Una campaña de publicidad casi hunde a una empresa.
Un inversor descubrió que la empresa de IA embebida de renombre en la industria en la que había invertido, sin informar ni obtener el consentimiento de su consejo de administración y accionistas, había pagado la asombrosa cifra de cien millones de yuanes (alrededor de 12 millones de euros) a un programa de gala en efectivo y acciones. A cambio de ese dinero, obtuvo apenas unos minutos de exposición.
Y el resultado no fue ideal: "No logró mostrar el valor y las ventajas del producto, quienes vieron la gala se mostraron indiferentes e incluso se burlaron", afirmó.
Lo más grave es que este enorme gasto en marketing redujo directamente el porcentaje de inversión en I+D de la empresa, desencadenando una línea roja en las normas de cotización en la Bolsa de Hong Kong: según los estrictos requisitos de la Bolsa de Hong Kong sobre la intensidad de la I+D, esta empresa podría tener que volver a hacer cola para tocar de nuevo las puertas del mercado de capitales.
De hecho, después de la gala, varios inversores se reunieron en la oficina del emprendedor para interrogarlo. Durante el interrogatorio, alguien, emocionado, incluso golpeó la mesa.
Y a veces, tener el dinero quieto en la cuenta también es un peligro. El otoño pasado, una empresa de IA embebida, a pesar de tener cientos de millones de yuanes en su cuenta, insistió en ahorrar gastos y se negó a permitir que su equipo de hardware viajara para supervisar las líneas de producción. Cientos de robots de producción masiva fueron aceptados remotamente a través de videollamadas. Cuando los inversores potenciales se enteraron de esto, la financiación se canceló.
Esto no es un desliz ocasional de unas pocas empresas; es la primera vez que el sector de la IA embebida, tras una financiación frenética, muestra los efectos negativos del dinero.
Según estadísticas incompletas, en la primera mitad de este año, el sector de la IA embebida en China recaudó aproximadamente 43.800 millones de yuanes (unos 5.300 millones de euros) en financiación. Los datos de IT桔子 muestran que en la primera mitad del año se produjeron 288 eventos de financiación, involucrando a 226 empresas, con un volumen de financiación revelado superior a los 46.000 millones de yuanes (unos 5.600 millones de euros). Si se amplía el período de estadística desde julio de 2025 hasta junio de 2026, esta cifra se infla a 503 eventos de financiación y más de 96.000 millones de yuanes (unos 11.600 millones de euros).
En promedio, más de un evento de financiación al día. Este sector, considerado el "portador final de la IA", está devorando capital a una velocidad sin precedentes. Solo en la primera mitad de 2026, las transacciones importantes de 1.000 millones de yuanes (unos 120 millones de euros) o más superaron las 25. Entre ellas, Itashi Zhihang consiguió 455 millones de dólares en una sola ronda en abril, batiendo el récord de financiación de IA embebida en China.
Una inyección de capital tan intensa ha dado lugar a un fenómeno nunca visto antes en la historia de Internet en China: es muy probable que la industria de la IA embebida sea el sector con el "dinero disponible per cápita" más alto en la historia de Internet en China. Una empresa con apenas un centenar de empleados puede tener miles de millones en efectivo en su cuenta, algo inimaginable en los ciclos de emprendimiento de Internet del pasado.
Pero el dinero llega demasiado rápido y también trae nuevos problemas. Este sector está lleno de científicos e ingenieros, la mayoría de los cuales son expertos en reconstruir modelos del mundo en un espacio tridimensional, pero pocos son veteranos en operaciones de capital y aún menos tienen experiencia gastando grandes sumas. Se encontrarán en un entorno igualmente complejo pero completamente desconocido: cuando la mentalidad de laboratorio se encuentra con la inundación del mercado de capitales, cómo hacer que el dinero genere valor real se está convirtiendo en una prueba más difícil que la propia financiación.
Y las instituciones de inversión, que anteriormente eran las mejores calculando cuentas, también carecen de referentes.
Gastar dinero se ha convertido en la asignatura más extraña del sector de la IA embebida.
Gastar o no gastar
Detrás del esplendor de la financiación, hay diferentes formas de vida para las empresas de IA embebida.
