DeepSeek construiu sua reputação com modelos que igualaram os laboratórios ocidentais a uma fração do custo. Agora, a empresa de Hangzhou está indo atrás da camada abaixo deles: está projetando seu próprio chip de IA, disseram à Reuters três pessoas familiarizadas com o assunto, com o objetivo de reduzir sua dependência tanto da Nvidia quanto da Huawei.

O chip

O chip reportado foi concebido para inferência — a etapa em que um modelo treinado responde a consultas de usuários — e não para treinamento. Ele seria fabricado pela SMIC, a maior fundição da China, em um processo de 7 nanômetros. Esse foco é deliberado: espera-se que a inferência impulsione cerca de 70% da demanda por computação de IA, e é nela que um chip desenvolvido para esse fim traz mais ganhos, além de ser o ponto em que o silício chinês, limitado por exportações, já está mais próximo da competitividade.

A pressão do controle de exportações

A SMIC foi excluída das ferramentas mais avançadas de fabricação de chips por controles de exportação dos EUA e da Holanda e, segundo relatos amplamente divulgados, está presa a um nó de 7 nm, várias gerações atrás da TSMC de Taiwan. A DeepSeek, por sua vez, enfrenta limites para comprar os aceleradores topo de linha da Nvidia e desconfia de depender da linha Ascend da Huawei. Um chip de inferência desenvolvido internamente é uma proteção contra ambas as restrições ao mesmo tempo.

Uma construção discreta

O trabalho começou há cerca de um ano, segundo uma fonte. Nos últimos meses, a DeepSeek aumentou discretamente a contratação de engenheiros de projeto de chips, sem publicar vagas, e mantém conversas com parceiros externos de fundição e memória. A empresa não confirmou o projeto, que ainda está em estágio inicial.

O que está em jogo

Se funcionar, a DeepSeek se tornará o primeiro laboratório chinês de modelos de fronteira a controlar seu próprio silício de inferência — uma ameaça aos negócios remanescentes da Nvidia na China e à proposta da Huawei como alternativa doméstica padrão. Isso também amplia um padrão mais amplo: depois das TPUs do Google, do Trainium da Amazon e da investida da OpenAI em silício personalizado, os desenvolvedores de modelos querem cada vez mais controlar os chips em que seus modelos rodam. Os limites também são reais — um processo de 7 nm limita o desempenho por watt, e os rendimentos de um primeiro projeto raramente são favoráveis.