Shenzhen acaba de ligar o que é, oficialmente, o maior complexo de computação para inteligência artificial já construído em solo chinês. São 14 000 petaflops de potência bruta, distribuídos em 10 000 aceleradores Huawei Ascend 910C, fabricados localmente pela SMIC. A cidade comemora a marca como o primeiro cluster de “10 000 placas, 100 % nacional”, mas os números ganham outra dimensão quando comparados ao que gigantes como Amazon, Microsoft e Google operam hoje nos Estados Unidos. Afinal, o feito chinês representa apenas cerca de 1 % da capacidade do data center de IA mais parrudo da Amazon — inaugurado no fim de 2025 em Indiana.
O que, na prática, cabem em 14 000 petaflops?
Para quem não respira especificações todos os dias, 1 petaflop equivale a um quatrilhão de operações de ponto flutuante por segundo. Multiplique isso por 14 000 e você chega a um poder de fogo que, dez anos atrás, colocaria Shenzhen no topo do ranking TOP500 de supercomputação geral. Hoje, entretanto, esse montante é suficiente “apenas” para treinar modelos de linguagem de terceira geração, como o GPT-3.5, ou manter em produção aplicações de visão computacional em escala nacional. Entretanto, quando olhamos para as demandas de modelos de >1 trilhão de parâmetros, já estamos falando em exaflops — três casas decimais acima.
Para efeito de comparação rápida:
- PlayStation 5: ~10 teraflops FP32
- NVIDIA RTX 4090 desktop: ~82 teraflops FP32
- Cluster de Shenzhen: 14 000 petaflops FP16 (28 000 FP8 equivalentes)
- Amazon Indiana (H100): >1,3 exaflops FP16
Ascend 910C x NVIDIA H100 x AMD MI300X: onde o chinês fica para trás
O coração da supernuvem é o Huawei Ascend 910C, revisado em 2024 para entregar ~800 TFLOPs FP16 por chip. Parece muito, mas o NVIDIA H100 SXM chega a 989 TFLOPs e o recém-chegado AMD Instinct MI300X bate na casa de 1 307 TFLOPs. Pior: quando se trata de inferência, ponto crítico para rodar chatbots no mundo real, testes internos da DeepSeek mostraram o 910C performando em apenas 60 % do H100 no modelo DeepSeek R1.
A defasagem não é só de silício, mas de litografia. O 910C sai da fábrica SMIC no processo “7 nm N+2”, enquanto H100 e MI300X são produzidos pela TSMC em 4 nm. Menos nanômetros significam transistores menores, mais unidades de cálculo no mesmo pedaço de silício, menor consumo e, sobretudo, mais chips por wafer — o ponto onde o embargo norte-americano aperta.
Embargo dos EUA: o gargalo é a manufatura, não a engenharia
China não carece de engenheiros, dinheiro nem energia para alimentar data centers. O que realmente falta são chips de ponta em volume. Desde 2022, restrições dos EUA proíbem a exportação de aceleradores NVIDIA classe A100/H100 para clientes chineses e limitam a venda de equipamentos de litografia ultravioleta extrema (EUV) às foundries locais. Resultado: a Huawei teve de acelerar um ecossistema completo — hardware, rede, software e framework de IA — sem acesso ao que existe de mais moderno em semicondutores.
Segundo a SemiAnalysis, cada sistema CloudMatrix 384 (um “gabinete-hiperconectado” com 384 Ascend 910C) ultrapassa o NVL72 da NVIDIA em algumas métricas de largura de banda agregada. Mas cada unidade desses sistemas demanda centenas de chips, e a capacidade produtiva da SMIC continua sendo o teto físico da expansão.
Imagem: William R
Por que isso importa para quem compra PCs, placas de vídeo ou joga no Brasil?
Na superfície, parece uma disputa distante entre governos. Porém, a cadeia de IA influencia diretamente o que chega às lojas — e quanto você paga. Exemplos práticos:
- Oferta de GPUs de consumo: Parte da produção de wafers da TSMC é reservada para datacenter. Se AMD e NVIDIA precisarem competir com pedidos gigantes de H100 e MI300X nos EUA, sobra menos capacidade para produzir linhas gamer como RTX 40 SUPER ou Radeon RX 7000.
- Avanço de IA no PC: Windows on Arm com Copilot+, Macs com M-series e a recente leva de laptops “AI PC” dependem de modelos cada vez mais treinados. Quanto mais datacenters potentes no ocidente, mais rápido veremos recursos de upscaling, geração de texto e áudio offline em placas de consumo.
- Preço de memória e SSDs: Modelos maiores exigem muito DRAM e NAND flash em nuvem. A pressão de demanda pode puxar o custo desses componentes — os mesmos que equipam seu próximo upgrade no desktop.
Em resumo, o cluster de Shenzhen é um marco de soberania tecnológica, mas funciona como espelho: ele mostra o quão caro é replicar a musculatura de IA sem acesso a fábricas de 4 nm ou 3 nm. Enquanto isso, quem vive de treinar modelos de ponta continua recorrendo a servidores baseados em H100, MI300X ou, em breve, no NVIDIA Blackwell B200 — todos litografados na TSMC e, portanto, fora do alcance chinês por ora.
Se a SMIC conseguir descer um ou dois nós na escala nanométrica antes de 2027, veremos aparelhos, notebooks e até placas de vídeo domésticas chinesas encostando no desempenho do que hoje domina a Amazon Web Services. Até lá, a lacuna de 1 % continua sendo um número que fala alto.
Com informações de Hardware.com.br