Liu Yuan, un emprendedor de IA embebida, asistió a una cena. Con el vino fluyendo, la conversación pasó de la tecnología y los productos a la misma dirección: la financiación y quién tenía más dinero restante. No pudo evitar revelar que su empresa tenía suficiente dinero en cuenta para 50 meses.
"Pensé que era muy ahorrador y que tenía mucho dinero en cuenta", pero Liu Yuan no esperaba que inmediatamente alguien en la mesa le dijera que su empresa tenía efectivo para al menos 100 meses.
En cualquier otro sector, esta sería una cifra envidiable, pero en la industria de la IA embebida, cuánta seguridad pueden comprar estas cifras es algo que probablemente ni los propios emprendedores puedan explicar.
Rápidamente, Liu Yuan se enteró de que más de una empresa del sector, tras obtener financiación, mantenía a su equipo y desarrollaba productos con los rendimientos de la compra de productos financieros. Siempre que el tamaño del equipo no se expandiera rápidamente, el capital principal en la cuenta podía permanecer prácticamente inactivo durante mucho tiempo.
Un grupo de empresas livianas que promueven "algoritmos cerebrales, conceptos implementados" se han convertido en los mayores beneficiarios del auge del capital y también en los jugadores más frugales de la industria.
Un caso frecuentemente mencionado es el de la empresa líder en "cerebro" Xinghai Tu, que recaudó más de 4.000 millones de yuanes (unos 480 millones de euros) en dos años, estableciendo un récord de financiación temprana en el sector. Según fuentes informadas, el consumo total de fondos de Xinghai Tu en dos años fue inferior a 100 millones de yuanes (unos 12 millones de euros), con una tasa de utilización de fondos extremadamente baja y reservas en cuenta muy abundantes.
Pero según fuentes internas de la industria, Xinghai Tu implementa controles presupuestarios extremadamente estrictos internamente, comprimiendo al máximo los gastos en marketing, contratación y operaciones, y ya ha logrado básicamente un equilibrio entre ingresos y gastos: "casi hasta el punto de que el uso de papel de impresión de oficina debe pasar por una restricción estricta". Este modelo también se conoce en la industria como la estrategia del "desgaste".
Un ex empleado de una empresa de IA embebida reveló que la "catástrofe" que casi destruyó su antigua empresa fueron los pequeños ahorros de cientos de miles de yuanes anuales en tarifas de servicios redundantes en la nube y copias de seguridad en ubicaciones remotas. La gerencia solo conservaba un servidor local para almacenar los programas de escena y mapas de ubicación de miles de robots. Una interrupción de energía inesperada en el parque dañó el disco duro y se perdieron todos los datos. Lo más crucial fue que los programas personalizados para clientes gubernamentales y empresariales tampoco tenían respaldo: "la empresa finalmente pagó un alto precio y asumió un gran costo para salir del paso".
Otro caso más conocido es el de Unitree. El prospecto de oferta pública inicial de Unitree Technology muestra que en 2025, su margen bruto superó el 60%. Mientras muchas empresas de IA embebida todavía "están endeudadas" y queman dinero, Unitree ya había logrado rentabilidad y con un margen bruto tan alto.
Pero aun así, Unitree sigue siendo muy frugal en sus gastos. Casi no hace relaciones públicas y en I+D solo gasta algo más de 90 millones de yuanes (unos 11 millones de euros), una cantidad que ni siquiera cubre el gasto anual en capacidad de cálculo de algunas startups de IA.
Esto es completamente diferente a lo que se entendía por financiación durante el período próspero de Internet, cuando el dinero se gastaba rápidamente buscando marketing y competencia a escala. Un estilo de gestión similar se remonta a la época de las "guerras de los grupos de compra", cuando Meituan finalmente desgastó a sus competidores con costos extremadamente bajos.
Más de un emprendedor nos ha dicho que las empresas de IA embebida están demostrando su seguridad con sus reservas de efectivo, lo que también se ha convertido en un nuevo indicador para medir la capacidad de supervivencia de una empresa. Esto parece un estilo de gestión extremadamente sólido; para los emprendedores que han pasado por múltiples ciclos de capital, controlar el consumo de efectivo difícilmente puede considerarse un error. Pero el problema es que, en una industria donde las rutas tecnológicas aún no están definidas y las capacidades de los productos aún necesitan verificación continua, tener el dinero en la cuenta a largo plazo, ¿significa que la empresa es lo suficientemente moderada o que no ha encontrado una dirección que valga la pena invertir? Es difícil obtener una respuesta directa solo de las cifras financieras.
