China AI model industry: Laboratórios chineses de IA enfrentam competição mais segmentada, mas expansão internacional e eficiência podem apoiar a adoção

Visão geral

Este relatório setorial da UBS examina como a competição entre desenvolvedores chineses e globais de modelos de IA está mudando em capacidade, eficiência de custo, preços e distribuição internacional. A UBS permanece encorajada pela expansão internacional e inovação dos laboratórios chineses, mas destaca a incerteza política e diferenças de custo-desempenho cada vez mais específicas por tarefa como restrições relevantes.

Visões principais

A UBS argumenta que os modelos chineses de IA ganharam reconhecimento global à medida que a diferença de capacidade frente aos principais modelos estrangeiros diminui e suas vantagens de custo permanecem significativas. Contudo, o cenário competitivo ficou mais complexo: possíveis restrições a modelos de pesos abertos podem dificultar a adoção internacional; medidas anti-destilação mais rigorosas de líderes globais e maior atenção da política dos EUA à destilação em escala industrial podem desacelerar a convergência de capacidade. As preocupações recentes também contribuíram para o fraco desempenho de empresas de modelos listadas, com MiniMax e Zhipu em queda de cerca de 20% e 40%, respectivamente, no mês até a data. O relatório espera que a precificação dos modelos de IA se diferencie mais por nível de tarefa. Na ponta de volume, onde os modelos disponíveis já atendem aos requisitos e a inteligência adicional tem valor marginal limitado, a UBS prevê deflação contínua por Token. Desenvolvedores chineses e estrangeiros estão introduzindo modelos Flash ou com menos parâmetros, de desempenho próximo ao dos modelos emblemáticos e preços substancialmente menores, incluindo GLM-5.3-Flash, Kimi K2.8 Preview, Qwen3.8-Flash e Gemini 3.8 Flash. A UBS também aponta reduções diretas de preço no exterior: os preços de entrada, entrada em cache e saída do GPT-5.6 Sol da OpenAI caíram 20%, 20% e 33%, respectivamente; os preços do GPT-5.6 Luna caíram 80% em todos os tipos de Token; e o preço de cache KV do Claude Fable 5.1 ficou 75% abaixo do Fable 5. Em 22 de setembro, a OpenAI lançou GPT-6 Sol e Luna por aproximadamente metade dos preços de API de seus equivalentes GPT-5.6, enquanto o Claude Opus 5.5 da Anthropic combinou melhor desempenho com preços de entrada e saída 20% menores, preço de leitura de cache 60% menor e custo estimado cerca de 40% menor para tarefas típicas. Na fronteira de capacidade, a UBS acredita que o poder de precificação pode ser mais durável. Modelos de fronteira podem executar tarefas complexas e de longo horizonte em uso de computadores, engenharia de software, pesquisa científica e fluxos de trabalho profissionais, apoiando maior taxa de sucesso e valor por tarefa bem-sucedida. Preços maiores por Token não necessariamente significam custo maior para o cliente: no máximo esforço de raciocínio, o GPT-6 Astra usou cerca de um terço dos Tokens necessários ao GPT-5.6 Sol por tarefa de programação, segundo a Artificial Analysis. Assim, a UBS argumenta que maior capacidade e eficiência de Token podem preservar, ou até ampliar, o prêmio de preço dos modelos de fronteira sem comprometer o retorno sobre investimento do cliente. A UBS espera que a corrida pela fronteira continue intensa mesmo que os lançamentos de modelos adotem uma abordagem mais moderada. Laboratórios de IA usam IA em programação, experimentos e fluxos de pesquisa, além de explorar aprimoramento recursivo próprio; são citados o uso interno de IA pela OpenAI e Anthropic e o Infra Agent da Zhipu. Espera-se que laboratórios chineses ampliem capacidade de computação após recentes rodadas de financiamento para apoiar treinamento de próxima geração em maior escala. A UBS também espera que ganhos futuros de capacidade dos modelos chineses sejam impulsionados por fontes de dados mais diversificadas, como issues e Pull Requests do GitHub, dados sintéticos e dados acumulados de ambientes específicos de domínio, incluindo cibersegurança. A UBS vê a distribuição internacional como uma alavanca relevante de monetização para laboratórios chineses à medida que a adoção global de modelos de pesos abertos acelera. A MiniMax tem colaborações globais em adoção empresarial, ajuste fino vertical e implantação em nuvem; a Zhipu possui parcerias com provedores globais de serviços de nuvem; e o Kimi K3 está disponível no AWS Bedrock. Dados da OpenRouter indicam ganhos contínuos de participação de uso para modelos chineses e de pesos abertos, que a UBS atribui aos principais modelos chineses e à redução da diferença de capacidade em relação aos modelos de fronteira dos EUA. A UBS considera que esses canais podem fortalecer as oportunidades de monetização. Por fim, a UBS considera que o recente rebaixamento de valuation do setor subestima o progresso dos laboratórios chineses em distribuição internacional, inovação arquitetônica e sinergias de pesquisa de código aberto. A instituição acredita que lançamentos contínuos, como Step 5 Preview e Xiaomi MiMo-V2.6, podem restaurar o sentimento se ampliarem a fronteira de Pareto entre inteligência e custo. Entre os potenciais catalisadores adicionais estão DeepSeek V4.1 Pro, Kimi K3.1, MiniMax M3 Pro e Zhipu GLM-5.5/6.0.

