Xangai constrói uma estratégia de IA full-stack em torno de computação, chips e aplicações

Xangai transformou uma manchete do Google News em um teste muito maior sobre se a China consegue construir uma pilha de IA sob crescentes restrições de chips. A cidade está conectando capacidade computacional, processadores nacionais, modelos e aplicações industriais, em vez de apostar em um único produto celebrado.

Essa estratégia ocupou o centro do palco na Conferência Mundial de Inteligência Artificial de 2026, realizada em Xangai de 17 a 20 de julho. Mais de 1.100 empresas exibiram mais de 3.000 itens, enquanto a programação deslocou a atenção das demonstrações de modelos para infraestrutura e implantação.

A tensão é direta. Xangai quer tornar a IA útil em manufatura, ciência, transporte, serviços públicos e robótica. Ainda assim, a cidade precisa sustentar essas cargas de trabalho sem acesso confiável a todos os processadores avançados, processos de fabricação ou ferramentas de software disponíveis para as hyperscalers americanas.

Isso torna a história maior do que outra iniciativa tecnológica local. Xangai tenta provar que demanda coordenada, plataformas públicas de computação, arquiteturas alternativas de chips e subsídios a aplicações podem compensar desvantagens na fronteira dos semicondutores.

A manchete do Google News esconde uma estratégia de IA full-stack

Xangai trata poder computacional, chips, modelos e aplicações como um único sistema industrial conectado.

O evento imediato não é o lançamento de um único produto. É a concentração de diversos projetos, medidas de política pública e compromissos comerciais em torno do setor de IA da cidade.

No WAIC 2026, a Shanghai Unicom anunciou seu programa UniAI e afirmou que planejava investir mais de 25 bilhões de yuans em infraestrutura de computação inteligente. O programa abrange modernização industrial, serviços públicos, governança urbana e outras aplicações digitais.

A conferência também conectou fornecedores de tecnologia a potenciais clientes. Seu programa WAIC Connect organizou 172 delegações de compradores e apresentou 63 cenários de aplicação antes da abertura do evento.

Esses números importam porque mostram como Xangai pretende criar demanda. A cidade não está esperando que as empresas descubram casos de uso rentáveis de forma independente. Ela está identificando compradores, subsidiando experimentação e posicionando infraestrutura perto das organizações que se espera que a utilizem.

A exposição refletiu essa mesma direção. Os organizadores afirmaram que o evento incluiu mais de 300 robôs realizando tarefas ligadas à manufatura, aos serviços ao consumidor e ao entretenimento. As exibições de computação foram além de aceleradores individuais, incluindo supernós e grandes clusters.

Um supernó combina muitos processadores por meio de conexões de alta velocidade para que possam lidar com grandes cargas de trabalho de IA como um único sistema. Essa abordagem se torna especialmente importante quando um acelerador nacional não consegue igualar o desempenho do chip estrangeiro mais avançado.

A base já existente da cidade dá mais peso à estratégia. A indústria de IA de Xangai ultrapassou 450 bilhões de yuans em 2024, segundo o perfil da indústria de IA da cidade. Ela incluía mais de 380 empresas relevantes de IA e mais de 60 EFLOPS de capacidade pública de computação inteligente.

Um EFLOPS representa um quintilhão de operações de ponto flutuante por segundo. A medida oferece uma visão aproximada da capacidade teórica, embora não revele utilização, eficiência de rede, desempenho de memória ou o custo de produzir uma resposta útil.

O setor de IA de Xangai teria ultrapassado 550 bilhões de yuans em 2025, crescendo mais de 30% em relação ao ano anterior. Autoridades locais atribuíram parte dessa expansão a políticas que reduzem o custo de computação, modelos e dados de treinamento.

Essa é a mudança importante por trás do resultado do Google News. Xangai deixou de apresentar empresas de IA como histórias de sucesso isoladas. Está montando um sistema capaz de levar um projeto da pesquisa ao acesso à computação, desenvolvimento de modelos, testes com clientes e implantação comercial.

