As mentes por trás do surpreendente salto da China em IA. E que tiram o sono de americanos

Os especialistas em computação Tang Jie e Yang Zhilin eram apenas professor e aluno há mais de uma década, quando sonhavam em construir uma máquina capaz de pensar como um ser humano. Hoje, eles são dois dos magnatas chineses da inteligência artificial que fazem os pioneiros americanos da IA olharem para trás com preocupação.

Tang, professor da Universidade Tsinghua, foi cofundador da Z.AI, uma das firmas que estão no encalço da Anthropic e da OpenAI em termos de capacidade e uso global.

Yang, que certa vez foi indicado por Tang para o principal prêmio acadêmico de sua universidade, lidera outra firma, a Moonshot AI. Cada uma delas está avaliada em dezenas de bilhões de dólares.

A rápida ascensão dos modelos chineses de IA gerou uma série de perguntas tanto no Vale do Silício quanto em Washington.

Como os laboratórios chineses de IA chegaram tão longe, tão rápido? De onde vieram seus modelos de IA? firmas como as de Tang e Yang estão roubando modelos americanos, e seus produtos deveriam ser proibidos para proteger a segurança nacional dos EUA?

As trajetórias de Tang e Yang mostram que o avanço da IA na China não aconteceu de repente. Tang, de 49 anos, trabalha com aprendizado de máquina há cerca de um quarto de século.

Mais de uma década atrás, ele já estava entre os especialistas chineses em IA na vanguarda do uso de computadores para realizar tarefas semelhantes às humanas, como compreender linguagem e reconhecer rostos.

Tang, Yang e seus colegas pesquisadores — muitos dos quais começaram na Tsinghua e em algumas outras instituições — formam uma espécie de Vale do Silício virtual nos centros tecnológicos da China.

O conhecimento circula facilmente entre eles graças a uma cultura de publicação de pesquisas e à preferência dos desenvolvedores chineses por tecnologias de código aberto, em grande parte gratuitas para download e modificação.

Para alcançar os concorrentes na era da IA generativa, as firmas chinesas recorreram à conhecida combinação de engenhosidade e imitação que também está por trás dos sucessos do país em eletrônicos, automóveis e energia verde.

Desenvolvedores chineses de IA trouxeram de volta cientistas da computação treinados nos EUA e acompanharam de perto os avanços americanos.

Mais controversamente, alguns parecem ter “destilado” modelos americanos para ajudar a treinar os seus próprios modelos mais rapidamente, empregando um processo no qual um novo sistema aprende com outro já existente fazendo centenas de milhares de perguntas e analisando as respostas.

A Anthropic acusou firmas chinesas, incluindo a Z.AI e a Moonshot, de violarem suas políticas ao realizar destilação em larga escala. Nenhuma das duas firmas comentou o assunto.

Pessoas que trabalham em firmas chinesas de desenvolvimento de modelos reconhecem que a destilação é amplamente utilizada no mundo todo e que algumas firmas chinesas podem empregá-la de maneira mais agressiva que suas concorrentes americanas.

Elon Musk previu em junho que a China não conseguiria igualar o modelo Fable, de ponta, da Anthropic antes do primeiro trimestre de 2027. Tang respondeu no X: “Não vai demorar tanto.”

Líderes do setor nos dois países afirmaram que a capacidade do melhor modelo de IA da China está apenas alguns meses atrás da dos melhores modelos dos EUA.

Neste mês, a Z.AI lançou seu mais recente modelo, o GLM-5.3, afirmando que ele igualou o Mythos 5, da Anthropic, em capacidades de cibersegurança.

O governo chinês há muito tempo considera a IA e a ciência da computação importantes motores do crescimento econômico e da segurança nacional. Sua fórmula para alcançar os concorrentes envolve tanto apoio estatal quanto competição do setor privado.

O Estado despejou dinheiro em pesquisas de universidades como a Tsinghua e financiou startups, enquanto governos central e locais foram clientes iniciais dos serviços dessas firmas.

