetups de desenvolvedores de agosto de 2026 em Nanjing (387 participantes) e Hangzhou (356 participantes) testemunham uma adoção ativa das APIs CANN para otimização do deployment. O lançamento de operadores MD para a simulação química AI4MD em 17 de junho de 2026 expande o espectro de aplicações além do NLP para domínios científicos de alta precisão. A conclusão do open-sourcing do CANN e o sucesso técnico do DeepSeek-V4 reduziram a dependência estrutural dos ecossistemas Nvidia, estabelecendo um padrão de infraestrutura chinês autônomo. A capacidade de processar 140 trilhões de tokens por dia em hardware doméstico confirma a resiliência do sistema contra restrições tecnológicas internacionais. A disponibilidade comercial do Atlas 950 SuperPoD no quarto trimestre de 2026 testará a robustez dessa arquitetura em ambientes de produção reais, onde a latência e a largura de banda se tornam restrições críticas para o treinamento distribuído. A ausência de benchmarks públicos comparativos em cargas de trabalho mistas permanece um ponto cego na avaliação completa do ecossistema Ascend em relação ao CUDA, mas os dados disponíveis indicam uma maturidade operacional suficiente para substituir as infraestruturas legadas ocidentais nos setores estratégicos nacionais.

PARTE I.

Restrições de produção HBM e impactos na arquitetura de IA nacional

A produção em massa de memória HBM3E pela CXMT está atrasada devido a problemas operacionais no controle do rendimento e na gestão da dissipação térmica, fatores que limitam a disponibilidade de armazenamento de alta velocidade para os processadores Ascend da Huawei em 2026. Essa carência estrutural na largura de banda de memória força a indústria nacional a compensar o déficit através de um aumento da densidade de cálculo no nível do sistema, deslocando o foco das otimizações da arquitetura de memória para a intensidade computacional dos nós de processamento. O resultado é uma adaptação infraestrutural que privilegia a capacidade de processamento paralelo em vez da latência de acesso aos dados, uma estratégia necessária, mas energeticamente mais onerosa, para manter o desempenho dos clusters de IA.

A diferença entre a demanda efetiva e a oferta interna de memória avançada pode ser quantificada através dos dados de autossuficiência: enquanto a meta quantitativa de 70% para os wafers avançados em 2026 indica uma capacidade de volume suficiente, a taxa de valor real permanece abaixo de 34%, refletindo a baixa incidência de chips HBM de alto valor na produção doméstica. A Goldman Sachs estima que o déficit de oferta de wafers avançados (7nm e abaixo) diminua de 92% em 2025 para 34% em 2035, com uma capacidade produtiva interna projetada em 410.000 wafers/mês contra uma demanda de 619.000 wafers/mês. Essa discrepância evidencia como o crescimento do volume não compensa imediatamente a falta de componentes críticos de alta intensidade tecnológica, criando um gargalo persistente para as aplicações que requerem transferência de dados massiva.

A redução do déficit de oferta é impulsionada por um aumento anual da capacidade produtiva entre 2025 e 2035, equivalente a 46%, enquanto a demanda anual cresce apenas 17%, impulsionada principalmente pelo mercado de IA. A SMIC contribui para essa expansão com um aumento anual de 3-5 mil unidades/mês até 2031, seguido por um crescimento de 2 mil unidades/mês entre 2032 e 2035. A Hua Hong atingiu em 2026 uma meta de 83.000 wafers de 12 polegadas por mês na FAB9 em Baoshan, operando com 100% da capacidade, sinalizando uma saturação produtiva que permite aumentos de preços de até 100% para produtos com escassez de fornecimento em relação aos níveis do terceiro trimestre de 2025. Essa dinâmica de mercado reflete a tensão entre a capacidade instalada e a demanda efetiva de nós avançados compatíveis com as arquiteturas de IA contemporâneas.