O sistema também se estende além do centro de Xangai. As cargas de trabalho computacionais podem ser executadas em regiões ocidentais com energia abundante, enquanto desenvolvedores, empresas de chips, laboratórios e compradores industriais permanecem concentrados perto da costa.

A rede nacional de computação da China foi concebida para conectar essas peças. Ela liga centros de dados, instalações de supercomputação e infraestrutura de borda, permitindo que as cargas de trabalho se movimentem conforme exigências de latência, energia e capacidade.

Esse arranjo se assemelha mais a uma rede elétrica do que a uma coleção convencional de centros de dados independentes. A analogia é imperfeita, mas o objetivo é claro: tornar a capacidade de processamento mais fácil de solicitar, medir, direcionar e comprar.

A vantagem de Xangai está na coordenação. Seu desafio é provar que o sistema coordenado produz serviços confiáveis, e não apenas anúncios impressionantes de capacidade.

Por que Xangai está medindo a demanda em tokens

A política de infraestrutura da cidade está migrando do desempenho computacional teórico para a quantidade de trabalho de IA que os clientes realmente consomem.

Xangai destacou essa mudança na Cúpula de Computação Inteligente de Xangai, em 27 de janeiro de 2026. Participantes descreveram uma transição de medir a infraestrutura principalmente por operações de ponto flutuante para acompanhar o uso de tokens.

Um token é uma pequena unidade de texto ou dados processada por um modelo de linguagem. Os clientes normalmente consomem tokens quando enviam um prompt, recuperam informações, executam um agente ou geram uma resposta.

O consumo de tokens não é uma medida completa de valor econômico. Um modelo pode processar muitos tokens e ainda produzir pouco trabalho útil. Ainda assim, a métrica conecta a infraestrutura mais diretamente à demanda por aplicações do que a pontuação máxima de benchmark de um processador.

A Academia Chinesa de Tecnologia da Informação e Comunicações se uniu a três grandes operadoras de telecomunicações e fornecedores locais de computação para lançar um sistema de colaboração em toda a cidade. A iniciativa busca alinhar fornecedores de computação a desenvolvedores de modelos e empresas de aplicações.

Isso reflete uma mudança mais ampla na economia da IA. Treinar um modelo fundamental continua caro, mas a inferência repetida agora determina se um produto de IA pode sustentar milhões de interações diárias.

Inferência é o processo de executar um modelo treinado para gerar uma saída. Ela inclui desde responder a uma pergunta curta até operar um agente de software por centenas de etapas intermediárias.

O consumo diário de tokens de IA na China teria aumentado de 100 bilhões no início de 2024 para 140 trilhões em março de 2026, segundo o Escritório Nacional de Dados. Apenas o Doubao, da ByteDance, teria passado de cerca de 100 bilhões de tokens diários em maio de 2024 para mais de 120 trilhões em março de 2026.

Esses números devem ser tratados como medições reportadas, e não como dados de uso auditados de forma independente. Ainda assim, sua direção explica por que Xangai está enfatizando infraestrutura, capacidade de rede e custo operacional.

Os agentes consomem mais tokens do que interfaces simples de chat porque planejam tarefas, revisam resultados intermediários, chamam ferramentas e corrigem erros. Um produto que parece simples para o usuário pode gerar extensa computação em segundo plano.

Isso pressiona centros de dados e fornecedores de chips. A demanda de treinamento chega em grandes picos planejados, enquanto a demanda de inferência pode oscilar ao longo do dia e se espalhar por milhares de clientes.

As plataformas públicas de Xangai podem ajudar desenvolvedores menores a evitar a construção de seus próprios clusters. Subsídios locais de computação também reduzem o custo dos primeiros experimentos antes de uma empresa ter receita estável.

Pudong e Xuhui ofereceram a startups elegíveis cupons para computação, modelos e corpus. Cada categoria pode fornecer apoio de até 1 milhão de yuans, segundo informações divulgadas pelas autoridades de Xangai em janeiro.

Um corpus é uma coleção organizada de textos ou outros dados usada para treinar, adaptar ou avaliar um sistema de IA. O acesso a um corpus útil pode importar tanto quanto a capacidade bruta de processamento em aplicações industriais especializadas.