La consecuencia más directa es que si una empresa de IA embebida no gasta dinero, fácilmente genera especulaciones: ¿cuánta I+D ha realizado realmente esta empresa?
Esta es también una de las preguntas más difíciles de responder en la industria de la IA embebida. El dinero ahorrado o gastado es fácil de ver, pero las ventanas de oportunidad de productos perdidas rara vez aparecen a tiempo en los estados financieros. Muchas consecuencias no se manifiestan hasta uno o dos años después.
La gerencia de una startup estrella había establecido "extender la pista de efectivo" como su objetivo operativo más importante. Para reducir gastos, la empresa congeló varios puestos de I+D, redujo los lotes de verificación de componentes y pospuso el plan de recopilación de datos previsto. Desde la perspectiva de las cifras financieras, estas medidas pronto surtieron efecto: los gastos mensuales de la empresa disminuyeron notablemente y el efectivo disponible en cuenta podía sustentar casi un año más.
Pero unos meses después, la empresa descubrió que muchos de sus ingenieros habían sido reclutados por la competencia. Y un producto que debería haber entrado en entrega a pequeña escala no podía ser producido en masa debido a problemas de compatibilidad con componentes clave.
En el ámbito del emprendimiento, si la falta de liquidez se debiera a una financiación insuficiente, estas medidas relativamente extremas serían comprensibles. Pero en la industria de la IA embebida, se acumulan grandes sumas de dinero en efectivo. En varios proyectos de IA embebida, esta cadena se repite: para controlar los gastos, las empresas primero reducen las rondas de prueba, luego postergan la verificación de la cadena de suministro y finalmente congelan las contrataciones de I+D. Cada decisión por separado tiene su razón, pero juntas hacen que el producto se estanque gradualmente en la fase de prototipo.
Un responsable de hardware describió este estado como "parálisis con dinero".
Pero si algunos ahorran, siempre hay quienes se desatan al gastar. Liu Yuan escuchó un caso: hace dos años, una empresa de robots humanoides, tras obtener financiación, en lugar de pulir primero escenarios aplicables, inició simultáneamente múltiples líneas de productos diferentes y gastó mucho dinero en actividades comerciales y recepciones para clientes gubernamentales y empresariales. Lo más grave fue que esta empresa construyó "escenarios logísticos" con estanterías y cajas de cartón en la oficina, dibujó unos cuadros de detección con modelos de código abierto y afirmó tener capacidades de percepción multimodal. Y la supuesta clasificación automática era en realidad control manual por una persona en un punto ciego, ocultando los cables de control debajo del escritorio.
"Básicamente, esto es tomar un demo empaquetado para financiarse y contar historias", dijo Liu Yuan.
La ex estrella extranjera de IA embebida, Vicarious Surgical, también fue considerada un contraejemplo de gasto irresponsable. Recibió una financiación prevista de más de 300 millones de dólares de inversores como Bill Gates, y su valor de mercado una vez superó los 12.000 millones de dólares. Pero el dinero de esta empresa se gastó en insistir en desarrollar internamente un "brazo robótico biónico" súper complejo, abandonando soluciones comerciales maduras. Esta decisión hizo que el ciclo de I+D se alargara indefinidamente, los costos de iteración se descontrolaran y el producto nunca pudo ser producido en masa.
Al final, Vicarious Surgical perdió más de 100 millones de dólares en los dos años más cruciales de su desarrollo y finalmente tuvo que declararse en quiebra.
Las cuentas que no cuadran
Para entender la mentalidad de todos sobre "gastar dinero", primero hay que ver los costos reales de este negocio. Pero cómo calcular las cuentas de la IA embebida es precisamente una lección que algunos emprendedores aún no han aprendido.
Una persona que ha estado en contacto prolongado con empresas de IA embebida intentó estimar los gastos reales de una empresa de la manera más simple posible.
