O Salto de 400% na Receita da Zhipu AI Esconde uma Corrida Muito Mais Cara

A Zhipu AI reportou um aumento de cerca de 400% na receita do primeiro semestre, mas a desenvolvedora chinesa de modelos ainda gastou mais que o dobro de suas vendas em pesquisa e desenvolvimento. O resultado não é uma simples história de crescimento. É um teste sobre se o uso crescente de modelos pode se transformar em um negócio duradouro antes que os custos de infraestrutura e concorrentes agressivos absorvam os ganhos.

A empresa de Pequim, agora apresentada internacionalmente sob a marca Z.ai, gerou RMB953,9 milhões nos seis meses encerrados em 30 de junho de 2026. Isso representou 399,7% acima do mesmo período do ano anterior. A receita de sua plataforma aberta e de interfaces de programação de aplicativos, ou APIs, atingiu RMB825 milhões e respondeu por 86,5% do total.

Essa mudança importa mais do que o percentual da manchete. A Zhipu dependia anteriormente, em grande medida, de sistemas personalizados e implantados localmente para empresas e clientes do setor público. Agora, ela se apresenta como uma plataforma de nuvem cujos modelos podem ser chamados repetidamente por desenvolvedores, empresas de software e agentes de IA.

A disputa emergente é entre esse modelo escalável de APIs e a necessidade contínua da Zhipu de financiar a pesquisa de modelos de fronteira. DeepSeek, Alibaba, Moonshot AI e MiniMax estão tornando esses mesmos clientes difíceis de reter. Elas lançam novos modelos rapidamente, competem em preço e dão aos desenvolvedores mais motivos para trocar de fornecedor.

O Que Mudou por Trás do Crescimento de 400% da Zhipu AI

A mudança definidora não foi simplesmente uma receita maior. A Zhipu substituiu o trabalho de implantação intensivo em projetos pelo uso medido de modelos como seu principal negócio.

A Zhipu publicou seus resultados intermediários em 31 de agosto, cobrindo os primeiros seis meses de 2026. Isso estabelece o evento subjacente por trás do ciclo de notícias de 1º de setembro. O período de reporte terminou em 30 de junho, portanto números posteriores de uso e de receita anualizada não devem ser confundidos com vendas reconhecidas no primeiro semestre.

A receita total da empresa subiu de aproximadamente RMB191 milhões para RMB953,9 milhões. Sua receita de plataforma aberta e APIs aumentou 2.735,7%, de RMB29,1 milhões para RMB825 milhões. Essa categoria representou 86,5% da receita, ante 15,2% um ano antes.

A receita de APIs vem do acesso programático aos modelos. Um desenvolvedor envia texto, código, imagens ou outras entradas para um modelo hospedado e paga de acordo com o uso ou com um contrato de serviço relacionado. Essa estrutura pode escalar sem enviar uma equipe de engenharia para o local de cada cliente.

Em contraste, a receita de implantação local da Zhipu caiu 20,5%, para aproximadamente RMB129 milhões. A implantação local geralmente coloca um modelo e a infraestrutura de apoio em um ambiente controlado pelo cliente. Ela pode atender a requisitos de segurança e residência de dados, mas as instalações tendem a exigir mais personalização e ciclos de vendas mais longos.

A composição da receita, portanto, mudou drasticamente em um único período de reporte. Durante 2025, as implantações locais geraram RMB534 milhões e representaram 73,7% da receita do ano inteiro. Seis meses depois, o acesso em nuvem havia se tornado a linha dominante.

Esta é a evidência mais forte de que a Zhipu está se tornando uma plataforma de modelos, em vez de continuar sendo uma contratada de IA. A distinção afeta crescimento, margens, concentração de clientes e a forma como investidores avaliam a empresa.

