fabricantes de chips menores podem se beneficiar

Tudo sobre Inteligência Artificial

O lançamento do DeepSeek, modelo de inteligência artificial (IA) desenvolvido na China, sacudiu o mercado financeiro. As ações da Nvidia, por exemplo, desabaram 17%, o que representou uma perda de valor de mercado de US$ 589 bilhões (mais de R$ 3,3 trilhões), a maior já registrada em apenas 24 horas.

No entanto, a chegada da IA chinesa não é uma ameaça para todos, representando uma nova oportunidade para algumas companhias. Este é o caso das fabricantes de chips menores, que podem subsistir modelos mais caros pela nova tecnologia.

Uma “revolução” no setor pode ter começado

Segundo analistas ouvidos pela CNBC, o lançamento do DeepSeek resultou num aumento da demanda por unidades de processamento gráfico não tão avançadas. Isso porque a IA chinesa não foi treinada com as melhores opções do mercado (em razão das sanções dos EUA contra a China).

A expectativa é que a chegada do novo chatbot acelere a adoção de novas tecnologias de chips, acelerando o ciclo de IA desde o treinamento até a fase de inferência. Este último termo refere-se ao ato de usar e aplicar o modelo para fazer previsões ou decisões com base em novas informações.

Embora a Nvidia ainda detenha uma posição dominante neste mercado, muitos concorrentes veem espaço para expansão no segmento a partir do oferecimento de uma maior eficiência por custos mais baixos. Foi esta a “revolução” que a IA chinesa parece ter iniciado.

Leia mais

DeepSeek é considerada uma ameaça para outras gigantes do setor

• A IA do DeepSeek foi projetada para lidar com tarefas complexas de raciocínio e tem apresentado resultados que vêm surpreendendo o mercado.
• O grande diferencial é o baixo custo da tecnologia, o que pode ameaçar a posição dominante dos principais players.
• Para se ter uma ideia, o modelo chinês foi treinado ao custo de aproximadamente US$ 6 milhões, enquanto ferramentas como o Llama 3.1, da Meta, custaram mais de US$ 60 milhões para serem desenvolvidos.
• A empresa chinesa adota estratégias como o chamado aprendizado por reforço, que permite que os modelos aprendam por tentativa e erro.
• Além disso, ativa apenas uma fração dos parâmetros do modelo para tarefas específicas, economizando recursos computacionais.
• E melhora a capacidade dos modelos de processar dados e identificar padrões complexos.
• A startup ainda adota um modelo parcialmente aberto, permitindo que pesquisadores acessem seus algoritmos.
• Isso democratiza o acesso à IA avançada e promove maior colaboração na comunidade global de pesquisa.