DeepSeek on Korea Invest Insights

¿Es sostenible el precio de las API de IA chinas? Verificando la estructura de costes con las divulgaciones

Sat, 18 Jul 2026 11:00:00 +0900

Contexto Este artículo es la continuación de Lo que realmente cambia la convergencia de los modelos abiertos chinos. Si el artículo anterior abordó las implicaciones para la cadena de valor de esa convergencia de rendimiento, este verifica con las divulgaciones de Hong Kong si esas API baratas son sostenibles en su estructura de costes. Conviene leerlo junto con Kimi K3 redefine la curva de precios de la IA y El verdadero debate entre el argumento alcista y bajista de los semiconductores. Los hubs relacionados son el Hub de IA y HBM y el Hub de Exclusive Analysis.

TL;DR

El precio actual de las API de IA chinas es una mezcla de costes estructuralmente más bajos y competencia estratégica a pérdida. Es difícil que todos los precios ultrabajos se mantengan, y también es difícil que vuelvan al nivel de la frontera estadounidense.
Las divulgaciones de Hong Kong dividen la respuesta. El margen bruto de la API de Zhipu mejoró a 18,9% (frente al 3,3% del año anterior), lo que indica que empieza a superar el coste marginal de inferencia. Pero el beneficio bruto total equivale a solo 9,3% del I+D, por lo que el coste completo no se recupera.
La ventaja de costes de China es real, pero no se debe a los chips de Huawei ni a la electricidad barata. El orden es estructura del modelo y reducción de parámetros activos > procesamiento por lotes, caché y cuantización > utilización de GPU en la nube > márgenes objetivo bajos > electricidad y NPU nacional.
Incluso sobrestimando el efecto de la electricidad, este se queda en apenas un 2% del precio del cómputo. El hecho de que Qwen 3.5 Flash tenga el mismo precio en Pekín, Fráncfort y Virginia respalda esta conclusión.
A diferencia de los vehículos eléctricos, los modelos de IA tienen costes de cambio bajos. Si aparece un ganador que se lo lleva todo, no será en el modelo, sino en la capa de nube y distribución. La vía más probable es un oligopolio de precios bajos (60%). [Alcance]

Marco clave

Los precios bajos de las API chinas no se deben a que ya sean un precio normal autosuficiente, sino a que la mejora de la eficiencia de inferencia y una enorme captación de capital los sostienen juntos. Esto presiona el margen de las API de los operadores de modelos occidentales, pero como el capital captado vuelve a entrenamiento e infraestructura de cómputo, no implica una caída de la demanda total de semiconductores.

1. ¿Cuánto más barato es?

Precios por millón de tokens a julio de 2026. [Hecho: tablas de precios oficiales de cada empresa]

Modelo	Entrada	Salida
DeepSeek V4 Flash	0,14 USD	0,28 USD
DeepSeek V4 Pro	0,435 USD	0,87 USD
Gemini 3.5 Flash	1,50 USD	9 USD
GPT-5.6 Sol	5 USD	30 USD

DeepSeek V4-Pro es aproximadamente 11 veces más barato que GPT-5.6 Sol en entrada y 34 veces más barato en salida. Por supuesto, esto no significa que el rendimiento, la latencia, el SLA, la seguridad y el nivel de herramientas sean equivalentes.

La dispersión de precios también es amplia dentro de China

Qwen 3.7 Max: RMB 12 de entrada, RMB 36 de salida, actualmente con 50% de descuento
Doubao Seed 2.1 Pro: RMB 6 de entrada, RMB 30 de salida
DeepSeek V4-Pro: mucho más agresivo que sus rivales chinos

Por eso no hay que tomar el precio de DeepSeek como el precio normal de toda China. [Inferencia: interpretación de la dispersión de precios]

2. La parte sostenible: el coste marginal

DeepSeek V4-Pro es una arquitectura MoE que activa solo 49.000 millones de sus 1,6 billones de parámetros totales. Combinando una alta tasa de utilización con procesamiento por lotes y caché, el coste de cómputo real por token puede reducirse considerablemente. El precio de un acierto de caché para entradas repetidas es de apenas 0,003625 USD por millón de tokens. [Hecho: material oficial de DeepSeek]

Por eso, para el siguiente tipo de tráfico, incluso el precio actual puede ser sostenible en términos de coste marginal.

Procesamiento por lotes
Aciertos de caché
Tráfico sin garantía de latencia
Uso masivo capaz de mantener una alta tasa de utilización

3. La parte difícil de sostener: el coste completo

Con los precios públicos actuales, es difícil recuperar el coste de entrenamiento del modelo, el I+D, los experimentos fallidos, la capacidad ociosa, y la seguridad, las ventas y el SLA empresarial.

La normalización de precios ya ha comenzado. [Hecho: medidas y cobertura de cada empresa]

DeepSeek bajó el precio de V4 un 75% y luego duplicó el precio en las horas pico
Alibaba también subió el precio de algunos servicios de IA hasta 34%
El rendimiento dedicado empresarial y los servicios de baja latencia tienen precios más altos que la API pública

Es una prueba de que el precio ultrabajo no se mantiene en todas las franjas horarias ni para todos los segmentos de clientes.

