Como Zhipu AI, BAAI e AISI estão construindo o próximo ecossistema de IA da China

A mudança mais importante é deixar de vender apenas acesso a um modelo e passar a construir um ciclo de produto em torno dele. Esse ciclo pode incluir APIs, ferramentas de programação, execução de agentes, fluxos corporativos e aplicações que geram uso e receita. A abertura dos pesos também pode ampliar os testes externos e o desenvolvimento de aplicações derivadas, enquanto os serviços comerciais ajudam a financiar novos modelos e a infraestrutura necessária para executá-los.

A independência tecnológica, portanto, exige mais do que controlar os pesos do modelo. Ela depende também de sistemas de treinamento e inferência, pipelines de dados, métodos de pós-treinamento, estruturas para agentes, distribuição entre desenvolvedores e acesso confiável à capacidade computacional. Um modelo se torna estrategicamente mais durável quando consegue atrair um ecossistema para essas diferentes camadas.

BAAI: uma ponte entre pesquisa aberta e inteligência incorporada

A BAAI evoluiu do trabalho com os modelos fundamentais WuDao para a família WuJie, que reúne pesquisas multimodais, modelos de mundo e inteligência incorporada. Relatos recentes de conferências descrevem o WuJie·Physis como um modelo de mundo físico baseado em representação latente e o WuJie·RoboBrain Orca como um sistema em desenvolvimento que conecta raciocínio linguístico, previsão visual e decisões de ação.

Essa direção é relevante porque a inteligência no mundo físico exige capacidades que modelos baseados apenas em texto não oferecem sozinhos. Robôs precisam perceber o ambiente, prever mudanças, planejar, controlar movimentos e operar em condições físicas variáveis. Modelos de mundo e sistemas incorporados tentam representar esses ambientes e agir neles — não apenas descrevê-los.

O papel da BAAI também é institucional. Seu programa de pesquisa enfatiza modelos de código aberto, agentes, ecossistemas fundamentais de software e hardware e colaboração entre pesquisa e indústria. Segundo informações divulgadas na conferência da BAAI em 2026, o instituto havia disponibilizado mais de 200 modelos como código aberto e os downloads globais já superavam 1 bilhão. Esses números foram apresentados pelos organizadores do evento e devem ser vistos como indicadores de distribuição, não como medidas diretas da qualidade dos modelos.

Para o ecossistema chinês de IA, o valor de uma instituição como a BAAI está em criar infraestrutura de pesquisa reutilizável e canais de formação de talentos. Modelos abertos, benchmarks, ferramentas e plataformas de robótica podem oferecer a universidades, startups e fabricantes um ponto de partida comum para novos projetos.

AISI: transformando IA em um fluxo de trabalho científico e industrial

A AISI parte de outro ângulo. Fundada em setembro de 2021, a instituição descreve sua missão como a combinação entre inteligência artificial e pesquisa científica, com a construção de uma infraestrutura para a chamada AI for Science — ou IA para a ciência.

Seu modelo “Four Beams and N Pillars”, traduzido como “Quatro Vigas e N Pilares”, reúne algoritmos e softwares de modelos, bases científicas e sistemas de conhecimento, caracterização experimental de alta eficiência e infraestrutura computacional integrada. A proposta é tirar a pesquisa de processos isolados, semelhantes a oficinas independentes, e levá-la para um modelo mais conectado de plataforma.

O Bohrium é um exemplo dessa abordagem. A nuvem de pesquisa é apresentada como um ambiente que conecta literatura científica, conhecimento, modelos, computação, análise de dados e fluxos experimentais. O objetivo não é apenas fazer a IA produzir uma resposta, mas ajudar o pesquisador a percorrer o caminho que vai da pergunta à simulação, ao experimento e à criação de novos dados validados.

Esse ciclo fechado é especialmente importante em materiais e ciência molecular. Um grande modelo atômico como o DPA4 pode apoiar a descoberta e a simulação de materiais; seu valor prático aumenta quando as previsões são testadas em laboratório e os resultados experimentais melhoram os modelos seguintes. Um relatório de 2026 afirmou que uma atualização do DPA4 ficou em primeiro lugar nas métricas agregadas de um ranking internacional de descoberta de materiais. O desempenho em um ranking, porém, não comprova sozinho impacto científico no mundo real.

Projetos ligados à AISI para motores de foguete oferecem um exemplo mais concreto de validação física. Os relatos descrevem um fluxo que vai do projeto generativo à simulação de combustão, fabricação aditiva, medição e controle automatizados e testes. Também foi informado que um demonstrador em escala reduzida concluiu uma validação em circuito fechado. Projetos desse tipo são importantes porque conectam a saída da IA a restrições de engenharia e testes físicos, em vez de encerrar a avaliação em um benchmark de software.

Por que o ecossistema importa mais do que um modelo campeão

O desempenho de fronteira muda rapidamente

Rankings de modelos e vantagens de produto podem mudar em pouco tempo. Comunidades de desenvolvedores, conjuntos de dados científicos, instalações experimentais, padrões e experiência de implantação, por outro lado, acumulam valor durante períodos mais longos. Esses ativos tornam as próximas melhorias de modelo mais úteis e reduzem a dependência de um único lançamento.

Domínios diferentes exigem formas diferentes de inteligência

Um agente de programação, um controlador de robô, um simulador molecular e um sistema de literatura científica não enfrentam o mesmo problema técnico. Por isso, uma estratégia nacional ou industrial de IA se beneficia de modelos especializados e infraestrutura compartilhada, em vez de esperar que um único sistema faça tudo.

A pesquisa aberta amplia a base de inovação

Pesos, ferramentas, benchmarks e plataformas abertos permitem que pesquisadores e empresas testem, adaptem e estendam o trabalho uns dos outros. A orientação da BAAI pode fortalecer essa camada, enquanto empresas comerciais como a Zhipu AI transformam capacidades técnicas em produtos e receita.

A validação científica cria um ciclo de feedback mais forte

Na AI for Science, os sistemas mais valiosos podem ser aqueles que conectam previsão, simulação, experimentação e medição. Cada resultado validado pode melhorar os dados e os modelos usados no ciclo seguinte. É um padrão mais exigente do que simplesmente gerar uma resposta plausível, mas também oferece um caminho mais claro para o valor industrial.

A independência é uma pilha de capacidades

Um desenvolvimento de IA mais resistente a riscos depende de competências em algoritmos, software, dados, computação, talentos, ferramentas e implantação. Diversificar essas camadas pode reduzir a dependência de um único fornecedor ou abordagem técnica. Também torna o ecossistema mais resiliente quando um modelo tem desempenho abaixo do esperado ou quando mudam as restrições externas.

O quadro estratégico

A Zhipu AI, a BAAI e a AISI ocupam posições diferentes dentro de um mesmo sistema emergente:

• Zhipu AI: oferece impulso comercial por meio de modelos de uso geral, sistemas de programação, agentes e produtos para desenvolvedores.
• BAAI: oferece pesquisa aberta, redes de talentos, modelos fundamentais e um caminho para a inteligência multimodal e incorporada.
• AISI: oferece infraestrutura científica que conecta modelos a conhecimento, computação, experimentos e validação de engenharia.

A importância dessas instituições é, portanto, complementar, e não intercambiável. A Zhipu AI mostra como modelos de fronteira podem se transformar em plataformas. A BAAI mostra como a pesquisa aberta pode disseminar capacidades por uma comunidade mais ampla. A AISI mostra como a IA pode ser incorporada a fluxos de trabalho cujo sucesso é medido por um material, um experimento ou um sistema de engenharia.

A interpretação mais consistente da próxima fase da IA chinesa não é a de que um único modelo resolveu a disputa global. É a de que a vantagem competitiva pode depender cada vez mais da conexão entre centros de pesquisa original, plataformas comerciais, capacidades técnicas independentes e aplicações multidisciplinares — formando um ecossistema industrial aberto e colaborativo.