O modelo de cupons faz mais do que reduzir despesas. Ele pode direcionar startups a fornecedores locais de infraestrutura e incentivá-las a se basear em chips, serviços de modelos e conjuntos de dados apoiados.

Isso cria um ciclo estratégico de retroalimentação. Aplicações subsidiadas geram demanda por computação nacional. Uma demanda maior dá às empresas de chips e plataformas mais oportunidades para melhorar compatibilidade, desempenho e suporte a desenvolvedores.

O risco é que os subsídios também podem ocultar uma economia frágil. Um projeto pode parecer viável enquanto créditos cobrem sua conta de inferência e depois enfrentar dificuldades quando precisar arcar com o custo operacional total.

A medição baseada em tokens torna esse problema mais fácil de enxergar. Autoridades e investidores podem comparar a capacidade instalada com o consumo real, retenção de clientes, qualidade de resposta e tarefas que geram receita.

Para compradores empresariais, isso é mais útil do que outro benchmark de manchete. A questão central não é quantos processadores um cluster contém. É com que confiabilidade o sistema conclui o trabalho a um custo aceitável.

É por isso que a política de computação de IA de Xangai agora vai além do centro de dados. Ela vincula gastos em infraestrutura a agentes industriais, modelos especializados, robótica e software usado dentro de fábricas.

Chips nacionais precisam compensar no nível do sistema

O problema mais difícil de Xangai é transformar processadores nacionais variados em sistemas de computação confiáveis que desenvolvedores possam usar sem reengenharia constante.

Os controles de exportação americanos restringiram o acesso da China a alguns aceleradores avançados de IA e tecnologias de semicondutores. Essas limitações aumentaram a pressão sobre empresas chinesas para desenvolver processadores, métodos de encapsulamento, sistemas de rede e alternativas de software.

A comparação com a Nvidia continua inevitável. A vantagem da Nvidia não se limita ao desempenho bruto dos chips. Seu ambiente de software CUDA, bibliotecas, comunidade de desenvolvedores e projetos consolidados de servidores reduzem o trabalho necessário para implantar grandes modelos.

Xangai não consegue substituir esse ambiente por meio do anúncio de um único acelerador. Ela precisa que um grupo de empresas de chips, construtores de sistemas, provedores de nuvem, desenvolvedores de modelos e clientes evolua em conjunto.

A cidade já abriga várias empresas relevantes. Biren Technology e MetaX desenvolvem processadores gráficos de uso geral para cargas de trabalho de IA, enquanto a Iluvatar CoreX busca projetos nacionais de GPU para centros de dados.

Outras equipes de Xangai estão explorando arquiteturas que evitam uma disputa direta pelos GPUs convencionais mais avançados. A Lightelligence desenvolve sistemas de computação óptica, que usam luz em tarefas selecionadas de processamento de dados e comunicação.

A empresa está implantando conjuntamente um cluster de supernós de 10.000 GPUs em Xangai. O fundador Shen Yichen descreveu a integração de sistemas e o encapsulamento fotônico-eletrônico como gargalos persistentes.

Essa ressalva importa. Um componente óptico pode apresentar bom desempenho em laboratório e, ainda assim, ser difícil de encapsular, resfriar, fabricar, programar e conectar dentro de um servidor comercial.

A Dongfang Suanxin seguiu outra rota com o DF1000, um chip de IA 3D próximo à memória apresentado no WAIC 2026. A computação próxima à memória posiciona elementos de processamento perto da memória para reduzir o tempo e a energia gastos no deslocamento de dados.

Processadores tradicionais frequentemente transferem informações entre componentes separados de memória e computação. Esse deslocamento cria um gargalo conhecido como parede de memória, especialmente durante a inferência de IA intensiva em dados.

O DF1000 empilha componentes em uma estrutura tridimensional. A empresa afirma que o design pode melhorar a movimentação de dados e reduzir a dependência dos processos de fabricação mais avançados.