Servicio	Sostenibilidad
Tráfico de caché, por lotes y no prioritario	Alta
Horas pico, baja latencia, alta concurrencia	Baja
Seguridad y SLA empresarial	Se asienta una tarifa separada y más alta
Recuperación del coste completo del negocio de API independiente	Difícil con los precios actuales

4. Verificación con las divulgaciones: Zhipu y MiniMax

A partir de aquí está el núcleo de este artículo. En lugar de especular, esto se puede confirmar con las divulgaciones de las empresas que cotizan en Hong Kong.

2025	Zhipu (02513)	MiniMax (00100)
Ingresos	RMB 724 millones	79,04 millones de USD
Proporción de ingresos de API/plataforma	26,3%	32,8%
Margen bruto de API o de toda la empresa	API 18,9%	Empresa 25,4%
Margen bruto del año anterior	API 3,3%	Empresa 12,2%
I+D / Ingresos	439%	320%
Pérdida neta ajustada / Ingresos	439%	317%
Beneficio bruto / I+D	9,3%	7,9%

[Hecho: resultados 2025 de Zhipu, informe anual 2025 de MiniMax]

Zhipu: la recuperación del coste marginal está confirmada

Los ingresos de API y plataforma abierta pasaron de RMB 48,48 millones a RMB 190,4 millones, un aumento del 293%, y el margen bruto también subió de 3,3% a 18,9%. La empresa atribuyó esto a la eficiencia de inferencia, las economías de escala y las subidas de precio.

Hay un hecho más importante todavía. A marzo de 2026, aunque subió el precio de la API un 83% respecto a finales del año anterior, la demanda superó a la oferta. El precio oficial actual de GLM-5 es RMB 4 de entrada y RMB 18 de salida por millón de tokens. Todo indica que las API de gama alta han dejado atrás la estructura de dumping por debajo del coste directo de inferencia. [Inferencia: implicación de la subida de precios y el exceso de demanda]

MiniMax: alta probabilidad, pero sin confirmar

No ha revelado el margen bruto exclusivo de la API. El margen bruto de toda la empresa mejoró de 12,2% a 25,4%, y la empresa lo atribuyó a la eficiencia del modelo y del sistema, y a la optimización de la asignación de infraestructura.

El precio actual de M2.5 es 0,30 USD de entrada y 1,20 USD de salida por millón de tokens, y la versión de alta velocidad es 0,60/2,40 USD. Sin embargo, como M2.5 se lanzó en 2026 y los resultados divulgados solo llegan hasta 2025, la relación de costes exclusiva de la API a los precios actuales todavía no está verificada. [Bloqueado]

El coste completo no se recupera en ninguna de las dos empresas

El beneficio bruto total de Zhipu, RMB 297 millones, cubre apenas el 9,3% de su I+D de RMB 3.180 millones. MiniMax tampoco: su beneficio bruto de 20,08 millones de USD cubrió solo el 7,9% de su I+D de 253 millones de USD, y su salida de caja operativa fue de 280 millones de USD.

Los servicios que MiniMax compró al grupo Alibaba en 2025 sumaron 75,88 millones de USD, el 96% de sus ingresos. Es una cifra que mezcla nube para entrenamiento y para servicio, así que no se puede tomar directamente como el coste de la API, pero es evidencia de una alta dependencia de infraestructura de cómputo externa. Alibaba posee el 17,06% de MiniMax.

Un punto importante es que las divulgaciones afirman que las transacciones con partes relacionadas se realizaron según los precios y condiciones públicos ofrecidos a los clientes generales. Se puede reconocer que la relación estratégica facilitó el aseguramiento de capacidad y la integración, pero no hay base para afirmar que existió un subsidio de precios oculto. [Inferencia: interpretación del texto de la divulgación]

Incluso después de cotizar, Zhipu captó de forma neta HK$31.375 millones, y MiniMax, entre acciones nuevas y bonos convertibles, un total de HK$15.957 millones. La mayor parte del capital captado se destina a I+D e infraestructura de cómputo. La captación de capital en sí no es prueba de pérdidas en la API, pero indica que la competencia de modelos de frontera no se sostiene solo con caja interna. [Hecho: divulgaciones]

Veredicto

Sostenibilidad del coste marginal de las API de pago de gama alta: en Zhipu está confirmada; en MiniMax, alta probabilidad pero sin confirmar
Sostenibilidad del coste completo, incluido el entrenamiento: no se cumple en ninguna de las dos empresas
Sostenibilidad de la guerra de precios: alta. La captación de capital en los mercados permite mantener precios deficitarios durante mucho tiempo
Estructura de mercado: más que un ganador que se lo lleva todo, es probable un oligopolio por segmento, como Zhipu en empresas chinas y on-premise, y MiniMax en el extranjero, consumidores y multimodal

5. Descomponiendo la ventaja de costes: ¿cuál es la razón real?

La ventaja de costes de China en el servicio de API es real. Pero la clave no es solo la electricidad barata o los chips de Huawei, sino la siguiente combinación.

