A narrativa em torno da IA nos mercados de capitais está a atravessar uma transformação subtil, mas profunda.
No dia 22 de julho de 2026 (UTC+8), o sector dos grandes modelos de IA em Hong Kong enfrentou uma pressão significativa de venda. A MiniMax-W (HKG: 0100) fechou nos 197,00 HKD, registando uma queda de 11,42% num só dia. A Zhichu (HKG: 2513) encerrou nos 1 175,00 HKD, uma descida de 3,61%. Paralelamente, o Hang Seng Tech Index recuou cerca de 1,8%, com o sector da IA a apresentar um desempenho inferior ao do mercado em geral.
Esta tendência não é um evento isolado. Desde o segundo trimestre de 2026, o sector de IA em Hong Kong já registou várias correções semelhantes. O mercado questiona-se: trata-se apenas de uma realização de mais-valias após subidas anteriores, ou estará em curso uma alteração estrutural na forma como se determinam as valorizações das empresas de IA?
Este artigo analisa o desempenho de curto prazo do mercado, explora a evolução do panorama competitivo global da IA e a mudança dos modelos de avaliação das empresas de grandes modelos, e examina os testes de resiliência enfrentados pela MiniMax e pela Zhichu. Abordaremos ainda para onde poderá apontar a próxima fase da lógica de investimento em IA.
Correcção de Curto Prazo: Realização de Mais-Valias e Ajuste de Avaliação
Do ponto de vista da negociação, esta correcção foi desencadeada por fatores de curto prazo bem identificados.
Desde o primeiro trimestre de 2026, a valorização acumulada da MiniMax ultrapassou os 80%, enquanto a da Zhichu subiu mais de 45% no mesmo período. Sem catalisadores de performance no horizonte próximo, alguns investidores optaram por realizar mais-valias. A sessão de vendas de 22 de julho foi acompanhada por um aumento acentuado do volume negociado — o volume da MiniMax foi cerca do dobro da média dos cinco dias anteriores, sinalizando vendas concentradas.
O apetite global pelo risco também diminuiu em paralelo. À medida que se aproximava a reunião de julho da Reserva Federal, aumentava a incerteza quanto ao ritmo dos cortes das taxas de juro. O índice do dólar dos EUA valorizou-se e os sectores tecnológicos dos mercados emergentes sofreram pressões generalizadas. Hong Kong, enquanto mercado offshore, é particularmente sensível às expectativas de liquidez global. As ações de IA, tipicamente de elevado beta, são frequentemente as mais penalizadas nestes movimentos.
Estes fatores explicam a volatilidade de curto prazo, mas não justificam a divergência clara dentro do sector — a queda da MiniMax foi muito superior à da Zhichu e ao mercado em geral. Isto sugere que a venda não foi indiscriminada; pelo contrário, refletiu fatores específicos de cada empresa ou uma diferenciação ao nível da avaliação.
Surge uma questão mais profunda: até que ponto os preços atuais das ações de IA refletem um prémio pela "liderança tecnológica futura" e quanto está associado à "monetização comercial já concretizada"? Nos últimos dois anos, as valorizações das empresas de grandes modelos de IA foram impulsionadas sobretudo por narrativas em torno da capacidade técnica e da escala dos parâmetros. À medida que a história se aproxima da concretização, os investidores exigem métricas financeiras mais tradicionais — receitas, clientes, margens. Esta mudança afrouxa inevitavelmente a lógica de avaliação anterior.
Panorama Competitivo: Da "Corrida Tecnológica" à "Guerra Multidimensional"
A concorrência no sector dos grandes modelos de IA intensificou-se de forma evidente.
Nos últimos dois anos, o foco principal foi "quem tem mais parâmetros no modelo" e "quem lidera os rankings de benchmarks". As inovações técnicas, por si só, alimentaram sucessivas reavaliações. Contudo, ao entrarmos em 2026, esta competição unidimensional está a dar lugar a uma batalha comercial multidimensional.
A nível global, OpenAI, Google Gemini, Anthropic e Meta AI compõem a primeira linha. Os seus traços comuns: empresas-mãe ou capacidade de financiamento na ordem das centenas de milhares de milhões, acesso a ecossistemas com centenas de milhões ou mesmo milhares de milhões de utilizadores e clusters computacionais próprios de dimensão massiva. Estes elementos criam um "efeito flywheel" na iteração dos modelos — mais utilizadores geram mais feedback, mais feedback melhora o modelo e modelos melhores atraem mais utilizadores.
