Por Canuto  

La competencia china en inteligencia artificial ya no solo presiona a Silicon Valley en lo tecnológico. También está reabriendo preguntas sobre deuda, ingresos, valuaciones y estabilidad financiera en un mercado estadounidense donde buena parte de las ganancias recientes depende del relato de la IA.
***

  • El análisis sostiene que modelos chinos de bajo costo están erosionando ingresos clave para empresas de IA en EE. UU.
  • Compañías como Coinbase habrían reducido drásticamente sus facturas al migrar parte de su uso hacia modelos abiertos más baratos.
  • El debate ya no gira solo sobre innovación, sino sobre deuda, regulación, riesgo sistémico y posible contagio financiero.

El mercado bursátil de Estados Unidos se ha vuelto, en buena medida, una apuesta concentrada en inteligencia artificial. Esa es la tesis central expuesta por Tom Bilyeu en One Chinese AI Model Wiped Out $1 Trillion In A Single Day — And They’re Just Getting Started, donde plantea que la irrupción de modelos chinos de bajo costo está elevando los riesgos de una corrección mayor.

Según el análisis, cerca del 80% de cada dólar de valor ganado por el mercado bursátil estadounidense en los últimos tres años provino de la inteligencia artificial. Además, las 10 compañías más grandes del S&P 500, casi todas impulsadas por la narrativa de IA, ya representarían más del 40% de todo el índice.

Esa concentración cambia la naturaleza del riesgo para los inversionistas minoristas. Quien crea que posee una exposición amplia al mercado mediante fondos indexados, en realidad podría estar cargando una exposición desproporcionada al negocio de la IA.

El detonante reciente, según el comentario, fue la decisión de Coinbase de reducir casi a la mitad su factura de IA al mover a sus ingenieros desde los modelos líderes de Estados Unidos hacia alternativas abiertas y más baratas. El hecho parece favorable para el consumidor, pero también puede golpear los ingresos que necesitan los desarrolladores de modelos más avanzados.

La advertencia de fondo es más amplia que una simple guerra de precios. El argumento sostiene que la presión competitiva de China coincide con una industria estadounidense cargada de deuda, altos costos de infraestructura y expectativas de ingresos que aún no se materializan con la velocidad que el mercado exige.

Una carrera geopolítica, no una competencia tecnológica convencional

El análisis propone entender la inteligencia artificial como una carrera armamentista más que como una industria tradicional. Bajo esa lectura, Estados Unidos y China no solo compiten por cuota de mercado, sino por una ventaja estructural de largo plazo en un sector con rasgos potenciales de ganador absoluto.

De allí surgen medidas como los controles de exportación de chips avanzados impulsados por Washington. La lógica es sencilla: sin acceso a semiconductores de punta, China tendría más dificultades para entrenar modelos de frontera capaces de competir de forma directa con OpenAI, Anthropic o los gigantes de la nube en EE. UU.

Sin embargo, el análisis sostiene que Pekín habría respondido por otra vía. En lugar de igualar la inversión masiva en centros de datos, su estrategia sería buscar eficiencia computacional y reducción de costos, incluso mediante prácticas que firmas estadounidenses consideran indebidas o directamente ilegales.

El mecanismo clave descrito es la destilación. Se trata de entrenar un modelo pequeño a partir de las respuestas producidas por un modelo grande ya entrenado, lo que permite replicar parte de su comportamiento sin asumir todo el costo de construir la infraestructura original.

La técnica en sí no es ilegal y es ampliamente usada por los propios laboratorios con sus modelos internos. El problema, según la tesis presentada, aparece cuando un competidor extranjero la emplea sobre sistemas a los que no debería tener acceso, generando un atajo de costos con implicaciones geopolíticas y comerciales.

En febrero, Anthropic acusó a tres laboratorios chinos, DeepSeek, Moonshot y MiniMax, de ejecutar justamente ese tipo de práctica. La firma alegó que se realizaron más de 16 millones de consultas a través de unas 24.000 cuentas falsas para extraer patrones y replicar capacidades de modelos avanzados.