Parámetros activos reducidos y cuantización
+ Alta tasa de procesamiento por lotes y uso de caché
+ Utilización de GPU en una nube a gran escala como la de Alibaba
+ Márgenes objetivo bajos
+ Electricidad barata del oeste de China

Factor	Ventaja de costes	Evaluación
Estructura del modelo, cuantización y caché	Muy grande	El núcleo de la competitividad de precios de las API chinas
Escala y utilización de la nube	Grande	El foso más sólido de Alibaba
Márgenes objetivo bajos	Grande	La razón de los precios bajos, pero una debilidad para la rentabilidad a largo plazo
Huawei Ascend	Medio, condicional	Favorable en cargas de trabajo optimizadas, baja versatilidad
Electricidad del oeste de China	Medio	Válido para inferencia por lotes, limitado para API globales en tiempo real
Subsidios estatales y financiamiento de política	Existe	Favorable para el fomento industrial, pero el monto por servicio no es transparente

6. ¿Es la electricidad realmente decisiva?

Es cierto que la electricidad china es barata. El precio de la electricidad entregada en el centro de datos de Zhongwei, en Ningxia, es de RMB 0,36/kWh en 2026, alrededor del 45% del nivel del este de China. El promedio industrial de Estados Unidos en 2025 fue de 8,62 centavos/kWh, lo que equivale a aproximadamente RMB 0,62/kWh suponiendo un tipo de cambio de 7,2 RMB/USD. Zhongwei es alrededor de 42% más barato. [Hecho: datos de gobiernos locales chinos, EIA de Estados Unidos]

Pero la electricidad por sí sola no explica que el precio de la API sea 5 o 10 veces más barato. Si se sobrestima el efecto de la electricidad, asumiendo una carga de TI de 1kW por tarjeta y un PUE de 1,1, el resultado es el siguiente.

Zhongwei: 1kW × 1,1 × RMB 0,36 = RMB 0,40/hora
Promedio EE. UU.: 1kW × 1,1 × RMB 0,62 = RMB 0,68/hora
Diferencia: aprox. RMB 0,29/hora

Dado que el precio on-demand de la L20 que ofrece Alibaba es de RMB 14,4/hora, incluso bajo este supuesto de límite superior, la diferencia de electricidad representa alrededor del 2% del precio del cómputo. [Inferencia: cálculo propio]

Esto significa que la electricidad es importante, pero no es la principal responsable de la brecha de precios de las API.

El contraargumento decisivo

La ventaja de la electricidad del oeste encaja bien con la inferencia y el entrenamiento por lotes, pero las API de baja latencia deben desplegarse en regiones del este o del extranjero, cerca del usuario. Y el precio de Qwen 3.5 Flash de Alibaba es idéntico no solo en Pekín, sino también en Fráncfort y Virginia: 0,029 USD de entrada y 0,287 USD de salida por millón de tokens. [Hecho: tabla de precios de Alibaba Model Studio]

Es la evidencia más directa de que el precio bajo de las API no es solo resultado de la electricidad china. [Inferencia: implicación de la paridad de precios entre regiones]

7. El verdadero foso de Alibaba es la utilización

Alibaba Cloud es fuerte no tanto por la electricidad como por su capacidad de mantener las GPU siempre ocupadas. [Hecho: documentación oficial de Alibaba]

Inferencia por lotes: 50% de descuento sobre el precio de lista
Instancias spot L20: desde RMB 14,4 on-demand hasta cerca de RMB 2,88 habitualmente, un ahorro de alrededor del 80%
GPU ociosas: precio unitario activo de 0,000018 USD/CU frente a precio unitario ocioso de 0,000007 USD/CU
Combina on-demand, spot y autoescalado para responder a picos de tráfico

Sin embargo, las instancias spot tienen riesgo de interrupción, por lo que no se puede pasar toda una API en tiempo real con SLA estricto a spot. La estructura consiste en dejar la demanda base en recursos on-demand o dedicados, y atender solo la demanda elástica con spot. [Inferencia: restricción operativa]

8. ¿Es el Ascend de Huawei barato sin condiciones?

En rigor, el Ascend no es una GPU, sino una NPU.

Huawei afirma lo siguiente sobre el CloudMatrix 384. [Hecho: material oficial de Huawei]

Rendimiento de inferencia equivalente por tarjeta individual: 2.300 tokens/s
Alrededor de 4x frente a los sistemas no supernodo anteriores
Mejora del MFU de más del 50%
Rendimiento de inferencia promedio por tarjeta de 3-4x frente al H20

Es un método que compensa con el diseño del sistema las debilidades de un chip individual de gama baja, mediante la agrupación de recursos y el paralelismo de expertos de MoE.

Pero no hay que leerlo de inmediato como un coste bajo

Huawei no ha publicado un TCO verificado externamente bajo el mismo modelo, la misma latencia y la misma energía. [Bloqueado]
Como el CloudMatrix agrupa muchas NPU y red para elevar el rendimiento, el rendimiento por tarjeta y el coste total del clúster son cosas distintas.
Un estudio de campo de 2026 sobre el Ascend 910 encontró que, para lograr una inferencia estable, se necesitaron 12 parches de código fuente, la desactivación de algunas funciones de alto rendimiento y mecanismos para lidiar con fallos recurrentes. Aunque el hardware sea barato, la ingeniería y el coste operativo pueden subir. [Hecho: estudio de campo del Ascend]

Veredicto condicional

Condición	Veredicto
Modelos profundamente optimizados para Ascend, como Qwen, DeepSeek y GLM	Posible competitividad de costes
Migración directa de modelos basados en CUDA	Ventaja de costes incierta
Inferencia por lotes a gran escala dentro de China	Favorable
Servicio empresarial global en tiempo real	Sin confirmar si se incluye el coste de software y SLA

9. ¿En qué se diferencia de los vehículos eléctricos?

