Autor: Wall Street Insights
Los modelos de IA a gran escala de China se encuentran en un punto de inflexión histórico. Goldman Sachs considera que el rendimiento inteligente de los modelos chinos de código abierto o de pesos abiertos ya se acerca al de los modelos propietarios de élite mundial, y que su adopción por parte de empresas chinas y pymes globales se está expandiendo rápidamente, formando así un efecto flywheel de datos que impulsará aún más la iteración y mejora de los modelos.
Según el escritorio de negocios de seguimiento de tendencias, el último informe de Goldman Sachs señala que esta trayectoria de evolución puede resumirse como "desde el momento de eficiencia en costes de DeepSeek el año pasado, hasta el momento de inteligencia del modelo GLM de Zhipu este año". El equipo liderado por el analista Ronald Keung de Goldman Sachs evalúa sistemáticamente en este informe de 50 páginas cuatro cuestiones clave: cómo los modelos de IA chinos logran alto rendimiento a bajo coste, por qué eligen la ruta de código abierto y cómo monetizar, dónde está el mercado direccionable principal y quiénes serán los ganadores a largo plazo.
En cuanto al juicio sobre el panorama competitivo, Goldman Sachs propone un "marco de posicionamiento competitivo" basado en la capacidad de fijación de precios, la ventaja en costes y la fortaleza financiera, y en base a ello determina que, en el campo de los modelos de texto básico, Zhipu (primera cobertura) y DeepSeek (no cotizadas) tienen el posicionamiento más fuerte; en el campo multimodal, ByteDance (no cotizada) lidera. Goldman Sachs también mantiene sus calificaciones de compra para MiniMax y Kuaishou.
Lograr mucho con poco, la eficiencia es la clave
Los modelos a gran escala chinos pueden lograr un rendimiento cercano al de sus homólogos estadounidenses con un coste mucho menor, lo cual se debe a una doble ruptura: innovación arquitectónica y eficiencia de parámetros.
El informe de Goldman Sachs señala que la escala de parámetros de los modelos chinos de código abierto oscila generalmente entre 200 y 1,6 billones, lo que representa solo entre el 2% y el 10% de los modelos de élite globales, debido principalmente al acceso limitado a capacidades de computación de alta gama. Mientras tanto, innovaciones como la arquitectura Mixture of Experts (MoE) y mecanismos de atención dispersa hacen que la proporción de parámetros realmente activados sea solo del 3% al 5% del total, reduciendo drásticamente los costes de entrenamiento e inferencia.
A nivel de modelos específicos, DeepSeek V4 Pro tiene 1,6 billones de parámetros, Zhipu GLM5.2 tiene 0,7 billones y MiniMax M3 tiene 0,4 billones.
Goldman Sachs atribuye el reciente salto en la capacidad de programación de los modelos chinos a la acción conjunta de factores como la selección de datos, el entrenamiento posterior con aprendizaje por refuerzo, etc. El 27 de junio, DeepSeek lanzó el marco de decodificación especulativa DSpark, ya desplegado en sus servicios en línea V4-Flash y V4 Pro, que aumenta la velocidad de generación por usuario entre un 60% y un 85% (V4-Flash) y entre un 57% y un 78% (V4 Pro) sin cambiar los pesos del modelo o la calidad de la salida.
LongCat 2.0, lanzado por Meituan el 30 de junio, es considerado por Goldman Sachs como un hito importante en la autonomía de la infraestructura de IA china: es el primer modelo MoE de código abierto con 1,6 billones de parámetros entrenado y desplegado completamente basado en 50.000 tarjetas de computación nacionales. Goldman Sachs cree que esto demuestra la viabilidad de una pila de hardware localizada en la fase intensiva en computación del preentrenamiento, con un profundo significado para que los modelos de IA chinos se liberen de la dependencia de chips extranjeros de alta gama.
Mercado polarizado, los fuertes se fortalecen
Goldman Sachs describe el mercado chino de modelos de IA como una "estructura de doble capa" en formación, e identifica dos cuadrantes de maximización de ARR.