Estrutura de análise

A UBS compara modelos chineses e estrangeiros em capacidade, preço de Token, eficiência de Token e economia por tarefa. Usa comparações de portfólios de modelos e preços de API, tendências de uso da OpenRouter e Vercel, desenvolvimentos de distribuição corporativa e em nuvem, e atividades de financiamento para avaliar posicionamento competitivo, adoção e perspectivas de monetização.

Notas metodológicas

• Marco de análise setorialDecomposição de volume e preço

  Comparação entre precificação de modelos e custo-desempenho por tarefa

  O relatório separa o preço por Token da eficiência de Token e das taxas de sucesso das tarefas para mostrar por que modelos mais baratos podem dominar tarefas de volume, enquanto modelos de fronteira podem permanecer econômicos em trabalhos complexos.

• Marco de análise setorialMarco de oferta e demanda

  Análise de oferta de modelos de IA, expansão de computação e adoção

  A UBS relaciona maior oferta de modelos, novas versões de menor custo e expansão de capacidade computacional ao crescimento da demanda, distribuição internacional e oportunidades de monetização.

• Métodos de avaliaçãoAvaliação por P/Vendas

  Valuation por preço sobre vendas para a Zhipu

  A UBS afirma que avalia a Knowledge Atlas Technology (Z. AI/Zhipu) por preço sobre vendas, com verificação cruzada por análise de soma das partes.

• Métodos de avaliaçãoOutro

  Valuation Price/ARR para a MiniMax

  A UBS afirma que avalia a MiniMax pela abordagem Price/ARR.

• Métodos de avaliaçãoAvaliação SOTP por soma das partes

  Verificação por soma das partes para a Zhipu

  A UBS utiliza análise de soma das partes como verificação cruzada de sua avaliação por preço sobre vendas para a Zhipu.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• MiniMax Group (0100.HK)

  Desenvolvedora chinesa de modelos de IA cujas colaborações internacionais podem apoiar adoção empresarial, implantação em nuvem e monetização.

  Pontos fortes

  Colaborações globais em adoção empresarial, ajuste fino vertical e implantação em nuvem.

  Pontos fracos

  Desafios competitivos e operacionais podem atrasar a monetização e pressionar as margens.

  Comparação

  Compete em um mercado global no qual modelos de menor custo enfrentam deflação de preços e modelos de fronteira competem em eficiência de tarefas.

  Riscos

  Incerteza macroeconômica e geopolítica, riscos de treinamento relacionados a dados, riscos de governança de conteúdo gerado por usuários e interrupção de provedores de serviço relevantes.