Los puntos en común son la industria estratégica, la inversión a gran escala, los subsidios a grandes empresas y la captura de cuota de mercado mediante recortes de precio.

La diferencia es que el coste de cambio de los modelos de IA es mucho más bajo. Las especificaciones de las API son similares, y los clientes pueden enrutar entre varios modelos a la vez u operar modelos de código abierto por su cuenta. Si un operador sube el precio, los modelos rivales y el hospedaje propio crean un techo de precio.

En cambio, las plataformas que combinan nube, datos, seguridad, pagos, publicidad y herramientas de trabajo tienen costes de cambio altos. Si aparece un ganador que se lo lleva todo, será en la capa de distribución y nube, más que en el modelo. [Inferencia: estructura de costes de cambio]

La estructura más probable es esta.

Alibaba: nube, comercio electrónico y clientes empresariales
ByteDance: tráfico de consumidores, publicidad y contenido
Tencent: WeChat y servicios empresariales
Huawei y Baidu: infraestructura nacional y clientes públicos y empresariales
DeepSeek y otras 1-2 empresas de modelos independientes: referencia del precio técnico

10. La trayectoria esperada

Escenario	Probabilidad estimada	Resultado
Oligopolio de precios bajos	60%	Se reduce a 3-5 actores, se mantiene el precio bajo de la API básica, suben los precios de pico y SLA
Comoditización completa	25%	El código abierto, MoE y los chips propios impulsan más caídas de precio
Normalización pronunciada	15%	Los precios suben 2-5 veces por la carga de chips, electricidad y financiamiento

[Inferencia: estimación de escenarios]

Incluso si el precio subiera 5 veces, el precio de salida de DeepSeek V4-Pro sería de apenas ~4,35 USD. Seguiría siendo más bajo que el de los modelos de frontera estadounidenses. Puede que el precio actual no sea el piso, pero la dirección hacia precios más bajos es difícil de revertir.

11. Implicaciones para los semiconductores

Las API baratas aumentan el uso de inferencia, lo que favorece la demanda de DRAM de servidor, NAND, red y electricidad. Por otro lado, reducen el cómputo por token y la intensidad de contenido de HBM, lo que presiona la economía unitaria de las GPU premium y el HBM.

Objetivo	Evaluación
Samsung Electronics	Amortiguado en términos relativos gracias a su alta proporción de DRAM y NAND de propósito general
SK Hynix	Advertencia a largo plazo para la prima de escasez del HBM
NVIDIA	Presión sobre el precio unitario de las GPU premium, pero el aumento del volumen total de inferencia actúa como factor de defensa
Alibaba, Tencent	Se benefician más de la expansión del ecosistema de nube y distribución que del margen de la API

La clave no es la tasa de caída del precio de la API, sino la tasa de crecimiento del uso total de tokens. Si el uso crece más rápido que la caída de precios, gana el efecto Jevons; si no, el múltiplo empieza a bajar primero en las GPU premium y el HBM. [Inferencia: juicio direccional]

12. La verificación decisiva llegará con las divulgaciones del primer semestre de 2026

Si el margen bruto de la API de Zhipu sube a 25-30% o más tras la subida de precio del 83%
Si MiniMax revela su relación de costes de la API
Si la tasa de crecimiento de los ingresos sigue superando a la tasa de crecimiento del gasto en cómputo
Si la brecha entre las tarifas de pico y SLA y las tarifas públicas de la API se consolida
Si Huawei publica un TCO verificado externamente en condiciones equivalentes

Estos cinco puntos separan un “coste sostenible” de un “precio sostenido con capital”.

Cierre

Los precios bajos de las API chinas no se deben a que ya sean un precio normal autosuficiente. Se deben a que la mejora de la eficiencia de inferencia y una enorme captación de capital los sostienen juntos.

China tiene una ventaja de costes estructural en el servicio de modelos doméstico, por lotes y optimizado. Pero los precios de API extremadamente bajos que se observan actualmente no se pueden explicar solo con los chips de Huawei y la electricidad barata. La mayor ventaja de costes, en orden, es la reducción del tamaño del modelo y los parámetros activos, el procesamiento por lotes, la caché y la cuantización, la utilización de GPU en la nube, y los márgenes objetivo bajos; la electricidad y la NPU doméstica vienen después.

Desde la perspectiva de inversión, que China tenga API baratas no significa directamente que “la IA china haya asegurado un foso de costes abrumador”. La interpretación más precisa es que a medida que el servicio de inferencia se convierte rápidamente en una commodity, el margen de las empresas de modelos baja, y crece la probabilidad de que el valor se desplace hacia la infraestructura de nube, energía y semiconductores.

Esto presiona el margen de la API de los operadores de modelos occidentales, pero como el capital captado se reinvierte en entrenamiento e infraestructura de cómputo, no implica una caída de la demanda total de semiconductores.

