Relatório aprofundado do Goldman Sachs: quem se tornará o vencedor de longo prazo no setor de grandes modelos de IA da China?

作者: 华尔街见闻

A China está em um ponto de inflexão histórico para seus grandes modelos de IA. O Goldman Sachs considera que o desempenho inteligente dos grandes modelos proprietários abertos/opensource da China com pesos abertos já está se aproximando do topo global dos modelos proprietários; a escala de adoção por empresas domésticas e por PMEs do mundo inteiro está se expandindo rapidamente, e o efeito de “roda de dados” gerado por isso deve impulsionar ainda mais a iteração e a atualização dos modelos.

De acordo com a Puruifeng Trading Desk, o relatório mais recente do Goldman Sachs indica que essa trajetória de evolução pode ser resumida como “o momento de eficiência de custos do DeepSeek do ano passado até o momento de inteligência do modelo da GLM do Zhipu este ano”. A equipe liderada pelo analista Ronald Keung, em um relatório de 50 páginas, faz uma avaliação sistemática sobre quatro questões centrais: como modelos de IA da China alcançam alto desempenho com baixo custo, por que escolheram a rota de código aberto, como monetizam e onde estão os mercados endereçáveis centrais, além de quem se tornará o vencedor de longo prazo.

Na leitura do cenário competitivo, o Goldman Sachs lançou uma “estrutura de posicionamento competitivo” baseada em capacidade de precificação, vantagem de custos e força financeira. Com base nisso, reconheceu que, no campo de modelos base de texto, Zhipu (cobertura inicial) e DeepSeek (não listada) são os mais fortes; no campo de multimodalidade, a ByteDance (não listada) lidera. O Goldman Sachs também mantém recomendação de compra para MiniMax e Kuaishou.

Com pouco, vencer na eficiência

Os grandes modelos chineses conseguem obter desempenho próximo ao de produtos equivalentes dos EUA a um custo bem menor; o cerne está em duas quebras simultâneas: inovação na arquitetura e eficiência de parâmetros.

O relatório do Goldman Sachs aponta que a escala de parâmetros dos modelos abertos da China está, em geral, entre 200 bilhões e 1,6 trilhão, apenas 2% a 10% dos principais modelos globais. Isso se deve principalmente a limitações na obtenção de capacidade de computação de ponta. Ao mesmo tempo, inovações como arquitetura de especialistas mistos (MoE) e mecanismos de atenção esparsa fazem com que a proporção de parâmetros efetivamente ativados em relação ao total fique apenas entre 3% e 5%, reduzindo significativamente os custos de treinamento e inferência.

Em termos de modelos específicos, o DeepSeek V4 Pro tem 1,6 trilhão de parâmetros; o Zhipu GLM5.2, 0,7 trilhão; e o MiniMax M3, 0,4 trilhão.

O Goldman Sachs atribui o salto recente da capacidade de programação dos modelos chineses à ação conjunta de seleção de dados e pós-treinamento com aprendizado por reforço. Em 27 de junho, o DeepSeek lançou o framework de decodificação especulativa DSpark, que já foi implantado nos serviços online do V4-Flash e do V4 Pro; sem alterar os pesos do modelo ou a qualidade da saída, ele eleva em 60% a 85% a velocidade de geração por usuário (V4-Flash) e em 57% a 78% (V4 Pro).

O LongCat 2.0, lançado pela Meituan em 30 de junho, foi visto pelo Goldman Sachs como um importante marco para a autonomia da infraestrutura de IA na China — o primeiro modelo aberto de MoE com 1,6 trilhão de parâmetros totalmente treinado e implantado com base em 50 mil placas de computação domésticas. O Goldman Sachs considera que isso prova a viabilidade de uma pilha de hardware localizada na etapa de pré-treinamento intensiva em computação, tendo um significado profundo para fazer com que modelos de IA da China reduzam a dependência de chips estrangeiros de ponta.

Mercado polarizado, os fortes ficam mais fortes

O Goldman Sachs descreve o mercado de modelos de IA da China como formando uma “estrutura em duas camadas” e identifica dois quadrantes de maximização de ARR.

