DeepSeek quer treinar seus próximos modelos com chips chineses

A DeepSeek quer fazer dos chips chineses parte central do treinamento de seus próximos modelos de inteligência artificial. Segundo relatos sobre uma reunião com investidores, seu fundador e CEO, Liang Wenfeng, chamou o uso de chips da Huawei e de outros fornecedores nacionais de uma das maiores apostas da empresa e afirmou que ela “tem de dar certo”. A declaração relata uma prioridade estratégica — não um treinamento já concluído com o novo hardware. 145

Por que a aposta chama atenção

A DeepSeek já havia trabalhado com a linha Ascend, da Huawei, mas os resultados relatados não equivalem a comprovar a nova ambição. Uma tentativa anterior de treinar o modelo R2 com esses chips enfrentou dificuldades. O V4, por sua vez, foi adaptado para hardware da Huawei; há também relato de pós-treinamento de uma versão V4-Pro com chips Ascend. Adaptar ou aperfeiçoar um modelo existente não demonstra, por si só, que a empresa consiga realizar de forma confiável todo o treinamento de seus próximos modelos nessa infraestrutura. 2411

Também é preciso separar treinamento de inferência. O primeiro é o processo de desenvolver ou aprimorar o modelo; a segunda é seu uso para gerar respostas depois de treinado. Um grande conjunto de chips Huawei mencionado em relatos anteriores foi associado à inferência, não à nova aposta em treinamento. Pelo mesmo motivo, lançar um modelo ou aplicativo para consumidores não revelaria, por si só, quais chips foram usados para treiná-lo. 211

Quando os chips podem chegar — e o que falta saber

A expectativa citada é de que a Huawei entregue um novo lote de chips de treinamento já no quarto trimestre de 2026, embora alguns relatos apontem a possibilidade de entrega no primeiro trimestre de 2027. Trata-se de uma previsão, não de um prazo confirmado ou de evidência de que o lote já chegou. 15

Os relatos tampouco estabelecem o modelo exato dos chips, a quantidade ou a configuração da instalação planejada. Resta verificar se o hardware conseguirá sustentar treinamento completo em larga escala, com desempenho e confiabilidade suficientes. 135