Esta publicación es un análisis que integra divulgaciones de empresas que cotizan en Hong Kong (resultados 2025 y colocación de nuevas acciones de Zhipu 02513; informe anual 2025 y captación de capital de MiniMax 00100), tablas de precios oficiales de cada empresa (DeepSeek, OpenAI, Google, Alibaba Model Studio, Volcano Engine, BigModel de Zhipu, Platform de MiniMax), material oficial de Huawei e investigaciones relacionadas con CloudMatrix, datos de gobiernos locales chinos sobre electricidad, y estadísticas de la EIA de Estados Unidos. La relación de costes exclusiva de la API de MiniMax y el TCO de Huawei verificado externamente en condiciones equivalentes no están divulgados, y las probabilidades de los escenarios y los cálculos de electricidad son estimaciones basadas en supuestos del autor al momento de escribir. Los valores mencionados son ejemplos para explicar la estructura de costes y no constituyen una recomendación de compra o venta de ningún valor en particular. Los precios y las cifras de las divulgaciones corresponden al momento de su publicación y pueden cambiar después. La decisión de inversión y su responsabilidad recaen en el propio inversor.

Publicaciones relacionadas

Lo que realmente cambia la convergencia de los modelos abiertos chinos: redistribución de la cadena de valor, no colapso de la demanda

Fri, 17 Jul 2026 22:00:00 +0900

Contexto Este artículo es la continuación de Lo que Kimi K3 cambió en el precio de la IA. Si el artículo anterior verificó el precio y la estructura de un solo modelo, este se extiende a cómo todo el ecosistema de modelos abiertos chinos redistribuye la cadena de valor de los semiconductores y las Big Tech, y a cómo la política estadounidense y el conflicto entre Estados Unidos y China cambian esa interpretación. Conviene leerlo junto con El verdadero debate entre el argumento alcista y bajista de los semiconductores, Valor justo de los semiconductores y La IPO de CXMT y el riesgo de precios de memoria. Los hubs relacionados son el Hub de IA y HBM y el Hub de Exclusive Analysis.

TL;DR

La convergencia de rendimiento de los modelos abiertos chinos se parece más a una redistribución de la cadena de valor que a un colapso de la demanda de IA. El valor monopolístico de las API de modelos y de las GPU de vanguardia cae, mientras que una inferencia más barata eleva el uso y puede aumentar el valor de la memoria, el almacenamiento, las redes, la energía y la distribución en la nube.
La preferencia relativa se divide así. En memoria coreana, Samsung Electronics > SK Hynix; en semiconductores estadounidenses, Micron y SanDisk > NVIDIA; en Big Tech, Meta y Amazon > Google y Microsoft > operadores de modelos puros. [Inferencia: juicio relativo]
Los modelos abiertos chinos han demostrado una caída del costo de cómputo y memoria por unidad de inteligencia. No han demostrado una caída del gasto total en silicio. De hecho, TSMC elevó su CAPEX de 2026 de 52.000-56.000 a 60.000-64.000 millones de dólares.
CXMT tiene una diferencia de 1,5-2 generaciones en producto y de 2-3 años en comercialización respecto a las tres líderes en HBM. Por lo tanto, la amenaza de 2028 no es un shock de oferta actual, sino una opción condicional.
La difusión tecnológica de los modelos chinos y la difusión de ingresos de los operadores de API chinos son cosas distintas. La vía más realista es rehospedar los modelos chinos en AWS, Azure o una VPC empresarial y venderlos bajo el marco de seguridad y contratos de Occidente. [Alcance]

Marco clave

Los modelos chinos pueden sacudir el precio de los modelos estadounidenses, pero no derrumban de inmediato la demanda de AWS, Azure, los chips estadounidenses o la memoria coreana. El daño directo recae en el margen de las API de modelos cerrados, mientras que lo que sobrevive a largo plazo es la infraestructura basada en uso: la capa de distribución y seguridad en la nube, junto con la memoria, la red y la energía.

1. Primero, confirmemos los hechos

La dirección del ecosistema es real, pero no todos los modelos nuevos han revelado su hardware de entrenamiento. Esta distinción importa.

DeepSeek-V3 se entrenó con 2.048 GPU NVIDIA H800 y 2,788 millones de GPU-horas. [Hecho: informe técnico de DeepSeek V3] La H800 está sujeta a restricciones de exportación, pero no es una GPU de consumo de gama baja. Kimi K3, en cambio, reveló 2,8 billones de parámetros, una ventana de contexto de 1M de tokens y una eficiencia de escalado 2,5x superior a K2, pero el informe técnico completo y el hardware de entrenamiento se publicarán el 27 de julio. [Hecho: anuncio oficial de Kimi]

Por lo tanto, todavía no se puede confirmar que “Kimi K3 también se entrenó con GPU NVIDIA de gama baja”. [Bloqueado]

La mejora de eficiencia es real

DeepSeek V4-Pro activa solo 49.000 millones de sus 1,6 billones de parámetros. En el rango de 1M de tokens, el cómputo (FLOPs) por token cae al 27% y la KV cache al 10% respecto a V3.2. [Hecho: ficha del modelo DeepSeek V4] Es evidencia directa de que el uso de GPU y HBM por token puede reducirse drásticamente mientras se mantiene el rendimiento.