Luego, en abril, la Casa Blanca acusó directamente a China de desarrollar campañas deliberadas a escala industrial para robar modelos de IA estadounidenses. Más tarde, el 10 de junio, Anthropic envió una carta al Comité Bancario del Senado en la que acusó a Alibaba de la mayor operación de este tipo hasta la fecha.

Alibaba rechazó la acusación, y el propio análisis subraya que por ahora se trata de alegatos, no de conclusiones judiciales definitivas. Aun así, se remarca que el historial chino en materia de propiedad intelectual alimenta la preocupación de la industria estadounidense.

Costos disparados, clientes impacientes y modelos chinos ganando terreno

La presión competitiva no ocurre en el vacío. El informe comentado sostiene que muchos clientes corporativos ya están descubriendo lo costoso que resulta operar con modelos de frontera, y por eso buscan alternativas más baratas aunque rindan apenas unos puntos menos en pruebas estandarizadas.

Uber, por ejemplo, habría agotado todo su presupuesto de 2026 para herramientas de codificación con IA antes de abril. Después de eso, la empresa terminó limitando a cada ingeniero a alrededor de USD $1.500 al mes, de acuerdo con el relato presentado.

Meta también habría distribuido un memo interno alertando por un aumento exponencial del gasto en inteligencia artificial. Amazon, por su parte, eliminó un ranking interno que medía el uso de IA por empleados después de que muchos inflaran el consumo sin mejoras equivalentes en producto.

La preocupación no es menor porque muchas compañías ni siquiera tendrían visibilidad plena sobre el gasto real. Una encuesta de KPMG citada en el análisis concluyó que solo el 26% de las empresas tiene una visión clara de lo que está gastando en inteligencia artificial.

En ese contexto, los modelos abiertos chinos estarían capitalizando una oportunidad evidente. Coinbase habría reducido casi a la mitad su factura redirigiendo ingenieros hacia modelos chinos, incluido uno creado por Moonshot, el laboratorio mencionado por Anthropic en su queja de febrero.

Lindy también habría dejado de usar Claude de Anthropic para pasarse a otro modelo abierto chino cuando sus costos de IA crecieron hasta superar su nómina. Ese tipo de historias ilustra un patrón clave: cuando la utilidad existe, pero el precio es muy alto, la migración hacia opciones más baratas se vuelve racional.

La comparación de precio y desempeño es uno de los puntos más sensibles. Según el análisis, los modelos abiertos chinos pueden costar unas cinco veces menos que los mejores modelos estadounidenses, mientras quedan a pocos puntos de distancia en benchmarks de rendimiento.

Desde la óptica del consumidor, eso puede parecer una excelente noticia. Desde la óptica de las empresas que necesitan monetizar infraestructura multimillonaria, es una amenaza directa a la expansión de ingresos que justificaría la actual ola de inversión y endeudamiento.

La deuda del boom de IA y el riesgo de una repetición histórica

El núcleo de la advertencia es financiero. A juicio del autor, incluso sin la presión de China, la industria de IA en Estados Unidos ya enfrenta una brecha peligrosa entre el dinero invertido en infraestructura y el ritmo al que están apareciendo beneficios económicos medibles.

Un estudio del MIT citado en el análisis habría encontrado que el 95% de los proyectos corporativos de IA generativa observados no produjo un impacto medible en ganancias. Para una industria joven y liviana eso sería tolerable, pero no para un sector que está levantando una de las infraestructuras más costosas de la historia.

La preocupación se agrava porque buena parte de esa infraestructura se financia con deuda. Cuando se combinan deuda, euforia bursátil y expectativas de retornos rápidos, el margen para absorber volatilidad se reduce tanto para las empresas emisoras como para los propios inversionistas apalancados.

El análisis compara el esfuerzo de inversión con estándares tecnológicos más normales. Mientras una empresa tradicional suele reinvertir entre el 5% y el 20% de sus ingresos, Oracle estaría dedicando el equivalente al 57% de su facturación al despliegue de IA y Microsoft rondaría el 45%.

De forma agregada, la infraestructura de IA estaría absorbiendo cerca del 94% del efectivo generado por los negocios principales de los mayores actores. En ese escenario, el colchón financiero se vuelve muy estrecho y la dependencia de crecimiento futuro aumenta.

