DeepSeek capta US$ 15 bilhões e amplia disputa por modelos abertos de IA
Startup chinesa conhecida por modelos de IA abertos e baratos de treinar levantou cerca de 100 bilhões de yuans, com CATL e Tencent entre os investidores, segundo a Bloomberg.

O fato
A startup chinesa de inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → DeepSeek levantou cerca de 100 bilhões de yuans (US$ 14,98 bilhões) em sua rodada de captação mais recente, segundo reportagem da Bloomberg News publicada nesta quinta-feira (22) e replicada pelo Economic Times, com base em fontes próximas ao negócio.
A fabricante de baterias Contemporary Amperex Technology (CATL) e a gigante de internet Tencent Holdings, dona do WeChat, estão entre os maiores investidores da rodada, de acordo com a reportagem. A agência Reuters informou que não conseguiu verificar de forma independente os números até o momento da publicação, e a própria DeepSeek não confirmou os valores publicamente.
Em resumo: é uma rodada bilionária, com nomes pesados do mercado chinês, mas ainda sem confirmação oficial da empresa nem detalhes sobre valuation, uso do capital ou participação de cada investidor.
Por que essa rodada pesa mais do que o número sugere
A DeepSeek não é só mais uma startup de IA chinesa: ela foi a responsável por um dos maiores sustos do mercado global de tecnologia em janeiro de 2025, quando lançou os modelos V3 e R1 afirmando ter treinado sistemas competitivos com os laboratórios americanos a um custo muito menor do que o praticado por OpenAI, Anthropic e Google DeepMind. O episódio derrubou ações de fabricantes de chips e reacendeu o debate sobre quanto, de fato, custa treinar um modelo de ponta.
Desde então, a empresa consolidou uma estratégia diferente da maioria dos grandes laboratórios ocidentais: publicar pesos de modelo abertos, permitindo que qualquer desenvolvedor baixe, rode localmente ou faça fine-tuning sem depender de uma API fechada. Uma rodada de US$ 15 bilhões, se confirmada, dá à DeepSeek fôlego para sustentar essa estratégia em escala, num momento em que treinar modelos de fronteira continua exigindo capital intensivo em GPUs, energia e dados.
CATL e Tencent: o que o dinheiro revela
A composição dos investidores é um dado tão relevante quanto o valor da rodada. CATL é a maior fabricante de baterias do mundo, peça central na cadeia de energia e veículos elétricos chineses; Tencent é uma das maiores empresas de internet e jogos do planeta, com histórico de apostas pesadas em IA aplicada a produtos de consumo.
Nenhuma das duas é um fundo de venture capital tradicional. Isso sugere que a aposta em DeepSeek está sendo lida, dentro da China, como infraestrutura estratégica, e não apenas como oportunidade financeira. Para quem acompanha a corrida geopolítica por IA, o detalhe reforça um padrão que já aparece nos EUA, onde Microsoft, Amazon e Google também financiam diretamente os laboratórios com quem competem ou se associam: capital de corporação, não só de fundo.
O que muda para quem empreende com IA fora dos EUA e da China
Para fundadores e líderes técnicos no Brasil, o impacto não é no anúncio em si, e sim no que ele sinaliza sobre a trajetória de custo e acesso a modelos de ponta:
- Mais fôlego para modelos abertos: se a DeepSeek continuar lançando pesos abertos em ritmo competitivo com os modelos fechados da OpenAI e da Anthropic, startups brasileiras ganham uma alternativa real para reduzir dependência de APIs cobradas em dólar, hospedando ou ajustando modelos localmente.
- Pressão de preço sobre os incumbentes: a disputa entre laboratórios chineses mais baratos de operar e laboratórios americanos de capital intensivo tende a empurrar para baixo o custo por token em toda a indústria, inclusive nos planos vendidos a empresas brasileiras.
- Risco regulatório e de compliance: capital ligado a CATL e Tencent, empresas com histórico de escrutínio em mercados ocidentais por questões de segurança e controle de exportação de tecnologia, pode tornar o uso de modelos DeepSeek um tema sensível para empresas que vendem para clientes nos EUA ou na União Europeia.
- Decisão estratégica de stack: fundadores que hoje constroem produto em cima de um único provedor de IA ganham um argumento a mais para avaliar arquiteturas multi-modelo, reduzindo o risco de ficar preso a um fornecedor só.
Nenhum desses pontos é automático. Depende de a DeepSeek manter o ritmo de lançamentos abertos e de a rodada realmente se concretizar nos termos reportados, mas a direção do movimento já é um dado para quem está decidindo onde apostar fichas de infraestrutura de IA em 2027.
O que ainda está em aberto
A reportagem original é clara sobre os limites do que se sabe até agora. A Reuters não conseguiu confirmar de forma independente os números divulgados pela Bloomberg, a DeepSeek não emitiu comunicado oficial sobre a rodada, e não há informação pública sobre o valuation da empresa após o aporte, o percentual de participação de CATL e Tencent, ou o destino específico do capital (expansão de datacenters, contratação de pesquisadores, compra de chips).
Também não há, até esta publicação, confirmação de como as restrições americanas à exportação de chips de IA avançados para a China afetam a capacidade da DeepSeek de usar esse capital em treinamento de modelos de próxima geração. É um ponto que qualquer fundador brasileiro avaliando apostar em modelos abertos chineses deveria acompanhar antes de comprometer arquitetura de produto a eles.
Fonte: ET Tech (Índia)
Este artigo foi escrito por Redação iMasters. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Como rodar Spring Batch distribuído sem message broker, só com banco de dados
Um artigo publicado na InfoQ descreve um padrão para distribuir jobs do Spring Batch entre vários nós usando apenas o banco relacional que o framework já exige, trocando a fila de mensagens por heartbeats e updates condicionais no SQL. A ideia não substitui o remote partitioning clássico, mas evita subir um Kafka ou RabbitMQ só para isso.