Normalmente, abre la página de contratación de la empresa, cuenta el número de puestos en algoritmos, hardware e ingeniería, y luego calcula los costos laborales según la ubicación de la oficina, el tamaño del equipo y los salarios del mercado. Luego, observa los lanzamientos de modelos, el volumen de envíos de robots y la situación de la cadena de suministro para estimar la inversión en capacidad de cálculo, datos y hardware.
Después de sumar estas cifras, descubrió que había una brecha notable entre el consumo de efectivo previsto por muchas empresas y los costos reales que podrían ocurrir.
La mano de obra es el primer gasto ineludible. La IA embebida es altamente interdisciplinaria y tiene una demanda extremadamente alta de talento en algoritmos. En algunas ciudades clave, el salario mensual de un ingeniero de algoritmos de IA embebida común ya ronda los 50.000 yuanes (unos 6.000 euros). Algunos datos de contratación dan promedios más altos, cercanos a 63.000 yuanes (unos 7.600 euros). Incluyendo bonos anuales, seguridad social, fondos de vivienda pública y otros costos laborales, el gasto anual de un ingeniero de algoritmos experimentado fácilmente se acerca al millón de yuanes (unos 120.000 euros). Para talentos senior en aprendizaje por refuerzo, modelos del mundo, control de movimiento y hardware clave, no es raro que los salarios anuales alcancen los 2 o 3 millones de yuanes (240.000 - 360.000 euros).
Lo más emblemático es que en abril de 2026, UBTECH anunció el reclutamiento global de un "Científico Jefe de IA Embebida", ofreciendo un salario anual que comenzaba en 15 millones de yuanes (unos 1,8 millones de euros) y podía llegar hasta 124 millones de yuanes (unos 15 millones de euros). ByteDance, a través de Volcano Engine, también está reclutando un "Experto Senior en Algoritmos de Operación (IA Embebida)" con un salario mensual de 95.000 a 120.000 yuanes (11.500 - 14.500 euros). Incluso los recién graduados con doctorados sobresalientes de laboratorios prestigiosos como Tsinghua, Beida, Fudan, Jiaotong, Zhejiang, Harbin Institute of Technology, etc., generalmente obtienen salarios iniciales de 600.000 a 700.000 yuanes (72.000 - 84.000 euros) o más. Yu Hongxiang, Director General de Tecnología de Aplicación Industrial del Centro de Innovación de Robots Humanoides de Zhejiang, reveló: "Algunos compañeros recién graduados son excelentes y podrían recibir ofertas en el rango de 2 a 3 millones de yuanes (240.000 - 360.000 euros)".
Según una empresa de IA embebida con doscientas personas, el personal de I+D generalmente representa la mitad, por lo que solo los salarios del personal requerirían al menos 100 millones de yuanes (unos 12 millones de euros), y eso es solo un nivel promedio. Si el tamaño del equipo se expande, la cifra también aumentará. Una persona familiarizada con el sistema salarial de la industria nos calculó que para una empresa de IA embebida con trescientas personas, solo el costo laboral alcanzaría los 300 millones de yuanes (unos 36 millones de euros) al año.
"Anteriormente, circulaba en la industria el dicho de que una empresa líder en 'cerebro' solo gastó 100 millones de yuanes en dos años. Probablemente esto se deba a que las cuentas no estaban claras o a que el emprendedor se reservó parte de la información", dijo el inversor mencionado. "Con trescientas personas, incluso si se reduce el salario anual promedio a la mitad, el costo laboral anual sería de 150 millones de yuanes (unos 18 millones de euros)". En otras palabras, incluso si la empresa es extremadamente moderada en la contratación, mientras tenga un equipo de I+D de cierto tamaño, es difícil comprimir los costos laborales a un nivel suficientemente bajo.
Y esta demanda de talento supera con creces la oferta actual en el mercado laboral. Los datos de Zhaopin muestran que en el primer trimestre de este año, la tasa de crecimiento de puestos de trabajo en la industria robótica alcanzó el 38%. Las tasas de crecimiento para los puestos de ingeniero de robótica industrial, ingeniero de algoritmos robóticos e ingeniero de ajuste de robots fueron del 38%, 37% y 60%, respectivamente.