Sequoia, según el comentario, estima que la industria necesitaría generar alrededor de USD $600.000 millones en nuevos ingresos anuales solo para justificar lo ya gastado. La tesis es que el sector no está ni cerca de producir ese volumen, y que la cifra necesaria sigue aumentando a medida que el despliegue se expande.

El paralelo histórico es duro. Canales, ferrocarriles e internet terminaron transformando la economía, pero la primera ola de inversionistas frecuentemente fue arrasada porque los ingresos tardaron demasiado en alcanzar el gasto inicial de infraestructura.

El problema actual, según el análisis, incluso podría ser peor. Mientras en episodios anteriores la brecha entre inversión y monetización tendía a cerrarse con el tiempo, en IA el gasto sigue acelerándose mientras el precio que el mercado puede cobrar por uso cae, en parte por la presión del código abierto chino.

Ingresos circulares, depreciación dudosa y señales de fragilidad

Otro punto delicado es la calidad de los ingresos y de las valoraciones. El comentario menciona arreglos de financiamiento circular que recuerdan dinámicas del estallido puntocom, donde parte del dinero aparenta crear demanda nueva, pero en realidad regresa al originador del capital.

Nvidia, por ejemplo, habría acordado invertir hasta USD $100.000 millones en OpenAI. Sin embargo, esa suma terminaría retornando en gran medida a Nvidia cuando OpenAI adquiere los chips necesarios para su expansión.

La firma también tiene participación en la empresa de nube CoreWeave. Según la explicación presentada, Nvidia habría comprometido miles de millones de dólares para comprar capacidad no usada de CoreWeave, lo que a su vez mejora la valoración de su propia inversión en esa compañía.

La gestora GMO comparó estas estructuras con los esquemas de financiación circular vistos en la burbuja puntocom. Esa fragilidad se combina con otra alerta: las cuatro mayores empresas de nube en EE. UU. acumularían cerca de USD $2,1 billones en compromisos de ingresos futuros.

De acuerdo con un análisis citado, cerca de la mitad de ese monto sería atribuible solo a OpenAI y Anthropic. El detalle relevante es que ambas compañías seguirían profundamente en números rojos, lo que vuelve más incierta la calidad real de esas promesas de demanda.

También se menciona la advertencia de Michael Burry sobre la depreciación de chips para centros de datos. Si se asume una vida útil de cinco a seis años en lugar de dos a tres, el sistema podría estar ocultando más de USD $175.000 millones en pérdidas ya sufridas.

Incluso algunos actores internos parecen estar ajustando exposición. Microsoft habría empezado a dar un paso atrás respecto de su compromiso de suministrar toda la potencia computacional de OpenAI, permitiendo que otras empresas absorban parte de ese riesgo.

El mercado ya ha mostrado episodios de sensibilidad extrema. El análisis recuerda que, en enero de 2025, la llegada de DeepSeek a Estados Unidos borró alrededor de USD $1 billón en valor de mercado de empresas estadounidenses ligadas a IA en un solo día.

Nvidia habría sufrido entonces la mayor pérdida diaria de valor jamás registrada por una sola compañía. Más adelante, el 23 de junio, una venta masiva de acciones tecnológicas eliminó cerca de USD $700.000 millones en una sola mañana, mientras Oracle vivió su peor semana desde el colapso puntocom de 2001.

Tasas más altas, riesgo sistémico y el fantasma del rescate

El entorno macroeconómico empeora la ecuación. El comentario sostiene que la Reserva Federal, que antes parecía encaminada a recortar tasas este año, ahora estaría señalando futuras alzas por el repunte inflacionario asociado a Irán y a la propia IA.

Al mismo tiempo, el banco central de Japón elevó su tasa al nivel más alto en 31 años. Ese movimiento, según la lectura expuesta, retira liquidez global de mercados de mayor riesgo que durante años dependieron de condiciones monetarias muy favorables.

Cuando las tasas suben, el costo de sostener deuda de infraestructura también aumenta. Ese cambio golpea con especial fuerza a empresas de retorno tardío, como OpenAI y Anthropic, que todavía necesitan tiempo y escala para convertir crecimiento tecnológico en flujo de caja sostenible.

