Disrupción en los disruptores: el desafío de China a la IA de EE. UU.

Durante las últimas décadas, las empresas chinas han ofrecido alternativas de menor coste a los productos de EE. UU. y de otros mercados desarrollados en sectores como los bienes de consumo básico, la electrónica y la automoción. Ahora, mientras los modelos de IA desarrollados por empresas estadounidenses transforman de raíz sectores, economías e incluso la propia organización de la sociedad, China vuelve a plantear un desafío cada vez mayor al ofrecer productos de IA similares a un menor coste.

Cuando la start-up china Moonshot AI lanzó Kimi K3 a principios de julio, los inversores reaccionaron con preocupación por las posibles implicaciones del nuevo modelo para los proveedores de IA en EE. UU. Presentado como un modelo de rendimiento superior al de sus competidores estadounidenses —entre ellos Anthropic u OpenAI—, el lanzamiento de Kimi K3 se produjo poco después de que la firma china Zhipu presentara GLM 5.2 como una alternativa viable y de menor coste.

Si bien es posible que los inversores aún no valoren en su justa medida la industria china de la IA, ambos desarrollos demuestran que su influencia en el panorama mundial resulta cada vez más difícil de ignorar. China ha logrado avances significativos en IA, y la irrupción de grandes modelos de lenguaje (LLM) de código abierto y bajo coste creados por empresas chinas amenaza con limitar tanto el poder de fijación de precios como la capacidad de generar ingresos de los proveedores estadounidenses. El riesgo es importante porque podría cuestionar el actual modelo de financiación de toda la cadena de suministro y debilitar la propuesta de valor de muchos de los grandes proveedores estadounidenses.

Demasiado barato como para ignorarlo

La aparición de Kimi K3 y GLM 5.2 coincide con un creciente rechazo al «token-maxxing» —la estrategia de maximizar el uso de tokens para acelerar la rentabilidad de la IA—, un fenómeno que parece impulsar una adopción cada vez mayor de los modelos chinos. A principios del año pasado, los mercados se vieron sorprendidos por el «momento DeepSeek», cuando un modelo más ligero logró un rendimiento comparable a un coste mucho menor. Los usuarios de IA necesitan cada vez más argumentos que justifiquen el elevado sobreprecio que cobran los LLM de vanguardia. Si los modelos de bajo coste logran mantener capacidades similares con una menor inversión de capital y un hardware menos avanzado, es lógico que los inversores se pregunten qué justifica el elevado nivel de gasto actual de las empresas estadounidenses.

En mi opinión, el auge de los modelos chinos sirve para recordar a los inversores la necesidad de distinguir entre eficiencia y exceso. Casi todas las revoluciones tecnológicas, desde la invención del ferrocarril hasta la banda ancha o las redes móviles, implican inevitablemente un exceso de inversión y generan expectativas que van más allá de la realidad económica. Solo cuando el entusiasmo inicial se desvanece se hace evidente ese exceso. La presencia de una alternativa competitiva obliga a las empresas que más invierten a medirse con otros actores del mercado y sirve de contrapeso a las proyecciones más optimistas. Este hecho no significa que la tesis de inversión predominante sea errónea, pero creo que exige un mayor rigor a la hora de asignar capital.

La cuestión del código abierto

El Gobierno chino y los laboratorios del país han apostado por los modelos de código abierto como pilar central de la iniciativa «IA+» y estrategia competitiva. Lo que nació como una medida obligada ante la escasez de hardware ha transformado con el tiempo la competencia en el sector de la IA y ha puesto en entredicho los modelos de negocio basados en tokens de los LLM de código cerrado.

Los modelos abiertos son más fáciles de difundir y adoptar, y mucho más difíciles de controlar. Se propagan a través de comunidades en línea, despliegues locales y adaptaciones personalizadas. Alcanzan escala gracias a los efectos de red, sin depender de estructuras comerciales, y se integran con rapidez en el ecosistema global.

Los modelos abiertos, que pueden desplegarse en entornos propios, también protegen mejor la privacidad de los datos y reducen el riesgo de que queden expuestos los secretos comerciales. Además, permiten a los proveedores trasladar al usuario final el coste del procesamiento. Ahora que el acceso a los modelos es prácticamente gratuito, el código abierto desplaza el campo de batalla de la IA desde la capacidad de inteligencia bruta hacia el despliegue, distribución, soporte, datos, flujos de trabajo y resultados de negocio, ámbitos en los que la lógica de fijación de precios aún está por definir.

Política frente a tecnología

Quizá la mayor influencia sobre el futuro de la IA a medio plazo no esté en manos de los tecnólogos que desarrollan y entrenan los modelos, sino de los responsables políticos, que determinarán hasta dónde y con qué rapidez podrá extenderse esta tecnología y cómo regularla a medida que avance su adopción. La reducción de la brecha de rendimiento entre los LLM de EE. UU. y China aumenta también la presión sobre reguladores y responsables políticos, obligados a elegir entre frenar el avance tecnológico en favor de la seguridad y la gobernanza o acelerarlo con la esperanza de ganar la «carrera de la IA».

La decisión del Gobierno estadounidense de suspender temporalmente el modelo de Anthropic Claude Fable 5 a principios del verano refleja bien este dilema. El hecho de que se haya considerado necesario imponer un bloqueo generalizado y restringir ciertas funcionalidades para contener los riesgos emergentes apunta a que podríamos haber entrado en una etapa en la que la gobernanza, más que la tecnología, sea el principal freno al progreso. La tensión entre el avance tecnológico y la aceptación social no hará sino aumentar.

A ello se suma la complejidad geopolítica. Si EE. UU. y China alcanzan un acuerdo para priorizar las medidas de seguridad, es posible que las previsiones actuales del mercado solo deban incorporar algunos ajustes puntuales. Sin embargo, si ninguna potencia está dispuesta a asumir retrasos regulatorios «innecesarios» frente a su rival, podríamos asistir a un mayor uso de las restricciones a la exportación o de los controles de acceso, lo que daría lugar a un ecosistema más fragmentado y desordenado. En mi opinión, ya no se trata de escenarios hipotéticos. Tarde o temprano, todos los modelos —ya sean abiertos o cerrados, de EE. UU. o de China— tendrán que afrontar la cuestión de la seguridad y la gobernanza. Sin embargo, la competencia entre ambas potencias podría distorsionar los incentivos y elevar el riesgo de cometer errores de gobernanza.

Creo que, para los inversores, la conclusión no es asumir una visión pesimista sobre la IA, sino mostrarse más cautos con las proyecciones y los supuestos, y reconocer que la seguridad nacional y los factores geopolíticos desempeñarán un papel mucho más relevante en la evolución de la IA que en anteriores ciclos de avance tecnológico. China podría mantenerse como un rival creíble en la carrera de la IA el tiempo suficiente como para poner en duda el consenso actual del mercado. Por tanto, conviene adoptar un enfoque más reflexivo a la hora de definir la exposición a la renta variable y al crédito, así como prestar mayor atención a la diversificación entre los ecosistemas de IA de EE. UU. y China.