China compra cerca de 1 milhão de GeForce para IA, enquanto a Huawei tira mercado da Nvidia

Desenvolvedores chineses de modelos de IA compraram cerca de 1 milhão de placas de vídeo GeForce para jogos e soluções da Nvidia para estações de trabalho. Mas, no mercado geral de aceleradores de IA da China, a participação da Nvidia continua caindo. No último semestre, a liderança passou para aceleradores que não pertencem à classe das GPUs. A principal beneficiada dessa mudança é a Huawei.

Hardware de consumo no papel de fazenda de IA

Os aceleradores de servidor da Nvidia para a China sofrem restrições das regras de exportação dos EUA. Placas de vídeo para jogos e estações de trabalho ficam bem menos expostas a essas limitações, e foi justamente nelas que a demanda se concentrou. Um milhão de unidades já é escala industrial de compras, e não entusiastas com racks caseiros.

A lógica é clara. As GeForce topo de linha trazem de 24 a 32 GB de memória de vídeo: a RTX 4090 tem 24 GB, e a RTX 5090, 32 GB. Para inferência, fine-tuning e experimentos com modelos de porte médio, isso basta. Para treinar modelos grandes do zero, não. As placas de consumo não têm NVLink na forma como ele existe nos aceleradores de servidor, o escalonamento para centenas de nós esbarra na interconexão, e a licença dos drivers GeForce restringe formalmente o uso em data centers. As placas são compradas porque quase não sobraram outras formas legais de obter computação CUDA no volume necessário.

Onde a Nvidia perde terreno

O paradoxo é que o volume de compras cresce, mas a participação da Nvidia no segmento de aceleradores de IA da China cai. Uma placa para jogos comprada por uma equipe de IA não substitui um acelerador completo, nem em custo nem em desempenho. Na categoria que não é GPU, o domínio já se consolidou no último semestre. Ela inclui NPUs e aceleradores ASIC. A Huawei tem papel central com a linha Ascend, e ao lado dela atuam Cambricon, Baidu Kunlun e outros desenvolvedores locais.

Essa transição se apoia em três fatores:

• encomendas do governo e de empresas na China exigem cada vez mais chips locais;
• a Huawei investe não só em silício, mas também na pilha de software CANN e no framework MindSpore;
• grandes nuvens e operadoras recebem fornecimento previsível, sem depender de decisões de Washington.

O principal obstáculo dos chips chineses não está nos FLOPS, e sim no ecossistema. Uma década de desenvolvimento em CUDA não se transfere em um trimestre. Mas toda equipe que já portou treinamento e inferência para o Ascend não voltará a depender de licenças de exportação.

Números principais

• ~1 milhão de GeForce para jogos e placas para estações de trabalho foram compradas por desenvolvedores chineses de IA.
• A participação da Nvidia no mercado chinês de aceleradores de IA continua caindo.
• Aceleradores que não são GPU assumiram a posição dominante no último semestre.
• A principal vencedora é a Huawei.

O que fazer: equipes e investidores

Para as equipes de IA, a conclusão prática é simples: projete a arquitetura pensando em portabilidade. Se a inferência puder rodar por meio de abstrações como ONNX ou de runtimes próprios, a migração para o Ascend sai mais barata. O treinamento de modelos grandes continua sendo um caso mais pesado, e nele o CUDA ainda será o padrão por muito tempo.

Os investidores devem olhar não para a receita da Nvidia na China em si, mas para a estrutura da demanda. O crescimento das vendas de placas de consumo não compensa a perda de contratos de data center, e o segmento chinês caminha para o silício próprio. O mercado de placas de vídeo de consumo fora da China deve acompanhar os preços: compras em massa nessa escala podem pressionar a disponibilidade dos modelos topo de linha.

Para todos os demais, é um sinal de que o mercado de hardware de IA está se dividindo em duas pilhas, a americana e a chinesa. Elas vão se afastar cada vez mais, e os desenvolvedores terão de escolher para qual delas otimizar o código.