UBS: Los modelos de bajo costo no van a alterar el ciclo de inversión en IA, los ganadores finales serán los gigantes de los chips y la nube

Según se informó en Sinolink Finance APP, la rápida expansión de modelos de inteligencia artificial (IA) de código abierto y bajo costo está transformando fundamentalmente la manera en que las empresas implementan IA, pero UBS dejó claro en su último informe que esta transición no perturbará el ciclo de inversión en IA; por el contrario, convertirá a los fabricantes de chips y los proveedores de infraestructura en la nube en los verdaderos ganadores, mientras que planteará nuevos desafíos de rentabilidad para las compañías de software.

En el informe publicado por el analista de UBS, Karl Keirstead, el 21 de julio, se destaca que los inversores ahora se enfocan en dos tendencias estrechamente vinculadas: la reducción sistemática del costo del Token por parte de las empresas y la aceleración de la migración de cargas de trabajo hacia modelos abiertos más económicos. El reporte, basado en discusiones profundas con más de 15 compañías privadas de IA —incluyendo Perplexity, Harvey, Glean, Cursor, ElevenLabs y Fireworks— concluye que la industria de la IA está pasando de una fase de "uso indiscriminado del modelo más potente" a una nueva etapa centrada en la eficiencia, donde se eligen modelos según la dificultad de cada tarea.

De la "maximización de Tokens" a la "maximización de valor": un cambio fundamental en la lógica de gasto empresarial en IA

El informe del equipo de Karl Keirstead de UBS, publicado el 21 de julio, señala que el interés de los inversores se ha desplazado hacia dos tendencias cercanas: reducir sistemáticamente el costo de los Tokens en IA y una mayor disposición a utilizar modelos de código abierto (incluidos modelos desarrollados en China) para tareas que no requieren capacidades de inferencia de vanguardia.

Este cambio no se debe a una disminución en la demanda de IA. De hecho, es todo lo contrario: según los comentarios de más de 75 empresas privadas en la conferencia anual de IA y software privado de UBS, la adopción empresarial de IA sigue creciendo a gran velocidad. Varias empresas nativas de IA han visto ingresos crecer de manera impresionante en los últimos seis meses: unas pasaron de 400 millones de dólares en enero a 1.000 millones, otras triplicaron sus ingresos en un año superando los 500 millones, y algunas llegaron a 500 millones en solo 14 meses desde cero. Este crecimiento acelerado se debe principalmente a la mejora de las capacidades de los modelos, la expansión de aplicaciones de agentes que consumen más Tokens y el cambio de la facturación por usuario a por Token o por uso.

Sin embargo, con la expansión de la adopción, el problema de los costos ha surgido rápidamente. UBS había estimado anteriormente que aproximadamente el 60% de las instituciones ya consideran el gasto en computación de IA y Tokens como un problema real, pero tras esta encuesta, cree que esa proporción podría ser aún mayor. El aumento del costo de los Tokens es asombroso: una institución financiera inicialmente comprometió 10 millones de dólares en gastos para Claude, pero tres meses después ya había aumentado a 60 millones; una empresa de IA vio sus gastos en Anthropic pasar de 20.000 dólares en diciembre a casi 1 millón en julio, multiplicándose por 50 en siete meses; y algunos clientes empresariales han experimentado facturas de Tokens que se multiplicaron por 10 o incluso por 100 en poco tiempo.

Las empresas no han dejado de usar IA, sino que están reduciendo el desperdicio. Anteriormente, tareas ordinarias se asignaban a los modelos de vanguardia más caros —un banco gastaba decenas de miles de dólares mensualmente en modelos caros, que sus empleados usaban solo para consultar el clima, restaurantes o ubicaciones de reuniones. El enfoque de la gestión empresarial de IA está pasando de "maximizar Tokens" a "maximizar valor", es decir, medir cuánto retorno de negocio genera cada unidad de Token. UBS cita a una empresa entrevistada: “Inicialmente lanzamos cinco herramientas de IA internamente, pero ya habíamos consumido la mayoría del presupuesto anual de Tokens. Actualmente solo mantenemos dos, y se controla estrictamente el volumen de uso.”

“Multi-modelos”: la nueva normalidad; modelos chinos de código abierto aceleran su penetración

Las empresas ya no ven el mercado de IA como una competencia de suma cero entre unos pocos desarrolladores de modelos de vanguardia, sino que rápidamente adoptan una estrategia de “multi-modelo” —combinando modelos de OpenAI y Anthropic con modelos personalizados y de código abierto. Evitar la dependencia de un solo proveedor de IA se ha vuelto una consideración clave para las grandes empresas.