A Zhipu também reportou RMB251,6 milhões em lucro bruto, um aumento de 163,7%. A margem bruta, no entanto, foi de 26,4%, abaixo da taxa implícita nos números do ano anterior. A receita cresceu mais rápido do que o lucro bruto porque atender chamadas aos modelos ainda envolve custos computacionais substanciais.

Os resultados financeiros intermediários também mostraram a escala dos gastos por trás da expansão. As despesas de pesquisa e desenvolvimento aumentaram 33,6%, para RMB2,13 bilhões. O prejuízo atribuível aos acionistas foi de cerca de RMB2,07 bilhões, enquanto o prejuízo líquido ajustado atingiu RMB1,96 bilhão.

Esses números criam a tensão central do artigo. A Zhipu encontrou um canal de vendas muito mais rápido, mas sua estrutura de custos ainda não transformou essa adoção em um negócio de modelos autossustentável.

A Demanda por APIs Está Substituindo Projetos Personalizados

O uso em nuvem dá à Zhipu uma fonte de receita mais repetível, mas essa repetibilidade precisa ser medida ao longo de vários períodos de reporte.

Um projeto local de IA costuma produzir receita irregular. Os contratos podem ser grandes, mas o reconhecimento depende de cronogramas de entrega, testes, aceitação e orçamentos dos clientes. Conquistar outro cliente pode exigir outro processo de implantação.

Um negócio de APIs funciona de forma diferente. Quando a plataforma já existe, milhares de desenvolvedores podem chamar o mesmo serviço subjacente. O aumento do uso pode gerar mais receita sem criar um projeto de implementação separado para cada cliente.

A Zhipu disse que sua plataforma tinha mais de 7,4 milhões de usuários ao fim do primeiro semestre. Também informou que o volume de tokens, uma medida do texto e do código processados por seus modelos, havia aumentado mais de quarenta vezes desde o início de 2026.

Tokens são pequenas unidades usadas para processar entradas e saídas dos modelos. O aumento do volume de tokens indica mais atividade, mas não indica automaticamente uma economia melhor. Créditos gratuitos, descontos, preços menores ou cargas de trabalho intensivas em computação podem elevar o uso sem produzir lucro bruto proporcional.

A empresa atribui o crescimento a modelos GLM mais recentes, à demanda por programação e à expansão da infraestrutura. Sua família GLM concorre em raciocínio geral, desenvolvimento de software, agentes e inferência de menor custo.

A programação é particularmente importante porque pode gerar chamadas frequentes e mensuráveis. Um assistente de programação com IA pode consultar um modelo repetidamente enquanto revisa um repositório, cria arquivos, testa alterações e corrige erros. Esse padrão pode gerar mais consumo recorrente do que uma sessão ocasional de chatbot.

A empresa afirma que seus modelos avançaram da conclusão de código para a engenharia agêntica. Esse termo descreve sistemas que planejam e executam múltiplas etapas de desenvolvimento de software, em vez de sugerir uma única linha de código. A afirmação deve ser tratada como a descrição da Zhipu sobre a direção de seu produto, e não como prova independente de confiabilidade em ambientes de produção.

A Zhipu também divulgou uma receita recorrente anualizada de US$1,6 bilhão para agosto, acima de US$1 bilhão no início de julho. ARR anualiza uma taxa recente de receita. Trata-se de um indicador operacional prospectivo, não de receita já registrada segundo as regras de reporte financeiro.

A distinção é essencial. A receita reconhecida no primeiro semestre cobriu seis meses completos e totalizou RMB953,9 milhões. O número de ARR de agosto extrapola um período muito mais curto. Ele pode revelar aceleração, mas também pode mudar rapidamente quando variam o uso, a capacidade, os preços ou a atividade promocional.

Segundo uma detalhada análise da composição do negócio, a administração disse que o ARR de agosto subiu 60% em relação ao nível do início de julho. Esse ritmo explica o interesse dos investidores, mas torna o próximo período reportado mais importante.