No mercado premium, representado por modelos de ponta como Zhipu GLM5.2 e Alibaba Qwen3.7 Max, os preços ficam em cerca de US$ 1 por milhão de tokens, ou 5 vezes os modelos de baixa escala; a margem bruta de inferência é de aproximadamente 10% a 20% (estimativa do Goldman Sachs). Em comparação, os modelos premium dos EUA são avaliados em US$ 4 a US$ 8 por milhão de tokens; os modelos premium chineses ficam apenas entre 10% e 25% disso, mas, graças à menor razão de ativação de parâmetros, ainda conseguem manter margem bruta positiva.

No mercado de baixa escala, voltado a tarefas de agentes, a precificação do modelo chega a apenas US$ 0,06 a US$ 0,2 por milhão de tokens, abrindo espaço para o mercado global de PMEs e usuários individuais sensíveis a preço. A MiniMax tem 60% a 70% da receita vinda do exterior. Vale destacar que o DeepSeek anunciou que, a partir de meados de julho, introduzirá um mecanismo de precificação pico-vale na série V4: taxa no pico em 2 vezes a do fora do pico, com precificação mista em torno de US$ 0,35 por milhão de tokens (V4 Pro) e US$ 0,12 por milhão de tokens (V4 Flash).

O Goldman Sachs prevê que a receita de APIs e assinaturas de modelos de IA da China crescerá de 35 bilhões de yuan (estimativa de 2026) para 879 bilhões de yuan em 2030; isso corresponde ao consumo diário de tokens saindo de 350 trilhões para 4.600 trilhões, um aumento de cerca de 25 vezes.

Estratégia de código aberto: penetração ampla, caminho de monetização ainda precisa evoluir

O relatório do Goldman Sachs detalha a lógica estratégica de adoção geral de rotas de código aberto/pesos abertos para modelos de IA na China e suas limitações de monetização.

A principal vantagem da estratégia de código aberto está na flexibilidade de implantação e na ecologia da comunidade. As séries Qwen da Alibaba, o DeepSeek, o Zhipu GLM e o MiniMax M3 adotam código aberto ou pesos abertos; o Seed da ByteDance é a principal exceção, adotando uma rota 100% proprietária de código fechado. O modelo aberto permite que os modelos sejam implantados com flexibilidade dentro e fora da China continental e acelera a iteração por meio de feedback da comunidade.

No entanto, o Goldman Sachs aponta que os números de ARR divulgados por empresas de modelos de código aberto provavelmente subestimam seriamente o tamanho real de implantação e o potencial de receita. Por exemplo, no caso da Zhipu, sua meta de ARR ao fim de 2026 é de US$ 1 bilhão; mas a quantidade efetiva de implantação global do GLM5.2 ficará muito acima do volume de tokens e da receita vindos dos próprios canais de API da Zhipu — a plataforma MaaS da Alibaba Cloud Bailian pode hospedar diretamente o modelo aberto GLM5.2, sem que a Zhipu receba qualquer taxa.

O Goldman Sachs espera que a indústria avance gradualmente de “código aberto puro” (licença MIT, totalmente grátis) para um modelo de “pesos abertos + licença de comunidade” — ou seja, o uso comercial precisa ser acompanhado por um acordo de divisão de receita com a empresa do modelo. O MiniMax M já adotou essa modalidade primeiro. O Goldman Sachs acredita que essa mudança melhorará significativamente a eficiência econômica unitária das empresas de modelos de IA, pois elas podem se beneficiar de acordos de divisão de receita com plataformas como AWS Bedrock e Alibaba Cloud Bailian, sem precisar arcar sozinhas com os custos de capacidade de computação de inferência.

De “maximizar token” para “priorizar ROI”

O Goldman Sachs define a expansão do mercado internacional como o maior espaço de alta para modelos de IA da China, especialmente fora dos mercados dos EUA.