En el mercado de alta gama, los modelos de élite representados por Zhipu GLM5.2 y Alibaba Qwen3.7 Max tienen un precio de alrededor de 1 dólar por millón de tokens, cinco veces el de los modelos de gama baja, con un margen bruto de inferencia estimado por Goldman Sachs en aproximadamente un 10%-20%. En comparación, los modelos de élite estadounidenses tienen un precio de 4 a 8 dólares por millón de tokens, por lo que los modelos chinos de alta gama solo cuestan entre el 10% y el 25%, pero gracias a una menor proporción de activación de parámetros, aún pueden mantener márgenes brutos positivos.
En el mercado de gama baja, los modelos orientados a tareas de agentes tienen precios tan bajos como 0,06 a 0,2 dólares por millón de tokens, abriendo mercados de pymes globales y usuarios individuales sensibles al precio. Entre el 60% y el 70% de los ingresos de MiniMax provienen del extranjero. Es de destacar que DeepSeek anunció que, desde mediados de julio, introducirá un mecanismo de precios pico-valle para la serie V4, siendo la tarifa en horas pico el doble que en horas no pico, con un precio mixto de aproximadamente 0,35 dólares por millón de tokens (V4 Pro) y 0,12 dólares (V4 Flash).
Goldman Sachs predice que los ingresos por API y suscripciones de los modelos de IA chinos crecerán desde los 35.000 millones de RMB estimados para 2026 hasta 879.000 millones de RMB en 2030, correspondiendo a un consumo diario de tokens que pasará de 35 billones a 460 billones, un aumento de aproximadamente 25 veces.
Estrategia de código abierto: penetración amplia, camino de monetización por mejorar
El informe de Goldman Sachs detalla la lógica estratégica detrás de la adopción generalizada de la ruta de código abierto/pesos abiertos por parte de los modelos de IA chinos y sus limitaciones de monetización.
Las ventajas centrales de la estrategia de código abierto son la flexibilidad de despliegue y el ecosistema comunitario. Las series Qwen de Alibaba, DeepSeek, Zhipu GLM y MiniMax M3 adoptan el enfoque de código abierto o pesos abiertos, siendo el modelo Seed de ByteDance la principal excepción al seguir una ruta propietaria completamente cerrada. El modelo de código abierto permite el despliegue flexible tanto dentro como fuera de China continental y acelera la iteración a través de comentarios de la comunidad.
Sin embargo, Goldman Sachs señala que es muy probable que las cifras de ARR reportadas por las empresas de modelos de código abierto subestimen gravemente la escala real de despliegue y el potencial de ingresos. Tomando como ejemplo a Zhipu, su objetivo de ARR para finales de 2026 es de 10.000 millones de dólares, pero el despliegue real global de GLM5.2 será mucho mayor que el volumen de tokens e ingresos del canal de API propio de Zhipu: la plataforma MaaS Alibaba Cloud Bailian puede alojar directamente el modelo de código abierto GLM5.2 sin pagar ninguna tarifa a Zhipu.
Goldman Sachs espera que la industria migre gradualmente del código abierto puro (licencia MIT, completamente gratuita) a un modelo de "pesos abiertos + licencia comunitaria": es decir, el uso comercial requiere firmar un acuerdo de reparto de ingresos con la empresa del modelo. La serie M de MiniMax ya ha adoptado este modelo. Goldman Sachs cree que este cambio mejorará significativamente la economía unitaria de las empresas de modelos de IA, ya que podrán beneficiarse de acuerdos de reparto de ingresos con plataformas como AWS Bedrock y Alibaba Cloud Bailian, sin tener que asumir ellos mismos el coste de la capacidad de computación para la inferencia.
De "maximizar tokens" a priorizar el ROI
Goldman Sachs califica la expansión en los mercados internacionales como el espacio de crecimiento más importante para los modelos de IA chinos, especialmente en mercados fuera de EE.UU.