O mercado agora precisa de evidências de que os clientes de APIs continuam chamando os modelos após os lançamentos iniciais e incentivos. Também precisa ver se o crescimento da receita pode continuar sem deterioração da margem bruta.

É por isso que a manchete de 400% é apenas o número inicial. A transição do modelo de negócios se torna crível quando o uso permanece elevado, as coortes de clientes amadurecem e cada unidade adicional de receita exige proporcionalmente menos gastos.

O Verdadeiro Adversário É a Base de Custos da Zhipu

A Zhipu não está correndo apenas contra outros laboratórios. Está correndo contra o custo de treinar, hospedar e aprimorar os modelos que geram sua receita.

A despesa de RMB2,13 bilhões da empresa com pesquisa e desenvolvimento foi mais que o dobro de sua receita do primeiro semestre. Esse gasto sustentou treinamento de modelos, capacidade de inferência, engenharia e desenvolvimento de produtos. Também mostra por que o rápido crescimento da receita ainda não gerou lucratividade.

Inferência é a computação executada sempre que um modelo implantado responde a uma solicitação. Um fornecedor precisa fornecer processadores, memória, rede, armazenamento e energia para cada chamada. Mais uso gera mais vendas, mas também eleva os custos variáveis.

O treinamento cria outro ônus. Modelos de fronteira exigem grandes clusters de computação antes que possam atender clientes. Uma empresa frequentemente precisa comprometer esse capital antes de saber se um modelo atrairá demanda paga suficiente.

A Zhipu afirma que o trabalho de infraestrutura reduziu seu custo por token gerado em 80% desde o início de 2026. Também afirma que o desempenho de serviço de ponta a ponta melhorou três vezes e que a receita associada a cada unidade de capacidade de treinamento e inferência aumentou catorze vezes.

Essas medições são encorajadoras, mas são métricas operacionais reportadas pela própria empresa. Os resultados financeiros públicos não fornecem detalhes suficientes para reproduzir cada cálculo ou separar as melhorias causadas por engenharia daquelas causadas por maior utilização.

A empresa vem expandindo a capacidade de inferência com base em processadores projetados na China. Ela afirma que sua plataforma agora opera em uma escala de aproximadamente 100.000 chips domésticos. Essa estratégia aborda restrições de acesso criadas pelos controles dos Estados Unidos sobre exportações de semicondutores avançados.

O hardware doméstico pode reduzir a exposição a restrições de fornecimento estrangeiro. Também pode exigir ampla otimização, porque ferramentas de software, sistemas de rede e kernels de modelos foram historicamente desenvolvidos em torno do ecossistema da Nvidia.

Portanto, a Zhipu precisa resolver dois problemas simultaneamente. Ela precisa de capacidade suficiente para evitar gargalos de serviço e deve tornar essa capacidade econômica o bastante para melhorar a margem bruta.

O primeiro problema tornou-se visível em todo o mercado chinês de IA. A Moonshot AI interrompeu temporariamente a aceitação de novas assinaturas do Kimi em julho, depois que a demanda excedeu a capacidade disponível. O episódio, descrito em um relatório sobre capacidade de IA, mostrou que um modelo popular pode se tornar operacionalmente difícil de atender em questão de dias.

O segundo problema aparece diretamente nas contas da Zhipu. O lucro bruto cresceu muito mais lentamente do que a receita, enquanto os prejuízos ajustados continuaram maiores do que as vendas. A Zhipu tem mais demanda, mas ainda não demonstrou que a escala produzirá uma economia unitária atraente.

Os números de eficiência da administração sugerem que a infraestrutura mais recente está começando a trabalhar mais. O teste financeiro chegará quando essas melhorias técnicas se refletirem na margem bruta, nas necessidades de caixa operacional e em um prejuízo menor em relação à receita.

Um fornecedor de modelos em nuvem pode tolerar investimentos pesados enquanto o uso cresce rapidamente. Ele não pode presumir acesso indefinido a capital, especialmente quando os clientes podem transferir cargas de trabalho entre várias APIs compatíveis.