La oferta insuficiente también ha llevado a un aumento en los costos laborales de las empresas de IA embebida. Un ingeniero de algoritmos que pasó de una gran empresa de Internet a un unicornio de IA embebida reveló que había recibido invitaciones para tres puestos diferentes de cazatalentos, y algunas startups ofrecían aumentos salariales de hasta el 150%.
Pero los costos laborales son solo el comienzo. Lo que realmente hace que las cuentas sean confusas son los dos pozos sin fondo: la capacidad de cálculo y los datos.
Hacer algunos demos de modelos VLA grandes requiere quemar al menos entre 30 y 50 millones de yuanes (3,6 - 6 millones de euros) al año; si se quiere hacer un modelo del mundo, el consumo anual de capacidad de cálculo superaría los 100 millones de yuanes (unos 12 millones de euros). El costo de adquisición y mantenimiento de cien mil chips A100 supera fácilmente los mil millones de yuanes (unos 120 millones de euros). "Para las empresas líderes que realmente desarrollan sus propios modelos grandes y hardware, el dinero está lejos de ser suficiente", nos confesó en privado el fundador de una empresa que insiste en desarrollar sus propios modelos grandes.
Entonces, ¿sería mejor no hacer el "cerebro" embebido? Según el desarrollo actual de la industria, las barreras en aspectos como manos hábiles, materiales flexibles, articulaciones, etc., están alcanzando su punto máximo, y la industria ya considera el "cerebro" embebido como la clave para la verdadera comercialización de la IA embebida. Si no se desarrolla el cerebro embebido, por un lado, será difícil para las empresas contar una buena historia a los inversores; por otro lado, cuando el cerebro embebido madure, las empresas enfrentarán un alto riesgo de ser eliminadas.
Por supuesto, también hay jugadores como Unitree Technology que planean "coger la fruta madura" mediante adquisiciones una vez que la tecnología del cerebro embebido esté madura. Pero no todas las empresas de IA embebida pueden permitirse esperar como Unitree; la mayoría ha optado por desarrollar su propio "cerebro".
Y los datos son otro monstruo devorador de oro. Un dato comúnmente citado en la industria es que para lograr un cerebro de robot humanoide con capacidad general se necesitan al menos un millón de horas de datos de alta calidad. El costo de un robot para recopilar datos es de aproximadamente 200.000 yuanes (unos 24.000 euros), con una vida útil de unas mil horas, y un costo laboral de unos 120 yuanes (unos 14,5 euros) por hora. Los datos de alta calidad de robots reales representan solo alrededor del 20%. Una estimación aproximada sitúa el costo por hora de datos efectivos en unos 1.600 yuanes (unos 190 euros). Un millón de horas de datos efectivos implican una inversión de unos 1.600 millones de yuanes (unos 190 millones de euros).
Pero la realidad es mucho más cruel que las cifras en papel.
El fundador de una empresa líder una vez "se le escapó" en una comunicación no pública: el costo de comprar y recopilar datos, un millón de horas probablemente requiere entre 100 y 200 millones de yuanes (12 - 24 millones de euros), y el costo de entrenar estos datos es aproximadamente diez veces el de la recopilación. Lo que genera más ansiedad es la calidad de los datos. Una fuente interna de la industria, Xu Qing (seudónimo), reveló que de diez mil horas de datos reales recopilados, a menudo solo decenas o cientos de horas son realmente útiles para el entrenamiento del modelo.
"Si es una tarea muy compleja, quizás solo unas decenas de horas; si es un escenario un poco más simple, quizás de doscientas a trescientas horas." Considera que "gastar decenas de millones para recopilar cien mil horas de datos solo mejora la capacidad del modelo en un 5%".
Esto significa que más del 99% del costo de recopilación podría ser un costo hundido.
Zheng Sipeng, socio de Zhizai Wujie, calculó una cuenta más detallada en público: el costo de recopilar 30 segundos de datos de un robot real oscila entre 10 y 15 yuanes (1,2 - 1,8 euros), acumular 1 hora de datos de robot real cuesta alrededor de 1.000 yuanes (120 euros), y si se completa el entrenamiento previo con un millón de horas de datos de robot real, el costo de inversión alcanzará el orden de los mil millones de yuanes (unos 120 millones de euros).
