A China acaba de colocar números gigantescos em sua estratégia para competir pela liderança mundial em inteligência artificial.
O Ministério da Indústria e Tecnologia da Informação chinês, o MIIT, publicou seu novo plano de cinco anos para o setor de informação e comunicações, estabelecendo uma meta de:
9.800 EFLOPS de capacidade de computação inteligente até 2030.
Para comparação, a capacidade chinesa estava em aproximadamente:
2.185 EFLOPS no final de junho de 2026.
Isso significa que, tomando junho como referência, Pequim pretende elevar sua infraestrutura para IA em mais de quatro vezes em pouco mais de quatro anos.
E o plano não trata apenas de construir data centers.
Ele envolve uma transformação muito maior da infraestrutura digital chinesa.
Os 3,8 trilhões de yuans precisam de uma explicação importante
A publicação compartilhada afirma que o investimento previsto soma:
3,8 trilhões de yuans.
O número está correto.
Isso representa algo em torno de US$ 530 bilhões, dependendo da cotação utilizada.
Mas há uma ressalva fundamental:
os 3,8 trilhões de yuans não são um orçamento destinado exclusivamente à inteligência artificial.
É a meta de investimento acumulado em infraestrutura de informação entre 2026 e 2030 estabelecida pelo plano do MIIT.
O montante engloba uma infraestrutura muito mais ampla, incluindo redes de telecomunicações, fibra, 5G e 5G-A, computação, data centers e outras estruturas digitais.
A expansão da computação para IA é uma das peças centrais desse investimento, mas não corresponde aos 3,8 trilhões inteiros.
China já alcançou 2.185 EFLOPS
Segundo dados divulgados pelo MIIT, no final de junho a capacidade de computação inteligente chinesa havia chegado a:
2.185 EFLOPS.
O crescimento em apenas um ano foi impressionante:
177%.
Dados posteriores da Administração Nacional de Dados indicaram que, no final de julho, a capacidade já estaria próxima de:
2.450 EFLOPS.
Isso mostra que a expansão necessária para chegar a 9.800 EFLOPS já está em andamento.
Mas existe outra nuance nos números
O plano utiliza como referência oficial para 2025 aproximadamente:
1.590 EFLOPS.
Comparando esse número com os 9.800 EFLOPS projetados para 2030, a expansão seria superior a:
seis vezes.
Já quando utilizamos os 2.185 EFLOPS registrados em junho de 2026, temos uma multiplicação de aproximadamente:
4,5 vezes.
É daí que surge a descrição de que a China pretende “quadruplicar” sua capacidade.
Mas afinal, o que é um EFLOPS?
FLOPS significa:
Floating Point Operations Per Second.
Ou operações de ponto flutuante por segundo.
É uma maneira de medir capacidade computacional.
O prefixo “exa” representa:
10¹⁸ operações.
Portanto, 1 EFLOPS representa, de maneira simplificada:
1 quintilhão de operações de ponto flutuante por segundo.
Mas existe uma ressalva técnica importante.
Comparar números de computação para IA entre países e infraestruturas não é tão simples quanto comparar quilômetros ou toneladas.
Precisão numérica, arquitetura, utilização real, eficiência e metodologia de cálculo podem alterar bastante o significado prático dos números.
Por isso, 9.800 EFLOPS deve ser entendido principalmente como a meta oficial chinesa de capacidade de computação inteligente, e não como uma comparação universal perfeita com qualquer supercomputador ou data center.
O plano prevê clusters com 100 mil aceleradores
Aqui aparece uma das partes mais impressionantes da estratégia.
O governo quer promover a implantação ordenada de clusters de computação inteligente com:
10 mil placas aceleradoras
e também estruturas com:
100 mil ou mais aceleradores.
Estamos falando de sistemas de uma escala que, poucos anos atrás, seria excepcional até mesmo entre as maiores empresas de tecnologia do planeta.
China já possui dezenas de grandes centros
Segundo o MIIT, o país já possuía:
52 instalações de computação inteligente
equipadas individualmente com mais de:
10 mil placas aceleradoras.
O próximo salto é conectar e ampliar estruturas dessa magnitude.
Clusters de 100 mil aceleradores representam outro nível de complexidade.
Não basta simplesmente colocar 100 mil chips dentro de um prédio.
O verdadeiro problema é fazer 100 mil chips trabalharem juntos
Um cluster gigantesco exige infraestrutura especializada de:
rede;
energia;
refrigeração;
armazenamento;
software;
orquestração;
memória;
interconexão.
Imagine milhares de aceleradores calculando partes diferentes do mesmo modelo.
Eles precisam trocar dados constantemente.
Se a comunicação entre os chips for lenta, processadores extremamente caros podem ficar esperando informações.