O desempenho dos processadores Ascend é atualmente limitado pela disponibilidade de memória HBM, como evidenciado pelos problemas enfrentados pela YMTC na produção de HBM3 e HBM3E devido a lacunas crescentes no rendimento e no gerenciamento térmico. Não conseguimos obter dados específicos que quantifiquem a extensão exata do déficit de oferta de memória avançada para os processadores Ascend em 2026, mas a limitação tecnológica é confirmada pela necessidade de otimizações arquiteturais alternativas. A densidade de transistores alcançada pela SMIC com o processo N+3 a 7nm, equivalente a 113,4 milhões/mm², sem litografia EUV, supera a do nó N6 da TSMC (107,7 milhões/mm²) e permite a produção de chips como o Ascend 950PR, mas essa eficiência computacional permanece ineficaz se não for suportada por uma largura de banda de memória adequada.

O contexto global evidencia uma pressão sobre a oferta de wafers devido ao fechamento de fábricas de 8 polegadas pela TSMC e Samsung até 2027, o que reduz a capacidade mensal total para abaixo de 200.000 unidades. Essa contração dos fornecimentos internacionais de wafers legados intensifica a dependência da capacidade produtiva chinesa para os componentes de suporte, embora não resolva diretamente o déficit nos nós avançados necessários para a IA. A projeção do mercado global de servidores de IA para um investimento de 685 bilhões de dólares em 2026, com um aumento de 95% em relação a 2025, sublinha a escala dos recursos necessários para mitigar as restrições tecnológicas internas.

A análise das métricas de produção revela uma discrepância entre o crescimento do volume de wafers e a maturidade tecnológica da memória de alta velocidade: enquanto a capacidade de produção avança em direção à autossuficiência quantitativa, o valor agregado permanece concentrado em tecnologias que ainda não são totalmente domésticas. O fechamento das fábricas de 8 polegadas pelos líderes globais reduz as alternativas de fornecimento para os componentes de suporte, aumentando a pressão sobre a cadeia de suprimentos interna chinesa para garantir a continuidade operacional dos clusters de IA. O dado mais relevante é que a arquitetura dos sistemas de IA nacionais deve se adaptar a restrições de memória não resolvidas, otimizando o cálculo em vez da largura de banda, uma solução que impacta diretamente nos custos energéticos e na eficiência geral das infraestruturas digitais.

PARTE II.

Arquitetura de Interconexão e Métricas de Desempenho

O protocolo proprietário Lingqu (UnifiedBus) constitui a infraestrutura crítica do Atlas 950 SuperPoD, projetado para interconectar 8.192 NPUs Ascend 950DT por meio de conexões ópticas diretas. Essa arquitetura visa superar os gargalos de memória e largura de banda, típicos dos sistemas baseados em litografia avançada, mas limitados na escala física. A configuração demonstrada no WAIC 2026 utiliza um cluster de 1.024 chips, alcançando uma latência operacional de 3 microssegundos e uma largura de banda de interconexão classificada como “TB-scale” ou, segundo especificações posteriores, equivalente a 16,3 PB/s. A escolha da interconexão óptica para o protocolo Lingqu permite gerenciar volumes de dados significativamente superiores em comparação com as soluções elétricas tradicionais em clusters densos. Enquanto a NVIDIA emprega NVLink para conectar GPUs Blackwell, alcançando uma largura de banda de 1.800 GB/s por GPU em 2024 e projetando 3.600 GB/s com a versão 6.0 no segundo semestre de 2026, a Huawei aposta na agregação massiva. O sistema Atlas 950 declara uma largura de banda total de 16 PB/s (ou 16,3 PB/s), o que representa uma ordem de magnitude superior à capacidade geral da interconexão primária da NVIDIA NVL72, estimada em 130 TB/s para o sistema NVL72 (com 72 GPUs), enquanto o sistema Atlas envolve 8.192 NPUs, tornando a comparação indicativa de abordagens arquiteturais diferentes.