A equipe de pesquisa dos EUA do Goldman Sachs estima que, até 2030, a IA para agentes impulsionará o crescimento do consumo global de tokens em 24 vezes, atingindo 120 trilhões de tokens por mês; desse total, agentes corporativos contribuem com crescimento de 55 vezes e agentes de consumidores com 12 vezes. No mercado global (fora da China), os modelos de IA da China já aumentaram significativamente sua fatia de tokens com base em ganhos de desempenho e vantagem de preço.

O relatório do Goldman Sachs aponta que a forma como as empresas usam IA no mundo está passando por uma transformação fundamental: de “maximizar token” para “priorizar ROI”. O primeiro era dominante entre o fim de 2025 e o início de 2026, quando as empresas tratavam alto consumo de tokens como equivalente à produtividade organizacional; o segundo se concentra mais em limites claros das tarefas, no número de agentes ativos diariamente, na automação dos fluxos do back-end e na produção efetiva. Um estudo de tendências de engenharia da Jellyfish AI mostra que usuários pesados de IA nas empresas consomem 10 vezes mais tokens, mas a produção melhora apenas 2 vezes.

No nível de canais, a plataforma Gemini Enterprise Agent Platform da Alphabet e o AWS Bedrock da Amazon já oferecem serviços de hospedagem para modelos de IA da China como DeepSeek, MiniMax, Moonshot, GLM e Qwen. Segundo o Wall Street Journal, o CEO da Microsoft disse recentemente que a Microsoft está considerando hospedar uma versão do DeepSeek no Copilot como um modelo opcional de baixo custo e ressaltou que, se hospedar o DeepSeek, esse modelo será executado dentro do ecossistema de nuvem da Microsoft, assegurando que os dados dos clientes permaneçam dentro da Azure.

Quem é o vencedor de longo prazo?

O Goldman Sachs construiu uma estrutura tridimensional de posicionamento competitivo para avaliar, com indicadores quantitativos, a probabilidade de cada participante vencer no longo prazo, com a fórmula central: escala de ARR × vantagem de margem bruta + força financeira.

A dimensão de capacidade de precificação avalia a velocidade de lançamento (comparada aos antecessores e modelos do mesmo nível), a pontuação do LMArena (com base em avaliação de usuários em grandes testes cegos) e o nível de precificação mista por milhão de tokens.

A dimensão de vantagem de custos avalia throughput (tokens por segundo), taxa de acerto em cache, razão de ativação de parâmetros e margem bruta de inferência. A dimensão de força financeira avalia caixa em mãos, proporção de caixa líquido sobre o total de ativos e múltiplos de valuation.

No campo de modelos base de texto, o Goldman Sachs afirma que Zhipu (cobertura inicial, classificação neutra, valuation-alvo de US$ 11 bilhões) e DeepSeek (não listada) estão posicionados como os mais fortes; ambos se destacam em capacidade de precificação e vantagem de custos. O valuation implícito agregado das empresas independentes de modelos de IA excede US$ 200 bilhões.

No campo de multimodalidade/geração de vídeo, a ByteDance lidera com Seedance; segundo relatos da LatePost e da 36Kr, a margem bruta do Seedance chega a 70% e a taxa de execução de ARR já passou de US$ 2 bilhões. A Kuaishou e o MiniMax Hailuo/um próximo modelo H3 também são vistos com bons olhos pelo Goldman Sachs; espera-se que, no segundo semestre de 2026, se beneficiem de avanços na funcionalidade gerados pela fusão de geração de vídeo com LLM e de uma oferta apertada que sustente uma precificação saudável.

O Goldman Sachs mantém recomendação de compra para a MiniMax, com preço-alvo de 860 HKD. A justificativa é que seu modelo M3 está no quadrante de maximização de ARR com alta quantidade de tokens e uma precificação atraente; além disso, o valuation atual é apenas de 13 vezes o ARR no fim de 2026, o que implica um desconto evidente em relação aos múltiplos de valuation de empresas semelhantes na China e no mundo, favorecendo um perfil risco-retorno com viés para cima.