DeepSeek, uma empresa chinesa de inteligência artificial sediada em Hangzhou, lançou seu modelo de linguagem de grande escala de pesos abertos, o DeepSeek-R1, em janeiro de 2025. O lançamento desencadeou uma queda significativa nas ações de tecnologia globais, à medida que investidores reavaliavam o cenário competitivo do desenvolvimento de IA e a necessidade de gastos de capital massivos. O evento provocou uma ampla discussão na indústria sobre a eficiência do treinamento de IA e a viabilidade de modelos de código aberto.
A DeepSeek é uma subsidiária da High-Flyer, um fundo de hedge chinês cofundado por Liang Wenfeng. A empresa foca no desenvolvimento de modelos de pesos abertos, o que significa que os parâmetros do modelo são compartilhados publicamente, embora os dados de treinamento não sejam licenciados abertamente. Desde janeiro de 2025, a DeepSeek lançou seus modelos sob licenças de software livre e de código aberto. A abordagem da empresa enfatiza a pesquisa em vez da comercialização imediata, permitindo que ela navegue por certas disposições regulatórias.
Histórico
A DeepSeek foi fundada em julho de 2023, após o estabelecimento de um laboratório de pesquisa de inteligência artificial geral (AGI) pela High-Flyer em abril de 2023. O laboratório foi transformado em uma empresa independente dois meses depois, com a High-Flyer como sua principal investidora. Liang Wenfeng, que negociava desde a crise financeira de 2008, cofundou a High-Flyer em junho de 2015. O fundo de hedge começou a usar modelos de aprendizado profundo dependentes de GPU para negociação de ações em outubro de 2016, fazendo a transição de modelos lineares baseados em CPU.
As origens da DeepSeek estão enraizadas na infraestrutura de computação da High-Flyer. Em 2019, a empresa construiu seu primeiro cluster de computação, o Fire-Flyer, a um custo de 200 milhões de yuans. O cluster continha 1.100 GPUs interconectadas a 200 Gbit/s e foi aposentado após 1,5 anos. Em 2021, Liang começou a adquirir grandes quantidades de GPUs da Nvidia, supostamente obtendo 10.000 GPUs Nvidia A100 antes que as restrições dos EUA sobre vendas de chips à China entrassem em vigor.
Fire-Flyer 2
A construção do Fire-Flyer 2 começou em 2021 com um orçamento de 1 bilhão de yuans. Em 2022, sua capacidade foi utilizada em mais de 96%, totalizando 56,74 milhões de horas de GPU. O cluster tinha 5.000 GPUs A100 PCIe em 625 nós, cada um contendo 8 GPUs. Inicialmente, usava PCIe em vez da versão DGX da A100 porque os modelos treinados cabiam em uma única VRAM de GPU de 40 GB, exigindo apenas paralelismo de dados. Posteriormente, incorporou NVLinks e a Nvidia Collective Communications Library (NCCL) para treinar modelos maiores que exigem paralelismo de modelo.
O Fire-Flyer 2 permanece em operação em 2025. Ele apresenta uma arquitetura de software e hardware co-projetada. O hardware usa GPUs da Nvidia com interconexões de 200 Gbps, divididas em duas zonas com duas árvores gordas para alta largura de banda de bissecção. O software inclui o 3FS (Fire-Flyer File System), um sistema de arquivos paralelo distribuído projetado para leituras aleatórias assíncronas, usando Direct I/O e RDMA Read. Também inclui o hfreduce, uma biblioteca para comunicação assíncrona.
Lançamento do DeepSeek-R1
O DeepSeek-R1 foi lançado em janeiro de 2025 junto com um chatbot homônimo. O modelo demonstrou desempenho competitivo em tarefas de raciocínio, supostamente rivalizando com os principais modelos da OpenAI e de outras empresas ocidentais de IA. Sua natureza de pesos abertos permitiu que desenvolvedores e pesquisadores inspecionassem e modificassem o modelo, promovendo rápida adoção e experimentação.
O lançamento teve repercussões financeiras imediatas. No dia do anúncio, as principais ações de tecnologia sofreram quedas acentuadas. A Nvidia, uma fabricante líder de GPUs, viu seu valor de mercado cair significativamente, à medida que investidores questionavam se a alta demanda por chips de IA persistiria se os modelos pudessem ser treinados de forma mais eficiente. Outras empresas na cadeia de suprimentos de IA, incluindo AMD, TSMC e Broadcom, também enfrentaram vendas massivas. O choque de mercado foi atribuído à capacidade da DeepSeek de alcançar alto desempenho com custos computacionais relativamente mais baixos, desafiando a suposição de que investimentos massivos em computação eram necessários para IA de ponta.