DeepSeek, Alibaba e MiniMax Mantêm Baixos os Custos de Troca

A transição da Zhipu para APIs ocorre em um mercado onde a fidelidade aos modelos continua fraca e cada novo lançamento pode redefinir as expectativas dos clientes.

Os desenvolvedores raramente escolhem um fornecedor de modelos uma vez e deixam de avaliar alternativas. Muitas aplicações direcionam prompts entre fornecedores com base em custo, latência, qualidade do modelo, disponibilidade ou requisitos de dados.

OpenAI e Anthropic enfrentam esse comportamento globalmente. Na China, a pressão é intensificada por DeepSeek, os modelos Qwen da Alibaba, a família Doubao da ByteDance, o Kimi da Moonshot e a MiniMax.

A DeepSeek estabeleceu um ponto de referência para raciocínio de menor custo e distribuição de pesos abertos. Modelos de pesos abertos permitem que desenvolvedores baixem parâmetros de modelos sob os termos de licença aplicáveis e então operem ou modifiquem os sistemas sem depender exclusivamente do endpoint hospedado pelo fornecedor original.

A Alibaba combina o desenvolvimento do Qwen com um grande negócio de nuvem. Essa combinação lhe dá infraestrutura, relacionamentos empresariais e múltiplas formas de agregar serviços de IA. A ByteDance pode conectar o desenvolvimento de modelos a uma enorme distribuição entre consumidores.

A Moonshot usou grandes lançamentos do Kimi para atrair desenvolvedores interessados em programação, agentes e cargas de trabalho de contexto longo. Sua interrupção de capacidade demonstrou forte demanda, mas também evidenciou o risco operacional de uma adoção repentina.

A MiniMax oferece a comparação financeira pública mais clara entre os especialistas chineses em modelos listados em bolsa. A empresa informou que a receita do primeiro semestre de 2026 cresceu 283,1%, para US$ 116,6 milhões, superando toda a sua receita de 2025.

A MiniMax atribuiu o aumento a usuários pagantes, clientes empresariais, chamadas de API e seu produto de assinatura de tokens. Seus resultados do primeiro semestre indicam que a Zhipu não está sozinha ao converter o interesse em modelos em vendas mais rápidas.

Essa comparação não estabelece qual empresa tem a melhor tecnologia ou o melhor negócio. Suas combinações de produtos, moedas de reporte, segmentos de clientes e políticas contábeis diferem. Ela mostra que o mercado em torno da Zhipu está se expandindo com rapidez suficiente para sustentar várias histórias de crescimento.

Isso torna a retenção mais importante do que os totais brutos de registros. Um desenvolvedor pode criar uma conta, testar um modelo, consumir créditos promocionais e sair. Uma plataforma duradoura precisa de cargas de trabalho em produção que continuem gerando chamadas pagas após o lançamento de um modelo concorrente.

A confiabilidade também importa. Compradores empresariais avaliam tempo de atividade, latência sob carga, controles de segurança, auditabilidade, disponibilidade geográfica e suporte. Uma vitória em benchmarks não pode compensar um endpoint que fica mais lento durante um fluxo de trabalho crítico.

Os preços continuam sendo outra fonte de pressão. Desenvolvedores chineses reduziram repetidamente os custos dos modelos ou ofereceram acesso com desconto para incentivar a adoção. Preços mais baixos podem ampliar o mercado total, mas também podem impedir que os provedores convertam eficiência técnica em margens maiores.

O mercado de tokens de IA já produziu mudanças nas duas direções. Alguns provedores competiram agressivamente nos preços de tokens, enquanto operadores de nuvem elevaram as cobranças por determinados serviços de computação e armazenamento.

A Zhipu está entre essas forças. Seus clientes esperam que os modelos se tornem mais baratos, enquanto a infraestrutura sob esses modelos pode se tornar mais cara ou mais difícil de obter.