Comparação Quantitativa: Lingqu vs. NVLink

A discrepância entre o poder de cálculo declarado do Atlas 950 (8 ExaFLOPS em FP8) e o do sistema NVIDIA NVL144, estimado como inferior em um fator de 6,7, evidencia uma estratégia diferente. A Huawei compensa a diferença na densidade de transistores da litografia (7nm para Ascend 950DT contra os nós mais avançados utilizados pela NVIDIA) com uma agregação massiva dos nós de cálculo. A memória global acessível na configuração demonstrativa varia entre 256 TB e 1,152 TB, dependendo das fontes, representando uma capacidade 15 vezes superior em comparação com as especificações referidas para o sistema NVL144.

Implicações Operativas e Escalabilidade

A escalabilidade do ecossistema Atlas 950 para um SuperCluster de mais de 520.000 NPUs, prevista para o quarto trimestre de 2026, requer uma gestão complexa da coerência dos dados por meio do protocolo Lingqu. A especificação Lingqu 2.0.1 Supernode, lançada em maio de 2026, introduz parâmetros elétricos para SerDes a 112 G/224 G e regras de mapeamento da memória unificada, fundamentais para manter a estabilidade do cluster em configurações de grande porte. A ausência de dados públicos sobre o consumo energético total do Atlas 950 SuperPoD impede uma avaliação direta da eficiência energética (FLOPS/Watt) em relação aos sistemas NVIDIA, que operam com cargas térmicas declaradas de cerca de 120-142 kW por rack. Não conseguimos recuperar dados comparativos sobre o consumo energético específico do protocolo Lingqu durante a transferência de grandes volumes de memória unificada. A eficiência demonstrada pelo modelo DeepSeek V4 (1,6 trilhões de parâmetros) em hardware Ascend 950PR, com desempenho em inferência FP4 até 2,87 vezes superior às GPUs NVIDIA H20, sugere que a interconexão e a gestão da memória HiBL 1.0 (1,4 TB/s por acelerador) estão otimizadas para cargas de trabalho assimétricas. A disponibilidade comercial do Atlas 950 SuperPoD no Q4 de 2026 testará a robustez dessa arquitetura em ambientes de produção reais, onde a latência e a largura de banda se tornam restrições críticas para o treinamento distribuído.

Avaliação do Divisor Tecnológico

A arquitetura Atlas 950 supera o limite físico da unidade de cálculo individual, explorando a redundância e a conectividade de alta largura de banda. Enquanto a NVIDIA investe US$6,5 bilhões em acordos fotônicos para melhorar o NVLink, a Huawei já integra a óptica no núcleo do protocolo Lingqu, reduzindo a dependência de conversões eletro-ópticas externas nos nós de comutação. O switch L2 LingQu 630 V1, com um consumo inferior a 1.200 W e 48 portas QSFP-DD, indica uma concepção focada na eficiência energética dos níveis de rede em vez da pura densidade de porta. A capacidade do Atlas 950 de oferecer 16 ExaFLOPS em FP4 e 8 ExaFLOPS em FP8 posiciona o sistema como uma alternativa estrutural aos clusters NVL72/NVL144, especialmente para modelos linguísticos de grande porte que exigem acesso a memória ampla. A configuração demonstrada com 1.024 NPUs e latência de 3 microssegundos confirma a viabilidade técnica da interconexão óptica em escala reduzida; o desafio operacional residirá na extensão dessas performances a 520.000 chips sem degradação linear da largura de banda efetiva. A ausência de benchmarks públicos comparativos em cargas de trabalho mistas (treinamento + inferência) permanece um ponto cego na avaliação completa do ecossistema Ascend em relação ao CUDA.

Conclusões Infraestruturais

A introdução do protocolo Lingqu representa uma ruptura com a abordagem baseada no NVLink, apostando na óptica nativa e na memória unificada massiva para compensar as limitações da litografia. A declaração de 8 ExaFLOPS em FP8 e a escalabilidade para 520.000 NPUs definem uma trajetória infraestrutural que privilegia a agregação de recursos homogêneos em vez da especialização heterogênea dos chips NVIDIA. A validação operacional dessa arquitetura no Q4 de 2026 determinará se o divisor de eficiência energética e a complexidade da gestão do estado distribuído podem ser gerenciados em nível industrial sem compromissos significativos nas performances teóricas.