Lo más sorprendente es que la distribución de valor en la cadena de recopilación de datos está seriamente desequilibrada. Se dice que la mayoría del personal de primera línea en recopilación de datos gana solo entre diez y varias decenas de yuanes por hora, pero los datos que recopilan se venden a empresas de IA embebida a un precio de 300 a 500 yuanes (36 - 60 euros) por hora. El eslabón más arduo de la recopilación recibe menos, y el eslabón intermedio que menos valor crea recibe más.
Además de los datos, está el hardware.
El costo de materiales de un robot humanoide de gran tamaño se estima comúnmente en la industria entre 150.000 y 200.000 yuanes (18.000 - 24.000 euros). Si una empresa produce 500 prototipos o productos a pequeña escala, solo los materiales de hardware pueden acercarse a los 100 millones de yuanes (unos 12 millones de euros). Esto no incluye los costos de moldes, pruebas, retrabajo, almacenamiento y servicio posventa, ni los productos que no pasan la inspección.
Una vez que el dinero entra en estos eslabones, es difícil explicarlo completamente. Todas estas cifras juntas probablemente forman un dilema sin una respuesta estándar.
Un inversor recuerda que en otras industrias, al menos se puede verificar la situación operativa de una empresa cruzando ingresos, inventario, clientes y estados de cuenta bancarios, para determinar cuándo aumentar la inversión o reducir la línea de batalla. Lo que se obtiene a cambio del dinero gastado puede anticiparse en gran medida. Pero la IA embebida es completamente diferente; los activos clave de la empresa a menudo permanecen en el proceso de I+D. Los caminos efectivos del pasado ahora son inútiles.
Esto también explica por qué algunas personas inteligentes que obtuvieron enormes sumas de financiación colectivamente pierden el juicio al gastar. Ahora parece que aún no hay consenso en la industria sobre cuánto costará realmente la IA embebida (mano de obra, capacidad de cálculo, datos) y si habrá grandes gastos en el futuro.
¿A dónde va realmente el dinero?
Sobre el tema de gastar dinero, no solo están confusos algunos emprendedores de la industria de la IA embebida, sino también quienes les invierten el dinero.
Algunos emprendedores han notado que en el proceso de financiación de 2026, cada vez más inversores preguntan: ¿Cuánto ha gastado realmente la empresa en los últimos seis meses y en qué se ha gastado?
Obtener una respuesta estándar es relativamente fácil. "En la industria, básicamente hay un discurso fijo para esto", dijo un inversor. En la versión de los emprendedores, cada ítem tiene una proporción clara. Pero el problema es que, al igual que los costos no pueden aclararse, estas cifras también son difíciles de verificar en detalle, y los accionistas externos tienen dificultades para juzgar con precisión.
"¿Puedes creer que los inversores de una empresa líder básicamente no saben a dónde va el dinero? Completamente no lo saben.", reveló una persona familiarizada con la situación interna. "Algunos inversores, una vez que invierten, no se involucran más, especialmente algunos accionistas minoritarios que no pueden acceder a la situación financiera real de la empresa."
Un ejemplo es el de una pequeña empresa que estaba a punto de completar una financiación de 20 a 30 millones de yuanes (2,4 - 3,6 millones de euros), con el proceso de inversión cerca de finalizar. El responsable financiero, al enviar materiales a los inversores, por error envió otro conjunto de cuentas internas. Después de que los inversores las revisaran, la financiación se detuvo de inmediato.
El exterior no puede confirmar si este envío erróneo fue un error de trabajo o intencional por parte del personal financiero. Lo que realmente alertó a los inversores fue que si ese correo no se hubiera enviado por error, quizás nunca habrían visto la diferencia entre los dos conjuntos de cifras.
¿Por qué una empresa que desarrolla modelos grandes de IA embebida no se atreve a admitir cuánto gasta? La respuesta no es complicada: si el efectivo restante en la cuenta es demasiado abundante, podría afectar la siguiente ronda de financiación; pero si admite que quema cientos de millones al año, significa que ese dinero solo durará unos meses y debe financiarse continuamente, lo que socavaría enormemente la confianza de los inversores.