Pero el lado opuesto también es real

El CloudMatrix384 de Huawei conecta 384 Ascend 910C para servir DeepSeek-R1. Según los datos agregados de JPMAM, CloudMatrix usa 49TB de HBM y 599kW de energía, mientras que el sistema comparado, el GB300 NVL72, usa 21TB y 145kW respectivamente. [Hecho: paper de CloudMatrix, material comparativo de JPMAM]

No es una comparación de rendimiento perfectamente equivalente, pero la dirección es clara: China compensa un chip individual más débil con más chips, más memoria y más energía. Un chip individual más barato no significa necesariamente menos silicio, red o energía en total. [Inferencia: interpretación estructural]

2. La ecuación clave: qué hay que observar

La respuesta a este debate no está en los puntajes de benchmark, sino en dos ecuaciones.

Demanda total de cómputo = Número total de tokens × Cómputo por token

Demanda total de memoria = Número total de tokens × Uso de memoria por token
 + Almacenamiento de datos de modelo, KV y búsqueda

Si los modelos abiertos bajan el precio del token un 70% y el uso se multiplica por 5, la demanda total aumenta a pesar de la mejora de eficiencia. Por el contrario, si el HBM por token cae un 70% mientras el uso simplemente se duplica, la demanda de HBM disminuye.

Por eso el indicador que hay que vigilar de ahora en adelante se reduce a uno solo. Cuánto supera la tasa de crecimiento de tokens a la tasa de caída de memoria por token.

El veredicto hasta ahora

El gasto total se determina con la siguiente ecuación.

Gasto total en silicio = Número de entrenamientos × Costo por entrenamiento
 + Tokens de inferencia × Costo por token

TSMC elevó su CAPEX de 2026 de 52.000-56.000 a 60.000-64.000 millones de dólares en su call del 2T26. Microsoft también aumentó su rendimiento de inferencia un 40%, pero el uso de tokens de sus grandes clientes creció un 30% frente al trimestre anterior, y mantuvo un CAPEX de 2026 de unos 190.000 millones de dólares. [Hecho: call del 2T26 de TSMC, call del 3T del FY26 de Microsoft]

Hasta ahora, el crecimiento del uso le está ganando a la mejora de eficiencia. [Inferencia: síntesis de datos]

3. Impacto en semiconductores: la divergencia es por acción

Acción/Grupo	Impacto en la acción	Interpretación clave
Samsung Electronics	Positivo	Se beneficia de forma más amplia, no solo en HBM sino también en DRAM de servidor, NAND/eSSD y memoria de propósito general
SK Hynix	De mixto a positivo	El aumento de tokens es favorable, pero la compresión de MoE y KV reduce el HBM por token, lo que presiona el múltiplo de escasez
Micron	Positivo	Exposición combinada en DRAM, HBM y NAND dentro de la cadena de suministro estadounidense. Beneficio de memoria amplia similar al de Samsung Electronics
SanDisk	Positivo	El despliegue local, los pesos de modelo y el aumento de RAG y caché se traducen en demanda de eSSD y NAND
NVIDIA	Negativo a corto plazo, mixto a largo plazo	Cae el valor monopolístico de la cuota china y de las GPU de gama más alta. El aumento del total de tokens y los envíos de H200 compensan el volumen
AMD	Relativamente positivo	Los modelos abiertos facilitan la migración a hardware heterogéneo. ROCm y la cuota real de serving son las variables clave
Broadcom, Marvell, Arista	Positivo a mediano plazo	Mayor demanda de custom ASIC, Ethernet y óptica/SerDes en Occidente
TSMC	De neutral a positivo	La demanda de chips de entrenamiento de NVIDIA, AMD y ASIC se mantiene, pero la inferencia china migra hacia Ascend y SMIC

Por qué Samsung Electronics tiene la ventaja relativa sobre SK Hynix

Entre las mismas tres grandes de memoria, las direcciones de Samsung Electronics y SK Hynix se separan. La inferencia barata y la difusión de modelos abiertos no solo aumentan el HBM, sino también el volumen total de DRAM de servidor, NAND y memoria de propósito general. Samsung Electronics, con una exposición más amplia, capta más de esta expansión.

Por el contrario, MoE y la compresión de KV reducen el HBM por token. SK Hynix, con una exposición pura más fuerte a HBM, recibe al mismo tiempo el beneficio del aumento de tokens y la carga de la caída de HBM por token. Es una estructura en la que el múltiplo de escasez, más que la demanda absoluta, es lo primero que se presiona. [Inferencia: análisis de estructura de exposición]

Sin embargo, Samsung Electronics también tiene un riesgo del lado opuesto. Es la primera en exponerse al aumento de producción de DRAM de propósito general de CXMT.