Isso reduz a eficiência de todo o sistema.
A corrida da IA virou também uma corrida de redes
É por isso que empresas como Nvidia não vendem apenas GPUs.
Também investem pesadamente em:
interconexão;
switches;
InfiniBand;
Ethernet;
software;
bibliotecas.
Um supercluster de IA precisa funcionar quase como:
um computador gigantesco distribuído por milhares de equipamentos.
A China precisa construir essa capacidade em escala nacional.
Energia será outro desafio gigantesco
100 mil aceleradores podem exigir quantidades enormes de eletricidade.
E o consumo não termina nos chips.
Existem também:
CPUs;
memória;
armazenamento;
switches;
fontes;
refrigeração;
bombas;
sistemas auxiliares.
Um grande cluster moderno de IA pode se transformar em uma infraestrutura energética de centenas de megawatts.
E futuros complexos poderão alcançar escala ainda maior.
É por isso que a geografia dos data centers importa
A China possui um projeto estratégico chamado:
East Data, West Computing.
A lógica é relativamente simples.
As maiores cidades e centros econômicos estão concentrados principalmente no leste do país.
Mas regiões do oeste possuem vantagens como:
terrenos;
energia;
espaço;
recursos renováveis;
condições adequadas para grandes data centers.
A estratégia é deslocar parte das cargas computacionais para essas regiões.
É como transportar computação em vez de eletricidade
Imagine uma empresa em Pequim precisando treinar um modelo.
Ela não precisa necessariamente possuir o data center fisicamente em Pequim.
Os dados podem ser enviados para uma região com energia e infraestrutura mais favoráveis.
O processamento acontece lá.
O resultado retorna pela rede.
É uma forma de aproveitar a geografia para reduzir custos de computação.
China quer transformar centros isolados em uma rede nacional
O novo plano aprofunda essa visão.
O objetivo não é apenas construir vários data centers.
É criar uma:
rede nacional integrada de capacidade computacional.
Na prática, diferentes regiões poderão compartilhar recursos.
Uma carga poderá ser encaminhada para onde houver:
capacidade disponível;
energia;
hardware adequado;
menor custo.
Isso aproxima computação da lógica de uma rede elétrica.
Computação pode se tornar uma espécie de serviço nacional
Quando você liga um aparelho na tomada, normalmente não precisa saber exatamente qual usina produziu aquela eletricidade.
Uma rede nacional de computação tenta chegar a uma lógica parecida.
Uma empresa solicita determinada capacidade.
A infraestrutura decide onde processá-la.
Isso pode melhorar a utilização dos data centers.
E utilização é extremamente importante.
Construir GPUs que ficam paradas é desperdício
Um acelerador de IA pode custar dezenas de milhares de dólares.
Se fica ocioso, existe capital parado.
Segundo dados divulgados pelo governo chinês, a utilização média dos racks nas instalações nacionais de computação chegou a aproximadamente:
71,4%.
A integração entre centros pode ajudar a melhorar esse índice.
Não basta possuir capacidade nominal.
É preciso conseguir utilizá-la eficientemente.
A palavra mais estratégica do plano talvez seja “domésticos”
O documento também determina esforços para aumentar a adaptação da infraestrutura a:
chips de computação produzidos domesticamente.
Esse ponto transforma uma política de data centers em uma estratégia geopolítica.
A China enfrenta restrições dos Estados Unidos para adquirir alguns dos semicondutores mais avançados utilizados em IA.
Isso afeta principalmente o acesso às GPUs mais poderosas.
Nvidia está no centro dessa disputa
Durante anos, a Nvidia tornou-se praticamente sinônimo de infraestrutura para inteligência artificial.
Seu domínio é sustentado por:
GPUs;
CUDA;
networking;
software;
bibliotecas;
ecossistema.
Mas restrições americanas limitaram a disponibilidade de determinados produtos avançados para o mercado chinês.
Pequim respondeu acelerando o desenvolvimento de alternativas locais.
Huawei é uma das peças mais importantes
A linha:
Ascend
da Huawei tornou-se uma das principais alternativas chinesas para cargas de inteligência artificial.
A companhia desenvolve não apenas aceleradores, mas também:
servidores;
software;
interconexões;
clusters.
A ambição é criar uma pilha tecnológica completa.
Mas Huawei não está sozinha.
China possui uma indústria inteira tentando substituir tecnologia estrangeira
Empresas como:
Cambricon;
Biren;
Moore Threads;
Enflame;
MetaX;
e outras
estão desenvolvendo aceleradores e GPUs.
Ao mesmo tempo, companhias de cloud e tecnologia trabalham em chips próprios.
Alibaba.
Baidu.
Tencent.
ByteDance.
O resultado é uma corrida interna para construir uma cadeia de IA menos vulnerável às restrições internacionais.