En la industria de la IA embebida, todos deben contar una historia de "puedo sobrevivir mucho tiempo".
Pero incidentes similares han llevado a algunas instituciones de inversión a cambiar su forma de gestionar las inversiones. Desde este año, de vez en cuando llegan noticias de la industria: las instituciones de inversión más fuertes ya han comenzado a enviar personal a las empresas en las que invierten. En el pasado, las instituciones normalmente enviaban directores u observadores a reuniones importantes, escuchaban informes operativos periódicamente y rara vez intervenían directamente en las finanzas diarias. Ahora, algunos inversores han enviado personal financiero, de auditoría e incluso de prevención de fraudes a empresas de IA embebida para inspeccionar a largo plazo las compras, reembolsos y transacciones relacionadas.
Incluso hay casos más extremos. Hay una empresa de IA embebida especializada en logística donde una gran proporción del equipo financiero son personal enviado por los inversores que trabaja in situ, y casi todos sus gastos requieren la confirmación y revisión de los inversores. "Incluso algunas compras de artículos de oficina deben ser revisadas por el personal financiero de los inversores antes de proceder", dijo una vez el responsable de esta empresa.
Un inversor dijo que su mayor preocupación no es solo que los emprendedores gasten a lo grande, sino que tras la rápida expansión de la escala de financiación, surjan nuevos espacios de interés dentro de la empresa. El desarrollo de robots involucra chips, sensores, servidores, componentes, servicios de datos y pruebas externas, con una gran cantidad de proveedores y precios que carecen de un estándar unificado. Para el mismo servicio, diferentes empresas pueden ofrecer precios que difieren varias veces.
Cuando las compras tecnológicas carecen de precios de mercado públicos, es difícil para los inversores distinguir entre una prima razonable y un tráfico de influencias. Por lo tanto, algunas instituciones de inversión han comenzado a combinar la revisión financiera con la revisión técnica.
Esta preocupación no es infundada. Anteriormente, los medios informaron que una empresa líder de IA embebida, en su camino hacia la OPI, introdujo bancos de inversión y firmas de contabilidad para asesoramiento financiero. Durante la auditoría, los ingresos se redujeron a la mitad porque cerca de la mitad eran de baja calidad, pertenecientes a transacciones relacionadas e ingresos fragmentarios. Más alarmante aún es que ya han aparecido transacciones de datos del tipo "mano izquierda a mano derecha" en la industria: las empresas venden robots a centros de recopilación de datos, reciben el dinero y luego compran datos a esos mismos centros.
Así, el dinero finalmente gira en un ciclo industrial vacío.
Este cambio no ha hecho que la relación entre inversores y emprendedores sea más fácil. El núcleo del debate entre ambas partes ha pasado gradualmente de "gastar o no gastar" a "quién tiene derecho a decidir cómo gastar".
Durante el período más activo del emprendimiento en Internet, el capital y los emprendedores formaron una forma de cooperación relativamente madura. Después de obtener dinero, las empresas expandían equipos, compraban tráfico, subsidiaban usuarios y luego usaban datos de crecimiento para obtener la siguiente ronda de financiación. Incluso si al final no había ganancias, los inversores podían juzgar si el dinero había tenido efecto a través de nuevos usuarios, tasas de retención, volumen de transacciones y participación de mercado.
La IA embebida carece de un sistema de referencia similar. La conducción autónoma pasó por un período similar de intensidad de capital, pero los vehículos, las pruebas en carretera y los hitos de producción eran relativamente claros. Las empresas de modelos grandes también necesitan una enorme capacidad de cálculo, pero los productos de software pueden llegar a los usuarios más rápidamente. La IA embebida debe soportar simultáneamente la presión del hardware, algoritmos, datos y entrega de escenarios, cualquiera de los cuales puede consumir efectivo continuamente.
Nos enteramos de que algunas instituciones están intentando reemplazar los simples límites anuales con objetivos por etapas. Después de que una empresa complete una ronda de verificación técnica, puede iniciar la siguiente inversión en capacidad de cálculo; y solo después de que el producto alcance indicadores de estabilidad, se procede a una producción a mayor escala. Además, además de las horas de recopilación de datos, también se verifica la tasa efectiva y la mejora del modelo.
