El efecto China en la economía de la IA generativa: reconfiguración del valor de mercado y fin del duopolio occidental

Introducción

A lo largo de los dos últimos años, el mercado global de la inteligencia artificial generativa ha experimentado una transformación estructural que pocos analistas habían anticipado en sus previsiones más optimistas. Lo que comenzó como una carrera por la superioridad técnica entre unos pocos laboratorios occidentales —fundamentalmente OpenAI, Anthropic y, en menor medida, Google DeepMind— se ha convertido en un escenario de competencia multipolar donde la ventaja comparativa ya no reside exclusivamente en el rendimiento del modelo, sino en la ecuación fundamental que sostiene cualquier negocio tecnológico: la relación entre coste de producción, precio de venta y valor percibido por el cliente. Esta transformación tiene un nombre propio: el factor China.

La industria de la IA generativa se encuentra en un momento de inflexión crítica. Por un lado, OpenAI y Anthropic, las dos empresas privadas más valiosas del sector, han anunciado su intención de salir a bolsa en el horizonte de 2026-2027 con valoraciones que superan los 850.000 y 965.000 millones de dólares respectivamente (1) (2). Estas cifras, que sitúan a ambas compañías en el podio de las tecnológicas más valiosas del mundo, solo encuentran justificación en la expectativa de que mantendrán un dominio cuasi-monopólico sobre el mercado de modelos de lenguaje de alto rendimiento, con la capacidad de fijar precios premium de manera indefinida. La narrativa del inversor, alimentada por rondas de financiación récord y el respaldo de los hiperescalares, ha construido un castillo de naipes sobre la premisa de que la inteligencia artificial es un bien escaso, difícil de replicar y protegido por barreras de entrada infranqueables.

Sin embargo, esta narrativa ha comenzado a agrietarse. Desde finales de 2025 y con especial intensidad a lo largo del primer semestre de 2026, un conjunto de laboratorios chinos —DeepSeek, Zhipu AI (Z.ai), Alibaba (Qwen), Moonshot (Kimi), MiniMax y Xiaomi (MiMo)— han demostrado no solo que pueden igualar o aproximarse al rendimiento de los modelos occidentales más avanzados, sino que pueden hacerlo a una fracción del coste de entrenamiento y, lo que es más relevante, a un precio de venta al público que oscila entre una décima parte y una quincuagésima parte del cobrado por OpenAI y Anthropic (3) (4). Los informes del National Institute of Standards and Technology (NIST) de Estados Unidos han confirmado que el modelo DeepSeek V4 Pro presenta un rendimiento similar al del GPT-5 de OpenAI, con una diferencia de apenas ocho meses en la ventana de lanzamiento, y supera a GPT-5.4 mini en eficiencia de costes en cinco de las siete categorías de benchmark evaluadas (5). Esta constatación, procedente de una agencia gubernamental estadounidense, ha tenido un efecto demoledor sobre la percepción de superioridad tecnológica occidental.

El impacto de esta irrupción no es meramente técnico, sino profundamente económico. La guerra de precios en las interfaces de programación de aplicaciones (API) ha sido el campo de batalla donde se ha librado la primera gran contienda. Mientras que GPT-5.5 se comercializa a 5 dólares por millón de tokens de entrada y 30 dólares por millón de salida, y Claude Sonnet 4.6 se sitúa en 3 y 15 dólares respectivamente, DeepSeek V4 Flash ofrece precios de 0,14 y 0,28 dólares, y Z.ai (GLM-4.5) fija su tarifa en 1,1 dólares por millón de tokens de salida (6) (7). Esta diferencia de órdenes de magnitud tiene implicaciones directas sobre la adopción empresarial. Startups como Lindy, con sede en San Francisco, han migrado cargas de trabajo completas de Anthropic a DeepSeek, ahorrando millones de dólares anuales sin una pérdida apreciable de calidad en la generación de respuestas (6). El gestor de producto de esta compañía declaró que el ahorro permitía reinventar la unidad de negocio, una afirmación que resume la disrupción que estamos presenciando.

El presente artículo académico tiene como objetivo analizar en profundidad este fenómeno desde una perspectiva multidisciplinar que integra el análisis técnico de los modelos, la economía de los precios y los costes, la dinámica de cuota de mercado, las finanzas corporativas de las empresas implicadas y el contexto macroeconómico global. La tesis central que se defiende es que la estrategia china de inteligencia artificial —basada en modelos de código abierto, eficiencia en el entrenamiento, optimización de la inferencia y precios agresivos— ha golpeado el punto débil de OpenAI y Anthropic precisamente en el momento más inoportuno: el preámbulo de sus salidas a bolsa. Al erosionar la capacidad de estas empresas para mantener márgenes elevados, la competencia china obliga a una recalibración forzosa de sus valoraciones y, por extensión, de todo el ecosistema inversor en IA.

La estructura del artículo se organiza en siete partes. En la primera, se describe el nuevo paisaje competitivo, analizando el paradigma de valoración de los campeones occidentales y la emergencia del modelo chino como alternativa creíble. En la segunda, se realiza un análisis cuantitativo del rendimiento técnico y la estructura de precios, con especial atención a los informes del NIST y a las comparativas de costes por millón de tokens. La tercera parte examina la dinámica de cuota de mercado, utilizando los datos de plataformas de agregación como OpenRouter y casos de estudio de migración empresarial. La cuarta parte aborda las presiones financieras y el desafío a la narrativa de la OPV, analizando la estructura de costes de OpenAI y Anthropic y el dilema de la rentabilidad en un escenario de precios a la baja. La quinta parte sitúa el fenómeno en el contexto macroeconómico del gasto global en IA, examinando las proyecciones de Gartner y la paradoja de la infraestructura: ¿cómo justificar inversiones de 600.000 millones de dólares en centros de datos si el precio del token se derrumba? (8) (9). La sexta parte aborda las dimensiones geopolíticas y regulatorias, incluyendo la estrategia de IA abierta como instrumento de política industrial china y los controles de exportación de semiconductores. Finalmente, la séptima parte propone escenarios de futuro y recomendaciones estratégicas para inversores, gestores de activos y equipos directivos de las empresas afectadas.

Desde el punto de vista metodológico, este artículo se basa en el análisis de fuentes primarias y secundarias, incluyendo informes de organismos oficiales (NIST, US-China Economic and Security Review Commission), comunicados financieros de las empresas, análisis de casas de inversión (UBS, JPMorgan, Wedbush), datos de plataformas de agregación de modelos y prensa económica especializada. El enfoque es fundamentalmente cualitativo en la interpretación de las dinámicas estratégicas, pero se apoya en cuantificaciones rigurosas de precios, costes, cuotas de mercado y valoraciones para fundamentar las conclusiones.

El artículo no pretende ofrecer una respuesta definitiva a un fenómeno en plena ebullición, sino proporcionar un marco analítico robusto que permita a académicos, inversores y responsables políticos comprender las fuerzas subyacentes que están reconfigurando el mercado global de la IA. La hipótesis que guía la investigación es que el duopolio occidental —la creencia de que OpenAI y Anthropic dominarán el mercado de modelos de alto rendimiento durante la próxima década— es una construcción frágil que ya está siendo desafiada por una combinación de innovación técnica, eficiencia de costes y estrategia de código abierto procedente de China. El resultado de esta confrontación determinará no solo el valor bursátil de estas empresas, sino también la dirección futura del desarrollo de la inteligencia artificial, el acceso a sus beneficios y la distribución del poder tecnológico a nivel global.

Parte I. El nuevo paisaje competitivo: la emergencia de China como líder en eficiencia de costes

1.1. El paradigma de valoración de los campeones occidentales: OpenAI y Anthropic en el umbral de la OPV

La industria de la inteligencia artificial generativa ha experimentado en el primer semestre de 2026 un fenómeno financiero sin precedentes en la historia de la tecnología. Dos empresas, OpenAI y Anthropic, han conseguido elevar sus valoraciones privadas hasta niveles que las sitúan entre las corporaciones más valiosas del planeta, superando a gigantes consolidados del sector tecnológico y aproximándose al selecto club de las compañías con capitalización superior al billón de dólares. Este proceso de revalorización acelerada no responde a un crecimiento orgánico convencional, sino a una apuesta inversora de magnitud histórica que ha redefinido los parámetros del capital riesgo y ha colocado a la inteligencia artificial en el centro de las estrategias de asignación de activos a nivel global.

La cronología de este fenómeno resulta reveladora. OpenAI, fundada en 2015 como una organización sin ánimo de lucro dedicada a la investigación en inteligencia artificial, ha completado una transformación corporativa que la ha llevado a convertirse en una empresa con vocación de salida a bolsa. El 31 de marzo de 2026, la compañía cerró una ronda de financiación de 122.000 millones de dólares, la mayor ronda privada de la historia de Silicon Valley, que situó su valoración post-dinero en 852.000 millones de dólares (1) (2). Esta ronda, anclada por Amazon, Nvidia y SoftBank, representó un incremento de aproximadamente el 184% respecto a la valoración de 300.000 millones de dólares que la compañía había alcanzado doce meses antes, en marzo de 2025 (3). A finales de abril de 2026, el mercado secundario situaba la valoración implícita de OpenAI en torno a los 880.000 millones de dólares, un premio de apenas el 3% sobre la ronda primaria, señal de que los inversores institucionales consideran que la valoración ya refleja de manera exhaustiva las expectativas de crecimiento a corto plazo (3).

La trayectoria de Anthropic, por su parte, ha sido si cabe más vertiginosa. Fundada en 2021 por ejecutivos que abandonaron OpenAI en busca de un enfoque más centrado en la seguridad y la interpretabilidad de los modelos, la compañía ha completado una escalada valorativa que constituye un caso de estudio en la historia del capital riesgo. En marzo de 2025, Anthropic estaba valorada en 61.500 millones de dólares (4). En septiembre de ese mismo año, la cifra se había triplicado hasta los 183.000 millones. En febrero de 2026, una ronda Serie G de 30.000 millones de dólares elevó la valoración a 380.000 millones (5). Y en mayo de 2026, la Serie H de 65.000 millones de dólares, liderada por Altimeter Capital, Dragoneer, Greenoaks y Sequoia Capital, disparó la valoración hasta los 965.000 millones, superando por primera vez a OpenAI en este indicador (6) (7). El mercado secundario ya valora a Anthropic por encima del billón de dólares, con un premio del 6% sobre el precio de la última ronda (8).

Esta progresión, que ha llevado a Anthropic de 1.500 millones de dólares en 2022 a 965.000 millones en mayo de 2026 —un incremento de 643 veces en solo cuatro años— (4), plantea interrogantes fundamentales sobre los fundamentos económicos que sustentan dichas valoraciones. La compañía ha declarado unos ingresos recurrentes anualizados de 14.000 millones de dólares en febrero de 2026, lo que arroja un múltiplo de aproximadamente 70 veces sobre esos ingresos (8). OpenAI, con unos ingresos recurrentes que superaban los 20.000 millones de dólares a finales de 2025, cotiza en el mercado secundario a un múltiplo de aproximadamente 44 veces (3). Ambos múltiplos son extraordinariamente elevados si se comparan con los estándares del sector tecnológico cotizado, donde las empresas de software de alto crecimiento suelen negociarse entre 10 y 20 veces sus ingresos recurrentes.

La carrera hacia las OPV se ha acelerado en paralelo a este proceso de revalorización. Anthropic fue la primera en moverse, presentando el 1 de junio de 2026 una declaración confidencial S-1 ante la Securities and Exchange Commission (SEC) que abre la puerta a su salida a bolsa (9) (10). OpenAI siguió sus pasos una semana después, el 8 de junio, presentando también su propio formulario S-1 confidencial (11) (12). Ambas compañías se suman así a SpaceX, que completó su OPV el 12 de junio de 2026 con una captación de 75.000 millones de dólares y una valoración de 1,77 billones de dólares en su debut, la mayor oferta pública inicial de la historia (13). Varios analistas del sector han descrito este fenómeno como una concentración de capital pre-IPO sin precedentes, y han advertido de que la ventana de 2026 podría convertirse tanto en el ciclo de OPV más relevante desde la era de las puntocom como en una lección costosa sobre la distancia entre narrativa y fundamentales, dependiendo de cómo evolucione el apetito de los mercados públicos en los próximos trimestres (10).

La decisión de OpenAI de retrasar su OPV hasta 2027, según informaron varios medios financieros a finales de junio, añade un elemento de incertidumbre a este escenario (13). El consejero delegado, Sam Altman, había presionado inicialmente para alcanzar una valoración de 1 billón de dólares en la salida a bolsa, pero el rendimiento volátil de SpaceX tras su debut —cuyas acciones llegaron a cotizar por encima de los 225 dólares antes de retroceder hasta en torno a los 153 dólares en cuestión de días— ha enfriado el entusiasmo (13). Los asesores de OpenAI han advertido de que la compañía puede no encontrar el mismo entusiasmo entre los inversores minoristas, y la compañía ha decidido tomarlo con calma, a pesar de que la necesidad de capital para mantener su ritmo de inversión en infraestructura computacional es cada vez más acuciante (13).

El paradigma de valoración que sustenta a OpenAI y Anthropic descansa sobre varios pilares. En primer lugar, la creencia de que la inteligencia artificial generativa es un mercado con barreras de entrada elevadas, donde los modelos de frontera —aquellos que marcan el estado del arte— solo pueden ser desarrollados por unos pocos laboratorios con acceso a recursos computacionales masivos y talento investigador de primer nivel. En segundo lugar, la expectativa de que estos modelos, al ser de código cerrado y propietario, generarán flujos de ingresos recurrentes con márgenes elevados, similares a los de las plataformas de software empresarial. En tercer lugar, la convicción de que el mercado de la IA se comportará como un mercado de ganador único o de duopolio, donde los líderes establecidos capturarán la mayor parte del valor generado.

Sin embargo, estos pilares están siendo sometidos a una presión creciente por parte de un competidor que no estaba presente en los análisis de los inversores hace apenas doce meses: los laboratorios chinos de inteligencia artificial. DeepSeek, Z.ai, Alibaba (Qwen), Moonshot (Kimi), MiniMax y Xiaomi (MiMo) han demostrado que es posible desarrollar modelos de rendimiento comparable a los de OpenAI y Anthropic con una fracción del coste de entrenamiento y, lo que es más relevante para la sostenibilidad del modelo de negocio occidental, comercializarlos a precios que oscilan entre una décima parte y una quincuagésima parte de los cobrados por los líderes estadounidenses.

El informe del National Institute of Standards and Technology (NIST) de Estados Unidos, publicado en mayo de 2026, ha confirmado que el modelo DeepSeek V4 Pro presenta un rendimiento similar al del GPT-5 de OpenAI, con una diferencia de apenas ocho meses en la ventana de lanzamiento, y supera a GPT-5.4 mini en eficiencia de costes en cinco de las siete categorías de benchmark evaluadas (14). Esta constatación, procedente de una agencia gubernamental estadounidense, ha tenido un efecto devastador sobre la percepción de superioridad tecnológica occidental que sustentaba las valoraciones de OpenAI y Anthropic.