Depois que a Anthropic apresentou seu modelo Mythos nesta primavera, capaz de detectar falhas de cibersegurança, alguns funcionários chineses o compararam a uma arma nuclear da era da IA.

Consciente de que Washington pode impedir estrangeiros de obter os modelos americanos mais avançados, Pequim vem apoiando desenvolvedores domésticos de IA por meio de um fundo nacional e flexibilizando regras para ajudar startups a abrir capital em bolsas de valores.

Quase metade de todo o investimento em capital acionário na China foi direcionada à IA no primeiro semestre deste ano, sendo a maior parte proveniente de fundos apoiados pelo governo, segundo a Investment Association of Central State-Owned Enterprises.

Reserva de talentos

No início dos anos 2000, a indústria chinesa de internet começou a decolar e passou a gerar enormes quantidades de dados, à medida que milhões de usuários começaram a fazer compras, pesquisar e se comunicar pela internet.

As firmas começaram a investir em aprendizado de máquina para tornar o comércio eletrônico mais eficiente e analisar o comportamento dos usuários na internet.

O governo, em busca de maneiras de vigiar a população e detectar ameaças, procurou programas de computador capazes de identificar rostos e vozes. As universidades chinesas formaram estudantes especializados em visão computacional, um ramo da ciência da computação que busca ensinar as máquinas a enxergar como os seres humanos.

Essa era produziu os chamados “quatro pequenos dragões da IA”, startups de visão computacional, incluindo a SenseTime, que formaram muitos dos engenheiros hoje ativos no setor de IA.

Dinheiro e talentos foram atraídos para a Tsinghua, principal universidade chinesa de ciência e tecnologia. Em 2005, Andrew Yao, ex-professor de Princeton e vencedor do prêmio que leva o nome do pioneiro da ciência da computação Alan Turing, criou na Tsinghua uma elite chamada “Yao Class”, destinada a formar talentos de altíssimo nível.

Tang, professor da Tsinghua e cofundador da Z.AI, está na universidade desde seus anos de doutorado. Ele estudou mineração de dados, disciplina que busca extrair padrões ocultos de grandes conjuntos de dados e que mais tarde se tornou fundamental para a IA.

Segundo o escritor de tecnologia Mehran Gul, em seu livro The New Geography of Innovation, Tang contou que, depois de obter seu doutorado na Tsinghua, pensou: “Eu poderia fazer algo grande na China e, dessa forma, talvez pudesse ajudar mais a China. Então decidi ficar.”

Tang gostava de testar sua resistência correndo maratonas e participando de triatlos. Ele comandava seu laboratório da mesma maneira.

“A equipe do professor Tang é famosa por ser extremamente intensa”, disse Kevin Zhong, que trabalhou brevemente com Tang durante seu mestrado na Tsinghua e hoje trabalha em Londres.

O professor sempre pressionava sua equipe a testar possíveis técnicas de aprendizado de máquina por meio de experimentos, lembrou Zhong, e às vezes os pesquisadores ficavam no laboratório até as 3 da manhã para terminar seus testes.

“Eles têm uma capacidade extraordinária de publicar consistentemente em revistas de primeira linha e sabem perfeitamente como monetizar seu trabalho”, disse Zhong.

Na década de 2010, o laboratório de Tang já tinha reputação nacional entre jovens interessados em tecnologia, e seus ex-alunos começaram a ocupar posições em grandes firmas do Vale do Silício.

Yang, futuro fundador da Moonshot, começou a receber treinamento intensivo em programação aos 17 anos, competindo na Olimpíada Nacional de Informática da China. Na Tsinghua, desenvolveu algoritmos de aprendizado de máquina com Tang.

Em 2018, Pequim abriu caminho para que pesquisadores de institutos estatais e universidades criassem firmas e comercializassem suas tecnologias.

No ano seguinte, Tang transformou seu laboratório da Tsinghua na firma que hoje se chama Z.AI, financiando-a em parte com uma plataforma de análise de dados que administrava e que tinha clientes como Google e IBM.

