Guerra de performance IA: modelos dos EUA vs. China

Em janeiro de 2024, a diferença entre os melhores modelos dos EUA e da China era de 103 pontos, segundo uma pesquisa LYMSYS via Stanford University. Em fevereiro de 2025, caiu para apenas 23. 

O lançamento e a evolução de modelos chineses como o DeepSeek R1 foram “pontos de inflexão” desse encurtamento, refletindo maturidade técnica e acesso crescente à capacidade computacional, ainda que parcial e heterogênea. 

Para líderes, o recado é claro: performance virou corrida de milímetros — e cada trimestre pode reordenar o ranking.

A foto “macro” do ecossistema, porém, segue assimétrica. 

Em 2024, os EUA atraíram US$ 109,1 bilhões de investimento privado em IA — quase 12 vezes o volume da China (US$ 9,3 bilhões). A vantagem americana é ainda maior em geração de modelos de ponta: instituições dos EUA produziram 40 modelos “notáveis” em 2024, contra 15 da China (Europa, 3). Ou seja, o motor de capital-risco e a densidade de pesquisa aplicada ainda favorecem o lado americano, mesmo que a diferença de desempenho tenha estreitado.

No talento, há uma virada silenciosa — com nuances que importam. 

O Conselho de Assessores Econômicos da Casa Branca (CEA) reportou em 2025 que a China já forma mais graduados de bacharelado e PhD “relevantes para IA” do que os EUA e que esse contingente cresce mais rápido do que o americano. Ao mesmo tempo, os EUA retêm a maior parcela dos pesquisadores de elite (laboratórios, publicações e modelos de fronteira), indicando que a vantagem americana está mais na qualidade e retenção do topo do que no volume total. Para empresas, isso implica: recrutamento global seguirá crítico — e políticas migratórias e de P&D locais influenciarão seu pipeline de talentos tanto quanto pacotes de compensação.

Nos ativos de conhecimento, a China lidera em volume e aceleração. 

Em publicações de IA, a produção chinesa supera a americana em quantidade, enquanto os EUA se destacam em impacto (citações) e presença do setor privado. Em patentes, a diferença é ainda mais marcada: no recorte de IA generativa (2014–2023), inventores baseados na China responderam por mais de 38 mil famílias de patentes, cerca de seis vezes o volume dos EUA (6.276). Em termos de propriedade intelectual ampla, a Ásia já concentra quase 69% dos depósitos mundiais e a participação da China nos pedidos globais saltou de 32,2% para 47,2% entre 2013 e 2023. Para executivos, isso significa que freedom to operate, licenciamento e due diligence tecnológica em produtos globais exigirão leitura fina do mosaico regulatório e de patentes chinês-americano.

Voltando à performance: por que o “gap” diminuiu se os EUA lideram em capital e modelos? 

A resposta combina três forças. 

Primeiro, aprendizado de fronteira difunde rápido: papers, pesos abertos e engenharia reversa permitem ciclos de emulação mais curtos; o DeepSeek R1 exemplifica esse efeito. 

Segundo, capacidade computacional útil pode ser alavancada com ganhos de eficiência (quantização, agendamento, FP8, mixture-of-experts), reduzindo a dependência de top-tier GPUs. 

Terceiro, coordenação industrial: a China investe num arranjo de stack doméstico — de modelos a chips — para contornar controles de exportação e gargalos, com planos explícitos de ampliar a produção de chips de IA e fortalecer provedores locais; isso não elimina o gap de hardware, mas o amortiza. Para a liderança empresarial, o importante é entender o trade-off: os EUA tendem a oferecer a fronteira mais estável e escalável; a China, uma trajetória de custo/performance agressiva em aplicações específicas.

Há, contudo, quatro mensagens-chave para alta liderança:

1. O jogo virou multipolar. O encurtamento do gap não significa ultrapassagem imediata, mas retira a “certeza” de que só os EUA produzirão os melhores sistemas. Em várias bancas (MMLU, HumanEval, matemática, código), a diferença “média” tornou-se pequena — e benchmarks evoluem. 
    
2. Capital x Capacidade de Execução. O capital americano domina, mas a execução chinesa em escala — patentes, publicação e produto — sustenta convergência de performance. Empresas globais devem calibrar parcerias lendo o “retrato falado” de risco: soberania de dados, controles de exportação, sanções e compliance de conteúdo.
    
3. Talento é o gargalo decisivo. A China forma mais PhDs relevantes; os EUA ainda concentram os grupos de elite. Quem competir por fronteira tecnológica precisará de políticas internas de retenção e qualificação contínua.
    
4. Governança e custo total. Mesmo que os custos de uso e treinamento da inteligência artificial estejam caindo em algumas tecnologias, o custo total vai além disso. É preciso considerar fatores como segurança, regras regulatórias e o risco de ficar preso a um único fornecedor. A melhor estratégia é montar um portfólio equilibrado: combinar o que há de mais avançado nos Estados Unidos com soluções práticas da China em situações específicas. Para garantir flexibilidade, é importante usar camadas de adaptação que permitam trocar modelos de IA sem ter que refazer todo o processo.

A controvérsia dos PhDs: a China “virou o jogo”?

A afirmação procede com ressalvas importantes. 

Sim: segundo o AI Talent Report (CEA/White House, 2025), a China já forma mais PhDs e BAs relevantes para IA do que os EUA e cresce mais rápido. Porém, os EUA ainda lideram na fração de pesquisadores de elite e abrigam a maior parte dos laboratórios de fronteira e dos modelos notáveis lançados. Em paralelo, estudos do CSET indicam que >80% dos PhDs internacionais treinados nos EUA permanecem no país, sustentando a base de P&D corporativa — um fator que ajuda a explicar por que a liderança de investimento e de pipeline de modelos segue americana. Em suma: volume de formação favorece a China; pico de excelência e retenção ainda favorecem os EUA.

E importa quem lidera a corrida?

Para empresários e gestores, não há um impacto significativo em quem lidera essa corrida, sendo este tema de maior relevância para a geopolítica global. Mas, é importante que ela exista, porque estimula o desenvolvimento da IA em nível mundial e escalável. 

Só que para participar de alguma forma disso e aproveitar as vantagens da IA aplicada aos negócios, é preciso dominar.

Ao apresentar o AI Festival, da StartSe, no LinkedIn, Junior Borneli definiu bem qual deve ser a postura dos profissionais que querem ser protagonistas: “transformar o FOMO (fear of miss out) em FOME”, ou seja, sair do hype e partir para a prática.