Por que os principais modelos de IA da China ainda são treinados em chips da Nvidia

Em contraste, o CANN (Compute Architecture for Neural Networks) da Huawei, mesmo após ter seu código aberto em agosto de 2025, permanece muito menos maduro em termos de cobertura de operadores, otimização e ferramentas comunitárias . Desenvolvedores relatam que muitos kernels otimizados para CUDA não têm equivalente direto no CANN, exigindo reescrita manual .

Este ciclo auto-reforçador é difícil de quebrar: quanto maior a comunidade de desenvolvedores da Nvidia e mais rica sua biblioteca de código pré-otimizado, mais difícil se torna para as alternativas ganharem tração .

O Custo da Migração: Pelo Menos 50% Mais Tempo e Dinheiro

Um pesquisador de IA de um instituto afiliado a Xangai estima que mudar o treinamento da CUDA da Nvidia para o Ascend da Huawei adicionaria pelo menos 50% em tempo e custos . Fontes da indústria confirmam este número como um piso realista .

Isso inclui:

• Esforço inicial de portabilidade: O código de treinamento escrito para CUDA usa chamadas de kernel específicas da arquitetura, padrões de gerenciamento de memória e estratégias de paralelização que não se traduzem diretamente para a arquitetura NPU diferente do Ascend .
• Depuração e ajuste contínuos: Uma vez portados, os modelos devem ser re-otimizados para paridade de desempenho na biblioteca de operadores menor do CANN .
• Perda de produtividade: Os desenvolvedores precisam aprender um novo conjunto de ferramentas, e a comunidade menor do CANN significa menos soluções compartilhadas para problemas comuns.

O Plano Abandonado do DeepSeek R2: Um Estudo de Caso Concreto

Talvez o exemplo mais revelador da lacuna de software venha do DeepSeek, um dos laboratórios de IA mais proeminentes da China. O DeepSeek supostamente abandonou os planos de treinar seu modelo R2 nas NPUs Ascend da Huawei, citando problemas de desempenho e de ferramentas não resolvidos . Este é um caso concreto de um laboratório de primeira linha concluindo que a alternativa doméstica não estava pronta para suas cargas de trabalho mais exigentes.

Lacunas de Desempenho Persistem

Embora a NPU Ascend 910C da Huawei tenha melhorado significativamente, os desenvolvedores relatam que ela ainda tem desempenho inferior às GPUs da geração Hopper da Nvidia em tarefas de treinamento distribuído em grande escala . A Ascend 910C, construída no processo de 7nm aprimorado da SMIC, oferece cerca de um terço da taxa de transferência BF16 da B200 da Nvidia . Espera-se que a próxima Ascend 950 da Huawei reduza ainda mais essa lacuna, com dados do Morgan Stanley mostrando que a diferença de desempenho entre os chips chineses e o hardware compatível com exportação da Nvidia diminuiu significativamente .

O Paradoxo da Oferta: Chips Nvidia Estocados Criam Inércia

Paradoxalmente, as restrições de exportação dos EUA não cortaram completamente o fornecimento da Nvidia para a China. Os EUA aprovaram a venda do H200 para a China, e Pequim subsequentemente bloqueou sua aceitação — mas os laboratórios chineses já possuem enormes estoques de chips da Nvidia . ByteDance, Alibaba e Tencent gastaram coletivamente cerca de US$ 16 bilhões para estocar aproximadamente 1,3 a 1,6 milhão de unidades H20 em antecipação a uma proibição .

Esta base instalada cria uma poderosa inércia: enquanto o hardware existente da Nvidia continuar funcionando, o alto custo de migração atrasa a mudança para alternativas domésticas .

A Resposta de US$ 295 Bilhões: O Impulso do Chip Doméstico Chinês

A China não está parada. Em resposta a essas barreiras:

• Os fabricantes de chips chineses visam triplicar a produção doméstica de chips de IA em 2026
• Pequim está supostamente elaborando um plano de ~US$ 295 bilhões (2 trilhões de yuans) para conectar todos os grandes data centers chineses em uma única grade de computação de IA até 2028, com pelo menos 80% dos chips subjacentes sendo domésticos
• A Huawei tornou o CANN de código aberto em agosto de 2025, lançando componentes principais incluindo operadores, bibliotecas de domínio e tecnologia de mecanismo gráfico
• A ByteDance assinou um contrato de US$ 5,6 bilhões com a Huawei para chips de IA Ascend em dezembro de 2025, com entregas começando no primeiro trimestre de 2026

O progresso é real: a participação de treinamento em chips domésticos supostamente cresceu de 8% no início de 2025 para 42% em abril de 2026 . Mas grande parte dessa adoção parece concentrada em cargas de trabalho menos críticas e tarefas de inferência, em vez de treinamento de modelos de fronteira .

Perspectivas: Uma Transição de Vários Anos

A abertura do código do CANN pela Huawei é um passo significativo para construir o ecossistema de desenvolvedores que a CUDA desfruta . Mas a maioria dos analistas concorda que a lacuna do ecossistema de software — e não as especificações brutas de hardware — levará anos para ser fechada . A curto prazo, os principais laboratórios de IA da China continuarão treinando em chips da Nvidia enquanto experimentam implantações híbridas domésticas para cargas de trabalho menos críticas, e enquanto o plano de grade de US$ 295 bilhões de Pequim visa acelerar a transição .