Na China, a competição é igualmente feroz. A Alibaba Tongyi Qianwen tira partido da rede empresarial da Alibaba Cloud e dos cenários de e-commerce; a Tencent Hunyuan integra-se nos ecossistemas do WeChat e dos videojogos; a Baidu Wenxin beneficia da entrada via pesquisa e de anos de desenvolvimento em IA; a Byte Doubao escala rapidamente com a vantagem de tráfego do Douyin. O denominador comum entre estes gigantes tecnológicos: a capacidade do modelo não é o único fosso competitivo — por vezes, nem sequer é o mais relevante.
Para empresas independentes de grandes modelos, como a MiniMax e a Zhichu, o desafio passou de "conseguir construir um bom modelo" para "conseguir estabelecer um ciclo comercial sustentável em confronto com os gigantes".
Mudança na Lógica de Avaliação: O Mercado Está a Redefinir os "Fossos"
O modelo de avaliação das empresas de grandes modelos está a atravessar três fases.
A primeira fase é impulsionada pela liderança técnica. Os mercados de capitais estão dispostos a pagar prémios elevados pela escala dos parâmetros, pelos resultados nos benchmarks e pelas publicações científicas. Aqui, o valor da empresa é determinado pelas "possibilidades potenciais" da sua tecnologia.
A segunda fase é guiada pela validação da comercialização. O mercado começa a centrar-se em métricas como o crescimento das chamadas API, o número de clientes empresariais pagantes, a evolução do rendimento médio por utilizador e a estrutura de receitas. Os investidores valorizam agora a capacidade de "converter vantagens técnicas em vantagens de receitas".
A terceira fase é orientada pelo ecossistema e pelo custo. À medida que as capacidades dos modelos de base convergem, a competição centra-se em dois pontos: primeiro, quem conseguir custos unitários de inferência mais baixos pode liderar na definição de preços, expandir a base de clientes e criar um ciclo de dados virtuoso. Segundo, quem possuir mais cenários de aplicação e pontos de contacto com utilizadores pode gerar um ciclo positivo de dados e tráfego.
Atualmente, o mercado encontra-se num ponto crítico entre a primeira e a segunda fase. As empresas que comunicam de forma consistente o progresso na comercialização e demonstram percursos claros de geração de receitas verão as suas avaliações sustentadas. As que permanecem ancoradas na "narrativa técnica" continuarão sob pressão.
A julgar pelas quedas diferenciadas da MiniMax e da Zhichu, o mercado poderá já estar a aplicar este critério de seleção — os investidores estão a precificar perspetivas de comercialização distintas para cada empresa.
Análise das Pressões Competitivas para Fornecedores Independentes de IA
Os pontos fortes da MiniMax residem nas suas capacidades multimodais e na expansão precoce para mercados internacionais. Mas os desafios são igualmente específicos: no segmento de consumo, enfrenta a concorrência de produtos como o Byte Doubao e o Baidu Wenxin, que dispõem de canais de tráfego massivo. No mercado empresarial, depara-se com soluções integradas "modelo + serviço cloud" de fornecedores como a Alibaba e a Tencent. Em termos de custos, os fornecedores independentes partem em desvantagem na escala de aquisição de GPU e no poder negocial, o que afeta diretamente a competitividade dos preços das API.
A Zhichu destaca-se pela sua base técnica e ecossistema open-source, o que lhe confere uma vantagem de pioneirismo nos serviços empresariais. As principais pressões advêm da concorrência com os ecossistemas cloud dos gigantes da internet — os clientes empresariais tendem a preferir soluções de IA integradas nos seus fornecedores de cloud habituais. A velocidade de comercialização é outro desafio — enquanto os grandes players podem diluir os custos da IA em várias linhas de negócio, os fornecedores independentes têm de recuperar cada euro investido em I&D apenas na área da IA. Com a convergência das capacidades dos modelos de base, a diferenciação técnica torna-se crucial.
Ambas as empresas enfrentam um desafio comum: perante o investimento continuado em modelos de base, será possível que o crescimento das receitas cubra os custos — ou, pelo menos, que se demonstre um caminho claro para tal?