Essa afirmação ainda não recebeu ampla validação por benchmarks independentes. Os compradores ainda precisam de evidências sobre desempenho de aplicações, compatibilidade de software, rendimento de produção, confiabilidade e custo total do sistema.

A Universidade Tongji também apresentou uma Moving Horizon Unit especializada para veículos autônomos, robôs e drones. O chip foi projetado para observar repetidamente as condições, calcular uma resposta e atualizar as ações de uma máquina.

Esses processadores especializados ilustram a abordagem mais ampla de Xangai. Em vez de forçar todas as cargas de trabalho por meio de um único acelerador de uso geral, os desenvolvedores podem combinar arquiteturas específicas com IA de borda, robótica, computação científica ou controle industrial.

A IA de borda executa modelos perto do dispositivo que produz os dados, em vez de enviar cada entrada para uma nuvem distante. Ela pode reduzir a latência e o uso da rede, embora dispositivos menores geralmente imponham limites rígidos de memória e energia.

A cidade se beneficia por ter aplicações próximas aos projetistas de chips. Uma empresa de robótica pode relatar problemas de latência, uma fábrica pode identificar lacunas de confiabilidade e uma desenvolvedora de veículos pode expor restrições de energia ou térmicas.

Esse retorno pode aprimorar um produto mais rapidamente do que uma competição isolada de benchmarks. Também permite que fornecedores locais otimizem sistemas completos em torno das tecnologias de fabricação disponíveis.

No entanto, combinar mais chips não elimina automaticamente a diferença de desempenho. Grandes clusters precisam de interconexões rápidas, agendamento eficiente, memória confiável, resfriamento e software que distribua o trabalho sem desperdiçar capacidade.

Um cluster construído com processadores menos eficientes pode exigir mais eletricidade e espaço físico. Também pode criar mais pontos de falha e impor custos de manutenção maiores.

Estimativas do setor citadas em reportagens recentes colocam a Huawei próxima da Nvidia no mercado chinês de chips de IA em 2025, com cada uma detendo cerca de 40%. Analistas esperavam que a Huawei ganhasse participação à medida que a posição da Nvidia enfraquecesse sob restrições de fornecimento.

Essas estimativas mostram progresso rumo à substituição doméstica, mas não comprovam independência completa. A produção de semicondutores depende de equipamentos, materiais, encapsulamento, propriedade intelectual e processos de fabricação distribuídos por vários países.

O impulso de Xangai em chips é, portanto, uma aposta em nível de sistema. A cidade não precisa que cada componente doméstico lidere individualmente o mercado global. Precisa de componentes suficientes trabalhando em conjunto a um nível de custo e confiabilidade que sustente aplicações reais.

As Aplicações São o Teste, Não a Exposição

Xangai só fortalecerá sua posição em IA se a infraestrutura subsidiada gerar trabalho repetível dentro de fábricas, laboratórios, veículos e serviços públicos.

O pacote de políticas de julho da cidade para a manufatura oferece apoio a modelos industriais, sistemas de programação com IA, IA física, agentes, software industrial e conjuntos de dados especializados.

Projetos qualificados de tecnologia central podem receber apoio de até 20 milhões de yuans. Projetos de segurança para modelos industriais e agentes podem receber até 10 milhões de yuans, enquanto determinadas plataformas de conjuntos de dados podem receber até 20 milhões de yuans.

As medidas também incentivam plataformas de computação industrial a oferecer acesso de teste a ferramentas de agentes low-code, créditos de tokens e suporte computacional.

Esses programas visam um problema prático de adoção. Fabricantes frequentemente possuem dados operacionais valiosos, mas essas informações ficam dispersas entre máquinas, documentos de engenharia, registros de manutenção e sistemas internos.

Um modelo industrial precisa de mais do que textos da internet pública. Ele deve trabalhar com terminologia do domínio, estados de equipamentos, limites de segurança, controles de acesso e os fluxos de trabalho específicos usados pelos funcionários.

Um agente útil em uma fábrica poderia comparar um alerta de sensor com o histórico de manutenção, manuais técnicos e mudanças recentes na produção. Em seguida, ele precisa mostrar suas evidências e encaminhar a recomendação a um engenheiro autorizado.