O problema não é simplesmente fabricar um chip
A China pode produzir um acelerador poderoso e ainda enfrentar dificuldades.
É preciso possuir:
memória;
empacotamento avançado;
interconexão;
drivers;
compiladores;
frameworks;
software;
ferramentas de desenvolvimento.
É exatamente por isso que iniciativas de compatibilidade com PyTorch se tornam tão importantes.
Hardware sem software dificilmente conquista desenvolvedores.
O plano tenta resolver isso pela escala
Existe uma vantagem que a China possui:
mercado interno gigantesco.
Se governo, universidades, empresas e data centers adotarem chips nacionais em grande escala, fabricantes ganham:
clientes;
dados;
feedback;
receita;
experiência.
Isso pode acelerar o desenvolvimento do ecossistema.
A mesma estratégia já apareceu em setores como:
veículos elétricos;
baterias;
painéis solares;
telecomunicações.
Agora a China tenta aplicá-la à computação de IA
A lógica pode ser resumida assim:
construir demanda;
financiar infraestrutura;
estimular fornecedores locais;
criar padrões;
integrar data centers;
aumentar utilização;
reduzir dependência externa.
Não é apenas uma corrida para construir o maior supercomputador.
É uma tentativa de criar um:
ecossistema nacional de computação para IA.
O plano também olha para inferência
Outro detalhe importante é que o documento não fala apenas em treinamento de grandes modelos.
Ele prevê infraestrutura de:
computação para inferência adaptada a diferentes cenários.
Essa distinção será cada vez mais importante.
Treinar um modelo gigante pode exigir um cluster colossal durante algumas semanas ou meses.
Mas depois milhões de pessoas precisam utilizá-lo todos os dias.
É aí que entra inferência.
Inferência poderá consumir uma parcela enorme da infraestrutura
Imagine centenas de milhões de usuários utilizando:
assistentes;
agentes;
busca com IA;
geração de vídeo;
robôs;
veículos autônomos;
softwares empresariais.
Cada interação consome computação.
Agentes podem consumir ainda mais porque executam múltiplas etapas para completar uma única tarefa.
Isso significa que a demanda por inferência pode crescer de forma explosiva.
A estratégia chinesa vai além da IA
Os 3,8 trilhões de yuans também financiarão a expansão de outras partes da infraestrutura digital.
O plano estabelece, por exemplo, a meta de chegar em 2030 a:
50 estações 5G e 5G-A para cada 10 mil habitantes.
A penetração de usuários 5G deverá alcançar:
95%.
Também existe uma meta de aproximadamente:
320 milhões de assinantes de banda larga gigabit ou superior.
E a China pretende implantar cerca de:
500 mil novas estações 5G-Advanced.
6G também aparece no plano
O governo determina ainda preparação para:
iniciar serviços comerciais de 6G no momento considerado apropriado.
Isso não significa que a China tenha marcado uma data oficial definitiva para lançar comercialmente o 6G.
Mas coloca a próxima geração móvel formalmente dentro da estratégia para o período.
Isso conecta:
IA;
cloud;
edge;
data centers;
5G-A;
6G;
satélites;
fibra.
A infraestrutura está convergindo
Durante décadas, telecomunicações e computação eram tratadas como setores relativamente separados.
Uma empresa construía:
rede.
Outra construía:
data center.
A IA está aproximando essas duas coisas.
Um agente utilizado em um smartphone pode depender de um modelo executado em um data center a milhares de quilômetros.
Um carro autônomo pode processar parte localmente e outra parte na nuvem.
Uma fábrica pode utilizar edge computing conectado a modelos centrais.
Quanto mais IA entra no mundo físico, mais:
computação + conectividade
precisam funcionar juntas.
Por isso o plano chinês é de “informação e comunicações”
Os 3,8 trilhões de yuans precisam ser entendidos dentro dessa visão.
Não é simplesmente:
“China gastará US$ 530 bilhões comprando GPUs.”
Isso estaria errado.
É um programa de infraestrutura muito mais amplo.
Mas uma parcela importante dessa infraestrutura será construída justamente para sustentar a expansão da inteligência artificial.
EUA e China estão seguindo modelos diferentes
Nos Estados Unidos, grande parte da expansão de IA está sendo conduzida por empresas privadas.
Microsoft.
Amazon.
Google.
Meta.
OpenAI.
Oracle.
xAI.
Empresas anunciam data centers e contratos que chegam a dezenas ou centenas de bilhões de dólares.
Na China, existe também enorme investimento privado.
Mas o governo possui papel muito mais explícito na coordenação da infraestrutura.
Pequim está definindo metas nacionais
Essa diferença é importante.
A China não está apenas esperando empresas decidirem onde construir data centers.