• Knowledge Atlas Technology (Z. AI/Zhipu) (2513.HK)

  Desenvolvedora chinesa de modelos de IA cujas parcerias com provedores de serviços de nuvem e iniciativas de infraestrutura podem apoiar alcance internacional e desenvolvimento futuro de modelos.

  Pontos fortes

  Parcerias recentes com provedores globais de serviços de nuvem e iniciativa Infra Agent da Zhipu.

  Pontos fracos

  A convergência de capacidade e a comercialização podem ser afetadas por competição, restrições de dados e acesso à infraestrutura de computação.

  Comparação

  A UBS usa valuation por preço sobre vendas, com verificação cruzada por análise de soma das partes.

  Riscos

  Riscos geopolíticos, regulatórios, de segurança de dados, concentração de clientes e infraestrutura de computação.

Dados principais

• Movimento das ações da MiniMaxDown c.20% MTDA UBS cita isso como parte do fraco desempenho das empresas de modelos listadas.
• Movimento das ações da ZhipuDown c.40% MTDA UBS cita isso como parte do fraco desempenho das empresas de modelos listadas.
• Eficiência de Token do GPT-6 AstraAbout one-third of GPT-5.6 Sol tokens per coding taskNo máximo esforço de raciocínio, segundo a Artificial Analysis.
• Variação de preço do GPT-5.6 Luna-80%Os preços de Token de entrada, entrada em cache e saída caíram 80%.
• Variação de preço do cache KV do Claude Fable 5.1-75% versus Fable 5A UBS descreve isso como redução de custo liderada por cache.
• Custo de tarefa típica do Claude Opus 5.5c.40% lowerEstimativa da Anthropic citada pela UBS.

Impacto e implicações

A UBS espera que o mercado de modelos de IA se torne mais segmentado: modelos de menor custo devem apoiar adoção mais ampla em tarefas de grande volume, enquanto modelos de fronteira podem justificar preços premium em fluxos de trabalho complexos com melhores resultados e eficiência de Token. Para os laboratórios chineses, parcerias internacionais, disponibilidade em nuvem, expansão de computação e futuros lançamentos de modelos são apresentados como potenciais suportes para adoção, monetização e sentimento.

Riscos

• O cenário competitivo pode evoluir rapidamente e a concorrência pode se intensificar.
• Possíveis restrições a modelos de pesos abertos e medidas contra destilação podem limitar a adoção internacional ou retardar a convergência de capacidade.
• Mudanças tecnológicas, evolução das necessidades e preferências dos usuários de internet e monetização incerta podem pressionar o setor.
• Incerteza macroeconômica e geopolítica pode restringir a adoção de IA ou o acesso a hardware avançado e infraestrutura de computação.
• Riscos de segurança de dados, governança de IA e dados de treinamento podem afetar desempenho dos modelos e comercialização.
• Custos maiores de aquisição de tráfego, conteúdo, promoção de marca e sistemas de TI podem pressionar a economia operacional.
• Sentimento de mercado adverso e desafios de expansão internacional continuam sendo riscos setoriais.

Pontos a observar

• O progresso das parcerias internacionais dos laboratórios chineses em empresas, nuvem e implantação vertical.
• Tendências de participação de uso de modelos chineses e de pesos abertos na OpenRouter e em plataformas AI Gateway.
• O ritmo e os preços de lançamentos de modelos Flash, de menor número de parâmetros e de fronteira.
• Se modelos de fronteira conseguem manter menor custo por tarefa bem-sucedida por meio de maior eficiência de Token e taxas de sucesso.
• Se os financiamentos recentes se traduzem em expansão de capacidade de computação e treinamento de modelos em maior escala.
• Possíveis lançamentos, incluindo DeepSeek V4.1 Pro, Kimi K3.1, MiniMax M3 Pro e Zhipu GLM-5.5/6.0.
• Desenvolvimentos regulatórios que afetem modelos de pesos abertos, destilação e governança de IA.