«Token Nova Era»: As 10 perguntas e respostas sobre a indústria de IA na China

A indústria dos modelos fundamentais de IA na China está numa fase-chave de transição de uma abordagem «orientada pela expetativa» para uma abordagem «orientada pela procura». Num relatório de investigação recente, o JPMorgan aborda de forma sistemática as dez principais questões fundamentais que os investidores têm sobre esta indústria, considerando que a qualidade do modelo se tornou a principal variável que determina a configuração do mercado e que a segmentação da indústria se vai intensificar.

De acordo com o relatório publicado em 27 de março pelo JPMorgan, o relatório aponta que o mercado de IA da China está num ponto de viragem evidente; a procura nos cenários de codificação e de agentes está a acelerar, as capacidades dos modelos nacionais já se aproximam ou até excedem o nível dos modelos líderes dos EUA um ano antes, e a fixação de preços local está mais alinhada com a eficiência económica, melhorando em conjunto a rentabilidade da implementação.

2026 é um ano crítico para saber se a procura de IA das empresas chinesas consegue replicar a curva de crescimento de 2025 nos EUA. Tomando a Anthropic como referência: a sua receita recorrente anual (ARR) aumentou de 1 mil milhões de dólares em dezembro de 2024 para 19 mil milhões de dólares em março de 2026, ou seja, cerca de 19 vezes em 15 meses.

O mercado chinês tem condições para seguir um percurso semelhante, sobretudo na área de codificação: gigantes da internet como Tencent, Alibaba e ByteDance já integraram ferramentas relacionadas no ecossistema existente, impulsionando a procura para além de meras demonstrações individuais rumo à implementação total. O banco mantém uma classificação de «manter/incrementar» para Zhipu e MiniMax, com preços-alvo de 800 HKD e 1100 HKD, respetivamente.

Questão 1: A procura de IA cresce de forma linear ou explode num ponto de viragem?

A procura é impulsionada por pontos de viragem, não por crescimento linear.

Enquanto a qualidade do modelo for suficientemente elevada para desbloquear cenários de aplicação reais, o volume de utilização passa de um crescimento linear para uma explosão em «curva ascendente». A evidência mais forte vem do mercado dos EUA: a receita recorrente anual (ARR) da Anthropic, de 1 mil milhões de dólares em dezembro de 2024, disparou para 19 mil milhões de dólares em março de 2026, num intervalo de apenas 15 meses, o que representa um crescimento próximo de 19 vezes.

Atualmente, a China reúne condições semelhantes para uma explosão: as capacidades dos modelos domésticos já ultrapassaram o nível dos modelos líderes dos EUA um ano antes, e os preços locais estão mais alinhados com a eficiência económica da IA na China; a soma destes dois fatores melhora de forma significativa as expetativas de retorno da implementação de IA.

No lado dos agentes, o OpenClaw tornou-se um catalisador importante, levando os cenários de utilização de interações de uma única ronda para a execução de tarefas com múltiplos passos, aumentando drasticamente o volume de tokens consumidos por cada tarefa. Gigantes da internet como Tencent, Alibaba e ByteDance já integraram ferramentas relacionadas com o OpenClaw no ecossistema existente, assinalando a evolução da tendência de «experiências de programadores» para «implementação abrangente no ecossistema».

Questão 2: O preço das APIs vai subir, descer ou vai segmentar?

Os preços não se movem num único sentido; a segmentação é o tema dominante.

Por um lado, os modelos com capacidades mais fortes formam poder de definição de preços. Se um modelo conseguir desbloquear de forma única tarefas de elevado valor (codificação por agentes, fluxos de trabalho de longo prazo, fiabilidade a nível empresarial), os clientes estão dispostos a pagar um prémio, porque o retorno é quantificável. Por outro lado, à medida que melhoram continuamente as eficiências de hardware e de algoritmos, o custo por unidade de inferência continuará a descer, criando pressão sobre os preços dos modelos cujas capacidades estagnaram.

O resultado final é uma estrutura de preços segmentada: os modelos que mantêm continuamente capacidades na vanguarda podem ver simultaneamente aumentar o volume e o preço por unidade; já os modelos que não conseguirem iterar de forma consistente enfrentarão uma descida de preços, mesmo que a utilização continue a crescer, ficando a margem de lucro incerta.

Questão 3: Se a fixação de preços não for o campo principal de batalha, onde está o foco da competição?

O campo principal de batalha mudou: do preço por token para a capacidade dos modelos.

Esta é a mudança crucial em comparação com o ano passado: em 2025, o foco do mercado chinês foi uma guerra de preços abrangente; mas nos cenários de codificação e de agentes em que o crescimento da procura é mais rápido, a qualidade é muito mais importante do que o preço unitário.