Muito antes de a batalha de IA entre EUA e China virar notícia, Tang já se via competindo com Sam Altman, da OpenAI. Quando a OpenAI lançou seu pioneiro modelo GPT-3, em 2020, a Z.AI tinha como objetivo produzir algo tão bom quanto ele.

“Estou colocando todo o meu esforço em inteligência artificial geral, com a missão de ensinar as máquinas a pensar como os seres humanos”, escreveu Tang em seu site pessoal alguns anos atrás.

Depois de estudar com Tang, Yang obteve um doutorado na Carnegie Mellon University, em Pittsburgh. Ele voltou à China para ajudar nas pesquisas de seu antigo professor enquanto decidia criar sua própria firma.

Baterista de rock apaixonado, Yang chamou sua startup de “Dark Side of the Moon” em chinês, fazendo referência ao álbum do Pink Floyd. Para o nome em inglês, escolheu Moonshot.

Em Xangai, outros dois ex-pesquisadores da Tsinghua, incluindo um integrante da prestigiada “Yao Class”, também criaram suas próprias firmas para desenvolver modelos de IA.

O último participante foi a DeepSeek. Seu fundador, Liang Wenfeng, começou na área de visão computacional duas décadas atrás e posteriormente criou um fundo de hedge baseado no uso de IA para analisar mercados monetários.

Em 2023, conversou com Tang, que mais tarde disse à sua equipe ter ficado impressionado com as “formas diferentes de pensar” de Liang. Naquele ano, Liang separou a DeepSeek de seu fundo de hedge, declarando o mesmo objetivo de Tang: alcançar uma inteligência semelhante à humana.

Os fundadores das startups vieram de diferentes partes da China — Tang era de uma região remota de Sichuan, no oeste, enquanto Yang e Liang eram do sul empreendedor. Eles se concentraram em algumas cidades, incluindo Pequim e Hangzhou, onde Liang estudou e começou seu negócio.

Mais com menos

Os fundadores das startups conheciam as desvantagens da China em comparação com os EUA: falta de financiamento e falta de acesso aos chips de IA mais avançados, devido aos controles de exportação de Washington.

Tang havia levantado cerca de US$ 1,25 bilhão até meados de 2025 com investidores que incluíam gigantes chinesas de tecnologia e o investidor de capital de risco baseado em Hong Kong Neil Shen.

Fundos apoiados pelo Estado também fizeram aportes, seguindo o chamado de Pequim para estimular firmas domésticas de IA. Ainda assim, esses valores eram pequenos diante dos bilhões de dólares que Sam Altman, da OpenAI, e a Anthropic estavam levantando.

O banco de investimento Jefferies calcularia posteriormente que as firmas chinesas de tecnologia, durante esses anos, estavam investindo menos de um quinto do valor investido por suas concorrentes americanas. Elas precisavam fazer mais com menos.

A equipe de Liang na DeepSeek desenvolveu algumas das soluções alternativas mais importantes, incluindo a atenção latente multihead, ou MLA. Essa técnica reduz drasticamente o uso de memória de um modelo de IA — como em uma conversa com um chatbot — ao criar uma versão resumida do que aconteceu anteriormente. Usar menos memória economiza capacidade computacional e dinheiro.

A DeepSeek esteve entre as primeiras firmas chinesas a adotar um design de modelo chamado “mistura de especialistas”, ou MoE, no qual um mecanismo inicial de roteamento direciona o problema para um modelo especialista — algo parecido com um chef de cozinha que encaminha um pedido de espaguete para o cozinheiro italiano da cozinha.

A DeepSeek mostrou ao setor chinês um caminho viável para aumentar o desempenho dos modelos enquanto diminuía as exigências sobre os chips.

Essas técnicas estiveram por trás do “choque da DeepSeek” em janeiro de 2025, quando a firma de Liang lançou um novo modelo poderoso e barato de código aberto, fazendo com que as ações americanas caíssem brevemente diante do crescimento inesperado da concorrência chinesa.