PARTE III.

Validação Técnica e Transição Arquitetural

De acordo com o anunciado, o lançamento do DeepSeek-V4 em 24 de abril de 2026 representa um marco empírico, demonstrando a viabilidade do treinamento completo em chips Ascend sem a integração de GPUs Nvidia. O modelo possui uma capacidade de 1,6 trilhões de parâmetros totais com 49 bilhões ativos, suportando contextos de até 1 milhão de tokens e alcançando um custo de API estimado 40% inferior às alternativas proprietárias comparáveis. Esta arquitetura híbrida, que combina atenção CSA + HCA e otimizadores Muon, reduz os FLOPs da inferência em 27% em relação à versão V3.2, validando a maturidade do stack de software Huawei em cenários de produção.

A compatibilidade com formatos de precisão mista FP4+FP8 permite que os pesos dos especialistas MoE sejam salvos em FP4 e os parâmetros de atenção em FP8, reduzindo o consumo de energia em 27% e otimizando o uso da memória. Os benchmarks técnicos registram um desempenho superior de 35% na velocidade de inferência em relação às versões anteriores e uma vantagem de 3x sobre a NVIDIA H20 com o mesmo consumo de energia, redução de 40%. Tal eficiência operacional transforma os Ascend de alternativa subsidiária para infraestrutura primária para computação distribuída de alta densidade.

O open-sourcing do toolkit CANN, anunciado em 5 de agosto de 2025 e concluído no prazo de 31 de dezembro de 2025, removeu as barreiras de entrada para os desenvolvedores chineses, eliminando a necessidade de manter habilidades específicas no ecossistema fechado CUDA. O investimento de US$ 1,2 bilhão em P&D pela Huawei financiou a criação de um ecossistema aberto, com 45 instituições acadêmicas envolvidas na validação e otimização dos drivers. Esta estratégia visa padronizar a abstração de hardware, permitindo o porting rápido de modelos open-source para NPUs Ascend.

Adoção Industrial e Escala de Mercado

A demanda por infraestrutura por parte dos gigantes tecnológicos chineses confirma a confiança no ecossistema doméstico. A ByteDance encomendou chips no valor de US$5,6 bilhões em 2026, recebendo processadores Ascend 950PR com compatibilidade CUDA declarada e uma eficiência FP4 287% superior à do H20. Alibaba e Tencent também integraram serviços baseados em Qwen e WorkBuddy, reduzindo os custos de utilização de LLMs em 97%, aproveitando a infraestrutura Huawei para escalar as operações internas sem depender de licenças de software estrangeiras.

A Huawei planejou a produção de 750.000 unidades do Ascend 950PR em 2026, com entregas iniciais a partir de abril de 2026 para atender às demandas imediatas do mercado. Paralelamente, o governo chinês autorizou a importação de apenas 400.000 unidades de chips Nvidia H200 para Alibaba, Tencent e ByteDance no segundo semestre de 2026, impondo condições restritivas que limitam a escalabilidade da infraestrutura Nvidia em relação ao volume doméstico disponível. Esse desequilíbrio quantitativo acelera a migração para soluções nativas.

O impacto econômico se reflete nos dados de faturamento: em 2026, a receita dos chips Huawei aumentou 60%, atingindo US$12 bilhões contra US$7,5 bilhões em 2025. O consumo diário de tokens de IA na China ultrapassou 140 trilhões em março de 2026, com modelos chineses processando 61% do tráfego global em plataformas como OpenRouter. A escala operacional torna o ecossistema Ascend economicamente insubstituível para a continuidade dos serviços digitais nacionais.