Está definindo:
capacidade;
redes;
hubs;
infraestrutura;
adoção de chips nacionais;
metas de telecomunicações;
cronogramas.
É uma política industrial.
E a escala impressiona
9.800 EFLOPS.
Clusters de:
100 mil aceleradores ou mais.
Investimentos em infraestrutura de informação de:
3,8 trilhões de yuans.
Penetração 5G de:
95%.
Centenas de milhares de novas estações 5G-A.
Esses números mostram que Pequim enxerga infraestrutura digital como uma das bases econômicas da próxima década.
Mas capacidade nominal não garante liderança em IA
Existe um cuidado importante.
Possuir muitos EFLOPS não significa automaticamente possuir os melhores modelos.
Computação é apenas uma parte da equação.
Também são necessários:
dados;
algoritmos;
talentos;
software;
pesquisa;
capital;
energia;
chips eficientes.
E existe ainda uma diferença entre:
capacidade instalada
e
capacidade efetivamente utilizada.
Um cluster mal aproveitado pode entregar menos valor do que uma infraestrutura menor e altamente eficiente.
As restrições de semicondutores continuam sendo um obstáculo
A China enfrenta dificuldade para acessar determinadas tecnologias avançadas.
Não apenas GPUs.
Também existem restrições envolvendo equipamentos utilizados na fabricação de semicondutores.
Isso cria pressão para desenvolver:
litografia;
processos;
memória;
empacotamento;
aceleradores;
software
dentro do próprio país.
A expansão computacional depende, portanto, também da capacidade da indústria chinesa de aumentar a produção doméstica.
A eficiência dos chips chineses será decisiva
Imagine dois países.
O primeiro possui:
100 mil aceleradores muito eficientes.
O segundo:
150 mil aceleradores menos eficientes.
Contar chips não revela necessariamente quem possui mais capacidade útil.
Por isso, o verdadeiro teste da estratégia chinesa será combinar:
quantidade;
desempenho;
software;
utilização;
energia.
O custo energético também pode definir os vencedores
Existe um limite físico para a corrida da IA.
Ele não está apenas na quantidade de chips disponíveis.
Está em:
quanta eletricidade pode ser entregue aos data centers.
Clusters gigantescos precisam de:
subestações;
linhas de transmissão;
refrigeração;
água ou sistemas alternativos;
geração elétrica.
Por isso, países com energia abundante e barata podem possuir uma vantagem estratégica.
A China possui uma carta importante nesse jogo
O país possui a maior capacidade instalada de geração elétrica do planeta e vem expandindo rapidamente:
solar;
eólica;
nuclear;
hidrelétrica;
armazenamento.
Ao mesmo tempo, continua utilizando grandes volumes de carvão.
Conectar data centers às regiões com energia abundante será parte importante da estratégia.
É justamente uma das ideias por trás do East Data, West Computing.
A corrida da IA está virando uma corrida de infraestrutura nacional
No início da IA generativa, a discussão era:
qual empresa possui o melhor modelo?
Depois virou:
quem possui mais GPUs?
Agora a pergunta está ficando maior:
qual país consegue sustentar uma economia inteira baseada em IA?
Isso envolve muito mais do que semicondutores.
Exige:
energia;
telecom;
data centers;
fibra;
software;
capital;
chips;
talentos.
A China parece estar planejando todas essas camadas simultaneamente.
A imagem está correta — mas o investimento precisa ser contextualizado
A publicação compartilhada acerta ao afirmar que a China pretende multiplicar sua capacidade de computação para IA até 2030.
A meta oficial é:
9.800 EFLOPS de computação inteligente.
Frente aos 2.185 EFLOPS registrados em junho de 2026, isso significa um aumento de aproximadamente 4,5 vezes.
Também está correto que o plano trabalha com:
3,8 trilhões de yuans em investimentos acumulados.
Mas é incorreto interpretar todo esse valor como investimento exclusivo em IA.
O montante corresponde à infraestrutura de informação do país entre 2026 e 2030, abrangendo telecomunicações e outras estruturas digitais além dos data centers e clusters de inteligência artificial.
Essa diferença não diminui a importância do anúncio.
Na realidade, revela uma estratégia ainda maior.
A China não pretende apenas comprar mais chips.
Quer construir a infraestrutura necessária para conectar:
chips nacionais + data centers + redes de computação + fibra + 5G-A + futuro 6G + cloud + inteligência artificial.
É uma aposta de escala nacional.
E, se Pequim conseguir chegar aos 9.800 EFLOPS previstos para 2030, a disputa global pela liderança em inteligência artificial não será travada apenas entre OpenAI, Google, Anthropic, Alibaba ou DeepSeek.
Será também uma disputa entre as gigantescas infraestruturas computacionais que sustentam todos esses modelos.
