TLDR;

Porque o choque provocado pelo AlphaGo acelerou uma estratégia nacional ambiciosa, com investimentos massivos em hardware, modelos e sobretudo na coleta de enormes volumes de dados para treinar IA. DeepSeek e SeeDance 2.0 são exemplos recentes de aplicações chinesas de IA que viralizaram e ilustram o avanço rápido na camada de aplicação apoiada por modelos treinados com muito dado. A vantagem chinesa se explica pela combinação de políticas estatais (meta de liderança em IA até 2030), amplo acesso a dados domésticos e grandes investimentos em chips, data centers e ecossistema tecnológico.

Resumo

Em 10 de março de 2016, numa sala em Seul cercada por câmeras e jornalistas, o lendário jogador de Go Lee Sedol enfrentou o programa AlphaGo, da DeepMind, numa série que redefiniu a relação da humanidade com a IA: AlphaGo venceu a primeira partida e, no segundo jogo, surpreendeu o mundo com a enigmática jogada 37, uma estratégia inédita que desconcertou comentaristas e especialistas e revelou possibilidades táticas nunca antes consideradas em mais de dois mil anos de história do jogo; Lee venceu apenas a quarta partida com a chamada jogada divina, mas perdeu a série por 4 a 1. O episódio serviu de catalisador para que a China acelerasse seu investimento em inteligência artificial, lançando em 2017 uma estratégia nacional para liderar o setor até 2030. O vídeo ressalta que, no cerne da corrida tecnológica, o recurso decisivo é o dado, coletado em larga escala por empresas e corretores de informações, e apresenta conceitos básicos da pilha de IA, desde a camada de hardware—data centers, GPUs e microchips de silício com bilhões de transistores—até as camadas superiores de modelos e aplicações. O texto também alerta sobre riscos éticos, privacidade e a importância de políticas públicas adequadas imediatas.