Maturidade do Ecossistema e Métricas de Desempenho

A validação técnica se traduz em uma redução estrutural da dependência: os meetups de desenvolvedores de agosto de 2026 em Nanjing (387 participantes) e Hangzhou (356 participantes) testemunham a adoção ativa das APIs CANN para a otimização do deployment. O lançamento de operadores MD para simulação química AI4MD em 17 de junho de 2026, implementados em código C Ascend, amplia o espectro de aplicações além do NLP para domínios científicos de alta precisão.

A integração nativa com ferramentas como Codex CLI e VS Code, juntamente com a disponibilidade do DeepSeek-V4 Flash via Ollama e LM Studio, padroniza a experiência de desenvolvimento. 90% dos modelos chineses são open source, facilitando a migração de arquiteturas proprietárias para stacks compatíveis com Ascend sem custos de licença elevados. Essa democratização do código reduz o lock-in técnico típico do ecossistema Nvidia.

Implicações de Infraestrutura e Restrições Sistêmicas

O plano nacional de US$ 295 bilhões para conectar data centers em uma rede de computação de IA exige que 80% dos chips sejam de produção doméstica, consolidando o papel da Huawei como fornecedora dominante. O roteiro russo para equipamentos litográficos está atrasado em pelo menos 8 anos em relação ao chinês até 2036, isolando as capacidades produtivas locais de interferências externas, mas exigindo alta eficiência algorítmica para compensar as limitações físicas.

A SMIC mantém um atraso de aproximadamente 3 anos em relação à TSMC/ASML na produção de CPUs e GPUs, tornando crucial a otimização de software fornecida pela CANN. O aumento de 400% na eficiência dos cálculos pequenos graças à redução do acesso à memória de 512 para 128 bytes no Ascend 950PR demonstra como o foco está sendo deslocado do hardware puro para a arquitetura de sistema.

A adoção industrial em massa, impulsionada por ByteDance, Alibaba e Tencent, tornou o ecossistema Ascend autossuficiente para a maioria das cargas de trabalho empresariais. A capacidade de treinar modelos com 1,6 trilhão de parâmetros inteiramente em hardware doméstico elimina o risco de interrupções nas cadeias de suprimentos de software estrangeiras.

Não conseguimos obter dados específicos sobre a taxa de migração de desenvolvedores independentes para CANN em relação à base instalada global CUDA, limitando a avaliação da penetração além dos gigantes tecnológicos. Esses dados permaneceram fora do escopo de nossas pesquisas devido à fragmentação do mercado de código aberto.

A conclusão do open-sourcing da CANN e o sucesso técnico do DeepSeek-V4 reduziram a dependência estrutural dos ecossistemas Nvidia, estabelecendo um padrão de infraestrutura chinês autônomo. A capacidade de processar 140 trilhões de tokens diariamente em hardware doméstico confirma a resiliência do sistema contra restrições tecnológicas internacionais.

PARTE IV.

Restrições Estruturais e Compensação Técnica na Produção Avançada

A produção de chips de 7nm pela SMIC em 2026, realizada com litografia DUV imersão, registrou uma taxa de rendimento de 20%, indicando uma significativa ineficiência nos custos unitários em comparação com os processos EUV. Para compensar a falta de equipamentos ASML sub-16nm bloqueados pelo BIS (Bureau of Industry and Security) em junho de 2026, Huawei e SMIC registraram patentes na tecnologia SAQP (Self-Aligned Quadruple Patterning), permitindo a fabricação estrutural de componentes de 3nm. Esta solução de engenharia incrementa drasticamente o número de etapas litográficas necessárias, transformando os volumes de produção em uma restrição crítica de capacidade, e não de design. A diferença entre oferta e demanda para nós avançados (7nm e abaixo) diminuirá de 92% em 2025 para 34% até 2035, segundo a Goldman Sachs, mas a produção doméstica permanece limitada pela física dos processos de multi-patterning.