O resultado é um mercado com poder de precificação limitado. O crescimento recente da Zhipu lhe dá mais dados de uso, feedback de clientes e receita para financiar o desenvolvimento. Não oferece à empresa proteção permanente contra o próximo lançamento de DeepSeek, Qwen, Kimi ou MiniMax.

O que os números ainda não comprovam

Um semestre excepcional não estabelece receita recorrente duradoura, margens fortes ou um caminho para a lucratividade.

A primeira incerteza diz respeito à base de comparação. A receita da Zhipu no primeiro semestre de 2025 foi de apenas cerca de RMB191 milhões. Um ponto de partida pequeno torna um aumento de 400% matematicamente mais fácil do que seria para um provedor de nuvem maduro.

Isso não torna o crescimento menos importante. Adicionar mais de RMB760 milhões de receita em um ano é substancial. Significa que a porcentagem deve ser avaliada junto da receita absoluta e dos gastos da empresa.

A segunda incerteza diz respeito à qualidade da receita de API. O total informado não revela quanto veio de cargas de trabalho empresariais de longo prazo, demanda de curto prazo em torno de novos modelos, acordos pré-pagos ou clientes concentrados.

A concentração de clientes pode tornar o crescimento menos previsível. Um pequeno número de grandes compradores pode gerar enorme volume de tokens e, depois, renegociar preços ou migrar cargas de trabalho quando outro modelo tiver melhor desempenho.

A terceira incerteza é a relação entre receita reconhecida e ARR. O ARR de agosto da Zhipu indica um ritmo de execução muito mais rápido do que suas contas do primeiro semestre. Essa diferença pode refletir uma aceleração genuína após junho, mas os leitores não devem tratar a atividade anualizada de agosto como caixa já recebido.

As definições de ARR também variam entre as empresas. Algumas calculam a cifra com base em contratos, enquanto outras anualizam o consumo recente. Um negócio baseado em uso pode gerar um ritmo de execução impressionante em um mês movimentado sem garantir o mesmo volume durante doze meses.

A quarta incerteza é a lucratividade. Uma margem bruta de 26,4% deixa espaço limitado para pesquisa, vendas, administração e desenvolvimento contínuo de infraestrutura. O prejuízo líquido ajustado da Zhipu foi mais de duas vezes sua receita.

As perdas diminuíram em algumas métricas, mas a empresa continua dependente de financiamento externo para sustentar seu programa atual de pesquisa. A questão central não é se as perdas existem. Desenvolvedores de modelos de fronteira normalmente gastam muito. A questão é se as perdas diminuem como porcentagem da receita à medida que o uso de APIs escala.

A quinta incerteza diz respeito à intensidade de capital. A administração apresenta a plataforma aberta como um negócio escalável, mas atender chamadas de modelos exige infraestrutura física. O crescimento pode demandar novos chips e capacidade de data centers antes que a receita dos clientes chegue.

A redução de 80% no custo por token ajudaria se fosse medida de forma consistente e sustentada. No entanto, o efeito pode ser compensado quando modelos mais novos usam mais computação, clientes exigem contextos mais longos ou preços competitivos transferem os ganhos de eficiência aos usuários.

A sexta incerteza é a liderança em modelos. As classificações de qualidade mudam rapidamente, e nenhum benchmark captura todas as cargas de trabalho em produção. Agentes de programação que têm bom desempenho em testes controlados ainda podem cometer erros caros ao encontrar repositórios privados, sistemas desconhecidos ou instruções incompletas.

Reportagens independentes sobre os resultados da Zhipu enfatizam a mesma dualidade. A receita está crescendo rapidamente, enquanto a empresa continua arcando com custos substanciais de pesquisa e perdas. Os números de prejuízo reportados tornam prematuro descrever a mudança no modelo de negócios como concluída.

Para compradores empresariais, essa incerteza sustenta uma resposta prática. Eles devem avaliar a qualidade dos modelos com suas próprias tarefas, acompanhar os custos totais de inferência e manter fluxos de trabalho críticos portáteis quando viável.