Esse fluxo de trabalho exige qualidade de dados, recuperação de informações, latência e responsabilização. Uma resposta fluente não é suficiente quando um erro pode interromper a produção ou danificar equipamentos.

As organizações que consideram esses sistemas primeiro precisam de uma camada de informações pesquisável. Uma base de conhecimento de engenharia bem mantida pode ajudar as equipes a organizar documentos técnicos antes de adicionar decisões automatizadas.

Xangai tem diversos setores nos quais essa abordagem pode ser testada, incluindo manufatura automotiva, semicondutores, produtos farmacêuticos, finanças, transporte marítimo e equipamentos avançados.

A robótica oferece outro caso de uso visível. Mais de 300 robôs na WAIC realizaram atividades em contextos de manufatura e serviços do dia a dia, mas o desempenho em uma exposição continua sendo diferente da operação de longo prazo.

Um robô de fábrica precisa repetir tarefas sob mudanças de iluminação, posicionamento de objetos, desgaste de equipamentos e atividade humana. Ele também precisa de manutenção previsível e de um procedimento claro para falhas seguras.

As aplicações científicas impõem requisitos diferentes. Pesquisadores podem priorizar acesso a dados, reprodutibilidade, métodos numéricos especializados e a capacidade de inspecionar resultados intermediários.

Os serviços públicos introduzem preocupações de privacidade e governança. Um sistema de IA em toda a cidade pode afetar moradores que não escolheram a tecnologia e não conseguem trocar facilmente de fornecedor após um erro.

Essas diferenças explicam por que um único modelo geral não resolverá o desafio de aplicações de Xangai. Cada setor precisa de métodos de avaliação ligados aos seus próprios riscos e resultados desejados.

Os indicadores mais críveis virão do uso contínuo. Os compradores devem procurar menor tempo de inatividade de equipamentos, ciclos de projeto mais rápidos, menor consumo de energia, maior precisão de inspeção ou fluxos de pesquisa mais curtos.

As contagens de aplicações publicadas merecem cautela. Um modelo registrado, um piloto financiado ou uma demonstração em conferência não representam necessariamente uma implantação comercial ativa.

A mesma preocupação se aplica à utilização computacional. Uma cidade pode anunciar capacidade substancial enquanto as cargas de trabalho permanecem concentradas em um pequeno número de grandes empresas.

Os 60 EFLOPS relatados por Xangai de poder público de computação inteligente mostram disponibilidade de infraestrutura. Eles não revelam quão uniformemente a capacidade é usada, quanto os clientes pagam ou com que frequência desenvolvedores enfrentam problemas de compatibilidade.

A energia cria outra restrição. A Agência Internacional de Energia espera que o consumo global de eletricidade de data centers suba de cerca de 485 terawatts-hora em 2025 para aproximadamente 945 terawatts-hora em 2030, como descrito em sua perspectiva sobre data centers.

A China está instalando alguns centros de computação perto de recursos de energia renovável nas regiões ocidentais. Conexões de rede de alta velocidade então ligam essas instalações aos polos tecnológicos costeiros.

Isso pode reduzir a pressão sobre a rede elétrica local de Xangai, mas a distância afeta a latência e a complexidade operacional. Um grande trabalho de treinamento pode tolerar processamento remoto mais facilmente do que um robô que exige uma resposta imediata.

Os desenvolvedores precisam decidir qual trabalho pertence a um cluster no oeste, a um data center em Xangai ou a um dispositivo de borda. A resposta depende da sensibilidade dos dados, do tempo de resposta, do custo de energia, da confiabilidade da rede e do tamanho do modelo.

A estratégia full-stack da cidade foi concebida para apoiar essas escolhas. Seu sucesso dependerá de as conexões entre as camadas permanecerem utilizáveis depois que os subsídios e a atenção das conferências diminuírem.

Três Sinais Mostrarão se a Aposta de Xangai Funciona

As próximas evidências precisam vir da utilização, de implantações comerciais de chips e de resultados industriais mensuráveis.