Em uma publicação no X, Altman, da OpenAI, chamou o modelo da DeepSeek de impressionante, dizendo que “é genuinamente estimulante ter um novo concorrente!”.

Os rivais chineses de Liang também ficaram abalados. Na Moonshot, Yang recebeu ligações de investidores preocupados, incluindo um que queria saber por que Yang não havia previsto o crescimento da DeepSeek, segundo pessoas familiarizadas com o assunto.

Yang incorporou técnicas inventadas ou comprovadas pela DeepSeek aos modelos seguintes da Moonshot. Seus modelos K2 e K3 adotaram o design MoE e variantes do MLA. A DeepSeek, por sua vez, utilizou uma técnica otimizada pela Moonshot para aumentar a eficiência e a estabilidade do treinamento.

Em uma reunião da DeepSeek em maio, alguns investidores pressionaram o fundador Liang sobre se ele conseguiria ganhar muito dinheiro ao distribuir seus segredos gratuitamente. Sua resposta capturou o espírito do movimento chinês de código aberto.

“Não estou preocupado com a concorrência porque o mercado é grande o suficiente”, disse.

Além de destilar modelos americanos de IA, algumas firmas chinesas recorreram ao conhecimento americano contratando cidadãos chineses que haviam trabalhado para líderes americanos do setor de IA.

A gigante chinesa de internet Tencent contratou dois graduados da Tsinghua que haviam trabalhado na OpenAI. A ByteDance, controladora do TikTok, trouxe de volta à China um pesquisador do Google e, em menos de um ano, desenvolveu uma poderosa ferramenta de geração de vídeos que hoje é amplamente utilizada por criadores de conteúdo e estúdios de Hollywood.

Em janeiro, executivos da Z.AI de Tang — então conhecida como Knowledge Atlas Technology, ou Zhipu — tocaram o sino na Bolsa de Valores de Hong Kong, tornando-a a primeira startup chinesa de modelos de IA a abrir capital.

Até julho, a receita anual recorrente da Z.AI — uma métrica importante para serviços baseados em assinaturas — havia chegado a US$ 1 bilhão, segundo pessoas familiarizadas com as operações da firma, cerca do dobro da DeepSeek.

Ainda assim, esse valor está muito abaixo do registrado pelos gigantes americanos. A receita anual da Anthropic chegou a US$ 65 bilhões em julho, segundo investidores informados pela firma.

Na reunião da DeepSeek em maio, Liang afirmou que os chips de computador, e não as pessoas, representavam a maior diferença crítica entre as firmas chinesas e americanas.

Pesquisadores de grandes laboratórios, incluindo Alibaba e Z.AI, disseram que frequentemente recebem apenas um quinto dos chips de alto desempenho disponíveis para seus colegas na OpenAI e no Google.

Enquanto as firmas chinesas buscam levar a “eficiência de custos ao extremo”, disse Laila Khawaja, analista da Gavekal Technologies, de Miami, “as firmas americanas, com chips mais avançados e disposição para gastar capital, investem muito mais em pesquisas exploratórias que poderiam potencialmente levar a inovações capazes de provocar grandes saltos tecnológicos”.

Vários desenvolvedores chineses de IA estão construindo modelos com 5 trilhões a 10 trilhões de parâmetros, uma medida aproximada das capacidades de um modelo. Pessoas do setor estimam que os modelos mais recentes da Anthropic tenham mais de 5 trilhões de parâmetros.

Tang está treinando o próximo modelo principal da Z.AI, que sua equipe espera que seja capaz de executar tarefas complexas de pesquisa que se estendam por semanas, segundo pessoas familiarizadas com os planos.

“Quem for o primeiro a elevar o limite tecnológico, mesmo que seja apenas um centímetro, vai redefinir o que é possível em todos os setores”, escreveu Tang em um memorando aos funcionários em julho.

Escreva para Raffaele Huang em raffaele.huang@wsj.com