Ante ese panorama, el análisis observa con desconfianza el acercamiento de las grandes firmas de IA al gobierno estadounidense. El año pasado, OpenAI insinuó que el gobierno federal podría respaldar su financiamiento, una idea que su directora financiera matizó pocas horas después ante la reacción negativa.

En marzo de 2025, OpenAI ya había enviado una carta a la Casa Blanca pidiendo créditos fiscales, préstamos y otros vehículos de apoyo para la infraestructura de IA. Aunque Sam Altman ha dicho que OpenAI no quiere garantías estatales, el debate dejó abierta la sospecha de un eventual rescate si el sector tropieza.

David Sacks, asesor de IA de la Casa Blanca, también ha descartado un rescate federal. No obstante, reconoció que la inversión en IA representa la mitad del crecimiento económico de Estados Unidos, lo que alimenta la idea de que una reversión abrupta tendría implicaciones recesivas amplias.

Ese es el terreno donde aparece el riesgo de captura regulatoria. El análisis sostiene que algunas empresas podrían impulsar reglas de seguridad estrictas que, aunque justificadas en parte por los riesgos de la tecnología, también eleven las barreras de entrada para rivales pequeños y proyectos abiertos.

El caso de Anthropic ocupa un lugar central en esa discusión. Su director ejecutivo, Dario Amodei, ha defendido regulaciones vinculantes, pruebas de seguridad por terceros y poder estatal para bloquear o revertir el lanzamiento de modelos que se consideren peligrosos.

El dilema es complejo porque la seguridad en IA importa, pero normas demasiado pesadas podrían terminar perjudicando a startups y a proyectos abiertos que sí cumplirían una regulación razonable. Además, ese endurecimiento no necesariamente frenaría la competencia extranjera de bajo costo que llega desde China.

Dónde podría esconderse el riesgo para los inversionistas comunes

La parte final del análisis se enfoca en la distribución del riesgo financiero. La tesis es que los bancos no están ignorando la fragilidad del sector, sino buscando redistribuirla mediante estructuras que recuerdan al manual de 2008.

La idea es tomar deuda arriesgada, empaquetarla, dividirla y venderla como exposición aparentemente aceptable a otros actores del sistema. Los destinos naturales serían fondos de crédito privado, aseguradoras, fondos de pensiones y administradores de activos.

En 2025, los hyperscalers habrían asumido más de USD $100.000 millones en nueva deuda para centros de datos de IA. Eso equivaldría a varias veces lo que habían pedido prestado apenas el año anterior, de acuerdo con el repaso presentado.

Un bufete que sigue este mercado concluyó que los prestamistas ya están agrupando esos préstamos para vender participaciones a fondos de pensión y gestores de activos. La Reserva Federal, además, reportó que las grandes aseguradoras de vida ya tienen cerca de USD $1 billón comprometido en deuda privada.

Los fondos de pensión también estarían colocando capital en vehículos que financian a empresas como Meta y Oracle, ambas con exposición importante a la expansión de IA. El riesgo, por tanto, no quedaría aislado en Silicon Valley ni en unos pocos balances corporativos.

Para el inversionista común, la advertencia práctica es revisar qué posee realmente. La exposición a IA puede estar escondida en un fondo de bonos aparentemente seguro, en el portafolio de la pensión, en productos de seguros o en un fondo indexado que ya depende en exceso del desempeño de un pequeño grupo de gigantes tecnológicos.

La conclusión del análisis no es que la IA sea una moda vacía o que no vaya a transformar el mundo. La conclusión es que una tesis correcta sobre el futuro de la tecnología no protege a quien se equivoca en el tiempo, en la concentración del riesgo o en la calidad de la deuda que está financiando el auge.

En ese sentido, la recomendación es defensiva: diversificar, identificar de dónde viene el rendimiento y no subestimar el atractivo de productos más baratos para los clientes. Si China logra seguir bajando precios mientras la deuda del ecosistema estadounidense crece, el ajuste podría sentirse mucho más allá del sector tecnológico.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados