De fundo quant a laboratório de IA: como a High-Flyer, de Liang Wenfeng, deu origem à DeepSeek

Muito antes de a DeepSeek lançar seu primeiro modelo, o hedge fund por trás da empresa já operava ações escolhidas por redes neurais rodando em GPUs. Liang Wenfeng fundou a gestora de trading quantitativo High-Flyer em 2015 e lançou a DeepSeek, empresa de IA com sede em Hangzhou, em 2023, financiando-a em parte com dinheiro da High-Flyer, segundo a Forbes. Nesse intervalo, a High-Flyer construiu dois clusters de computação próprios e os operou com software desenvolvido internamente. Esse caminho, de modelos de trading a um laboratório que publica seus artigos e os pesos de seus modelos, é um caso precoce da sobreposição entre trading quantitativo e pesquisa em IA.

Liang tem bacharelado e mestrado em engenharia pela Universidade de Zhejiang, diz a Forbes. A universidade escreveu em março de 2025 que Liang havia concluído uma dissertação de mestrado em sua Faculdade de Ciência da Informação e Engenharia Eletrônica quinze anos antes, e citou os agradecimentos do trabalho em inglês. Na versão em inglês da própria universidade, Liang atribuiu a Xiang Zhiyu, responsável pela orientação, a introdução ao campo da visão de máquina. Segundo a Forbes, Liang criou a High-Flyer com duas pessoas da mesma turma da faculdade e usou matemática e técnicas de IA para torná-la uma das maiores gestoras de trading quantitativo do país e uma das de melhor desempenho. A Polstob não encontrou números publicados e verificáveis sobre os retornos da High-Flyer ou seus ativos sob gestão.

A engenharia por trás do Fire-Flyer II está documentada num artigo de 2024 da equipe de pesquisa da DeepSeek-AI, com Liang na lista de autoria e como responsável pela submissão no arXiv. Segundo a autoria do artigo, para o treinamento de deep learning foi implantado o Fire-Flyer 2 com 10.000 GPUs A100 PCIe, com desempenho próximo ao do DGX-A100, custos reduzidos pela metade e consumo de energia 40% menor. Essas são as comparações do próprio artigo com os sistemas DGX-A100 da Nvidia. A equipe também escreveu seu próprio software para o cluster: a página de histórico da High-Flyer lista um sistema de arquivos paralelo (3FS) e uma estrutura de comunicação para treinamento distribuído (hfreduce), e o artigo atribui a essa pilha de software a sobreposição entre computação e comunicação.

O relatório técnico do V3 da DeepSeek, publicado pela primeira vez em 27 de dezembro de 2024 com Liang como responsável pela submissão, descreve um modelo de linguagem do tipo mistura de especialistas (mixture-of-experts) com 671 bilhões de parâmetros no total, 37 bilhões deles ativos para cada token, pré-treinado com 14,8 trilhões de tokens. O relatório diz que o treinamento completo consumiu 2,788 milhões de horas de GPU H800 e que cada trilhão de tokens de pré-treinamento levou 3,7 dias num cluster de 2.048 GPUs H800. A DeepSeek publicou os checkpoints do modelo no GitHub.

O dinheiro da High-Flyer deu a partida na DeepSeek, mas a empresa já captou capital externo, segundo notícias que a DeepSeek não confirmou. Uma reportagem da Bloomberg publicada pelo The Straits Times em 15 de julho de 2026 descreveu uma rodada de US$ 7,4 bilhões em junho de 2026 que avaliou a DeepSeek em US$ 50 bilhões, com Liang investindo US$ 3 bilhões do próprio bolso. Em 22 de outubro de 2026, a Reuters citou duas pessoas segundo as quais uma nova rodada levantou cerca de 100 bilhões de yuans; uma delas citou CATL e Tencent entre os maiores investidores. A Forbes calcula essa rodada em US$ 14,9 bilhões, avaliando a DeepSeek em US$ 74,7 bilhões.

Em 15 de abril de 2026, a CoreWeave anunciou que a Jane Street havia se comprometido com cerca de US$ 6 bilhões para usar sua plataforma de nuvem para IA e, separadamente, comprado US$ 1 bilhão em ações Classe A da CoreWeave a US$ 109,00 cada; o formulário 8-K da CoreWeave registra 9.174.311 ações emitidas para a Jane Street Global Trading, LLC. Em setembro de 2026, a Reuters informou, citando a Bloomberg News, que a Jane Street também havia assinado com a Crusoe um contrato de nuvem de cinco anos de cerca de US$ 13 bilhões. O número não foi confirmado. No comunicado de abril da CoreWeave, Max Hjelm, vice-presidente sênior de receita da CoreWeave, disse que a Jane Street opera como um laboratório de fronteira.

A Hudson River Trading (HRT) assinou um acordo plurianual com a CoreWeave, anunciado em 20 de agosto de 2026, para rodar pesquisa de trading baseada em IA em sistemas Nvidia Vera Rubin. A CoreWeave chamou o negócio de multibilionário, mas não informou valor nem prazo. Em maio de 2026, a Dell disse que a HRT havia aberto recentemente um data center para pesquisa em IA no Lefdal Mine Data Centers, no oeste da Noruega. O comunicado da Dell não traz nenhum valor de investimento.

A XTX Markets, empresa de trading algorítmico, diz em seu site que seu cluster de pesquisa tem mais de 25.000 GPUs e mais de 1 exabyte de armazenamento utilizável. Em janeiro de 2025, a empresa anunciou planos de investir mais de € 1 bilhão num complexo de data centers em Kajaani, na Finlândia, com o primeiro centro, de 22,5 MW, previsto para ficar pronto em 2026, segundo a Prefeitura de Kajaani. Joshua Leahy, CTO da empresa, disse na época que a necessidade de computação da XTX havia superado as opções de locação disponíveis.

A Jane Street descreve seu trabalho em termos de modelos grandes e complexos treinados com dados ruidosos, e a XTX diz que suas equipes incluem pessoas com formação em matemática, física, programação e machine learning. A High-Flyer construiu seus clusters e software internamente antes de Liang lançar um laboratório que publica seus métodos e libera os pesos de seus modelos. Como a High-Flyer, que construiu o Fire-Flyer I e o II, as firmas de trading estão reunindo capacidade de computação: Jane Street e HRT por meio de contratos de nuvem com a CoreWeave, a HRT também pelo data center que abriu em Lefdal, na Noruega, e a XTX pelo data center que está construindo na Finlândia.

Muito continua sem divulgação. Os retornos e ativos da High-Flyer não são publicados em nenhuma fonte que a Polstob tenha conseguido verificar, a DeepSeek não informou um custo completo para construir seus modelos, e os contratos das firmas de trading são conhecidos só em parte: a CoreWeave informou o compromisso da Jane Street, mas não o da HRT, e o número da Crusoe se apoia nas fontes da Bloomberg.