Escala da Infraestrutura no Cluster de Ulanqab e Estratégia ‘Nação Inteira’

A Mongólia Interna está consolidando sua posição como um centro crítico para a infraestrutura de IA, com a capacidade de computação crescendo de 24.000 PFlops em 2024 para 172.000 PFlops em agosto de 2026. De acordo com fontes de imprensa, a DeepSeek encomendou 160.000 unidades de chips Ascend 950DT para um data center de 1GW em Ulanqab, com um valor total de US$2,56 bilhões e um custo unitário de aproximadamente US$16.000, inferior à faixa dos GPUs NVIDIA H200 (US$15.000-US$25.000). Este pedido representa uma transição operacional completa para stacks domésticos, reduzindo a dependência de aceleradores ocidentais em uma área geográfica escolhida pela disponibilidade de energia renovável e custos operacionais reduzidos. A Envision Group teria completado 120.000 metros quadrados de instalações em Ulanqab com capacidade de 1 milhão de chips de IA, apoiando o objetivo estatal de 80% de cobertura local até 2030.

Contramedidas Regulatórias dos EUA e Impacto na Cadeia de Suprimentos Global

A Lei MATCH, introduzida em 2026, estendeu as restrições de exportação a subsidiárias estrangeiras, atingindo diretamente a capacidade da TSMC e da Samsung de produzir chips para clientes chineses como a Qualcomm. Apesar do investimento de US$ 10 bilhões da TSMC no Arizona, o local atende apenas 7% da demanda nacional dos EUA, destacando um desalinhamento entre as expectativas geopolíticas e a realidade produtiva. De acordo com informações divulgadas, o BIS bloqueou a exportação de chips de IA superiores a 600 TOPS, forçando fabricantes como a Qualcomm a desenvolver aceleradores personalizados que atendam às novas faixas, enquanto se estima que a NVIDIA perdeu quase todo o mercado chinês para os chips de IA de ponta. A cota de compra local de dispositivos semicondutores na China aumentou para 21% em 2025, contra 10% em 2021, indicando um rápido descolamento das cadeias de suprimentos.

Métricas de Autossuficiência e Projeções de Capacidade

O 15º Plano Quinquenal (2026-2030) destinou um fundo de 344 bilhões de yuans para a localização completa, visando uma taxa de autossuficiência de 70% nos semicondutores produzidos internamente até 2030. A Goldman Sachs relata que a capacidade de autossuficiência em volume aumentou para 70% em junho de 2026, dobrando em relação aos 38% de 2010. A demanda por wafers para servidores de IA crescerá a uma taxa composta anual (CAGR) de 42% até 2030, com um mercado global estimado em US$ 100 bilhões. A China registrou uma quota de 70% no mercado global de módulos ópticos de alta velocidade, garantindo o componente físico necessário para interconectar os clusters domésticos sem depender de fornecedores ocidentais.

Risco Sistêmico para TSMC e Qualcomm

A TSMC produz 72% da capacidade global de fabricação em nível de ponta, mas as restrições do MATCH Act limitam sua expansão para os mercados asiáticos não ocidentais. A Qualcomm anunciou planos para introduzir chips de IA compatíveis com as restrições dos EUA, em acordo com a ByteDance, buscando manter uma presença no mercado chinês por meio de produtos degradados ou específicos. A produção da TSMC para Intel Lunar Lake e AMD Ryzen AI 300 series em 2026 confirma sua dependência de clientes ocidentais, enquanto a participação de vendas da ASML na China caiu para 19% em 2026. O descompasso na produção de HBM (High Bandwidth Memory) por parte da YMTC permanece um obstáculo estrutural, com custos e desempenho inferiores aos concorrentes globais como SK Hynix e Samsung, que controlam 88% do mercado.

A combinação de restrições litográficas compensadas pela SAQP e a escala infraestrutural na Mongólia Interior cria um ecossistema paralelo que não requer mais acesso direto às tecnologias ocidentais, embora com eficiências inferiores. A capacidade de Ulanqab de hospedar 160.000 aceleradores Ascend demonstra a viabilidade operacional do desacoplamento tecnológico em larga escala.