Para desenvolvedores, a história tem menos a ver com escolher um vencedor permanente. Trata-se de entender que a competição intensa pode melhorar os modelos e reduzir custos, ao mesmo tempo que aumenta o risco de mudanças repentinas em preços, capacidade ou produtos.

Três sinais para acompanhar após o salto de 400%

A próxima fase será decidida pela qualidade da receita, pela evolução das margens e pela capacidade da Zhipu de reter cargas de trabalho após lançamentos concorrentes.

O primeiro sinal é o próximo valor de receita de API reconhecida da Zhipu. Os investidores devem compará-lo aos RMB825 milhões reportados para o primeiro semestre, em vez de depender apenas do ARR de agosto.

Um segundo semestre forte mostraria que a transição continuou após o surto inicial. Uma desaceleração sequencial sugeriria que o uso anualizado do verão capturou um pico temporário, um período limitado por capacidade ou um ciclo de lançamento.

A composição dessa receita será importante. O crescimento contínuo no uso de nuvem medido por consumo reforçaria a narrativa da plataforma. Uma dependência renovada de implantações locais sugeriria que projetos personalizados continuam importantes para fechar grandes contratos.

O segundo sinal é a margem bruta. O crescimento da receita se torna mais convincente se o lucro bruto começar a subir pelo menos tão rapidamente quanto as vendas.

A melhora da margem indicaria que utilização, otimização de modelos e infraestrutura doméstica estão reduzindo o custo de cada carga de trabalho paga. Margem estável ou em queda mostraria que a competição e as exigências de computação estão consumindo esses ganhos.

Os gastos com pesquisa devem ser avaliados no mesmo contexto. A Zhipu não precisa parar de investir, mas a receita deve acabar crescendo mais rápido do que a base de despesas. Caso contrário, a plataforma continuará sendo um mecanismo para converter capital em uso subsidiado de modelos.

O terceiro sinal é o comportamento dos clientes após o próximo grande lançamento de um concorrente. DeepSeek, Qwen, Kimi e MiniMax já mostraram que o lançamento de um único modelo pode atrair desenvolvedores rapidamente.

A Zhipu precisará demonstrar que os clientes existentes em produção permanecem nos serviços GLM mesmo quando concorrentes publicam benchmarks mais fortes ou preços menores. O uso estável de tokens após esses lançamentos sustentaria a visão de que confiabilidade, ferramentas e integração criam retenção significativa.

Mudanças abruptas de uso a enfraqueceriam. Elas mostrariam que as APIs de modelos continuam intercambiáveis e que a receita segue ciclos curtos de produtos, em vez de relacionamentos duradouros de plataforma.

Esses sinais importam além da China. A Zhipu está testando se uma empresa de modelos de fronteira consegue construir um grande negócio hospedado usando acesso de menor custo, modelos abertos e infraestrutura doméstica de computação.

Seu relatório do primeiro semestre fornece evidências confiáveis de demanda. Não resolve o debate econômico.

O aumento de 400% marca uma mudança real no modelo de negócios, e não apenas um marco publicitário. Ainda assim, as perdas da Zhipu, sua conta de pesquisa e o campo competitivo lotado mostram o quanto essa mudança permanece cara.

Desenvolvedores e compradores empresariais devem observar o que acontece depois que a manchete perde força. A receita de API reconhecida alcança o ritmo de execução anunciado? A margem bruta melhora à medida que o volume de tokens cresce? Os clientes permanecem após o próximo ciclo de modelos?

Essas respostas revelarão se a Zhipu construiu uma plataforma de nuvem recorrente ou entrou em uma versão mais rápida da mesma corrida intensiva em capital. A empresa estabeleceu impulso. Seus próximos resultados precisam mostrar que esse impulso pode sobreviver à competição e financiar a infraestrutura que o sustenta.