Este método puede reducir parte del gasto ineficaz, pero aún no resuelve todos los problemas. La I+D en IA embebida tiene una gran incertidumbre; un entrenamiento fallido no necesariamente carece de valor. Si los inversores solo premian los resultados exitosos, los emprendedores pueden inclinarse por proyectos fáciles de mostrar y de menor riesgo.
Un problema más realista es que no todos los inversores tienen suficiente motivación para profundizar en la empresa.
Un entrevistado dijo que algunos accionistas minoritarios solo poseen del 2% al 3% de las acciones y es difícil obtener información operativa completa. Otros inversores, después de completar la inversión, están más interesados en la siguiente ronda de financiación y la transferencia de acciones antiguas, sin rastrear continuamente las finanzas y la I+D de la empresa. Si la valoración de la industria continúa aumentando, incluso si la empresa tiene problemas operativos, los inversores iniciales aún podrían salir a través de la siguiente transacción.
Por ejemplo, en mayo de 2026, la empresa cotizada Hangzhou Kelin anunció su intención de adquirir hasta el 41,57% de las acciones de Kepler Robotics por no más de 300 millones de yuanes (unos 36 millones de euros). Pero el mercado pronto descubrió que Hu Debo, CEO de Kepler, ya había dejado oficialmente su cargo en febrero de 2026 y en abril registró una nueva empresa, "Suota Wujie", dedicándose al desarrollo del "cerebro" de IA embebida. Más interesante aún, Kepler reveló que Hu Debo ya no era CEO desde junio de 2025, solo responsable de ventas y marketing, y la empresa canceló sus incentivos de acciones. La partida de un cofundador en vísperas de la adquisición de la empresa, con una valoración que se redujo de 1.060 millones de yuanes (unos 128 millones de euros) hace medio año a 720 millones de yuanes (unos 87 millones de euros), este drama de "venta" está lleno de juegos difíciles de explicar entre el equipo fundador y el capital.
Esto ha creado un peligroso desajuste en la industria de la IA embebida: mientras el capital siga entrando, muchos problemas pueden posponerse, y una vez que la velocidad de financiación se ralentice, se expondrán simultáneamente las brechas entre producto, ingresos y consumo de efectivo.
Un inversor experimentado cree que el verdadero punto de inflexión puede comenzar a aparecer en la segunda mitad de 2026. Las empresas líderes aún podrán obtener grandes sumas de dinero, pero el espacio de supervivencia para las pequeñas y medianas empresas que no han completado la ronda B de financiación y no tienen pedidos estables se reducirá rápidamente.
Pero el capital no parece querer marcharse por ahora.
Un inversor y sus colegas calcularon el volumen de fondos para la segunda mitad del año. Enfatizó que esto era solo una estimación "a ojo de buen cubero", no una estadística rigurosa: con más fondos a largo plazo entrando en el mercado de inversión nacional, los nuevos fondos en la segunda mitad del año podrían alcanzar los 500.000 millones de yuanes (unos 60.000 millones de euros).
La IA embebida seguirá siendo un área clave para las instituciones de inversión, porque en su opinión, la industria china de IA embebida tiene una cadena de suministro completa, un sistema de ingenieros y capacidad de fabricación, siendo una de las pocas áreas tecnológicas con la oportunidad de avanzar a nivel global.
Esto significa que la industria probablemente no se enfríe inmediatamente debido a algunos casos de fracaso. Seguirá entrando más dinero, y las empresas que ya obtuvieron financiación podrían continuar elevando el tamaño de la siguiente ronda.
Ahora parece que la industria de la IA embebida resolvió en los últimos años el problema de tener o no dinero. A continuación, debe enfrentar una pregunta más difícil: cuando fondos que superan con creces la capacidad operativa actual de la empresa entran en su cuenta, ¿quién decide a qué velocidad y en qué dirección deben gastarse?
Cuando cada vez más dinero fluye en la industria, esta asignatura sobre gastar dinero solo se volverá más urgente.
(Por Leo Zhang, ToB Zatan | Autor: Zhang Shenyu | Editor: Yang Lin)