Impacto no Mercado e Reavaliação da Indústria
O lançamento do DeepSeek-R1 provocou uma ampla reavaliação das estratégias de IA em toda a indústria. Analistas e executivos começaram a questionar a sustentabilidade dos enormes gastos de capital de empresas como OpenAI, Anthropic e Google DeepMind. O evento destacou o potencial dos modelos de código aberto para perturbar as ofertas proprietárias, já que o modelo da DeepSeek estava disponível gratuitamente, reduzindo as barreiras de entrada para players menores.
Em resposta, algumas empresas aceleraram seus próprios esforços de eficiência, focando em melhorias algorítmicas e otimização de hardware. O incidente também intensificou discussões sobre os controles de exportação dos EUA sobre chips avançados, já que o sucesso da DeepSeek demonstrou que empresas chinesas poderiam alcançar resultados competitivos apesar das restrições. O choque de mercado foi visto como um alerta para os investidores, que anteriormente assumiam que a liderança em IA estava ligada ao acesso ao hardware mais avançado.
Operações e Estratégia da Empresa
A DeepSeek está sediada em Hangzhou, Zhejiang, e é de propriedade e financiada pela High-Flyer. Liang Wenfeng atua como CEO, detendo uma participação de 84% por meio de duas empresas de fachada em maio de 2024. A empresa foca em pesquisa e declarou que não tem planos imediatos de comercialização. Essa postura permite que ela contorne certas disposições das regulamentações de IA da China voltadas para tecnologias voltadas ao consumidor.
A abordagem de contratação da DeepSeek enfatiza habilidades em vez de longa experiência de trabalho, resultando em muitas contratações recém-saídas da universidade. A empresa também recruta indivíduos sem formação em ciência da computação para expandir a gama de conhecimentos incorporados aos modelos, como poesia ou matemática avançada. De acordo com o The New York Times, dezenas de pesquisadores da DeepSeek têm ou tiveram afiliações com laboratórios do Exército de Libertação Popular e os Sete Filhos da Defesa Nacional. Desde 2025, seu chatbot foi adotado em funções não combatentes pelo Exército de Libertação Popular, incluindo hospitais, a Polícia Armada Popular e organizações de mobilização nacional.
Devido às restrições de chips dos EUA, a DeepSeek refinou seus algoritmos para maximizar a eficiência computacional, aproveitando hardware mais antigo e reduzindo o consumo de energia. A empresa também se expandiu para a África, oferecendo soluções de IA mais acessíveis e menos intensivas em energia. A DeepSeek reforçou modelos de línguas africanas e gerou startups, por exemplo, em Nairóbi. Juntamente com os serviços de armazenamento e computação em nuvem da Huawei, o impacto no cenário tecnológico da África subsaariana é considerável, oferecendo soberania de dados local e flexibilidade em comparação com plataformas ocidentais de IA.
Hospedagem em Nuvem e Adoção
Devido à sua estrutura de pesos abertos, os modelos da DeepSeek foram hospedados nativamente por provedores de nuvem, incluindo Microsoft Azure e Perplexity AI. Isso facilitou o acesso generalizado aos modelos, permitindo que desenvolvedores os integrassem em várias aplicações. A abordagem de pesos abertos também permitiu ajuste fino e personalização por terceiros, contribuindo para a rápida adoção do modelo.
O lançamento do DeepSeek-R1 foi comparado a momentos históricos na tecnologia em que inovações disruptivas remodelaram mercados. Ele destacou o potencial de empresas não americanas liderarem o desenvolvimento de IA, desafiando o domínio dos gigantes de tecnologia americanos. O evento também levantou questões sobre a viabilidade de longo prazo dos modelos de IA de código fechado, à medida que alternativas de código aberto continuam a melhorar.
Perspectivas Futuras
Após o choque de mercado, a DeepSeek continuou a desenvolver e lançar novos modelos. Em fevereiro de 2026, a Anthropic acusou a DeepSeek de usar milhares de contas fraudulentas para gerar milhões de conversas com o Claude para treinar seus próprios LLMs. Em abril de 2026, investidores iniciaram discussões com a DeepSeek para uma rodada de financiamento de US$ 300 milhões, o que traria a empresa a uma avaliação total de US$ 10 bilhões. A DeepSeek concluiu uma rodada da Série A em maio de 2026, recebendo US$ 7 bilhões, alcançando uma avaliação pós-dinheiro de US$ 52 bilhões. Em julho de 2026, a Bloomberg e o Financial Times relataram que a empresa havia começado os preparativos para um IPO, possivelmente listando já em 2027. No mesmo mês, iniciou discussões visando uma avaliação pré-dinheiro de US$ 70 bilhões.
O lançamento do DeepSeek-R1 em janeiro de 2025 permanece um evento marcante na história da inteligência artificial, ilustrando o ritmo acelerado da inovação e a interconexão entre tecnologia e mercados financeiros. O evento provocou uma conversa global sobre eficiência de IA, desenvolvimento de código aberto e as dimensões geopolíticas do avanço da IA.