NVIDIA y la H200

Estados Unidos comenzó recientemente a permitir envíos limitados de H200 a China, pero el volumen todavía es pequeño. Es positivo para los ingresos de NVIDIA en el corto plazo, pero no lo suficiente como para revertir la transición hacia infraestructura doméstica centrada en Huawei. [Hecho: reportaje de Reuters de julio de 2026] [Inferencia: evaluación de impacto]

4. Impacto en las Big Tech

Empresa	Evaluación	Motivo
Meta	La más positiva	Se valida la estrategia de ecosistema abierto y recupera el valor de la IA en publicidad y recomendaciones más que en API
Amazon	Positivo	Gane el modelo que gane, vende inferencia, almacenamiento y red de AWS
Google	De mixto a positivo	TPU y la nube se benefician, pero la prima de precio de la API de Gemini está bajo presión
Microsoft (Azure)	Mixto	El uso de Azure crece, pero el alquiler de los modelos de OpenAI y la tasa de recuperación del CAPEX están bajo presión
Apple	Positivo	Los modelos abiertos y pequeños más baratos reducen el costo del on-device y de Private Cloud
OpenAI, Anthropic	Negativo	Se reduce la brecha de rendimiento y la prima de precio de la API, lo que presiona la elevada valoración y el financiamiento

A diferencia de un error de percepción común, Meta no es la mayor perjudicada. Gana dinero con publicidad y recomendaciones más que con la venta de modelos, y usa los modelos abiertos para reducir costos, por lo que existe la posibilidad de un beneficio relativo. La carga recae, en cambio, en el CAPEX y la depreciación. [Inferencia: análisis de modelo de negocio]

La lección del shock de DeepSeek de 2025

Durante el shock de DeepSeek de 2025, NVIDIA perdió un 17% en un día, cerca de 593.000 millones de dólares de capitalización de mercado. La reacción inicial fue una venta masiva de toda la infraestructura de GPU, energía y centros de datos, pero luego hubo un rebote parcial. [Hecho: cobertura de mercado de 2025]

Es probable que esta vez también el precio de la acción a corto plazo reaccione al miedo por la eficiencia, y los resultados a mediano plazo, al aumento del uso. [Inferencia: patrón histórico]

5. Veredictos sobre la tesis de los modelos abiertos chinos

Evaluando uno por uno los argumentos que vienen tanto del lado alcista como del bajista, el resultado es el siguiente.

Argumento	Veredicto
Las GPU de gama más alta son imprescindibles para el rendimiento de frontera	Debilitado, pero no refutado
La inteligencia de IA es un bien escaso	Colapso considerable en el precio de los modelos y tokens en bruto
La escala de capital es el foso defensivo	El foso del preentrenamiento se debilita y se desplaza hacia el despliegue, los datos, la energía y la distribución
El costo marginal del código abierto es cero	Solo el precio de los pesos se acerca a cero; el costo de inferencia sigue existiendo
Un entrenamiento de 1.000 millones de dólares supera a una inversión de 100.000 millones	Afirmación imprecisa que compara rangos de costo distintos

El último punto es el que más se usa mal con frecuencia. El costo de entrenamiento y la inversión total en infraestructura no son comparables.

6. Hasta dónde ha llegado realmente el HBM de CXMT

Es la parte que más se suele exagerar al hablar de la amenaza china. Al desglosarla etapa por etapa, la realidad queda al descubierto.

Etapa	Veredicto actual	Base del juicio
Proceso de celda DRAM	Comercializado, mejora rápida	Venta de DDR5 y LPDDR5X; Apple también está probando DRAM de CXMT para productos del mercado chino
Apilado TSV	HBM2 en volumen bajo, HBM3 inicial	Hay reportes de producción de HBM2, pero el volumen y la tasa de rendimiento no se han revelado
Empaquetado y base die	En construcción	El ecosistema dentro de China se está formando, pero faltan datos de rendimiento de producción en masa, térmicos y de confiabilidad
Calificación de clientes	HBM no confirmado	El contrato con Tencent y las pruebas de Apple son evidencia de capacidad en DRAM general, no de HBM
Brecha con los líderes	1,5-2 generaciones	Las tres líderes ya están en la rampa de HBM4, mientras que CXMT ni siquiera ha verificado la producción en masa de HBM3

En el portafolio de productos oficial de CXMT, a fecha del 17 de julio de 2026, solo figuran DDR5, LPDDR5/5X, DDR4 y LPDDR4X, y no hay HBM. TrendForce también clasifica el HBM3 de CXMT en etapa de verificación inicial, y evalúa que las barreras técnicas y la condición de usar equipos domésticos retrasan la producción en masa. [Hecho: material oficial de CXMT, TrendForce]

Las estimaciones de capacidad también son contradictorias. Hay un choque entre el estancamiento en torno a 240.000 obleas/mes y la proyección de 350.000 para fin de año, pero esta última cifra proviene de un modelo privado, no de guía de la empresa, por lo que es difícil tomarla como un valor confirmado. [Bloqueado]

Así hay que corregir la hipótesis de la DRAM legacy

2026-2027: la inversión de CXMT en HBM retrasa el alivio de la oferta de DRAM legacy china.
2028: si el HBM3/3E logra la calificación de clientes de aceleradores chinos y un volumen significativo, podría empezar a reemplazar primero el mercado de HBM de generación anterior dentro de China.
2029 en adelante: solo cuando el HBM4, el base die y el rendimiento de empaquetado se pongan al día, se presionará directamente el mercado líder global y el margen de SK Hynix.