Conclusão
A recente correcção nas ações dos grandes modelos de IA em Hong Kong é, com maior probabilidade, o início de um reajuste estrutural das avaliações do que o fim da tendência da IA.
À medida que a competição se intensifica entre gigantes globais e chineses como a OpenAI, Google, Alibaba e Tencent, a competitividade central das empresas de grandes modelos está a passar de uma "liderança técnica" isolada para um confronto multidimensional de "performance do modelo + eficiência de custos + capacidade de comercialização + escala do ecossistema".
Para os investidores, isto significa que a janela de investimento em IA está a estreitar-se — do "beta sectorial" para o "alfa de ações". Os vencedores do futuro não serão todas as empresas de modelos, mas sim aquelas capazes de demonstrar crescimento sustentável de receitas, otimizar estruturas de custos e construir relações duradouras com clientes.
A tecnologia de IA continua a evoluir rapidamente, mas a paciência dos mercados de capitais está a esgotar-se. À medida que a maré baixa, a diferença entre quem apenas "nada nu" e quem realmente está preparado para ir longe tornar-se-á mais evidente do que nunca.
FAQ
1. Quais são as principais razões para as quedas nas ações da MiniMax e da Zhichu?
No curto prazo, após subidas expressivas nas ações de IA, há pressão para realização de mais-valias, agravada pela diminuição do apetite global pelo risco devido à incerteza em torno da política da Reserva Federal. A razão mais profunda é a mudança na lógica de avaliação do mercado — da "narrativa de liderança técnica" para a "validação da comercialização". Os investidores estão a analisar o crescimento das receitas, a aquisição de clientes e o controlo de custos de cada empresa. As que não apresentem um caminho claro para a rentabilidade enfrentam descontos na avaliação.
2. Quem são os principais concorrentes das empresas chinesas de grandes modelos de IA?
A nível internacional, os principais concorrentes são a OpenAI, Google Gemini, Anthropic e Meta AI — todos apoiados por capital massivo e ecossistemas de utilizadores globais. Na China, a concorrência é igualmente intensa, destacando-se Alibaba Tongyi Qianwen, Tencent Hunyuan, Baidu Wenxin e Byte Doubao. Estes gigantes da internet não só possuem fortes capacidades de I&D, como também dispõem de múltiplos cenários de aplicação e bases de utilizadores vastas, permitindo sinergias de ecossistema para além dos próprios modelos.
3. Como mudou a lógica de avaliação das empresas de grandes modelos?
Anteriormente, as avaliações focavam-se em "indicadores potenciais" como a escala dos parâmetros dos modelos e rankings técnicos. Agora, o mercado exige resultados de comercialização quantificáveis — receitas de chamadas API, clientes empresariais pagantes e receitas concretas de aplicações de IA. Em simultâneo, o controlo dos custos computacionais (incluindo investimento em GPU e custos de inferência) e a amplitude do ecossistema tornaram-se fatores-chave de avaliação. Os investidores privilegiam a rentabilidade sustentável em detrimento de uma visão puramente técnica.
4. O ajustamento no sector de IA em Hong Kong significa o fim das oportunidades de investimento em IA?
Não representa o fim da tendência da IA, mas sim uma mudança na lógica de investimento, de "oportunidades sectoriais" para uma "seleção criteriosa de empresas". No futuro, o mercado irá premiar empresas com percursos claros de crescimento de receitas, vantagens de custos e fossos de ecossistema, enquanto as que não tenham suporte fundamental poderão continuar sob pressão. Para os investidores, a janela de oportunidade está a passar de uma aposta no sector para uma escolha criteriosa de empresas com competitividade duradoura.
5. Quais são os principais desafios de comercialização enfrentados pelas empresas de grandes modelos de IA?
O principal desafio é saber se as receitas poderão cobrir os custos elevados de I&D e computação — incluindo investimento em clusters de GPU, custos de treino de dados e despesas de inferência. Segue-se a aquisição e retenção de clientes, já que os fornecedores independentes de IA têm de competir com gigantes da internet que já detêm relações empresariais estabelecidas. Com a convergência das capacidades dos modelos de base, as empresas precisam de encontrar cenários de aplicação e soluções setoriais diferenciadas para evitar uma competição puramente baseada no preço. A perda de poder na definição dos preços das API e a ausência de ecossistema são riscos adicionais que os fornecedores independentes devem considerar.
