Uma reportagem exibida hoje pela CCTV Finance trouxe um número: até junho deste ano, a média diária de chamadas de tokens na China ultrapassou 500 trilhões. O mesmo critério de medição havia sido divulgado oficialmente três meses antes, quando o número era 140 trilhões.
Olhando essa linha do tempo com mais atenção, o quadro fica mais claro. O termo chinês para token, "ciyuan" (词元), só foi oficializado em março deste ano; no mesmo comunicado, a média diária já passava de 140 trilhões de tokens, mais de mil vezes acima dos 100 bilhões do início de 2024 e 40% acima dos 100 trilhões do fim de 2025. Nesse ritmo, o crescimento do segundo trimestre deste ano foi várias vezes maior que o do trimestre anterior — em cálculo aproximado, quase 3,6 vezes. A curva deu uma guinada justamente no segundo trimestre.
A guinada está do lado da inferência
Segundo a CCTV Finance, o foco da competição migrou de uma corrida pela "inteligência" pura dos modelos para a implantação de agentes de IA e a construção de ecossistemas. Na prática, isso tem um efeito muito concreto sobre o custo computacional: uma chamada no formato de chat é uma pergunta e uma resposta, consumindo de algumas centenas a alguns milhares de tokens antes de terminar; já um agente de IA que assume uma tarefa precisa fazer buscas repetidas, ler contexto, acionar ferramentas e rodar várias rodadas de feedback — o consumo de tokens para a mesma tarefa pode variar em uma ou duas ordens de grandeza.
Liu Feng, gerente-geral de Indústrias Inteligentes da Tencent, deu na reportagem um número que permite comparação direta: na primeira semana após o lançamento oficial do Hunyuan 3, as chamadas de tokens cresceram 68 vezes em relação à geração anterior, o Hunyuan 2. Um salto de quase setenta vezes numa única troca de geração já não se explica apenas por "mais usuários" — é mais provável que toda a estrutura de consumo de uma única tarefa tenha mudado.
Isso também explica por que as empresas estão expandindo clusters de inferência em vez de focar só nas placas de treinamento. O treinamento é um investimento pontual, amortizado assim que o modelo termina de ser treinado; a inferência é um gasto contínuo — quanto mais uso, mais custo — e os agentes de IA são justamente o tipo de produto que transforma "muito uso" no padrão.
Ciclo de lançamentos encurtado para quatro a seis semanas
Feng Wen, arquiteta-chefe da plataforma aberta da MiniMax, apontou outra mudança: no segundo semestre de 2025, a meta das empresas ainda era iterar um modelo a cada três meses; agora, é preciso lançar um novo modelo a cada quatro a seis semanas.
Essa pressão sobre a capacidade computacional é dupla. Do lado do treinamento, os cronogramas ficaram mais apertados — um cluster mal termina uma rodada e já precisa começar a próxima. Do lado da inferência, é preciso atender simultaneamente várias versões ainda em uso: o lançamento de um novo modelo não significa que a versão anterior saia de circulação imediatamente, e versões antigas costumam continuar disponíveis na API por mais alguns meses, exigindo capacidade planejada para sustentar várias versões em paralelo.
O ritmo mais acelerado ainda traz outro efeito colateral: a janela para amortizar o custo de treinamento de um único modelo ficou mais curta. Os modelos nacionais chineses baixaram de preço repetidamente este ano, numa guerra de preços acirrada, o que está diretamente ligado a essa janela cada vez menor — aproveitar o período em que o modelo ainda está ativo para maximizar o volume de chamadas compensa mais do que vender devagar a um preço alto.
Data centers de IA seguem os contratos de longo prazo
Zheng Zihao, gerente-geral do Centro de Computação de IA da Envision Group, descreveu a construção de data centers de IA como um crescimento explosivo, atribuindo isso ao fato de clientes estarem oferecendo compromissos de pedidos estáveis de longo prazo.
A expressão "compromissos de pedidos estáveis de longo prazo" é o ponto-chave. Data centers são ativos de capital intensivo: um prédio leva de um a dois anos entre a aquisição do terreno e a entrada em operação, e o maior medo dos investidores é construir e ficar com capacidade ociosa. Com contratos de longo prazo como base, quem constrói se sente seguro para projetar já para capacidade máxima, cobrindo de uma vez fornecimento de energia, resfriamento líquido e densidade de racks. As "fábricas de tokens" nacionais e os complexos de data centers de IA que várias regiões da China estão promovendo seguem a mesma lógica: primeiro garantir a demanda, depois expandir a capacidade, levando a cadeia produtiva de computação de IA nacional da fase de validação de produto para a de entrega em escala.
O que ainda falta além do número
Por enquanto, os 500 trilhões carecem de um parâmetro comparativo internacional. Não há, em canais públicos, um número global calculado com o mesmo critério, então a ideia de estar no "primeiro grupo" ainda é apenas uma avaliação qualitativa, sem uma proporção concreta que a sustente.
Dividindo os 500 trilhões pela população de 1,4 bilhão de pessoas, o resultado é uma média aproximada de 350 mil tokens por pessoa ao dia. Esse número em si não tem muito significado prático — a maior parte das chamadas vem de sistemas corporativos e agentes de IA rodando em segundo plano, sem relação com o quanto as pessoas digitam. Sua utilidade é lembrar de algo: o token deixou de ser um indicador técnico e virou um indicador industrial. O que passará a ser comparado repetidamente daqui para frente será o custo de energia, as horas de placa e a receita gerada por trás de cada trilhão de tokens.
Fontes: CCTV Finance, ITHome, CocoLoop, comunicados públicos da Administração Nacional de Dados; os números de chamadas foram comparados item a item com o comunicado oficial anterior, e a média per capita é uma estimativa aproximada da redação.