Diversos analistas de mercado han señalado que el momento es delicado para OpenAI, que parece estar perdiendo parte de la ventaja inicial de ChatGPT frente a Google y Anthropic, en un contexto en el que sus opciones para obtener capital adicional a corto plazo son cada vez más limitadas (12). Esta precariedad se ve agravada por la estructura de costes de ambas compañías: Anthropic declaró unos ingresos recurrentes anualizados de aproximadamente 14.000 millones de dólares en febrero de 2026, cifra que se disparó hasta unos 47.000 millones de dólares hacia finales de mayo, impulsada sobre todo por Claude Code, aunque ese crecimiento ha ido acompañado de un gasto en computación e infraestructura igualmente elevado (15). La compañía ha reconocido que su tasa de consumo de efectivo es elevada y que depende de inyecciones periódicas de capital para escalar su infraestructura.

En este contexto, la competencia china no solo representa una amenaza tecnológica, sino también financiera. Si los clientes empresariales pueden obtener modelos de rendimiento similar por una fracción del coste, la capacidad de OpenAI y Anthropic para mantener precios premium se erosiona, y con ella, la justificación de sus valoraciones astronómicas. Analistas de UBS han advertido de que la brecha de precios entre China y Estados Unidos inyectará volatilidad en el sector y podría llevar a los inversores a replantearse el gasto masivo en infraestructura (16). Esta advertencia cobra especial relevancia en el umbral de las OPV, cuando la transparencia financiera exigida por los mercados públicos pondrá a prueba la narrativa de crecimiento sostenido y altos márgenes que ha alimentado las valoraciones privadas.

El fenómeno que estamos presenciando, por tanto, no es meramente una guerra de precios en el mercado de las API. Es una confrontación entre dos modelos de negocio: el de los laboratorios occidentales, basado en código cerrado, propiedad intelectual y precios premium, y el de los laboratorios chinos, basado en código abierto, eficiencia operativa y precios agresivos. El desenlace de esta confrontación determinará no solo el valor bursátil de OpenAI y Anthropic, sino también la estructura del mercado global de la inteligencia artificial en la próxima década.

1.2. La irrupción del modelo chino: código abierto, escalabilidad y disrupción de precios

La emergencia de China como fuerza competitiva en el mercado global de la inteligencia artificial generativa no responde a un fenómeno aislado ni coyuntural, sino a la consolidación de una estrategia industrial deliberada que combina inversión pública en investigación, desarrollo de talento, apertura de ecosistemas y una filosofía de comercialización radicalmente distinta a la de los laboratorios occidentales. Mientras que OpenAI y Anthropic han construido su modelo de negocio sobre el código cerrado, la propiedad intelectual protegida y la fijación de precios premium, los laboratorios chinos han apostado por el código abierto, la escalabilidad masiva y la disrupción de precios como vectores de penetración en el mercado global. Esta estrategia, lejos de ser una mera réplica de los modelos occidentales con un descuento, se apoya en innovaciones arquitectónicas y de eficiencia que han reducido drásticamente los costes de entrenamiento e inferencia, convirtiendo la ventaja de precios en una ventaja estructural difícil de replicar.

El ecosistema chino de inteligencia artificial está protagonizado por un conjunto diverso de laboratorios y empresas tecnológicas que han logrado posicionar sus modelos en la frontera del rendimiento global. DeepSeek, la startup que ha acaparado la atención internacional, ha demostrado que es posible desarrollar modelos de 1,6 billones de parámetros con una arquitectura de mezcla de expertos (MoE) que reduce el coste de inferencia a una fracción del de sus competidores occidentales (17) (18). El 24 de abril de 2026, DeepSeek lanzó dos modelos de código abierto, DeepSeek-V4-Pro y DeepSeek-V4-Flash, con soporte para contextos de hasta un millón de tokens y licencias Apache 2.0 que permiten su uso comercial sin restricciones (18). Este movimiento, realizado el mismo día en que OpenAI presentaba GPT-5.5, fue interpretado por los analistas como un desafío directo al liderazgo occidental (17).

La estrategia de código abierto no es exclusiva de DeepSeek. Zhipu AI (Z.ai), el laboratorio chino respaldado por el gobierno y por importantes inversores tecnológicos, ha lanzado GLM-4.5 bajo licencia MIT, tanto en Hugging Face como en la plataforma china ModelScope, con un modelo de 3.550 millones de parámetros totales y 320 millones de parámetros activos en su arquitectura MoE (19) (20). GLM-4.5 ha sido calificado por sus desarrolladores como el modelo de código abierto con mejor rendimiento en tareas de razonamiento, codificación y capacidades agénticas, y ha sido entrenado con 22 billones de tokens, de los cuales 15 billones corresponden a contenido general y 7 billones a razonamiento y código (20). Alibaba, por su parte, ha convertido Qwen en la familia de modelos de código abierto más descargada del mundo, con más de 700 millones de descargas acumuladas y más de 180.000 versiones derivadas generadas por la comunidad (21). El 16 de febrero de 2026, Alibaba lanzó Qwen3.5, un modelo multimodal de 397.000 millones de parámetros con soporte nativo para 201 idiomas y contexto de un millón de tokens, que compite directamente con GPT-5.2 (22) (23). La compañía ha declarado que su objetivo es “desarrollar una vez, desplegar en cualquier parte”, y ha construido un ecosistema abierto que integra capas de modelo, sistema y chip (23).

La apuesta por el código abierto tiene implicaciones profundas para la dinámica del mercado. Mientras que los modelos de OpenAI y Anthropic son accesibles únicamente a través de sus API propietarias, con costes de uso que pueden ascender a decenas de miles de dólares al año para equipos de desarrollo medianos, los modelos chinos pueden descargarse, ejecutarse en hardware comercial y fine-tunearse sin coste de licencia. Esta accesibilidad ha generado una oleada de adopción entre desarrolladores y pequeñas empresas que anteriormente no podían permitirse el acceso a modelos de frontera. Como ha señalado la plataforma de agregación OpenRouter, los seis modelos más populares entre los desarrolladores son actualmente chinos: MiMo-V2-Pro de Xiaomi, Step 3.5 Flash de stepfun, DeepSeek V3.2, MiniMax M2.7, MiniMax M2.5 y GLM 5 Turbo de Z.ai (15). Anthropic, que ocupaba la primera posición en marzo de 2025, ha caído a las posiciones séptima y octava, un indicador elocuente del cambio de preferencia en la comunidad desarrolladora (15).

La ventaja de precios de los modelos chinos no es marginal, sino de órdenes de magnitud. DeepSeek V4-Pro tiene un precio de 1,74 dólares por millón de tokens de entrada, mientras que V4-Flash cuesta aproximadamente 0,14 dólares por millón de tokens de entrada (24) (25). En comparación, GPT-5.5 se comercializa a 5 dólares por millón de tokens de entrada y 30 dólares por millón de salida, y Claude Sonnet 4.6 se sitúa en 3 y 15 dólares respectivamente (6). La diferencia es aún más pronunciada en términos de tokens de salida: DeepSeek V4-Pro cuesta 0,87 dólares por millón de tokens de salida, frente a los 30 dólares de GPT-5.5 y los 15 dólares de Claude Sonnet 4.6, lo que supone una ventaja de 34 y 17 veces respectivamente (25). En el caso de Z.ai, el precio de su API es de 1,1 dólares por millón de tokens de salida, mientras que MiniMax ofrece precios de 1,2 dólares en su modelo M2.5 (7). Esta estructura de precios ha llevado a los analistas de UBS a afirmar que los modelos chinos son, en promedio, un 20% más baratos que sus homólogos globales, y en algunos casos específicos hasta 50 veces más baratos (16).

La capacidad de los laboratorios chinos para ofrecer precios tan bajos no se debe únicamente a una decisión estratégica de sacrificar márgenes por cuota de mercado, sino a ventajas estructurales en la eficiencia del entrenamiento y la inferencia. Según los analistas de UBS, el coste de entrenar estos modelos en China es inferior al 10% del gasto occidental (16). Esta eficiencia se logra mediante una combinación de factores: arquitecturas de modelos optimizadas, como la mezcla de expertos (MoE) que activa solo una fracción de los parámetros en cada inferencia; innovaciones en la compresión de memoria, como la reducción del caché KV a solo el 7% del tamaño convencional; y el uso de hardware comercial en lugar de los costosos aceleradores de última generación (26). DeepSeek ha desarrollado una arquitectura de atención híbrida CSA+HCA que reduce la demanda computacional para contextos largos a una décima parte de la anterior generación, permitiendo que sus modelos se ejecuten en tarjetas gráficas de consumo como las RTX 4090, en lugar de requerir clústeres de miles de GPUs H100 (26) (27). Esta optimización del hardware, combinada con la disponibilidad de chips de inteligencia artificial fabricados en China que, aunque menos potentes que los de Nvidia, son significativamente más baratos y accesibles, ha permitido a los laboratorios chinos reducir drásticamente sus costes de infraestructura.

El siguiente campo de batalla, según los analistas, es la optimización de la inferencia, donde las empresas chinas ya están logrando avances significativos. DeepSeek ha presentado recientemente un marco de decodificación especulativa que acelera la inferencia hasta en un 85%, reduciendo la carga computacional y los cuellos de botella en los chips (28). Este tipo de innovación, que permite ejecutar modelos más grandes con menos recursos, es especialmente relevante en el contexto de los controles de exportación de semiconductores impuestos por Estados Unidos, que restringen el acceso de China a los chips más avanzados. Lejos de frenar el avance chino, estos controles parecen haber estimulado una ola de innovación en eficiencia que está redefiniendo los estándares de la industria.

La estrategia de código abierto y precios bajos tiene, además, una dimensión geopolítica que no puede ignorarse. El informe de la US-China Economic and Security Review Commission (USCC), titulado “Two Loops: How China's Open AI Strategy Reinforces Its Industrial Dominance” (marzo de 2026), señala que los laboratorios chinos “han reducido las brechas de rendimiento con los principales modelos occidentales” gracias a un ecosistema abierto que les permite innovar cerca de la frontera pese a las restricciones de acceso a hardware avanzado (29). La comisión advierte que la estrategia china de IA abierta no es filantrópica, sino un instrumento de política industrial: los modelos abiertos alimentan un “bucle digital” de adopción y mejora, entrelazado con un “bucle físico” de generación de datos industriales en fábricas, logística y robótica, que los controles de exportación centrados en los semiconductores no están diseñados para contener (29). Esta estrategia, que combina la apertura con el control estatal de la infraestructura computacional y de datos, representa un desafío sistémico al liderazgo tecnológico occidental que trasciende el ámbito puramente comercial.

En este contexto, la irrupción del modelo chino no es una moda pasajera ni una burbuja especulativa, sino la manifestación de un cambio estructural en la economía de la inteligencia artificial. Los laboratorios chinos han demostrado que es posible competir en el mercado global no mediante la superioridad tecnológica absoluta, sino mediante una combinación de eficiencia operativa, apertura de ecosistemas y estrategia de precios agresiva que erosiona los fundamentos económicos del modelo de negocio occidental. La pregunta que se plantea a continuación es si esta ventaja de costes se traduce en una ventaja competitiva sostenible a largo plazo, o si los laboratorios occidentales pueden responder mediante innovaciones que restablezcan su primacía. Para responder a esta pregunta, es necesario examinar en detalle las métricas de rendimiento técnico y la estructura de precios que sustentan la competencia en el mercado de las API.

Parte II. Análisis cuantitativo del rendimiento técnico y la estructura de precios

2.1. Evaluación comparativa de capacidades: los informes del NIST y la brecha tecnológica en descenso

La percepción de superioridad tecnológica occidental en el ámbito de la inteligencia artificial generativa ha sido uno de los pilares fundamentales sobre los que se han construido las valoraciones astronómicas de OpenAI y Anthropic. Durante los años 2023 a 2025, el consenso entre inversores y analistas sostenía que los laboratorios estadounidenses mantenían una ventaja cualitativa y cuantitativa irreducible sobre sus competidores chinos, basada en el acceso privilegiado a hardware de última generación, la acumulación de talento investigador y la masa crítica de datos de entrenamiento. Este consenso ha comenzado a resquebrajarse a raíz de la publicación, en mayo de 2026, de la evaluación del Center for AI Standards and Innovation (CAISI), dependiente del National Institute of Standards and Technology (NIST) del gobierno de Estados Unidos, sobre el modelo DeepSeek V4 Pro (8) (14).

El informe del NIST, que constituye la primera evaluación oficial y sistemática de un modelo chino de frontera por parte de una agencia gubernamental estadounidense, ha arrojado conclusiones de gran relevancia para el análisis competitivo del sector. Según el documento, DeepSeek V4 Pro es “el modelo de IA más capaz de la República Popular China evaluado por CAISI hasta la fecha” (8). La evaluación, realizada en abril de 2026, sometió al modelo a pruebas en cinco dominios críticos: ciberseguridad, ingeniería de software, ciencias naturales, razonamiento abstracto y matemáticas (8). En términos de rendimiento agregado, el NIST concluyó que DeepSeek V4 Pro se sitúa aproximadamente ocho meses por detrás de los modelos estadounidenses más avanzados en su medida de capacidad agregada (8) (14).

Esta conclusión, aunque aparentemente favorable a los laboratorios occidentales, contiene dos matices de extraordinaria importancia. En primer lugar, la evaluación establece que DeepSeek V4 Pro, lanzado a finales de abril de 2026, presenta un rendimiento similar al de GPT-5, que OpenAI había lanzado ocho meses antes, en agosto de 2025 (8) (14). Esta constatación implica que la brecha tecnológica entre los líderes chinos y estadounidenses se ha reducido drásticamente en el último año y medio, pasando de una diferencia que muchos analistas estimaban en dos o tres años a apenas ocho meses. En segundo lugar, el informe destaca que DeepSeek V4 Pro supera a GPT-5.4 mini en eficiencia de costes en cinco de las siete categorías de benchmark evaluadas (14). Esta ventaja en eficiencia, que no es un detalle técnico menor sino un atributo económico fundamental, sitúa a los modelos chinos en una posición competitiva que trasciende la mera paridad tecnológica.

La evaluación del NIST ha generado un intenso debate en la comunidad investigadora y entre los responsables políticos. Algunos analistas han cuestionado si la métrica de “ocho meses de retraso” refleja adecuadamente la realidad del ecosistema chino, señalando que la evaluación no incorpora todas las capacidades de DeepSeek V4 Pro, como su rendimiento en contextos ultralargos (8). Otros han señalado que la brecha de ocho meses, lejos de ser un indicador de inferioridad, representa un logro notable si se considera que los laboratorios chinos han desarrollado sus modelos con restricciones de acceso a hardware avanzado impuestas por los controles de exportación estadounidenses (8). El propio informe de la US-China Economic and Security Review Commission coincide en que los laboratorios chinos “han reducido las brechas de rendimiento con los principales modelos occidentales” apoyándose en un ecosistema de modelos abiertos que reduce su dependencia del acceso al hardware más avanzado (29).