O primeiro sinal é o consumo sustentado de tokens nas plataformas públicas e comerciais de computação de Xangai. O aumento do uso mostraria que modelos e agentes estão avançando além de demonstrações isoladas.

A versão mais forte desse sinal incluiria retenção de clientes, diversidade de cargas de trabalho e melhora no custo por tarefa concluída. O crescimento bruto de tokens, por si só, pode refletir modelos ineficientes ou experimentação subsidiada.

Se a utilização permanecer baixa apesar da nova capacidade, a cidade pode ter construído infraestrutura mais rapidamente do que as aplicações conseguem absorvê-la. Isso enfraqueceria o argumento de que o investimento coordenado cria sua própria demanda.

O segundo sinal é evidência independente de implantações de chips domésticos. Os chips de IA de Xangai precisam de benchmarks públicos que cubram modelos reais, uso de energia, escalonamento de clusters, taxas de falha e migração de software.

Anúncios sobre processadores ópticos, designs próximos à memória e GPUs domésticas continuam sendo indicadores relevantes de pesquisa. Contratos comerciais e pedidos recorrentes forneceriam uma prova mais forte.

Acompanhe o projeto de supernó óptico de 10.000 GPUs associado à Lightelligence. Uma implantação estável respaldaria o argumento de Xangai de que arquiteturas alternativas podem melhorar grandes sistemas de computação.

Acompanhe também o DF1000. Testes com clientes poderiam revelar se seu design próximo à memória oferece benefícios práticos fora de demonstrações controladas.

O terceiro sinal é valor mensurável das aplicações industriais. A política de manufatura de Xangai deve gerar pilotos envolvendo agentes, conjuntos de dados, robótica, software industrial e IA física.

A cidade precisa divulgar resultados que os compradores possam avaliar. Medidas úteis incluem tempo de atividade da produção, desempenho de inspeção, custo de inferência, consumo de energia, adoção pelos funcionários e tempo economizado.

Uma longa lista de projetos financiados não resolveria a questão. O resultado mais forte seria várias organizações renovando implantações com seus próprios orçamentos.

A concorrência moldará os três sinais. Huawei, Alibaba, Baidu e outras grandes empresas chinesas de tecnologia podem fornecer modelos, nuvens, chips e plataformas para desenvolvedores fora dos programas locais de Xangai.

Empresas americanas continuam relevantes mesmo quando seu hardware mais recente é restrito. Suas práticas de software, lançamentos de modelos e economia de infraestrutura continuam definindo referências para compradores globais.

Portanto, Xangai precisa competir em mais do que apoio político ou capacidade instalada. Precisa de ferramentas previsíveis, segurança confiável, dados acessíveis, inferência acessível e sistemas que engenheiros possam manter.

A cidade entra nessa disputa com vantagens significativas. Ela tem uma grande economia industrial, instituições de pesquisa, projetistas de chips, empresas de modelos, investidores e compradores governamentais em estreita proximidade.

Também enfrenta fragilidades reais. O fornecimento doméstico de processadores continua desigual, arquiteturas alternativas precisam de validação comercial e pilotos subsidiados podem obscurecer a disposição dos clientes em pagar.

Essa combinação torna o experimento de Xangai digno de acompanhamento. Ele testa se um cluster industrial regional pode compensar o acesso restrito a hardware de ponta por meio da coordenação em toda a pilha de IA.

A próxima manchete do Google News provavelmente destacará outro chip, robô, cluster ou programa de financiamento. Os leitores devem olhar além do anúncio individual e fazer três perguntas.

A nova capacidade está sendo usada depois que os créditos de teste expiram? Os processadores domésticos estão concluindo cargas de trabalho reais com confiabilidade e uso de energia aceitáveis? Os clientes industriais estão ampliando implantações com seu próprio dinheiro?

Essas respostas determinarão se Xangai construiu uma vantagem duradoura em IA ou uma ambiciosa coleção de projetos de infraestrutura. Acompanhe as implantações, compare os dados operacionais e trate cada alegação de vitrine como o início da verificação, e não sua conclusão.