Nos fluxos de trabalho com múltiplos passos, a essência do que o cliente compra não é «tokens baratos», mas sim «tarefas concluídas com sucesso». O relatório de investigação apresenta um exemplo matemático intuitivo: se a taxa de sucesso num único passo subir de 85% para 98%, a taxa final de conclusão de uma tarefa com 20 passos passará de 4% para 67%. Com esta lógica, o modelo com o preço mais baixo por token pode, na prática, ter o maior custo agregado por tarefa concluída.

O relatório de investigação também salienta que empresas com modelos de vanguarda fortes conseguem facilmente estender-se aos mercados de menor extremidade; porém, empresas que se sustentam apenas com preços baixos dificilmente conseguem entrar nos mercados de maior extremidade.

Questão 4: Porque é que os grandes modelos fundamentais ainda são uma indústria de «vida ou morte»?

As diferenças tecnológicas são pequenas, o ciclo de iteração não tem fim e os modelos de monetização tendem a convergir: estes três fatores determinam que a indústria seja extremamente cruel.

A diferença de capacidades entre as empresas de grandes modelos na China costuma ser menor do que os investidores imaginam, o que torna o mercado altamente instável. Nesta indústria, «não sair do lugar» não é um resultado neutro; significa perda de posição — as empresas têm de continuar a investir e a iterar, para não ficarem para trás.

A concentração dos modelos de negócio intensifica a pressão de eliminação. Tanto o crescimento da receita como a margem de lucro dependem sobretudo da força do produto, e os custos de mudança continuam relativamente baixos. Isto implica que as empresas que percam o ímpeto tecnológico perderão rapidamente capacidade defensiva em termos comerciais e financeiros, reduzindo progressivamente o número de empresas verdadeiramente fiáveis dentro da indústria.

Questão 5: Quais são os fatores determinantes da capacidade de gerar lucro?

A questão central é se a taxa de crescimento do lucro bruto consegue continuar a superar a taxa de crescimento do investimento em P&D.

O modelo económico base do negócio de tokens é claro: receita = volume de uso de tokens × preço; o custo principal é a computação de inferência e a maior despesa operacional é a P&D relacionada com treino. À medida que a eficiência dos modelos e a eficiência dos chips de inferência continuam a melhorar, as margens brutas dos modelos de vanguarda devem aumentar gradualmente.

Mas as perspetivas de lucro operacional são mais complexas. A Anthropic é um caso de alerta: mesmo com o nível de receitas mensais em fevereiro de 2026 a atingir 14 mil milhões de dólares, a empresa anunciou, no mesmo período, uma nova ronda de financiamento no valor de 30 mil milhões de dólares e sublinhou o desenvolvimento contínuo na vanguarda — receitas elevadas não significam normalização da intensidade de treino.

O cenário de referência é que Zhipu e MiniMax prevê-se que fiquem rentáveis a partir de 2029. O relatório de investigação enfatiza que, mais do que o ano específico em que se atinge a rentabilidade, os indicadores a acompanhar são: a tendência de crescimento contínuo do uso e a melhoria contínua da eficiência económica por unidade.

Questão 6: Como devem os investidores acompanhar a força dos modelos?

É necessário combinar três dimensões: preço do token, volume de utilização e avaliação por terceiros; um único indicador não é suficiente para explicar o problema.

• Preço do token: é o indicador mais importante, porque é uma expressão em tempo real da forma como a empresa posiciona o seu produto no mercado. A diferença de preço em relação aos melhores modelos está a tornar-se uma boa variável substituta (proxy) da capacidade competitiva real dos modelos.

• Volume de utilização de tokens: o consumo efetivo reflete escolhas reais por parte de utilizadores e programadores. Agregadores de APIs de terceiros como OpenRouter podem servir de referência; em particular, é necessário prestar especial atenção ao crescimento de cargas de trabalho do tipo agentes, porque esta categoria de cargas de trabalho consome muito mais tokens por tarefa do que fluxos de trabalho simples.

• Avaliação por terceiros: Artificial Analysis fornece avaliação estruturada, e LMArena reflete preferências cegas dos utilizadores reais; ambos são complementares e formam uma perspetiva externa mais completa.

Questão 7: Com os gigantes da internet a avançar em grande escala para o setor B, o que acontece com as empresas independentes de modelos?

Os limites da concorrência tendem a convergir e, no fim, voltam a resumir-se ao confronto de capacidades dos modelos.

A Alibaba já clarificou que vai tornar a cloud e a IA como prioridades estratégicas, ligando profundamente o desenvolvimento de modelos aos fluxos de trabalho empresariais; o produto de agentes lançado pela Tencent já abrange todos os cenários no setor pessoal, de programadores e de empresas; a OpenAI também está a transferir o foco da comercialização para produtos empresariais e implementação de codificação. As direções das empresas líderes são consistentes: a IA está a evoluir de «funções para o lado do consumo» para «ferramentas que criam diretamente receitas para as empresas».