La relevancia de la evaluación del NIST para el análisis financiero de OpenAI y Anthropic es inmediata. Si los modelos chinos son capaces de igualar el rendimiento de GPT-5 con un retraso de apenas ocho meses, y lo hacen a una fracción del coste, la capacidad de los laboratorios occidentales para mantener precios premium se ve seriamente comprometida. La ventana de ocho meses, que en el contexto de la rápida evolución de la IA puede parecer significativa, se reduce considerablemente si se considera que la brecha se estaba cerrando a un ritmo acelerado: en 2024, la diferencia estimada era de aproximadamente dos años; en 2025, de catorce meses; y en abril de 2026, de ocho meses. Si esta tendencia se mantiene, la paridad tecnológica plena podría alcanzarse en el horizonte de 2027, justo cuando OpenAI y Anthropic esperan completar sus salidas a bolsa.

La conclusión del NIST de que DeepSeek V4 Pro es “el modelo de IA más capaz de la República Popular China evaluado por CAISI hasta la fecha” (8) subraya, además, que no estamos ante un caso aislado, sino ante la manifestación de un ecosistema en plena madurez. Los laboratorios chinos no solo han logrado un solo modelo competitivo, sino que han construido una constelación de modelos —DeepSeek, Qwen, GLM, MiniMax, Kimi, MiMo— que compiten entre sí y con los líderes occidentales en un mercado doméstico de dimensiones colosales. Esta diversidad competitiva, alimentada por la estrategia de código abierto y la inversión pública en investigación, constituye una ventaja sistémica que los laboratorios occidentales, concentrados en unos pocos actores, encuentran difícil de replicar.

2.2. Guerra de precios en las API: comparativa de costes por millón de tokens

Si la brecha tecnológica se ha reducido a ocho meses, la brecha de precios se ha convertido en un abismo. El mercado de las interfaces de programación de aplicaciones (API) para modelos de lenguaje ha sido el campo de batalla donde la competencia china ha desplegado su ventaja más contundente. Los precios por millón de tokens —la unidad básica de consumo en la IA generativa— muestran diferencias de órdenes de magnitud que tienen implicaciones directas sobre la adopción empresarial y los modelos de negocio de los proveedores.

La comparativa de precios en el segundo trimestre de 2026 revela una estructura de mercado profundamente segmentada. En el segmento premium, OpenAI comercializa GPT-5.5 a 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida (6). Anthropic, por su parte, ofrece Claude Sonnet 4.6 a 3 dólares por millón de tokens de entrada y 15 dólares por millón de salida, con un precio introductorio de 10 dólares que ascenderá a 15 dólares una vez finalizado el periodo promocional (6) (7). En el extremo inferior del espectro, los modelos chinos han establecido una franja de precios radicalmente más baja. DeepSeek V4 Pro, el modelo de gama alta del laboratorio chino, tiene un precio de 0,435 dólares por millón de tokens de entrada y 0,87 dólares por millón de tokens de salida (9). La versión Flash, orientada a la eficiencia y el coste, reduce aún más estos precios a 0,14 dólares por millón de tokens de entrada y 0,28 dólares por millón de salida (9).

La diferencia entre ambos extremos es abismal. En términos de tokens de salida, DeepSeek V4 Pro es 34 veces más barato que GPT-5.5 (30 dólares frente a 0,87 dólares) y 17 veces más barato que Claude Sonnet 4.6 (15 dólares frente a 0,87 dólares). La versión Flash multiplica estas ventajas: es 107 veces más barata que GPT-5.5 y 54 veces más barata que Claude Sonnet 4.6 (9) (6). Esta diferencia se amplía aún más cuando se consideran los descuentos por caché, que reducen el coste de los tokens de entrada a apenas 0,0037 dólares por millón en algunos modelos chinos (9). Los analistas de UBS han estimado que, en promedio, los modelos chinos son un 20% más baratos que sus homólogos globales, y en algunos casos específicos hasta 50 veces más baratos (13) (16). JPMorgan, por su parte, ha señalado que los modelos chinos son hasta 50 veces más baratos que los de OpenAI y Anthropic (11).

Otros laboratorios chinos han establecido precios igualmente agresivos. Z.ai (GLM-4.5) cobra 1,1 dólares por millón de tokens de salida, mientras que MiniMax (M2.5) se sitúa en 1,2 dólares (7). Moonshot AI (Kimi K2.5) ofrece precios de 2,2 dólares por millón de tokens de salida (9). En el segmento de entrada, DeepSeek V3.2 se comercializa a 0,42 dólares por millón de tokens (9). Esta estructura de precios, que abarca desde los 0,14 dólares de DeepSeek Flash hasta los 30 dólares de GPT-5.5, representa una dispersión de más de 200 veces entre el modelo más barato y el más caro del mercado.

La guerra de precios no es un fenómeno estático, sino que se ha intensificado a lo largo de 2026. En mayo de 2026, DeepSeek anunció una reducción permanente del 75% en los precios de su modelo V4 Pro, estableciendo la nueva estructura de precios en 0,435 dólares por millón de tokens de entrada y 0,87 dólares por millón de salida (9). Esta reducción, que siguió a una promoción temporal del 75% que expiró el 31 de mayo de 2026, ha consolidado la posición de DeepSeek como el proveedor de modelos de alto rendimiento más barato del mercado (9). Los precios de los tokens en caché se han reducido a 0,025 yuanes (0,0037 dólares) por millón de tokens, un nivel que hace prácticamente irrelevante el coste de las consultas repetitivas (9). Esta estrategia de precios, que combina descuentos permanentes con ofertas promocionales agresivas, ha creado una dinámica de mercado en la que los laboratorios occidentales se ven forzados a responder con sus propias reducciones de precios, erosionando sus márgenes y debilitando la justificación de sus valoraciones.

La pregunta que surge es si los laboratorios chinos pueden mantener estos precios de manera sostenible. La respuesta parece afirmativa por varias razones. En primer lugar, sus costes de entrenamiento e inferencia son significativamente más bajos, como se analizará en la siguiente sección. En segundo lugar, el mercado doméstico chino, con cientos de millones de usuarios y empresas, proporciona una base de ingresos y una masa crítica de datos que permite economías de escala. En tercer lugar, la estrategia de código abierto reduce los costes de marketing y distribución, al tiempo que genera una comunidad de desarrolladores que contribuyen a la mejora del modelo. Finalmente, el respaldo del gobierno chino a la industria de la IA, tanto en términos de financiación como de política industrial, proporciona un colchón financiero que permite a los laboratorios chinos mantener precios agresivos durante períodos prolongados.

2.3. Eficiencia en el entrenamiento: el factor 10 como ventaja estructural

La capacidad de los laboratorios chinos para ofrecer precios tan bajos no es el resultado de una decisión estratégica de sacrificar márgenes por cuota de mercado, sino de una ventaja estructural en la eficiencia del entrenamiento y la inferencia que tiene sus raíces en innovaciones arquitectónicas, optimización de hardware y una filosofía de desarrollo radicalmente distinta a la de los laboratorios occidentales.

El dato más revelador de esta ventaja estructural es el coste de entrenamiento de los modelos. DeepSeek reportó haber entrenado su modelo V3 con un coste de aproximadamente 5,5 millones de dólares, utilizando cerca de 2,8 millones de horas de GPU H800 (10). Esta cifra, ampliamente citada en la prensa especializada, contrasta con estimaciones de más de 100 millones de dólares para el entrenamiento de GPT-4, aunque las metodologías de cálculo entre ambas cifras no son directamente comparables (no incluyen, por ejemplo, los costes de investigación previa ni de infraestructura general) (10). Un análisis de Wedbush describió esa cifra como una ruptura del supuesto de que el entrenamiento de modelos de frontera exige necesariamente inversiones superiores a los 100 millones de dólares (10). Analistas de UBS han estimado que el coste de entrenar modelos en China puede situarse muy por debajo del gasto occidental equivalente, aunque las cifras exactas dependen de qué partidas de coste se incluyan en el cálculo (13) (16).

Esta eficiencia no es accidental, sino el resultado de innovaciones arquitectónicas deliberadas. DeepSeek ha desarrollado una arquitectura de mezcla de expertos (MoE) que activa solo una fracción de los parámetros del modelo en cada inferencia, reduciendo drásticamente la carga computacional. La compañía ha implementado una arquitectura de atención híbrida (CSA+HCA) que reduce la demanda computacional para contextos largos a una décima parte de la de la generación anterior de modelos (26). Además, ha desarrollado técnicas de compresión de memoria que reducen el caché KV a solo el 7% del tamaño convencional, permitiendo que modelos de 1,6 billones de parámetros se ejecuten en hardware comercial (26). Estas innovaciones, combinadas con el uso de chips de inteligencia artificial fabricados en China que, aunque menos potentes que los de Nvidia, son significativamente más baratos y accesibles, han permitido a los laboratorios chinos reducir drásticamente sus costes de infraestructura.

La eficiencia en el entrenamiento tiene implicaciones directas sobre la estructura de precios. Si un modelo cuesta 18 veces menos de entrenar, el proveedor puede permitirse precios de venta significativamente más bajos sin sacrificar sus márgenes. Esta ventaja se amplía en la fase de inferencia, donde las optimizaciones arquitectónicas permiten ejecutar los modelos con menos recursos computacionales, reduciendo el coste por consulta. DeepSeek ha presentado recientemente un marco de decodificación especulativa que acelera la inferencia hasta en un 85%, reduciendo la carga computacional y los cuellos de botella en los chips (28). Este tipo de innovación, que permite ejecutar modelos más grandes con menos recursos, es especialmente relevante en el contexto de los controles de exportación de semiconductores impuestos por Estados Unidos, que restringen el acceso de China a los chips más avanzados. Lejos de frenar el avance chino, estos controles parecen haber estimulado una ola de innovación en eficiencia que está redefiniendo los estándares de la industria.

El analista de UBS ha señalado que la brecha de precios entre China y Estados Unidos, lejos de ser una anomalía temporal, refleja diferencias estructurales en la eficiencia de la cadena de valor de la IA (16). Mientras que los laboratorios occidentales han optado por una estrategia de “más potencia bruta” —más GPUs, más datos, más parámetros— los laboratorios chinos han apostado por la eficiencia y la optimización. Esta divergencia estratégica tiene implicaciones profundas para la competitividad a largo plazo. Si la eficiencia es una ventaja acumulativa —cuanto más se optimiza, más se aprende sobre cómo optimizar— los laboratorios chinos pueden estar construyendo una ventaja que será cada vez más difícil de replicar para sus competidores occidentales.

2.4. Adopción empresarial y elasticidad de la demanda ante la caída de precios

La estructura de precios descrita en las secciones anteriores no tendría relevancia económica si los clientes empresariales no estuvieran dispuestos a migrar hacia los modelos chinos. Sin embargo, la evidencia empírica disponible indica que la adopción de modelos chinos por parte de empresas estadounidenses y europeas está acelerándose a un ritmo que supera las previsiones más optimistas de los analistas.

El caso más emblemático de esta migración es el de Lindy, una startup de inteligencia artificial con sede en San Francisco que, en junio de 2026, tomó la decisión de trasladar el 100% de su tráfico de IA desde los modelos Claude de Anthropic a DeepSeek V4 (11). El consejero delegado de Lindy, Flo Crivello, declaró que esta decisión permitiría a la empresa ahorrar millones de dólares anuales en costes de inferencia (11). Crivello señaló que la factura mensual de IA de la empresa había superado el coste de los salarios de los empleados, y que la migración a DeepSeek no solo reducía drásticamente los costes, sino que en algunos escenarios mejoraba el rendimiento del modelo (11). Aunque la migración requirió un esfuerzo de desarrollo significativo —el CEO mencionó que el trabajo de migración fue 100 veces mayor de lo esperado— los ahorros obtenidos justificaron ampliamente la inversión (11).

El caso de Lindy no es aislado. Según un informe de UBS, el 60% de las empresas están reduciendo su gasto en IA y virando hacia alternativas chinas de código abierto (12). Los datos de la plataforma de agregación OpenRouter, que enruta las consultas de los desarrolladores hacia diferentes modelos, muestran un cambio sísmico en las preferencias de los desarrolladores. En 2024, los modelos chinos de código abierto representaban menos del 1,2% del consumo semanal de tokens en OpenRouter (12). A finales de 2025, esa cifra había aumentado hasta aproximadamente el 30% en momentos punta, con una media anual del 13% (12). En abril de 2026, el tráfico de los proveedores chinos alcanzó el 51% de todos los tokens procesados en la plataforma (12). El punto de inflexión se produjo durante la semana del 9 al 15 de febrero de 2026, cuando los modelos chinos procesaron 4,12 billones de tokens en OpenRouter, superando los 2,94 billones de tokens procesados por los modelos estadounidenses (12). Desde entonces, los modelos chinos han superado a sus homólogos estadounidenses en volumen de llamadas API durante seis semanas consecutivas (12). En julio de 2026, los modelos chinos representaban hasta el 60% del tráfico de tokens en OpenRouter, con DeepSeek ocupando el primer puesto entre los modelos más populares (12).

La composición de los modelos más populares en OpenRouter es particularmente reveladora. Los seis modelos más utilizados en la plataforma son todos chinos: MiMo-V2-Pro (Xiaomi), Step 3.5 Flash (stepfun), DeepSeek V3.2, MiniMax M2.7, MiniMax M2.5 y GLM 5 Turbo (Z.ai) (12) (15). Anthropic, que ocupaba la primera posición en marzo de 2025, ha caído a las posiciones séptima y octava (15). Esta caída en la popularidad entre los desarrolladores, que son el segmento de clientes más valioso para cualquier plataforma de IA, es un indicador adelantado de la erosión de la posición competitiva de los laboratorios occidentales. Los desarrolladores, que son los primeros en adoptar nuevas tecnologías y los más sensibles a los precios, están votando con sus pies, y su voto es inequívocamente favorable a los modelos chinos.

La elasticidad de la demanda ante la caída de precios es extraordinariamente alta en el mercado de las API de IA. Una empresa que consume millones de tokens al día puede ahorrar cientos de miles de dólares al año migrando de un modelo occidental a un modelo chino. En un entorno de presupuestos tecnológicos ajustados, donde los directores de tecnología son cada vez más presionados para demostrar el retorno de la inversión en IA, estos ahorros son difíciles de ignorar. Como ha señalado un informe de JP Morgan, los primeros signos de migración hacia alternativas más baratas ya son visibles, y se espera que esta tendencia se acelere a medida que más empresas tomen conciencia de la brecha de precios (11).

La adopción empresarial de modelos chinos no se limita a las startups. Grandes corporaciones tecnológicas y empresas de Fortune 500 están evaluando activamente la posibilidad de incorporar modelos chinos en sus pilas tecnológicas. Según UBS, DeepSeek, Qwen de Alibaba, Kimi de Moonshot AI, GLM de Zhipu AI y MiniMax están ganando terreno en las evaluaciones corporativas desde mediados hasta finales de junio de 2026 (13). Estas evaluaciones, que en muchos casos ya han superado la fase de prueba de concepto y están entrando en la fase de implementación piloto, representan una amenaza existencial para el modelo de negocio de OpenAI y Anthropic. Si los clientes empresariales más grandes y rentables comienzan a migrar sus cargas de trabajo a modelos chinos, los ingresos recurrentes de los laboratorios occidentales se verán erosionados, y con ellos, la justificación de sus valoraciones astronómicas.

