A distância entre os Estados Unidos e a China no negócio da inteligência artificial torna-se evidente ao comparar as receitas recorrentes anualizadas das suas principais empresas. Segundo estimativas do Rhodium Group citadas pela Quartz, a Anthropic opera a um ritmo de cerca de 65 mil milhões de dólares em ARR e a OpenAI chega aos 40 mil milhões. As empresas chinesas continuam muito distantes: a ByteDance ronda os 4 mil milhões; a Alibaba, os 2,4 mil milhões; a Z.AI, os 1,8 mil milhões; a Moonshot, os mil milhões; a MiniMax, os 800 milhões; e a DeepSeek, cerca de 500 milhões.
A comparação exige uma precisão importante. O ARR — sigla de annual recurring revenue, ou receitas recorrentes anualizadas — não equivale à faturação registada no encerramento de um exercício. Trata-se de uma projeção calculada a partir do ritmo recente das receitas e é útil para medir a velocidade comercial de empresas que estão a crescer muito rapidamente, mas não deve ser confundida com contas anuais auditadas.
Mesmo com essa cautela, a diferença é ampla. As principais empresas chinesas analisadas geram, em conjunto, uma fração das receitas atribuídas à OpenAI e ainda menos das da Anthropic. Poderia parecer, portanto, que os Estados Unidos abriram uma distância difícil de recuperar na inteligência artificial.
Mas essa conclusão explica apenas uma parte da história.
A China está a conseguir que os seus modelos sejam cada vez mais utilizados fora das suas fronteiras. E grande parte desse avanço assenta numa estratégia que, precisamente, dificulta a obtenção de grandes receitas diretas por cada utilizador: modelos baratos, de pesos abertos e fáceis de adaptar.
Mais utilização, menos receitas
Durante 2025, os modelos desenvolvidos por empresas e instituições chinesas ultrapassaram os 2 mil milhões de downloads no Hugging Face, uma das principais plataformas internacionais de modelos abertos. Representaram 41% do total, face aos 31% correspondentes aos desenvolvedores norte-americanos.
Qwen, a família de modelos da Alibaba, acumulou, por si só, mais de 1,4 mil milhões de downloads, enquanto a DeepSeek alcançou 484 milhões. O cenário é muito diferente do apresentado pelos números das receitas: as empresas norte-americanas dominam os serviços pagos de inteligência artificial, mas os modelos chineses conquistaram uma posição relevante entre desenvolvedores, empresas e comunidades técnicas de todo o mundo.
A diferença está, em grande medida, no modelo de negócio.
As grandes empresas norte-americanas construíram boa parte da sua atividade em torno de sistemas proprietários. Empresas e particulares acedem a eles através de subscrições, aplicações ou API; o fornecedor mantém o controlo da infraestrutura e cobra pela utilização do serviço.
Os desenvolvedores chineses impulsionaram, por outro lado, modelos open-weight. Os seus parâmetros podem ser descarregados, executados em infraestrutura própria e ajustados a necessidades concretas. Nem sempre se trata de software plenamente aberto, em sentido estrito, uma vez que as licenças podem estabelecer condições de utilização, mas oferecem uma flexibilidade muito maior do que os modelos fechados.
Para uma empresa, a diferença não é pequena. Pode executar o modelo nos seus próprios servidores, manter maior controlo sobre informações sensíveis, adaptá-lo aos seus processos internos e reduzir a dependência de um fornecedor externo. Em determinadas aplicações, também pode reduzir significativamente o custo de operar com inteligência artificial.
O preço como argumento
O Rhodium Group assinala que algumas empresas estão a reservar os modelos norte-americanos mais avançados para tarefas especialmente complexas — raciocínio, análise delicada, programação avançada ou geração de conteúdos de elevado valor — e utilizam alternativas abertas e mais económicas para trabalhos rotineiros ou de grande volume.
Nem todas as tarefas exigem o modelo mais potente disponível. Classificar documentos, resumir relatórios, extrair informação, automatizar respostas internas, processar grandes quantidades de texto ou gerar código repetitivo pode ser resolvido com sistemas mais baratos, se o nível de qualidade for suficiente.
A chave está em distribuir os pedidos de acordo com a sua complexidade. Uma empresa pode utilizar um modelo avançado para os trabalhos que exigem máxima precisão e recorrer a outro de menor custo para operações repetitivas. Em determinados casos, esta combinação pode reduzir o custo de inferência em até 90%, embora a poupança final dependa do tipo de tarefa, do volume de utilização, da infraestrutura e do sistema escolhido.
A Coinbase surge na análise como um dos exemplos mais claros. A empresa conseguiu reduzir aproximadamente para metade a sua despesa interna com inteligência artificial, ao mesmo tempo que aumentava consideravelmente a utilização de tokens pelos seus desenvolvedores. Entre as medidas adotadas estava a utilização, por defeito, de modelos chineses mais económicos, como o GLM, da Zhipu AI, e o Kimi, da Moonshot, para trabalhos que não justificavam o recurso a modelos mais caros.
O limite dos modelos abertos
A vantagem competitiva da China tem uma contrapartida. Um modelo que qualquer pessoa pode descarregar e executar por conta própria é mais difícil de monetizar do que um serviço proprietário ao qual é necessário ligar-se sempre que é utilizado.
As empresas podem cobrar por serviços na nuvem, suporte técnico, versões empresariais, ferramentas de desenvolvimento ou licenças comerciais. No entanto, captam menos receitas quando uma parte importante dos utilizadores dispõe de modelos descarregáveis e pode executá-los na sua própria infraestrutura.
Alguns desenvolvedores chineses tentam corrigir essa fragilidade através de licenças mais restritivas ou serviços pagos. O equilíbrio não é simples: endurecer as condições pode melhorar as receitas, mas também pode reduzir a atratividade de modelos que se expandiram precisamente pelo seu baixo custo e facilidade de adaptação.
O problema ganha importância porque desenvolver a próxima geração de inteligência artificial exige investimentos enormes. Treinar novos modelos requer centros de dados, eletricidade, processadores avançados, talento técnico e uma capacidade financeira difícil de sustentar sem receitas crescentes ou apoio público e privado.
A barreira dos chips
A China enfrenta ainda as restrições dos Estados Unidos à exportação de semicondutores avançados. Estas medidas limitam o acesso dos laboratórios chineses à capacidade de cálculo necessária para treinar e operar modelos de grande escala.
Empresas como a Alibaba e a Zhipu reconheceram essa desvantagem. Ao mesmo tempo, fabricantes como a Huawei tentam desenvolver alternativas nacionais e ampliar a capacidade de produção de chips e sistemas de computação. O desafio não consiste apenas em fabricar processadores: também exige software, redes, energia, capacidade de integração e disponibilidade suficiente para abastecer os grandes desenvolvedores.
A batalha não termina no modelo
A análise do Rhodium levanta uma questão que vai além das receitas imediatas. Conseguir que um modelo seja utilizado de forma massiva também pode ter valor estratégico, mesmo que o desenvolvedor não obtenha grandes receitas com cada instalação.
Se empresas de diferentes países constroem aplicações, produtos e processos internos sobre uma determinada família de modelos, essa tecnologia passa a fazer parte da sua infraestrutura digital. A Qwen, por exemplo, tornou-se uma base relevante para modelos derivados: o Hugging Face contabilizou dezenas de milhares de variantes ligadas à família da Alibaba.
A China dispõe ainda de uma forte posição industrial em áreas que podem cruzar-se com a inteligência artificial: telecomunicações, eletrónica, b