El equipo de investigación de EE.UU. de Goldman Sachs estima que para 2030, la IA de agentes impulsará un crecimiento de 24 veces en el consumo global de tokens, alcanzando 120 mil billones (1,2 x 10^17) de tokens por mes, de los cuales los agentes empresariales contribuirán con un crecimiento de 55 veces y los agentes de consumo con 12 veces. En los mercados globales (fuera de China), los modelos de IA chinos ya han logrado un crecimiento significativo en la cuota de tokens gracias a la mejora del rendimiento y la ventaja en precios.
El informe de Goldman Sachs señala que el paradigma de uso de IA en las empresas globales está experimentando un cambio fundamental desde "maximizar tokens" hacia "priorizar el ROI". El primero prevaleció desde finales de 2025 hasta principios de 2026, cuando las empresas equiparaban un alto consumo de tokens con productividad organizativa; el segundo se enfoca más en límites claros de tareas, número diario de agentes activos, automatización de procesos backend y resultados tangibles. Un estudio de tendencias de ingeniería de IA de Jellyfish muestra que los usuarios intensivos de IA en las empresas consumen 10 veces más tokens, pero su producción solo aumenta 2 veces.
A nivel de canales, tanto la plataforma Gemini Enterprise Agent Platform de Alphabet como AWS Bedrock de Amazon ya ofrecen servicios de alojamiento para modelos de IA chinos como DeepSeek, MiniMax, Moonshot, GLM y Qwen. Según un informe del Wall Street Journal, el CEO de Microsoft declaró recientemente que Microsoft está considerando alojar una versión de DeepSeek en Copilot como un modelo de bajo coste opcional, y enfatizó que, de alojar a DeepSeek, el modelo se ejecutaría dentro del ecosistema en la nube de Microsoft, garantizando que los datos de los clientes permanezcan dentro de Azure.
¿Quiénes serán los ganadores a largo plazo?
Goldman Sachs construye un marco de posicionamiento competitivo tridimensional para evaluar cuantitativamente la probabilidad de éxito a largo plazo de cada participante, con la fórmula central: escala de ARR × ventaja de margen bruto + fortaleza financiera.
La capacidad de fijación de precios examina la velocidad de lanzamiento (comparación con modelos anteriores y del mismo nivel), la puntuación en la arena LMArena (basada en evaluaciones de usuarios a gran escala y a ciegas) y el nivel de precios mixto por millón de tokens.
La ventaja de costes examina el rendimiento (tokens por segundo), la tasa de acierto de caché, la proporción de activación de parámetros y el margen bruto de inferencia. La fortaleza financiera examina el efectivo disponible, la proporción de efectivo neto sobre activos totales y los múltiplos de valoración.
En el campo de los modelos de texto básico, Goldman Sachs determina que Zhipu (primera cobertura, calificación neutral, valoración objetivo de 1,1 billones de dólares) y DeepSeek (no cotizada) tienen el posicionamiento más fuerte, destacando ambas en capacidad de fijación de precios y ventaja de costes. La valoración implícita total de las empresas independientes de modelos de IA supera los 2 billones de dólares.
En el campo multimodal/generación de vídeo, ByteDance lidera con Seedance. Según informes de LatePost y 36Kr, Seedance tiene un margen bruto de hasta el 70% y su ARR anualizado ya supera los 20.000 millones de dólares. Kuaishou Kling y los modelos Hailuo de MiniMax / el próximo modelo H3 también son vistos con buenos ojos por Goldman Sachs, que espera que en la segunda mitad de 2026 se beneficien de la integración de la generación de vídeo y LLM, y de la escasez de oferta que genera precios saludables.
Goldman Sachs mantiene su calificación de compra para MiniMax con un precio objetivo de 860 HKD, argumentando que su modelo M3 se encuentra en el cuadrante de maximización de ARR con alto volumen de tokens y precios atractivos, y que su valoración actual es solo 13 veces el ARR estimado a finales de 2026, mostrando un descuento significativo frente a los múltiplos de valoración de empresas chinas y globales comparables, con un perfil riesgo/beneficio sesgado al alza.