Los modelos de código abierto chinos son los mayores beneficiarios de esta tendencia. UBS señala expresamente que modelos de Z.ai, Moonlight Shadow, Alibaba y DeepSeek están siendo probados e incluso implementados por un número creciente de empresas. Aunque algunos sectores altamente regulados permanecen cautelosos, la aceptación de estos modelos por parte de las empresas está aumentando constantemente en entornos seguros proporcionados por plataformas en la nube como AWS y Microsoft Azure. Según UBS, el costo de entrenamiento de los principales modelos chinos es solo una décima parte del de los líderes internacionales, la tarifa de la API de inferencia equivale entre el 10% y el 20% de los modelos de referencia extranjeros, y pueden mantener márgenes brutos saludables entre el 20% y el 40%. Los datos de la plataforma OpenRouter muestran que desde febrero de 2026, el uso de modelos chinos por empresas estadounidenses representa consistentemente más del 30% del consumo de Tokens, alcanzando hasta el 46% en ciertos periodos.

El modelo de código abierto Nemotron de Nvidia es uno de los modelos abiertos estadounidenses mencionados con mayor frecuencia en la conferencia de UBS.

Ganadores y perdedores: una redistribución del valor de la cadena industrial

Fabricantes de chips: Nvidia es el mayor beneficiario

Aunque la competencia en la capa de modelos es cada vez más intensa, UBS enfatiza que la demanda de hardware de IA no ha disminuido, sino que probablemente crecerá aún más. Según UBS, los modelos abiertos no reducen la demanda de GPU, sino que redirigen la potencia informática a tareas de inferencia más rentables. La mayoría de los modelos abiertos todavía se entrenan, ajustan y ejecutan en hardware de Nvidia. Los modelos de bajo costo amplían el alcance de las aplicaciones de IA, aumentando la demanda de computación de inferencia, almacenamiento, redes e infraestructura de despliegue.

Nvidia también lanzó el modelo de código abierto Nemotron 3 Ultra, con 550.000 millones de parámetros, alcanzando velocidades de inferencia hasta cinco veces mayores y reduciendo el costo hasta un 30%. Este modelo es el que más se menciona entre los modelos de código abierto estadounidenses en el informe de UBS.

Proveedores de infraestructura en la nube: los "conductos" beneficiados en la era de los multi-modelos

Amazon, Microsoft y Google, entre otros proveedores de servicios en la nube, también están bien posicionados, ya que sus plataformas soportan una variedad de modelos de IA. Amazon, Microsoft y Google, entre otros proveedores de servicios en la nube, también están bien posicionados, ya que sus plataformas soportan una variedad de modelos de IA. AWS, Azure y otras plataformas de nube ya han desarrollado capacidad para operar con múltiples modelos; las empresas, elijan el modelo que elijan, siguen requiriendo potencia de inferencia en la nube. Los grandes proveedores de servicios en la nube siguen enfrentando una oferta limitada y una fuerte demanda de recursos de computación de IA por parte de los clientes.

Las cifras de ingresos de empresas nativas de IA corroboran este diagnóstico. Entre los casos citados por UBS, una compañía pasó de ingresos de 400 millones de dólares en enero a 1.000 millones, otra creció de cero a 500 millones en 14 meses. El acelerado crecimiento se debe en gran parte a la mejora de capacidades de los modelos y la expansión de aplicaciones de agentes que consumen más Tokens, lo que demuestra que la demanda empresarial de IA ya se ha expandido más allá del área de programación a procesos de negocio más amplios.

Desarrolladores de modelos de vanguardia: presión de crecimiento visible

En el corto plazo, desarrolladores de modelos de vanguardia como OpenAI y Anthropic son los más afectados por la reducción de costos. Aunque UBS considera que el mercado de IA aún está en una etapa inicial y que los modelos abiertos y cerrados pueden crecer simultáneamente, el ritmo de crecimiento de los laboratorios de modelos de vanguardia podría enfrentar presiones.

Sector del software: la "capa intermedia" bajo presión

UBS tiene una visión pesimista sobre las perspectivas de los proveedores de software. Según UBS, en su afán de controlar los costos de IA, las empresas podrían eventualmente transferir el gasto fuera del área de aplicaciones de software; además, la función de enrutamiento de modelos, antes vista como una ventaja competitiva, rápidamente se está volviendo un estándar de la industria y difícilmente será rentable. En este contexto, donde el “multi-modelo” es la norma, el modelo de negocio que depende únicamente de la capa intermedia de llamada de modelos enfrenta desafíos severos.