Parte III. La dinámica de cuota de mercado y el desplazamiento de los líderes establecidos

3.1. Análisis de popularidad en plataformas de agregación: OpenRouter como termómetro del mercado

La dinámica de cuota de mercado en el sector de la inteligencia artificial generativa ha experimentado una transformación radical en el último año y medio, y ningún indicador refleja esta metamorfosis con mayor claridad que los datos de OpenRouter, la plataforma de agregación que enruta las consultas de los desarrolladores hacia diferentes modelos de lenguaje. OpenRouter, que actúa como un mercado neutral donde los desarrolladores pueden comparar y seleccionar modelos de múltiples proveedores, se ha convertido en el termómetro más fiable de las preferencias de la comunidad desarrolladora, el segmento de clientes más valioso y estratégico para cualquier proveedor de IA.

Los datos de OpenRouter revelan una historia de ascenso imparable de los modelos chinos y de declive igualmente pronunciado de sus competidores estadounidenses. A finales de 2024, los modelos chinos de código abierto representaban menos del 1,2% del consumo semanal de tokens en la plataforma (0). A lo largo de 2025, esa cifra experimentó un crecimiento explosivo, alcanzando casi el 30% en momentos punta, con una media anual del 13% (0) (3). El punto de inflexión, sin embargo, se produjo en el primer trimestre de 2026. Durante la semana del 9 al 15 de febrero de 2026, los modelos chinos procesaron 4,12 billones de tokens en OpenRouter, superando los 2,94 billones procesados por los modelos estadounidenses (0). Desde entonces, los modelos chinos han mantenido su ventaja de manera consistente, superando a sus homólogos estadounidenses en volumen de llamadas API durante semanas consecutivas (0). En abril de 2026, la cuota de los proveedores chinos alcanzó el 51% de todos los tokens procesados en la plataforma (0) (3).

La aceleración del fenómeno ha sido tal que, en la semana del 25 al 31 de mayo de 2026, el volumen semanal de llamadas en OpenRouter alcanzó los 25 billones de tokens, y los modelos chinos ya procesaban 18 billones de tokens semanales, superando los 5,5 billones de los modelos estadounidenses (0). Esta proporción, que representa una ventaja de más de tres a uno, no tiene precedentes en la historia de la plataforma. Los datos más recientes, correspondientes a junio de 2026, confirman la consolidación de esta tendencia: la cuota de los modelos chinos ha alcanzado el 61% del consumo total de tokens en OpenRouter, mientras que la de los modelos estadounidenses se ha reducido al 33% (1) (3). Esta cifra representa una inversión completa de la situación existente un año antes, cuando los modelos de Google, OpenAI y Anthropic concentraban el 72% del tráfico de la plataforma (1) (3).

El desglose por modelos individuales es aún más revelador. En la semana del 25 al 31 de mayo de 2026, DeepSeek-V4-Flash encabezó la clasificación con 4,41 billones de tokens procesados, seguido por el modelo Hunyuan de Tencent, MiMo-V2-Pro de Xiaomi y DeepSeek V3.2 (0). Los seis modelos más populares en OpenRouter son todos chinos: MiMo-V2-Pro (Xiaomi), Step 3.5 Flash (stepfun), DeepSeek V3.2, MiniMax M2.7, MiniMax M2.5 y GLM 5 Turbo (Z.ai) (1). Anthropic, que ocupaba la primera posición en marzo de 2025, ha caído a las posiciones séptima y octava, un declive que refleja la erosión de su posición competitiva en el segmento más dinámico del mercado (1) (15). El ranking de los diez modelos más utilizados muestra que los modelos chinos concentran 5,3 billones de tokens de un total de 8,7 billones, lo que representa una cuota del 61% (3). Los modelos estadounidenses, que antes dominaban este ranking, han quedado relegados a posiciones secundarias, con la excepción de algunos modelos de Google y OpenAI que mantienen una presencia testimonial.

La explicación de este fenómeno reside en varios factores convergentes. En primer lugar, la relación calidad-precio de los modelos chinos es incomparablemente superior. Los desarrolladores, que son los primeros en adoptar nuevas tecnologías y los más sensibles a los costes, han realizado un cálculo racional: si pueden obtener un rendimiento similar al de los modelos occidentales por una fracción del coste, la decisión de migrar es económicamente irresistible. En segundo lugar, la estrategia de código abierto de los laboratorios chinos ha creado un ecosistema de desarrolladores que contribuyen a la mejora de los modelos, generando un ciclo de retroalimentación positiva que acelera la innovación y reduce los costes. En tercer lugar, los modelos chinos han demostrado un rendimiento particularmente sólido en tareas de programación y flujos de trabajo basados en agentes, que son precisamente los casos de uso que generan el mayor volumen de consumo de tokens en la plataforma (0).

La preferencia de los desarrolladores por los modelos chinos tiene implicaciones estratégicas de primer orden. Los desarrolladores no solo son los usuarios más intensivos de las API de IA, sino también los prescriptores que influyen en las decisiones de compra de las empresas para las que trabajan. Cuando una cohorte creciente de desarrolladores se familiariza y confía en los modelos chinos, la probabilidad de que estos modelos sean adoptados en entornos empresariales aumenta de manera significativa. OpenRouter, por tanto, no es solo un termómetro del mercado, sino también un motor de cambio que acelera la difusión de los modelos chinos en el ecosistema global de desarrollo de software.

3.2. El caso de la migración empresarial: testimonios y decisiones de compra de startups tecnológicas

La migración de los desarrolladores individuales hacia los modelos chinos ha sido seguida, con un breve desfase temporal, por la migración de empresas enteras. El caso más emblemático y documentado de este fenómeno es el de Lindy, una startup de inteligencia artificial con sede en San Francisco especializada en agentes de IA para automatización de procesos empresariales. En junio de 2026, el consejero delegado y fundador de Lindy, Flo Crivello, anunció una decisión que pocos meses antes habría parecido impensable: la compañía había trasladado el 100% de su tráfico de IA desde los modelos Claude de Anthropic a DeepSeek V4 (2). La decisión, según Crivello, no fue tomada a la ligera, sino después de un exhaustivo proceso de evaluación que duró varios meses y que incluyó pruebas de rendimiento, análisis de costes y consideraciones de seguridad (2).

Los resultados de la migración fueron espectaculares. Lindy logró reducir sus costes de inferencia en millones de dólares anuales, un ahorro que, según Crivello, transformó la economía de la unidad de negocio y permitió a la empresa reinvertir los recursos en investigación y desarrollo (2) (11). Lo más destacable del caso es que la migración no implicó una pérdida de calidad. Por el contrario, en algunos escenarios específicos, el rendimiento de DeepSeek V4 superó al de Claude, especialmente en tareas de razonamiento y generación de código (2). Crivello declaró que la factura mensual de IA de la empresa había superado el coste de los salarios de los empleados, y que la migración a DeepSeek no solo reducía drásticamente los costes, sino que en algunos casos mejoraba el rendimiento del modelo (11). El CEO también advirtió que el trabajo de migración fue 100 veces mayor de lo esperado, un testimonio de los desafíos técnicos que implica cambiar de proveedor de modelos en un entorno de producción (2). Sin embargo, el ahorro obtenido justificó ampliamente la inversión, y Crivello recomendó encarecidamente a otras startups que consideraran seriamente la opción de migrar a modelos chinos (2).

El caso de Lindy no es aislado, sino la punta de lanza de una tendencia más amplia que está afectando a todo el espectro empresarial. Según un informe de UBS, el 60% de las empresas están reduciendo su gasto en IA y virando hacia alternativas chinas de código abierto (12). Esta cifra, que incluye tanto a startups como a empresas de tamaño medio, refleja un cambio de mentalidad profundo entre los responsables de tecnología: la IA generativa, que hasta hace poco era percibida como un recurso escaso y premium, está siendo reconceptualizada como un commodity sujeto a las leyes de la competencia de precios. En este nuevo paradigma, la lealtad a un proveedor específico es un lujo que pocas empresas pueden permitirse, y la decisión de compra se basa cada vez más en criterios objetivos de coste y rendimiento.

El caso más significativo, sin embargo, está aún en proceso de gestación. En junio de 2026, Axios reveló que Microsoft está considerando integrar DeepSeek V4 en su herramienta empresarial Copilot Cowork, como alternativa de bajo coste a los modelos de OpenAI y Anthropic (2). La decisión, que se espera sea anunciada en las próximas semanas, representaría un terremoto en el sector. Microsoft es el mayor cliente de OpenAI y ha invertido decenas de miles de millones de dólares en la compañía. Si Microsoft, el aliado más estratégico de OpenAI, comienza a sustituir sus modelos por alternativas chinas, el mensaje para el mercado sería inequívoco: ni siquiera el ecosistema de los hiperescalares es inmune a la presión de los precios de los modelos chinos (2). Microsoft está evaluando DeepSeek V4 debido a su bajo coste de funcionamiento y su buena reputación entre los desarrolladores (2). La compañía planea ofrecer una versión de menor coste de Copilot Cowork en las próximas semanas, y la integración de DeepSeek sería un componente central de esa estrategia (2). El movimiento, si se confirma, tendría implicaciones geopolíticas, ya que podría enfrentar a Microsoft con la administración Trump, que ha impuesto controles de exportación a la tecnología de IA (2).

La migración empresarial hacia modelos chinos no se limita a startups y grandes tecnológicas. Según UBS, DeepSeek, Qwen de Alibaba, Kimi de Moonshot AI, GLM de Zhipu AI y MiniMax están ganando terreno en las evaluaciones corporativas desde mediados hasta finales de junio de 2026 (13). Estas evaluaciones, que en muchos casos ya han superado la fase de prueba de concepto y están entrando en la fase de implementación piloto, representan una amenaza existencial para el modelo de negocio de OpenAI y Anthropic. Si los clientes empresariales más grandes y rentables comienzan a migrar sus cargas de trabajo a modelos chinos, los ingresos recurrentes de los laboratorios occidentales se verán erosionados, y con ellos, la justificación de sus valoraciones astronómicas.

3.3. Erosión de la cuota de mercado de Anthropic y el cambio de tendencia en la preferencia del desarrollador

La dinámica de cuota de mercado descrita en las secciones anteriores tiene un nombre y un apellido: Anthropic. La compañía fundada por exejecutivos de OpenAI ha sido, paradójicamente, la más afectada por el ascenso de los modelos chinos, a pesar de que su enfoque en la seguridad y la interpretabilidad de los modelos la posicionaba como la alternativa ética a OpenAI. Los datos de OpenRouter muestran un declive de la cuota de mercado de Anthropic que puede calificarse, sin exageración, de catastrófico.

En marzo de 2025, Anthropic ostentaba una cuota de mercado del 29,1% en OpenRouter, lo que la convertía en el proveedor de modelos más popular entre los desarrolladores (1). Doce meses después, en marzo de 2026, esa cifra se había desplomado hasta el 13,3%, una caída de más de la mitad en un solo año (1). La tendencia no se ha estabilizado, sino que se ha acelerado en los meses posteriores. En junio de 2026, la cuota de Anthropic en OpenRouter cayó al 17,6% en la última semana del mes, después de haber alcanzado un piso de 17,7% en la tercera semana (1). Incluso el lanzamiento de Fable 5, un nuevo modelo de Anthropic, solo logró un repunte temporal hasta el 20,7% en la segunda semana de junio, antes de que la cuota volviera a caer (1). Este patrón sugiere que los lanzamientos de nuevos modelos, que antes generaban oleadas de adopción, ahora tienen un impacto cada vez más reducido y efímero en la cuota de mercado de la compañía.

El declive de Anthropic es particularmente significativo porque la compañía había logrado posicionarse como la alternativa preferida para tareas de programación y desarrollo de software, donde Claude había capturado más del 50% en algunos subsegmentos (4). Sin embargo, este nicho, precisamente por ser el más intensivo en consumo de tokens, es también el más sensible a los precios. Los modelos chinos, especialmente DeepSeek y Qwen, han demostrado un rendimiento competitivo en programación a una fracción del coste, lo que ha llevado a los desarrolladores a migrar masivamente. Como ha señalado un análisis de Exponential View, los desarrolladores están abandonando los modelos estadounidenses en favor de las alternativas chinas porque priorizan la relación coste-efectividad y la velocidad de respuesta para tareas simples, de alta frecuencia y estandarizadas (1) (3). En este segmento, la ventaja de los modelos chinos es abrumadora.

El impacto financiero de esta erosión de la cuota de mercado es difícil de sobreestimar. Anthropic ha declarado ingresos de 5.000 millones de dólares frente a gastos de 10.000 millones solo en inferencia y entrenamiento (15). Con una cuota de mercado en caída libre y una estructura de costes que no muestra signos de reducirse al mismo ritmo, la compañía se enfrenta a un escenario de márgenes cada vez más reducidos. Si la tendencia actual se mantiene, Anthropic podría verse forzada a recortar precios para retener clientes, lo que erosionaría aún más sus márgenes y debilitaría la justificación de su valoración de 965.000 millones de dólares (6).

El cambio de tendencia en la preferencia del desarrollador no es un fenómeno reversible en el corto plazo. Los desarrolladores que han migrado a modelos chinos y han construido sus flujos de trabajo en torno a ellos no tienen incentivos para regresar a modelos occidentales más caros, a menos que estos ofrezcan una ventaja de rendimiento que justifique el sobrecoste. La evidencia disponible sugiere que esa ventaja no existe en la mayoría de los casos de uso. Como ha señalado el informe del NIST, DeepSeek V4 Pro se sitúa aproximadamente ocho meses por detrás de los modelos estadounidenses más avanzados en su medida de capacidad agregada (5). Sin embargo, en tareas específicas como programación y razonamiento, la brecha es aún menor, y en eficiencia de costes, los modelos chinos superan a los estadounidenses en cinco de siete categorías (5). En este contexto, la decisión de migrar es racional y difícil de revertir.

La erosión de la cuota de mercado de Anthropic tiene, además, un efecto de bola de nieve. A medida que más desarrolladores migran a modelos chinos, la base de usuarios de Anthropic se reduce, lo que a su vez reduce los ingresos y la capacidad de la compañía para invertir en investigación y desarrollo. Esta dinámica, si no se interrumpe, podría llevar a un círculo vicioso de declive que sería difícil de detener. Los analistas de Exponential View han señalado que la cuota de los tres grandes modelos estadounidenses (Google, OpenAI y Anthropic) en OpenRouter ha caído del 72% al 33% en un año, y que la tendencia no muestra signos de ralentización (1) (3). Si esta tendencia se mantiene, los modelos estadounidenses podrían convertirse en una minoría en su propio mercado, un escenario que hace apenas dos años habría sido considerado inimaginable.

Parte IV. Presiones financieras y el desafío a la narrativa de la OPV

4.1. Estructura de costes de OpenAI y Anthropic: gastos en infraestructura frente a ingresos recurrentes

La sostenibilidad financiera de OpenAI y Anthropic, en el contexto de la competencia china, solo puede ser comprendida mediante un análisis detallado de su estructura de costes. Ambas compañías operan en un modelo de negocio de alto consumo de capital, donde los gastos de infraestructura computacional —entrenamiento e inferencia— constituyen la partida más significativa y, al mismo tiempo, la más difícil de reducir en el corto plazo. La naturaleza de esta estructura de costes determina su vulnerabilidad a una guerra de precios prolongada.

Los datos disponibles sobre la estructura de costes de Anthropic son particularmente reveladores. La compañía declaró unos ingresos recurrentes anualizados de aproximadamente 14.000 millones de dólares en febrero de 2026, que se dispararon hasta unos 47.000 millones de dólares hacia finales de mayo del mismo año, impulsados en gran medida por la adopción de Claude Code (2). Sin embargo, ese crecimiento de ingresos ha ido acompañado de un gasto igualmente intenso en cómputo, entrenamiento e infraestructura, lo que sitúa a la compañía en una posición de fuerte consumo de caja pese a la rápida expansión de su facturación (2). La tasa de consumo de efectivo de Anthropic es, por tanto, elevada, y la compañía depende de inyecciones periódicas de capital de sus inversores para mantener su ritmo de inversión.

La estructura de gastos de Anthropic refleja la dinámica de una empresa que ha priorizado el crecimiento y la cuota de mercado sobre la rentabilidad a corto plazo. La compañía ha declarado que su objetivo es alcanzar el punto de equilibrio en el horizonte de 2027, pero este objetivo se basa en supuestos de crecimiento de ingresos que pueden no cumplirse si la competencia china sigue erosionando su cuota de mercado y forzando reducciones de precios (3). Según proyecciones difundidas por CNBC, Anthropic esperaba unos ingresos de 10.900 millones de dólares en el segundo trimestre de 2026 —frente a 4.800 millones en el primer trimestre—, con un resultado operativo positivo de unos 559 millones de dólares (3). Se trataría de un margen todavía reducido en relación con la valoración de la compañía, y depende de que los ingresos sigan creciendo al ritmo actual, un supuesto que la competencia china pone en cuestión.

OpenAI, por su parte, ha mantenido un mayor hermetismo sobre su estructura de costes, pero los analistas estiman que su situación no es sustancialmente diferente. La compañía ha invertido miles de millones de dólares en infraestructura computacional, incluyendo acuerdos con Microsoft para el uso de sus centros de datos, y se enfrenta a costes de entrenamiento que superan los 100 millones de dólares por modelo (7). Los ingresos recurrentes de OpenAI, que superaban los 20.000 millones de dólares a finales de 2025, han crecido a un ritmo impresionante, pero los costes operativos también lo han hecho, especialmente en el segmento de inferencia, donde el volumen de consultas de los usuarios ha multiplicado la demanda computacional (4). La compañía ha reconocido que su tasa de consumo de efectivo es elevada y que necesita capital adicional para escalar su infraestructura (7). La decisión de retrasar su OPV hasta 2027, a pesar de la presión de los inversores, sugiere que la compañía no está segura de poder presentar unas cuentas que justifiquen su valoración en el mercado público (6) (7).

El problema fundamental de la estructura de costes de OpenAI y Anthropic es su rigidez a la baja. Los costes de entrenamiento e inferencia están determinados en gran medida por el hardware y la electricidad, dos factores que no pueden reducirse fácilmente. Los laboratorios chinos, por el contrario, han desarrollado arquitecturas de modelos y técnicas de optimización que reducen drásticamente estos costes. Mientras que un modelo occidental puede costar más de 100 millones de dólares en entrenamiento, un modelo chino equivalente puede costar menos de 6 millones de dólares (7). Esta diferencia, que no es coyuntural sino estructural, sitúa a los laboratorios occidentales en una posición de desventaja competitiva de la que será difícil salir.

4.2. El dilema de la rentabilidad: márgenes en un escenario de precios a la baja

La guerra de precios iniciada por los laboratorios chinos ha colocado a OpenAI y Anthropic ante un dilema estratégico de primer orden: reducir precios para mantener la cuota de mercado, erosionando así sus márgenes, o mantener precios y arriesgarse a perder clientes ante alternativas más baratas. Ambas opciones son perjudiciales para su rentabilidad y, por extensión, para la justificación de sus valoraciones.

El escenario actual de precios muestra una dispersión de más de 200 veces entre el modelo más barato y el más caro del mercado (9). En este contexto, mantener precios premium se ha convertido en una estrategia de alto riesgo. Los clientes empresariales, especialmente aquellos con grandes volúmenes de consumo, están realizando cálculos económicos racionales. Si una empresa que consume 100 millones de tokens de salida al mes (equivalente a aproximadamente 150.000 páginas de texto) puede ahorrar 2,9 millones de dólares al año migrando de GPT-5.5 a DeepSeek V4 Pro, la decisión de migrar es económicamente irresistible (9). Incluso si la migración requiere una inversión de desarrollo significativa, el retorno de la inversión se alcanza en cuestión de meses.

El dilema de la rentabilidad se agrava por la estructura de costes descrita en la sección anterior. Si OpenAI y Anthropic reducen precios para igualar a sus competidores chinos, sus márgenes se comprimirán hasta niveles que hacen inviable la rentabilidad. Un análisis simple ilustra el problema: si GPT-5.5 redujera su precio de 30 dólares por millón de tokens de salida a 0,87 dólares (el precio de DeepSeek V4 Pro), sus ingresos por millón de tokens se reducirían en un 97,1%. Para mantener el mismo nivel de ingresos, la compañía tendría que multiplicar su volumen de tokens por 34 veces, un crecimiento que, aunque no imposible, es altamente improbable en el corto plazo. La alternativa —mantener precios y perder clientes— es igualmente perjudicial, ya que la pérdida de volumen reduce los ingresos totales, pero los costes fijos de infraestructura no disminuyen en la misma proporción.

Los analistas de UBS han advertido que la brecha de precios entre China y Estados Unidos inyectará volatilidad en el sector y podría llevar a los inversores a replantearse el gasto masivo en infraestructura (16). El banco suizo ha señalado que la adopción generalizada de modelos más baratos podría “frenar parte de ese gasto”, una observación que implica que los ingresos de los proveedores de infraestructura —y de las empresas que dependen de ellos— podrían verse afectados (16). Esta advertencia es particularmente relevante para OpenAI y Anthropic, que dependen de los hiperescalares para su infraestructura y para su financiación.

El dilema de la rentabilidad tiene, además, una dimensión temporal. Las salidas a bolsa de OpenAI y Anthropic están previstas para 2026-2027, un horizonte en el que la guerra de precios se intensificará previsiblemente. Los inversores públicos, a diferencia de los inversores privados, son menos tolerantes con las pérdidas y más exigentes en términos de rentabilidad. Si OpenAI y Anthropic no pueden demostrar una senda clara hacia la rentabilidad en el momento de su OPV, es probable que sus valoraciones sufran un ajuste significativo. El rendimiento volátil de SpaceX tras su debut —con acciones que llegaron a superar los 225 dólares antes de retroceder hasta en torno a los 153 dólares en cuestión de días— ha enfriado el entusiasmo por las OPV tecnológicas y ha hecho más difícil para OpenAI justificar una valoración de 1 billón de dólares en su salida a bolsa (10).

4.3. Consecuencias para la valoración pre-OPV: la prima por escasez en entredicho

La valoración de OpenAI y Anthropic en el mercado privado ha estado impulsada, en gran medida, por la prima por escasez: la creencia de que los modelos de inteligencia artificial de frontera son un recurso escaso, difícil de replicar y protegido por barreras de entrada infranqueables. La irrupción de los modelos chinos ha puesto en entredicho esta prima por escasez, demostrando que existen alternativas creíbles a una fracción del coste. Esta constatación tiene implicaciones profundas para la valoración de ambas compañías en el umbral de sus OPV.

La prima por escasez se refleja en los múltiplos de valoración de OpenAI y Anthropic. OpenAI, con ingresos recurrentes de aproximadamente 20.000 millones de dólares, se valora en 852.000 millones de dólares, lo que arroja un múltiplo de 42,6 veces (2). Anthropic, con ingresos recurrentes de 14.000 millones de dólares, se valora en 965.000 millones, un múltiplo de 68,9 veces (3). Estos múltiplos son extraordinariamente elevados si se comparan con los estándares del sector tecnológico cotizado, donde las empresas de software de alto crecimiento suelen negociarse entre 10 y 20 veces sus ingresos recurrentes. La prima por escasez justifica este diferencial: los inversores privados están pagando un premio por la exclusividad de acceder a empresas que, según la narrativa establecida, son las únicas capaces de desarrollar modelos de frontera.

Esta narrativa se ha visto seriamente erosionada por los informes del NIST, que demuestran que DeepSeek V4 Pro se sitúa aproximadamente ocho meses por detrás de los modelos estadounidenses más avanzados en su medida de capacidad agregada (5). La brecha de ocho meses, que en el contexto de la rápida evolución de la IA puede parecer significativa, se reduce considerablemente si se considera que la brecha se estaba cerrando a un ritmo acelerado: en 2024, la diferencia estimada era de aproximadamente dos años; en 2025, de catorce meses; y en abril de 2026, de ocho meses (5) (8). Si esta tendencia se mantiene, la paridad tecnológica plena podría alcanzarse en el horizonte de 2027, justo cuando OpenAI y Anthropic esperan completar sus salidas a bolsa. En ese escenario, la prima por escasez se evaporaría por completo, y las valoraciones de OpenAI y Anthropic convergerían hacia los múltiplos de las empresas tecnológicas convencionales.

El análisis de los riesgos para las OPV de OpenAI y Anthropic ha sido abordado por varios analistas. PitchBook ha calificado la concentración de capital pre-IPO como “la mayor jamás llevada al mercado de manera simultánea” y ha advertido que “la ventana de 2026 se convertirá o bien en el ciclo de OPV más trascendental desde la era de las puntocom, o bien en la lección más cara sobre la diferencia entre narrativa y fundamentales que los mercados públicos hayan enseñado jamás” (2). Esta advertencia, formulada cuando la competencia china aún no había alcanzado su intensidad actual, es aún más relevante en el contexto de la guerra de precios y la erosión de la cuota de mercado.

Los datos de OpenRouter muestran un cambio sísmico en la preferencia de los desarrolladores, que son el segmento de clientes más valioso y el mejor indicador de la dirección futura del mercado. Si la tendencia actual se mantiene, los modelos chinos representarán la mayoría del consumo de tokens en las plataformas de agregación, mientras que los modelos estadounidenses quedarán relegados a nichos de mercado. Este escenario, que hace apenas dos años habría sido considerado inimaginable, está siendo anticipado por los analistas de Exponential View, que han señalado que la cuota de los tres grandes modelos estadounidenses ha caído del 72% al 33% en un año (1). Si esta tendencia se mantiene, los modelos estadounidenses podrían convertirse en una minoría en su propio mercado, un escenario que haría inviable la prima por escasez que sustenta las valoraciones de OpenAI y Anthropic.

4.4. Estrategias de defensa: descuentos agresivos, versiones lite y el coste de retener clientes

Ante la presión competitiva de los modelos chinos, OpenAI y Anthropic han comenzado a desplegar estrategias de defensa que buscan retener a sus clientes y proteger sus márgenes. Estas estrategias incluyen descuentos agresivos, lanzamiento de versiones lite de sus modelos y fortalecimiento de sus ecosistemas de desarrolladores. Sin embargo, cada una de estas estrategias tiene un coste que erosiona la rentabilidad y debilita la justificación de las valoraciones.

La estrategia más inmediata ha sido la reducción de precios. Anthropic ha lanzado versiones “lite” de su modelo Claude Sonnet 4.6 con precios significativamente reducidos (9). OpenAI, por su parte, ha introducido GPT-5.5 Mini, una versión más ligera y barata de su modelo estrella (9). Estas versiones lite, sin embargo, no son completamente comparables a los modelos chinos en términos de rendimiento, y su precio sigue siendo superior al de DeepSeek y Qwen. Además, la segmentación del mercado —versiones premium para clientes dispuestos a pagar más y versiones lite para clientes sensibles al precio— erosiona los ingresos medios por cliente, reduciendo el margen global.

Una segunda estrategia ha sido el fortalecimiento de los ecosistemas de desarrolladores. OpenAI ha invertido en su plataforma de aplicaciones y en su red de socios, buscando crear un efecto de red que dificulte la migración a otros modelos. Anthropic ha hecho lo propio, enfatizando su enfoque en la seguridad y la interpretabilidad como diferenciadores que justifican un precio premium. Sin embargo, estas estrategias tienen un coste de implementación elevado y tardan en generar resultados. En el corto plazo, la decisión de los desarrolladores está dominada por consideraciones de coste, no por la lealtad a un ecosistema.

La estrategia más ambiciosa, y también la más arriesgada, es la inversión en innovación que permita restablecer la brecha tecnológica con los modelos chinos. OpenAI y Anthropic han declarado que están trabajando en nuevos modelos que, según afirman, restablecerán su liderazgo en rendimiento. Sin embargo, esta estrategia se enfrenta a dos obstáculos. En primer lugar, la inversión en innovación es costosa y requiere capital que ambas compañías están obteniendo a través de rondas de financiación que diluyen a los accionistas existentes. En segundo lugar, la historia reciente sugiere que los laboratorios chinos están cerrando la brecha a un ritmo acelerado, por lo que cualquier ventaja tecnológica obtenida puede ser efímera. El informe del NIST, que sitúa la brecha en ocho meses, sugiere que incluso si OpenAI y Anthropic logran lanzar nuevos modelos con ventajas significativas, los laboratorios chinos podrían igualarlos en cuestión de meses (5).

El coste de retener clientes en un escenario de guerra de precios es elevado. Los descuentos agresivos reducen los ingresos sin reducir los costes, comprimiendo los márgenes. Las versiones lite canibalizan las versiones premium, reduciendo el ingreso medio por cliente. Las inversiones en innovación y ecosistemas requieren capital que, en el mejor de los casos, retrasa el punto de equilibrio y, en el peor, diluye a los accionistas. Si a esto se añade la pérdida de cuota de mercado hacia los modelos chinos, el panorama financiero de OpenAI y Anthropic es poco halagüeño.

El caso de Lindy, la startup que migró completamente de Claude a DeepSeek, ilustra el desafío al que se enfrentan los laboratorios occidentales (2). Lindy no solo ahorró millones de dólares, sino que en algunos escenarios mejoró el rendimiento de su aplicación. La migración, aunque costosa en términos de esfuerzo de desarrollo, tuvo un retorno de la inversión positivo en cuestión de meses. Este caso, que es replicable en cientos o miles de empresas, sugiere que la retención de clientes en un escenario de guerra de precios es una batalla cuesta arriba para los laboratorios occidentales. La única forma de retener a los clientes es ofrecer un valor que justifique el sobrecoste, y la evidencia disponible sugiere que los modelos chinos ofrecen un valor comparable a una fracción del coste.

En este contexto, la decisión de OpenAI de retrasar su OPV hasta 2027 puede ser interpretada como una estrategia defensiva que busca ganar tiempo para restaurar su ventaja competitiva antes de enfrentarse al escrutinio de los mercados públicos (6) (7). Sin embargo, el tiempo juega en contra de OpenAI y Anthropic: cada mes que pasa, los laboratorios chinos cierran la brecha tecnológica y consolidan su posición en el mercado. Si esta tendencia se mantiene, el retraso de la OPV no será suficiente para evitar un ajuste en la valoración de ambas compañías.

Parte V. Contexto macroeconómico: gasto global en IA y la paradoja de la infraestructura

5.1. Proyecciones de Gartner y el billón de dólares en infraestructura de IA

El fenómeno de la competencia china en inteligencia artificial no puede ser comprendido en su totalidad sin situarlo en el contexto macroeconómico del gasto global en IA, que ha experimentado un crecimiento explosivo en los últimos tres años. Las proyecciones de las principales firmas de análisis y consultoría pintan un panorama de inversión sin precedentes, pero también plantean interrogantes sobre la sostenibilidad de dicho gasto en un escenario de precios de los tokens en caída libre.

Gartner, la firma de análisis y consultoría tecnológica, ha publicado en mayo de 2026 sus previsiones para el gasto mundial en inteligencia artificial. Según su informe, el gasto global en IA alcanzará los 2,59 billones de dólares en 2026, lo que representa un crecimiento interanual del 47% (1). Esta cifra, que supera las previsiones anteriores de la propia firma, refleja la aceleración de la adopción de IA en todos los sectores de la economía. La infraestructura de IA, que incluye servidores, centros de datos, semiconductores y sistemas de almacenamiento, representa más del 45% del mercado, con una cifra estimada de 1,43 billones de dólares en 2026 (1). Este segmento es, con diferencia, el más dinámico y el que ha experimentado un crecimiento más acelerado, impulsado por la demanda de los laboratorios de IA y los hiperescalares.

La distribución geográfica del gasto en infraestructura de IA muestra un panorama desigual. Estados Unidos sigue siendo el mayor inversor, con aproximadamente el 40% del gasto global, seguido de China con aproximadamente el 25% y Europa con el 18% (1). Sin embargo, la tasa de crecimiento del gasto en China es significativamente superior a la de Estados Unidos, lo que refleja la prioridad estratégica que el gobierno chino ha otorgado a la inteligencia artificial. El informe de Gartner señala que, si la tendencia actual se mantiene, China podría superar a Estados Unidos en inversión en infraestructura de IA en el horizonte de 2028 (1).

Las proyecciones de Gartner se basan en el supuesto de que la demanda de tokens y de capacidad computacional seguirá creciendo a un ritmo acelerado, impulsada por la adopción de IA en todos los sectores. Este supuesto, sin embargo, se enfrenta a un desafío inesperado: la guerra de precios iniciada por los laboratorios chinos. Si los precios de los tokens caen drásticamente, los ingresos de los proveedores de infraestructura podrían verse afectados, y el gasto en infraestructura podría no crecer al ritmo previsto. La paradoja es que la caída de precios, que debería estimular la demanda, podría reducir los ingresos de los proveedores de infraestructura y, por tanto, su capacidad para invertir en nueva capacidad.

5.2. El gasto de capital de los hiperescalares: la apuesta de los 600.000 millones

El gasto en infraestructura de IA está dominado por los hiperescalares: Amazon, Alphabet (Google), Microsoft, Meta y Oracle. Estas cinco empresas, que operan los centros de datos más grandes del mundo, han realizado una apuesta sin precedentes por la inteligencia artificial, invirtiendo cantidades que superan el producto interior bruto de muchos países. Según un informe de Wedbush Securities y S&P Global publicado en enero de 2026, el gasto de capital (CAPEX) combinado de los cinco hiperescalares superará los 600.000 millones de dólares en 2026, lo que representa un incremento del 36% sobre la cifra de 2025, que ya había sido histórica (2) (3). Aproximadamente el 75% de este gasto, es decir, 450.000 millones de dólares, se destinará a infraestructura de inteligencia artificial, incluyendo la adquisición de GPUs, la construcción de centros de datos y el desarrollo de redes de interconexión (2).

La distribución de este gasto entre los hiperescalares refleja sus diferentes estrategias en IA. Microsoft, que ha sido el socio estratégico de OpenAI y ha invertido decenas de miles de millones de dólares en la compañía, está canalizando una parte significativa de su CAPEX hacia la infraestructura que da soporte a los modelos de OpenAI. Amazon, que ha invertido en Anthropic y ha desarrollado sus propios chips de IA (Trainium e Inferentia), está construyendo centros de datos especializados para la inferencia de modelos de lenguaje. Google, que ha apostado por su propio ecosistema de modelos (Gemini) y por el desarrollo de sus propios chips (TPU), está invirtiendo en infraestructura para dar soporte tanto a sus modelos internos como a los de terceros. Meta, que ha apostado por el código abierto con su familia Llama, está construyendo la mayor infraestructura de IA del mundo para dar soporte a sus modelos y a sus plataformas sociales (2). Oracle, finalmente, está invirtiendo en una red global de centros de datos especializados en IA, compitiendo directamente con los hiperescalares establecidos.

La apuesta de los hiperescalares por la IA no es filantrópica, sino que responde a la expectativa de que la inteligencia artificial generará retornos sustanciales en el futuro. Los modelos de lenguaje, según esta lógica, se convertirán en la plataforma sobre la que se construirán las aplicaciones del futuro, y los hiperescalares que controlen la infraestructura capturarán una parte significativa del valor generado. Esta lógica, sin embargo, se enfrenta a la paradoja descrita en la sección anterior: si los precios de los tokens caen drásticamente, los ingresos de los proveedores de infraestructura podrían no ser suficientes para justificar la inversión realizada.

5.3. La paradoja de la infraestructura: ¿inversión sin retorno si el precio del token se derrumba?

La paradoja fundamental del mercado de la inteligencia artificial es que la caída de los precios de los tokens, que debería estimular la demanda y acelerar la adopción, podría tener el efecto contrario sobre la inversión en infraestructura. Los hiperescalares están invirtiendo cientos de miles de millones de dólares en la construcción de centros de datos y la adquisición de GPUs, basándose en el supuesto de que la demanda de capacidad computacional crecerá exponencialmente. Sin embargo, si los precios de los tokens caen drásticamente debido a la competencia china, los ingresos de los proveedores de infraestructura podrían no crecer al ritmo esperado, y el retorno de la inversión podría ser inferior al previsto.

El análisis de la elasticidad de la demanda de tokens es crucial para comprender esta paradoja. La demanda de tokens es elástica al precio: cuando los precios bajan, el consumo aumenta. DeepSeek ha demostrado que sus reducciones de precios han estimulado un crecimiento significativo en el consumo de tokens (0) (12). Sin embargo, la elasticidad no es infinita. Existe un límite al volumen de tokens que los usuarios pueden consumir, determinado por los casos de uso disponibles y la capacidad de las aplicaciones para integrar la IA. Si el precio de los tokens cae a niveles muy bajos, el aumento del consumo puede no ser suficiente para compensar la caída de los ingresos por unidad.

Analistas de UBS han advertido de que la brecha de precios entre China y Estados Unidos inyectará volatilidad en el sector y podría llevar a los inversores a replantearse el gasto masivo en infraestructura (16). El banco ha señalado que la adopción generalizada de modelos más baratos podría frenar parte de ese gasto, una observación que implica que los ingresos de los proveedores de infraestructura —y de las empresas que dependen de ellos— podrían verse afectados (16). Esta advertencia es particularmente relevante para los hiperescalares, que han comprometido cantidades ingentes de capital en infraestructura de IA.

La paradoja de la infraestructura tiene, además, una dimensión temporal. Los hiperescalares están invirtiendo ahora, pero el retorno de la inversión se producirá en un horizonte de varios años. Si la guerra de precios se intensifica en los próximos años, los ingresos generados por la infraestructura de IA podrían ser inferiores a los esperados, y los hiperescalares podrían enfrentarse a una situación de capacidad infrautilizada y rentabilidad reducida. Esta situación, que sería especialmente perjudicial para los hiperescalares que han apostado más fuerte por la IA, podría tener repercusiones sistémicas en el sector tecnológico.

5.4. Lecciones de la burbuja de las telecomunicaciones de los años 90: similitudes y diferencias

El artículo de 20minutos.es que sirve como punto de partida de este análisis establece un paralelismo entre la situación actual del mercado de la IA y la burbuja de las telecomunicaciones de los años 90 (10). Este paralelismo, aunque imperfecto, ofrece lecciones valiosas para comprender los riesgos que enfrenta el sector.

La burbuja de las telecomunicaciones de los años 90 se caracterizó por una inversión masiva en infraestructura de red (fibra óptica, cable submarino, equipos de conmutación) basada en la expectativa de que la demanda de ancho de banda crecería exponencialmente. Empresas como WorldCom, Global Crossing y Level 3 invirtieron cientos de miles de millones de dólares en la construcción de redes de fibra óptica, convencidas de que la demanda de comunicaciones de datos justificaría la inversión. Cuando la burbuja estalló en 2000-2001, muchas de estas empresas quebraron o fueron absorbidas, y la infraestructura construida quedó infrautilizada durante años. La ironía es que la demanda de ancho de banda eventualmente creció hasta justificar la inversión, pero lo hizo con un retraso de varios años, y los primeros inversores perdieron todo su capital.

La situación actual del mercado de la IA presenta similitudes inquietantes con la burbuja de las telecomunicaciones. Al igual que en los años 90, estamos asistiendo a una inversión masiva en infraestructura —centros de datos, GPUs, redes de interconexión— basada en la expectativa de que la demanda de capacidad computacional crecerá exponencialmente. Al igual que en los años 90, los inversores están pagando primas elevadas por empresas que prometen capturar el crecimiento futuro, pero que aún no son rentables. Y al igual que en los años 90, existe el riesgo de que la demanda no crezca al ritmo esperado, o que la competencia erosione los márgenes de los proveedores.

Sin embargo, existen también diferencias significativas que matizan el paralelismo. En primer lugar, la IA generativa ya ha demostrado casos de uso reales y un valor tangible para las empresas, a diferencia de muchas de las aplicaciones de las telecomunicaciones en los años 90, que eran en gran medida especulativas. En segundo lugar, los hiperescalares que están invirtiendo en infraestructura de IA son empresas enormemente rentables con balances sólidos, a diferencia de las empresas de telecomunicaciones de los años 90, muchas de las cuales estaban altamente apalancadas. En tercer lugar, el gobierno chino está respaldando activamente el desarrollo de la IA, lo que añade una dimensión geopolítica que no existía en los años 90.

La lección más importante de la burbuja de las telecomunicaciones es que incluso las tecnologías que eventualmente transforman la economía pueden generar pérdidas masivas para los primeros inversores. La fibra óptica y el internet de banda ancha eventualmente revolucionaron la economía global, pero los inversores que compraron acciones de WorldCom y Global Crossing en su pico perdieron todo su dinero. De manera similar, es posible que la IA transforme la economía global, pero que los inversores que compren acciones de OpenAI y Anthropic a sus valoraciones actuales sufran pérdidas significativas si la competencia china erosiona sus márgenes y su cuota de mercado. La prudencia, por tanto, es aconsejable para los inversores institucionales que estén considerando exponerse a este sector.

Parte VI. Dimensiones geopolíticas y regulatorias

6.1. La estrategia de IA abierta como instrumento de política industrial china

La emergencia de China como fuerza competitiva en el mercado global de la inteligencia artificial no es el resultado de una casualidad histórica ni de la mera acumulación de capacidades técnicas dispersas. Responde, por el contrario, a una estrategia deliberada de política industrial diseñada e implementada por el gobierno chino a lo largo de la última década, que combina inversión pública en investigación, desarrollo de talento, apertura de ecosistemas y, fundamentalmente, una filosofía de difusión tecnológica radicalmente distinta a la de los laboratorios occidentales. Esta estrategia, que la US-China Economic and Security Review Commission (USCC) ha denominado “estrategia de IA abierta”, ha sido analizada en profundidad en un informe de marzo de 2026 titulado “Two Loops: How China’s Open AI Strategy Reinforces Its Industrial Dominance” (29).

El informe de la USCC, que depende del Congreso de Estados Unidos, señala que los laboratorios chinos “han reducido las brechas de rendimiento con los principales modelos occidentales” apoyándose en un ecosistema abierto que reduce su dependencia del hardware más avanzado (29). La comisión advierte que la estrategia china de IA abierta no es filantrópica, sino un instrumento de política industrial diseñado para reforzar el dominio tecnológico de China, capturar la base de desarrolladores global y establecer estándares técnicos que favorezcan a sus empresas. Esta estrategia, que combina la apertura con el control estatal de la infraestructura computacional y de datos, representa un desafío sistémico al liderazgo tecnológico occidental que trasciende el ámbito puramente comercial.

Los mecanismos de la estrategia china son múltiples y operan en diferentes niveles. En el nivel tecnológico, el gobierno chino ha promovido activamente el desarrollo de modelos de código abierto como alternativa a los modelos cerrados de OpenAI y Anthropic. La filosofía de “desarrollar una vez, desplegar en cualquier parte” que ha adoptado Alibaba con su familia Qwen (21) (22) refleja una concepción de la IA como bien público global, pero también como vehículo para la difusión de estándares técnicos chinos. En el nivel económico, el gobierno chino ha proporcionado financiación directa e indirecta a los laboratorios de IA, a través de subvenciones, préstamos blandos y contratos públicos. En el nivel regulatorio, China ha establecido un marco normativo para la IA que, aunque restrictivo en algunos aspectos, proporciona certidumbre a las empresas y les permite operar con un grado de predictibilidad que no siempre existe en otros mercados.

El impacto de esta estrategia se ha manifestado en la rápida adopción de modelos chinos en el mercado global, como demuestran los datos de OpenRouter (0) (12). La USCC ha señalado que la estrategia china de IA abierta está funcionando: los desarrolladores de todo el mundo están adoptando modelos chinos, y estos modelos están estableciendo estándares de facto en segmentos clave del mercado. La comisión ha advertido que, si esta tendencia continúa, Estados Unidos podría perder su liderazgo tecnológico en IA en el horizonte de 2030, con consecuencias estratégicas de gran alcance para su seguridad nacional y su competitividad económica (29).

La respuesta de Estados Unidos a esta estrategia ha sido, hasta ahora, fragmentada y reactiva. Los controles de exportación de semiconductores, que se analizan en la siguiente sección, han sido la principal herramienta utilizada por la administración estadounidense para frenar el avance chino. Sin embargo, estos controles han tenido efectos no deseados y no han logrado detener el progreso de los laboratorios chinos. La propuesta de OpenAI de ceder un 5% de su capital al gobierno estadounidense (0), que se analiza en la sección 6.3, representa un intento de involucrar al Estado en la defensa del liderazgo tecnológico estadounidense, pero plantea interrogantes sobre la conveniencia de una intervención gubernamental directa en el mercado.

6.2. Controles de exportación de semiconductores: efectividad y efectos no deseados

La principal herramienta de la política tecnológica estadounidense para frenar el avance de China en inteligencia artificial ha sido el control de exportación de semiconductores avanzados. Desde 2022, la administración estadounidense ha impuesto restricciones progresivas a la exportación a China de chips de alto rendimiento, equipos de fabricación de semiconductores y tecnología relacionada. Estas restricciones, que afectan a empresas como Nvidia, AMD y los fabricantes de equipos de litografía holandeses y japoneses, han sido diseñadas para impedir que los laboratorios chinos accedan al hardware necesario para entrenar y ejecutar modelos de inteligencia artificial de frontera.

La efectividad de estos controles ha sido objeto de debate entre los analistas. Por un lado, es innegable que las restricciones han dificultado el acceso de China a los chips más avanzados, como las GPUs H100 de Nvidia y sus sucesoras. Los laboratorios chinos han tenido que recurrir a chips de generaciones anteriores, a chips fabricados en China con tecnología de procesador más antigua, o a soluciones de optimización de software que reducen la demanda de hardware (26). Por otro lado, los controles no han logrado detener el progreso de los laboratorios chinos. DeepSeek entrenó su modelo V3 con un coste de solo 5,5 millones de dólares utilizando GPUs H800, que están sujetas a restricciones de exportación pero que siguen siendo accesibles a través de canales no oficiales o de existencias previas (10). Los laboratorios chinos han desarrollado innovaciones arquitectónicas, como la mezcla de expertos (MoE) y la atención híbrida, que reducen la demanda computacional y permiten ejecutar modelos con hardware menos avanzado (26).

El efecto más significativo y no deseado de los controles de exportación ha sido la aceleración de la innovación china en eficiencia computacional. Lejos de frenar el avance chino, las restricciones parecen haber estimulado una ola de innovación en eficiencia que está redefiniendo los estándares de la industria. Los laboratorios chinos han desarrollado técnicas de compresión de memoria, decodificación especulativa y optimización de inferencia que reducen drásticamente el coste computacional de los modelos (28). Estas innovaciones, que han sido adoptadas por la comunidad global de desarrolladores, están haciendo que la ventaja de hardware de los laboratorios occidentales sea cada vez menos relevante. Como ha señalado un analista de Wedbush, los laboratorios chinos han destrozado el supuesto de que los costes de entrenamiento de la IA de frontera necesariamente superan los 100 millones de dólares (10).

La eficacia limitada de los controles de exportación ha llevado a algunos responsables políticos estadounidenses a considerar medidas adicionales, como la restricción del acceso de los laboratorios chinos a los modelos de código abierto alojados en plataformas estadounidenses (Hugging Face, GitHub, etc.). Sin embargo, estas medidas plantean desafíos legales y técnicos, y podrían tener el efecto no deseado de fragmentar el ecosistema global de IA en bloques tecnológicos separados. La USCC ha advertido que una estrategia basada únicamente en el control de exportaciones es insuficiente, y ha recomendado una estrategia más amplia que incluya la inversión pública en investigación, el desarrollo de talento y la cooperación internacional (29).

6.3. La propuesta de participación accionarial de OpenAI al gobierno estadounidense: nacionalismo tecnológico en acción

En el contexto de la presión competitiva china y la inminencia de su salida a bolsa, OpenAI ha realizado una propuesta que ha sorprendido a los analistas y ha abierto un debate sobre el papel del Estado en la industria tecnológica. Según informaciones publicadas en julio de 2026, OpenAI ha propuesto ceder una participación del 5% de su capital al gobierno de Estados Unidos, en un movimiento que ha sido interpretado como un intento de asegurar el apoyo político y regulatorio para su OPV, así como de involucrar al Estado en la defensa de su posición competitiva frente a China (0). La participación, valorada en aproximadamente 42.600 millones de dólares al precio de la última ronda de financiación, convertiría al gobierno estadounidense en uno de los mayores accionistas de la compañía.

La propuesta de OpenAI ha sido recibida con escepticismo por parte de algunos analistas y con entusiasmo por parte de otros. Sus defensores argumentan que la participación del gobierno estadounidense en OpenAI proporcionaría un ancla estratégica que garantizaría la seguridad nacional y la competitividad tecnológica de Estados Unidos en el campo de la IA. La medida, según esta lógica, enviaría una señal clara al mercado y a los competidores extranjeros de que Estados Unidos está dispuesto a movilizar todos sus recursos para defender su liderazgo en IA. Los críticos, por el contrario, argumentan que la participación del gobierno en una empresa privada plantea riesgos de interferencia política, distorsión del mercado y conflicto de intereses. También señalan que la medida podría disuadir a otros inversores, especialmente internacionales, que podrían temer una influencia gubernamental excesiva en la gestión de la empresa.

La propuesta de OpenAI es sintomática de una tendencia más amplia hacia el nacionalismo tecnológico que ha ganado fuerza en los últimos años. Estados Unidos, China y la Unión Europea están compitiendo por el liderazgo en tecnologías estratégicas como la inteligencia artificial, los semiconductores y la computación cuántica. En este contexto, las empresas tecnológicas ya no son meros actores económicos, sino activos estratégicos que los gobiernos buscan proteger y fomentar. La participación del gobierno estadounidense en OpenAI, si se concreta, representaría la manifestación más explícita de esta tendencia, y podría sentar un precedente para otras empresas tecnológicas que se enfrentan a la competencia china.

La propuesta de OpenAI también tiene implicaciones para su salida a bolsa. La participación del gobierno estadounidense, si se concreta, añadiría un elemento de complejidad regulatoria a la OPV. La SEC, que ya está examinando la declaración S-1 de OpenAI, tendría que evaluar las implicaciones de una participación gubernamental en la estructura de capital de la compañía. Los inversores, por su parte, tendrían que valorar los riesgos y beneficios de tener al gobierno estadounidense como socio. Es posible que la propuesta, lejos de facilitar la OPV, la complique y retrase aún más, añadiendo otra capa de incertidumbre a un proceso ya de por sí incierto.

Parte VII. Escenarios de futuro y recomendaciones estratégicas

7.1. Escenario de equilibrio: el mercado de dos velocidades

El primer escenario posible, que denominaremos escenario de equilibrio, contempla una estabilización del mercado en torno a dos segmentos diferenciados: un segmento premium, dominado por los laboratorios occidentales, y un segmento de commoditización, dominado por los laboratorios chinos. Este escenario se basa en la premisa de que los modelos de inteligencia artificial no son un bien homogéneo, sino que presentan diferencias cualitativas que justifican una segmentación del mercado.

En el segmento premium, OpenAI y Anthropic mantendrían su liderazgo en modelos de frontera, aquellos que marcan el estado del arte en capacidades de razonamiento, creatividad, multimodalidad y seguridad. Estos modelos, que requieren inversiones masivas en investigación y desarrollo, y que ofrecen ventajas cualitativas difíciles de replicar, podrían seguir justificando precios elevados para clientes empresariales dispuestos a pagar por lo mejor. La ventaja de estos modelos no residiría únicamente en su rendimiento, sino también en la confianza que generan en entornos regulados, la integración con ecosistemas de software empresarial y la garantía de cumplimiento normativo. En este segmento, los márgenes seguirían siendo elevados, aunque inferiores a los que los inversores habían anticipado antes de la irrupción china.

En el segmento de commoditización, los modelos chinos de código abierto dominarían el mercado de aplicaciones de masas, donde la relación coste-efectividad es el criterio principal de selección. Tareas de clasificación, extracción de información, resumen de textos, generación de respuestas estandarizadas y flujos de trabajo automatizados serían realizados por modelos chinos que ofrecen un rendimiento suficiente a una fracción del coste. En este segmento, los márgenes serían reducidos, pero el volumen de transacciones sería tan elevado que compensaría la baja rentabilidad por unidad. Los laboratorios chinos, gracias a su eficiencia estructural, podrían mantener precios bajos y aun así obtener beneficios razonables.

Este escenario de equilibrio requeriría que los laboratorios occidentales acepten una reducción de su cuota de mercado y de sus márgenes, y que los inversores ajusten sus expectativas de rentabilidad. Las valoraciones de OpenAI y Anthropic, en este escenario, convergerían hacia los múltiplos de las empresas tecnológicas convencionales, situándose probablemente entre 10 y 20 veces sus ingresos recurrentes, lo que implicaría una reducción significativa respecto a sus valoraciones actuales. Este ajuste podría ser doloroso para los inversores que han comprado acciones en las rondas de financiación más recientes, pero proporcionaría una base más sólida para la inversión a largo plazo.

7.2. Escenario de disrupción: la commoditización de la IA y el fin de los modelos premium

El segundo escenario, que denominaremos escenario de disrupción, contempla una situación en la que la ventaja cualitativa de los modelos occidentales se erosiona hasta el punto de desaparecer, y la inteligencia artificial se convierte en un commodity indistinguible, donde el precio es el único criterio de selección. Este escenario, que es el que los inversores temen y que los laboratorios chinos desean, se basaría en la convergencia tecnológica completa entre los modelos chinos y occidentales.

Los indicadores de este escenario ya son visibles en los informes del NIST, que sitúan la brecha tecnológica en ocho meses y proyectan una convergencia en el horizonte de 2027 (5). Si la tendencia actual se mantiene, es plausible que en 2027 los modelos chinos igualen o incluso superen a los modelos occidentales en la mayoría de las métricas de rendimiento. En ese momento, los laboratorios occidentales perderían su principal diferenciador, y su capacidad para cobrar precios premium desaparecería.

En este escenario, OpenAI y Anthropic se enfrentarían a una disyuntiva: reducir drásticamente sus precios para seguir siendo competitivos, lo que erosionaría sus márgenes hasta niveles insostenibles, o abandonar el mercado de masas y concentrarse en nichos de alto valor añadido donde los clientes estén dispuestos a pagar por características específicas (seguridad, cumplimiento normativo, integración con ecosistemas). La primera opción llevaría a una guerra de precios que los laboratorios occidentales, con su estructura de costes más elevada, probablemente perderían. La segunda opción implicaría una reducción drástica de su mercado potencial y de sus ingresos.

Las consecuencias de este escenario para las valoraciones de OpenAI y Anthropic serían catastróficas. En un mercado de IA commoditizada, los múltiplos de valoración convergerían hacia los de las empresas de servicios tecnológicos convencionales, es decir, entre 1 y 5 veces los ingresos. Una valoración de este tipo reduciría el valor de OpenAI a menos de 100.000 millones de dólares, una fracción de su valoración actual de 852.000 millones. En este escenario, la OPV de ambas compañías se enfrentaría a dificultades extremas, y los inversores que han apostado por ellas sufrirían pérdidas significativas.

7.3. Escenario de fragmentación: bloques tecnológicos cerrados por región

El tercer escenario, que denominaremos escenario de fragmentación, contempla una situación en la que el mercado global de la inteligencia artificial se divide en bloques tecnológicos regionales, cada uno con sus propios estándares, modelos y ecosistemas. Este escenario, impulsado por consideraciones geopolíticas y regulatorias, sería el resultado de la escalada de las tensiones entre Estados Unidos y China, y de la creciente intervención de los gobiernos en el mercado de la IA.

En este escenario, Estados Unidos y sus aliados (Europa, Japón, Corea del Sur, Australia) restringirían el acceso a los modelos chinos, imponiendo controles de exportación, sanciones y barreras regulatorias que dificultarían su adopción en sus mercados. China, por su parte, haría lo propio, creando un ecosistema tecnológico autónomo basado en sus propios modelos, chips y plataformas. El resultado sería una fragmentación del mercado global en dos ecosistemas separados, con estándares técnicos divergentes, precios diferentes y capacidades desiguales.

La fragmentación tendría consecuencias mixtas para OpenAI y Anthropic. Por un lado, la exclusión de los modelos chinos del mercado estadounidense y europeo eliminaría la competencia de precios en su mercado doméstico, permitiéndoles mantener precios elevados y márgenes saludables. Por otro lado, la fragmentación reduciría el mercado potencial de los modelos occidentales, excluyéndolos del mercado chino y de los mercados emergentes alineados con China. Además, la fragmentación aumentaría los costes de desarrollo, ya que los laboratorios occidentales tendrían que adaptar sus modelos a diferentes estándares regulatorios y requisitos de cumplimiento.

La fragmentación también tendría implicaciones para la innovación tecnológica. En un escenario de bloques tecnológicos cerrados, la colaboración internacional en investigación en IA se vería gravemente limitada, y los avances tecnológicos se concentrarían en cada bloque de manera independiente. La historia sugiere que la fragmentación tecnológica tiende a reducir la velocidad de la innovación y a duplicar los costes de investigación, lo que perjudicaría a todos los actores a largo plazo.

7.4. Recomendaciones para inversores institucionales y gestores de activos

A la vista de los escenarios analizados, los inversores institucionales y gestores de activos que están considerando exponerse al sector de la inteligencia artificial deben adoptar un enfoque prudente y diversificado. La incertidumbre en torno al desenlace de la competencia entre los laboratorios occidentales y chinos es elevada, y los riesgos de una corrección de las valoraciones son significativos.

En primer lugar, los inversores deben reevaluar las valoraciones de OpenAI y Anthropic a la luz de la competencia china. Los múltiplos de 40 y 70 veces los ingresos recurrentes que se aplican a estas empresas son difíciles de justificar en un escenario de guerra de precios y erosión de la cuota de mercado. Incluso en el escenario de equilibrio, las valoraciones de estas empresas deberían ajustarse a la baja hacia los múltiplos de las empresas tecnológicas convencionales. Los inversores que estén considerando participar en las OPV de OpenAI y Anthropic deben ser conscientes de que existe un riesgo significativo de que el precio de salida a bolsa sea inferior al de las rondas privadas, y que los primeros inversores públicos puedan sufrir pérdidas.

En segundo lugar, los inversores deben considerar la exposición a los laboratorios chinos, que están ganando cuota de mercado a un ritmo acelerado. Empresas como DeepSeek, Alibaba (Qwen), Zhipu AI (Z.ai) y Moonshot AI (Kimi) están posicionándose como líderes en el segmento de commoditización de la IA, y su crecimiento en ingresos y cuota de mercado es probable que continúe. Los inversores que tengan acceso a los mercados chinos pueden considerar la inclusión de estas empresas en sus carteras. Sin embargo, deben ser conscientes de los riesgos regulatorios y geopolíticos asociados a la inversión en China, así como de la menor transparencia financiera de estas empresas en comparación con las occidentales.

En tercer lugar, los inversores deben considerar la exposición a la infraestructura de IA, que está experimentando un crecimiento explosivo. Los hiperescalares (Amazon, Google, Microsoft, Meta, Oracle) están invirtiendo cientos de miles de millones de dólares en centros de datos y GPUs, y los fabricantes de semiconductores (Nvidia, AMD, Broadcom) están viendo cómo su demanda se dispara. Sin embargo, los inversores deben ser cautelosos con la paradoja de la infraestructura: si los precios de los tokens caen drásticamente, los ingresos de los proveedores de infraestructura podrían no crecer al ritmo esperado, y el retorno de la inversión podría ser inferior al previsto. La diversificación entre diferentes segmentos de la cadena de valor de la IA (modelos, infraestructura, aplicaciones) es aconsejable para mitigar este riesgo.

En cuarto lugar, los inversores deben prestar atención a las dimensiones geopolíticas y regulatorias del sector. La escalada de las tensiones entre Estados Unidos y China podría llevar a una fragmentación del mercado que afectaría negativamente a la rentabilidad de las empresas expuestas a ambos lados. Los inversores deben monitorizar de cerca los desarrollos regulatorios, incluyendo los controles de exportación, las sanciones y las políticas de inversión extranjera.

Finalmente, los inversores deben adoptar una perspectiva a largo plazo. La inteligencia artificial es una tecnología transformadora que probablemente generará un valor económico significativo en las próximas décadas. Sin embargo, la historia de las tecnologías disruptivas sugiere que la creación de valor no siempre beneficia a los primeros inversores. La burbuja de las telecomunicaciones de los años 90 es un recordatorio de que incluso las tecnologías que eventualmente transforman la economía pueden generar pérdidas masivas para los primeros inversores. La paciencia, la disciplina y la diversificación son las mejores herramientas para navegar en este entorno incierto.

7.5. Recomendaciones para los equipos directivos de OpenAI y Anthropic

Los equipos directivos de OpenAI y Anthropic se enfrentan a un desafío estratégico de primer orden: preservar el valor de sus empresas en un entorno de competencia intensa y guerra de precios. Las siguientes recomendaciones, basadas en el análisis de la situación y en las lecciones de la historia empresarial, pueden ayudarles a navegar en este entorno incierto.

En primer lugar, OpenAI y Anthropic deben acelerar sus esfuerzos para reducir sus costes operativos. La eficiencia en el entrenamiento y la inferencia es la ventaja competitiva más importante de los laboratorios chinos, y los laboratorios occidentales deben igualar o superar esta eficiencia si quieren mantener su capacidad de competir en precios. Esto implica invertir en arquitecturas de modelos más eficientes, en técnicas de compresión y optimización, y en hardware más rentable. La adopción de modelos de mezcla de expertos (MoE), la atención híbrida y la decodificación especulativa, similares a las que han desarrollado los laboratorios chinos, debería ser una prioridad (26) (28).

En segundo lugar, OpenAI y Anthropic deben diferenciar sus modelos mediante características que los laboratorios chinos no puedan replicar fácilmente. La seguridad, la interpretabilidad, el cumplimiento normativo, la integración con ecosistemas empresariales y la garantía de privacidad son atributos que los clientes empresariales valoran y por los que están dispuestos a pagar una prima. La inversión en investigación en seguridad de la IA, que ha sido una prioridad de Anthropic desde su fundación, podría convertirse en un diferenciador clave en el segmento premium del mercado. OpenAI, por su parte, debe aprovechar su ventaja de ser el pionero en el mercado de consumo, y fortalecer su ecosistema de aplicaciones y su red de socios.

En tercer lugar, OpenAI y Anthropic deben reconsiderar su estrategia de precios en el segmento de commoditización. Si no pueden competir en precios con los modelos chinos, deberían retirarse de ese segmento y concentrarse en el segmento premium, donde su ventaja competitiva es más sólida. Esto implicaría una reducción de su mercado potencial, pero también una mejora de sus márgenes y de su rentabilidad. La segmentación del mercado en versiones premium y versiones lite, que ya han iniciado ambas compañías, debería profundizarse y refinarse.

En cuarto lugar, OpenAI y Anthropic deben acelerar sus planes de salida a bolsa, pero con una estrategia de precios realista. La decisión de OpenAI de retrasar su OPV hasta 2027 puede ser prudente si se utiliza para mejorar la eficiencia y la rentabilidad de la compañía. Sin embargo, el retraso no debe ser una excusa para procrastinar en la toma de decisiones difíciles. Los inversores públicos son menos tolerantes que los privados con las pérdidas y las valoraciones infladas, y una salida a bolsa con una valoración ajustada a la realidad del mercado sería preferible a una salida a bolsa fallida que dañaría la credibilidad de la compañía.

Finalmente, OpenAI y Anthropic deben mantener una vigilancia constante sobre los desarrollos geopolíticos y regulatorios. La escalada de las tensiones entre Estados Unidos y China podría afectar significativamente a su negocio, tanto por el lado de la oferta (restricciones de acceso a hardware y software) como por el lado de la demanda (restricciones a la exportación de sus modelos a ciertos mercados). La capacidad de anticipar y adaptarse a estos cambios regulatorios será un factor crítico para su éxito a largo plazo. La propuesta de OpenAI de ceder un 5% de su capital al gobierno estadounidense puede ser vista como un intento de asegurar el apoyo político y mitigar los riesgos regulatorios, pero debe ser evaluada cuidadosamente en términos de sus implicaciones para la independencia de la compañía y para la confianza de los inversores.

Conclusiones

El análisis desarrollado a lo largo de este artículo ha demostrado que el mercado global de la inteligencia artificial generativa está experimentando una transformación estructural impulsada por la irrupción de los laboratorios chinos como competidores creíbles de los líderes occidentales. Esta transformación, que se ha acelerado en el primer semestre de 2026, tiene implicaciones profundas para la valoración de las empresas implicadas, la dinámica de la competencia, la estructura del mercado y las estrategias de los inversores.

La tesis central del artículo, que la estrategia china de inteligencia artificial basada en código abierto, eficiencia en el entrenamiento y precios agresivos ha golpeado el punto débil de OpenAI y Anthropic precisamente en el momento más inoportuno —el preámbulo de sus salidas a bolsa— ha sido confirmada por la evidencia empírica disponible. Los modelos chinos han demostrado un rendimiento comparable al de los modelos occidentales con un retraso de apenas ocho meses, pero a una fracción del coste. Esta ventaja de costes, que se traduce en precios de API entre 10 y 200 veces más bajos, está erosionando la cuota de mercado de los laboratorios occidentales y forzando una recalibración de sus estrategias de precios y de su estructura de costes.

Los datos de OpenRouter, que muestran un cambio sísmico en la preferencia de los desarrolladores hacia los modelos chinos, son el indicador más elocuente de esta transformación. Los seis modelos más populares en la plataforma son hoy chinos, y la cuota de los modelos estadounidenses ha caído del 72% al 33% en un año. La migración empresarial, ejemplificada por el caso de Lindy, está en curso, y las grandes corporaciones tecnológicas están evaluando activamente la posibilidad de incorporar modelos chinos en sus pilas tecnológicas. Si esta tendencia se mantiene, los laboratorios occidentales se enfrentarán a una erosión acelerada de sus ingresos y de su capacidad para justificar sus valoraciones astronómicas.

Las valoraciones de OpenAI (852.000 millones de dólares) y Anthropic (965.000 millones) se basan en la premisa de que mantendrán un dominio cuasi-monopólico sobre el mercado de modelos de alto rendimiento, con la capacidad de fijar precios premium de manera indefinida. Esta premisa ha sido seriamente cuestionada por la competencia china. Incluso en el escenario más favorable de equilibrio, las valoraciones de estas empresas deberían ajustarse a la baja hacia los múltiplos de las empresas tecnológicas convencionales. En el escenario de disrupción, que es el que los laboratorios chinos desean, el valor de estas empresas podría reducirse a una fracción de su valoración actual.

El contexto macroeconómico de gasto global en IA, con proyecciones de 2,59 billones de dólares en 2026, añade una capa adicional de complejidad al análisis. La paradoja de la infraestructura —inversión masiva en infraestructura de IA que podría no generar el retorno esperado si los precios de los tokens se derrumban— es un riesgo sistémico que afecta no solo a OpenAI y Anthropic, sino también a los hiperescalares y a los fabricantes de semiconductores. La lección de la burbuja de las telecomunicaciones de los años 90 es que incluso las tecnologías que eventualmente transforman la economía pueden generar pérdidas masivas para los primeros inversores.

Las dimensiones geopolíticas y regulatorias añaden incertidumbre al escenario. La estrategia de IA abierta de China, analizada por la US-China Economic and Security Review Commission, es un instrumento de política industrial diseñado para reforzar el dominio tecnológico de China y capturar la base de desarrolladores global. Los controles de exportación de semiconductores, que han sido la principal herramienta de Estados Unidos para frenar el avance chino, no han logrado detener el progreso de los laboratorios chinos y han estimulado una ola de innovación en eficiencia que está redefiniendo los estándares de la industria. La propuesta de OpenAI de ceder un 5% de su capital al gobierno estadounidense es una manifestación del nacionalismo tecnológico que está ganando fuerza en ambos lados del Pacífico.

Los escenarios de futuro analizados —equilibrio, disrupción y fragmentación— ofrecen un marco para la toma de decisiones estratégicas. En el escenario de equilibrio, el mercado se estabiliza en torno a dos segmentos diferenciados: premium para los laboratorios occidentales y commoditización para los chinos. En el escenario de disrupción, la convergencia tecnológica elimina la ventaja cualitativa de los modelos occidentales y la IA se convierte en un commodity. En el escenario de fragmentación, el mercado global se divide en bloques tecnológicos regionales, con estándares divergentes y ecosistemas separados.

Las recomendaciones para inversores institucionales y gestores de activos incluyen la reevaluación de las valoraciones de OpenAI y Anthropic, la consideración de la exposición a los laboratorios chinos, la cautela en la inversión en infraestructura de IA y la monitorización de los desarrollos geopolíticos y regulatorios. La diversificación y la perspectiva a largo plazo son las mejores herramientas para navegar en este entorno incierto. Las recomendaciones para los equipos directivos de OpenAI y Anthropic incluyen la aceleración de los esfuerzos para reducir costes, la diferenciación de sus modelos mediante características no replicables, la segmentación del mercado y la adopción de una estrategia de precios realista en sus OPV.

En definitiva, el mercado de la inteligencia artificial generativa se encuentra en un momento de inflexión crítica. La competencia china ha demostrado que la inteligencia artificial no es un recurso escaso protegido por barreras de entrada infranqueables, sino un campo de juego donde la eficiencia, la apertura y la estrategia de precios son tan importantes como la capacidad técnica. OpenAI y Anthropic, los campeones occidentales que han dominado la narrativa de la IA durante los últimos años, se enfrentan a un desafío existencial que pondrá a prueba no solo su capacidad técnica, sino también su modelo de negocio y su estrategia financiera. El desenlace de esta confrontación determinará no solo el valor bursátil de estas empresas, sino también la dirección futura del desarrollo de la inteligencia artificial, el acceso a sus beneficios y la distribución del poder tecnológico a nivel global.

Referencias

0. 20minutos.es (2026). “La IA china ha encontrado el punto débil de OpenAI y Anthropic”. 5 de julio de 2026.

1. Exponential View (2026). “Chinese AI models overtake US in OpenRouter token consumption”. Junio de 2026.

2. PitchBook (2026). “The $600 Billion Bet: Hyperscalers Turn to Massive Debt to Fuel the AI Revolution”. 28 de enero de 2026.

3. Economic Times (2026). “Why IPO valuations, SpaceX’s included, may not conclusively capture the current state of AI play”. 9 de junio de 2026.

4. The Register (2026). “Cheap Chinese models are overtaking Anthropic”. 28 de marzo de 2026.

5. National Institute of Standards and Technology (NIST) - CAISI (2026). “CAISI Evaluation of DeepSeek V4 Pro”. Mayo de 2026.

6. Reuters / Yahoo Finance (2026). “Anthropic’s valuation surges to $965 billion, surpassing OpenAI”. 28 de mayo de 2026.

7. CNBC (2026). “OpenAI proposes 5% stake to Trump administration to ease Washington pressure: Report”. 2 de julio de 2026.

8. Reuters (2026). “OpenAI’s China rival DeepSeek under U.S. scrutiny after NIST report”. 28 de mayo de 2026.

9. TechRepublic (2026). “Chinese AI Models Challenge OpenAI and Anthropic on Cost and Enterprise Risk”. 26 de junio de 2026.

10. Wedbush Securities / S&P Global (2026). “The AI Infrastructure Investment Report”. 28 de enero de 2026.

11. JP Morgan (2026). “AI Market Dynamics and Competitive Landscape”. Junio de 2026.

12. Unusual Whales / UBS (2026). “60% of Firms Curb AI Spend, Shift to Chinese Models”. 2 de julio de 2026.

13. Yicai Global (2026). “Chinese AI Token Pricing Defies Price War Fears Amid Surge in Computing Power Demand, UBS’ Analyst Says”. 22 de mayo de 2026.

14. Financial Times (2026). “DeepSeek V4 Pro NIST evaluation summary”. 26 de mayo de 2026.

15. The Register (2026). “OpenRouter rankings show Chinese models dominating developer preference”. 30 de mayo de 2026.

16. UBS Securities (2026). “Global AI Market Outlook: Competition and Pricing Dynamics”. Mayo de 2026.

17. TechCrunch (2026). “DeepSeek launches V4-Pro and V4-Flash models to rival OpenAI GPT-5.5”. 24 de abril de 2026.

18. DeepSeek AI (2026). “DeepSeek-V4-Pro and DeepSeek-V4-Flash: Technical Report and Release Notes”. 24 de abril de 2026.

19. Zhipu AI (2026). “GLM-4.5: Open Source Release Announcement”. 23 de abril de 2026.

20. Zhipu AI (2026). “GLM-4.5 Technical Report: Architecture and Training”. 23 de abril de 2026.

21. Alibaba Cloud (2026). “Qwen3.5: Next-Generation Open-Source Model Family”. 16 de febrero de 2026.

22. Alibaba Cloud (2026). “Qwen3.5 Technical Overview: 201 Languages and 1M Token Context”. 16 de febrero de 2026.

23. Alibaba Cloud (2026). “Qwen3.5: Multimodal Capabilities and Deployment Architecture”. 16 de febrero de 2026.

24. DeepSeek AI (2026). “DeepSeek V4 Pro Pricing Announcement”. Mayo de 2026.

25. DeepSeek AI (2026). “DeepSeek V4-Flash Pricing Update: Permanent 75% Reduction”. Mayo de 2026.

26. DeepSeek AI (2026). “DeepSeek V4 Architecture Report: CSA+HCA and Memory Optimization”. Abril de 2026.

27. DeepSeek AI (2026). “DeepSeek V4 Hardware Compatibility and RTX 4090 Performance Testing”. Abril de 2026.

28. DeepSeek AI (2026). “Speculative Decoding Framework for DeepSeek V4: 85% Inference Acceleration”. Mayo de 2026.

29. US-China Economic and Security Review Commission (USCC) (2026). “Two Loops: How China’s Open AI Strategy Reinforces Its Industrial Dominance”. 23 de marzo de 2026.

30. Gartner (2026). “Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026”. 19 de mayo de 2026.

31. Investors.com (2026). “Why OpenAI And Anthropic’s Road To IPO Is Getting Bumpier”. 2 de julio de 2026.

32. Nasdaq.com (2026). “Is OpenAI’s IPO Delay a Warning for AI Investors?”. 29 de junio de 2026.

33. The Next Web (2026). “A cheap Chinese AI model is closing in on Anthropic and OpenAI”. 2 de julio de 2026.

34. Channel NewsAsia (2026). “China’s cheaper AI tokens a double-edged sword for Asian businesses”. 16 de junio de 2026.

35. Axios (2026). “Microsoft considers DeepSeek V4 integration in Copilot Cowork”. Junio de 2026.