Neste contexto, as empresas independentes de modelos não conseguem construir um fossado apenas com o rótulo «neutralidade na cloud»; os gigantes da internet também não conseguem cobrir totalmente as insuficiências de capacidade do modelo apenas com a vantagem do tráfego do ecossistema. Quando os clientes empresariais implementam IA, o núcleo do que compram continua a ser a qualidade do modelo — capacidades de inferência e codificação mais fortes e taxas de conclusão de fluxos de trabalho mais fiáveis.

Questão 8: Que fatores determinam a sobrevivência de uma empresa?

Talento em primeiro lugar, computação em segundo, organização em terceiro — sem qualquer um deles, não há sucesso.

• Talento de investigação de topo: continua a ser uma indústria orientada para a investigação. A capacidade de julgamento técnico por parte da liderança é, por si só, um fator competitivo; se a gestão conseguir ou não tomar decisões corretas sobre direções de investigação, isso afeta diretamente a trajetória tecnológica da empresa.

• Computação e capital: os custos de treino na vanguarda são elevados e a economia da inferência depende da qualidade da infraestrutura. A fraca capacidade de aquisição de computação é uma desvantagem estrutural — não só afeta a eficiência do treino dos modelos, como também enfraquece a capacidade de responder à procura a um custo razoável.

• Capacidade de execução organizacional: num mercado de iteração rápida, converter resultados de investigação em produto, transformar produto em utilização e transformar utilização em monetização é quase tão importante quanto o próprio modelo.

Questão 9: Se todos estiverem a evoluir, os modelos acabarão por convergir?

A capacidade global vai aproximar-se, mas não vai convergir; o mercado não se transformará num cenário de «ganhador que leva tudo».

Existem diferenças entre empresas ao nível de escolhas de arquitetura, dados de treino, ênfases do lado do produto e percursos técnicos; estas diferenças continuarão a gerar vantagens de capacidade distintas. O relatório de investigação considera que, num mercado ainda em rápida expansão, várias empresas podem crescer em simultâneo, mesmo que exista sobreposição parcial de capacidades — o significado da expansão do mercado como um todo na fase atual é muito maior do que a preocupação prematura com a mercantilização.

No longo prazo, o desfecho de mercado mais realista não é «uma única empresa domina e as restantes saem», mas sim a permanência de algumas empresas verdadeiramente competentes, cada uma com áreas de vantagem, a competir num mercado suficientemente grande para suportar múltiplos vencedores. À medida que a IA se expande de ferramenta de produtividade para cenários do lado do consumo, as diferenças de gostos, preferências de estilo e preferências pessoais irão reforçar ainda mais esta configuração diversificada.

Questão 10: Como interpretar de forma unificada a evolução dos modelos de código aberto / código fechado, as iterações do modelo e o risco de expansão global?

A iteração é uma opção obrigatória; código aberto / código fechado é uma escolha de estratégia; o risco central da expansão global reside na computação e na conformidade.

No que toca à iteração dos modelos, espera-se um ritmo de cerca de uma nova geração de modelos de referência por ano (como GLM 4.7 até GLM 5, séries MiniMax M2 até séries M3), com pequenas melhorias intermédias impulsionadas por aprendizagem por reforço. Parar a iteração significa perder a posição competitiva.

No que toca a código aberto / código fechado, o relatório de investigação considera que a resposta não é “isto ou aquilo”. Modelos de código fechado oferecem uma defesa comercial mais forte, reduzindo o risco de desintermediação; já o código aberto ajuda na construção do ecossistema, melhora a taxa de adoção e acelera o retorno de feedback técnico. Por isso, a maioria das empresas de modelos na China acabará por adotar uma estratégia híbrida: modelos mais recentes e mais fortes em código fechado, e código aberto de parte de outras versões.

Na expansão global, o maior risco continua a ser a aquisição de computação. Tanto o treino como a inferência dependem em grande medida de chips de alto desempenho; o aperto do controlo de exportações enfraquecerá simultaneamente a velocidade de progresso dos modelos e a competitividade de custos. Em segundo lugar, estão os riscos de dados e de conformidade de segurança: se a implementação do modelo, o serviço ao utilizador e o armazenamento de dados conseguirem ser localizados no estrangeiro, os problemas de transmissão transfronteiriça de dados ficam relativamente controláveis; mas a interpretação da lei local de privacidade e a determinação dos direitos de acesso a dados por entidades associadas à China continuam a ser uma fonte de incerteza.