Es decir, es más válido decir que “CXMT no libera la oferta de legacy tanto como se esperaba” que decir que “por CXMT, la escasez de legacy empeora de inmediato”. [Inferencia: evaluación por etapas]

7. Cómo la política estadounidense cambia esta interpretación

Estados Unidos trata la IA menos como una tecnología comercial y más como infraestructura central del bloque aliado. Por eso el análisis puramente técnico no basta para responder esta pregunta.

El AI Action Plan de Estados Unidos y la orden ejecutiva 14320 establecen explícitamente que se exportará a los países aliados un stack de IA estadounidense que integra hardware, nube, red, modelos y aplicaciones, reduciendo así la dependencia tecnológica de las naciones adversarias. Aunque un modelo chino sea superior en rendimiento y precio, el stack estadounidense mantiene una ventaja política en la contratación gubernamental y las industrias estratégicas de los países aliados. [Hecho: AI Action Plan de la Casa Blanca, EO 14320]

Sin embargo, no es un desacople total

En enero de 2026, la BIS de Estados Unidos dispuso que la exportación de H200 y MI325X a China se revise caso por caso, bajo clientes aprobados y requisitos de seguridad. Es un compromiso que busca mantener el control mientras deja a China parcialmente dentro del ecosistema de chips estadounidense. [Hecho: BIS 2026-01-13]

Tampoco está prohibido por completo que las empresas privadas estadounidenses usen modelos chinos. La No DeepSeek on Government Devices Act todavía está solo en etapa de propuesta legislativa. Sin embargo, el gobierno de Australia ordenó eliminar DeepSeek de los sistemas gubernamentales, y la autoridad de protección de datos de Italia restringió el procesamiento de datos de usuarios. [Hecho: medidas oficiales de cada país]

Es probable que la prohibición de facto de los departamentos de adquisiciones y seguridad opere antes que la legislación. [Inferencia: orden de aplicación de la política]

8. ¿Pueden las empresas occidentales usar realmente las API de modelos chinos?

La probabilidad de adopción es completamente distinta según la vía. Esta tabla es la respuesta a la pregunta.

Método de adopción	Probabilidad de difusión	Evaluación
Llamada directa a la API alojada en territorio chino	Baja	Riesgo de datos, jurisdicción y adquisiciones
API de Qwen en EE. UU., UE, Japón y Singapur	Media	La localización de datos es posible, pero persiste el riesgo del operador chino
Modelos chinos rehospedados por AWS o Azure	De media-alta a alta	El contrato, la seguridad y el control de datos quedan en manos de la nube occidental
Open-weight en VPC empresarial u on-premise	Alta	No hace falta enviar datos a servidores chinos
Gobierno, defensa e infraestructura crítica	Muy baja	La restricción de adquisiciones puede alcanzar incluso el linaje del modelo

La vía más realista es la siguiente.

Desarrollo del modelo chino
→ Rehospedado en AWS, Azure o una VPC empresarial
→ Vendido bajo el marco de seguridad, contratos y auditoría de Occidente

Es decir, la difusión tecnológica de los modelos chinos y la difusión de ingresos de los operadores de API chinos son cosas distintas. [Inferencia: análisis de vías]

Los límites de la API directa

La política de privacidad de DeepSeek establece que los datos personales, incluidos los datos de entrada, se recopilan, procesan y almacenan directamente en China, y que pueden usarse para mejorar el servicio y el modelo. [Hecho: Política de Privacidad de DeepSeek] Es una condición fatal para empresas que manejan código fuente, información de clientes, datos médicos o financieros, o tecnología sujeta a control de exportación.

Qwen es un poco diferente. Alibaba Cloud Model Studio ofrece regiones en Estados Unidos, Alemania, Japón y Singapur, permite restringir los datos y la inferencia a una región específica, y establece explícitamente que no usa los datos del cliente para entrenar el modelo. [Hecho: política regional y de seguridad de Alibaba Cloud] Por eso, la adopción directa de la API podría aumentar en industrias no reguladas y en el sudeste asiático, Medio Oriente y América Latina.

Sin embargo, la localización de datos y el cumplimiento de SOC 2 no eliminan el riesgo de interrupción del servicio, sanciones o exposición en las adquisiciones derivado del conflicto entre Estados Unidos y China. [Inferencia: riesgo residual]

9. Ajuste de la tesis: qué cambia y qué permanece

Primero, se debilita la lógica del colapso de los hiperescaladores estadounidenses. AWS y Azure alojan DeepSeek directamente, ofreciendo aislamiento de datos, SLA y evaluación de seguridad. La nube estadounidense puede absorber la innovación de costos de los modelos chinos y convertirla en ingresos. [Hecho: anuncios oficiales de AWS y Azure]

Segundo, la presión de precios llega primero a las API de modelos cerrados. Es una carga para el precio del token y el margen de OpenAI, Anthropic y Google, pero el volumen de inferencia y el uso de AWS y Azure pueden aumentar. Es relativamente favorable para la estrategia de modelos abiertos de Meta.

Tercero, la separación entre Estados Unidos y China respalda la inversión total en infraestructura. Ambos bloques construyen de forma redundante aceleradores, memoria, redes y redes eléctricas. Disminuye la probabilidad de que la mejora de eficiencia se traduzca directamente en una caída del gasto global en silicio.

Cuarto, la prima de HBM de SK Hynix puede mantenerse más tiempo dentro del bloque aliado. Es probable que el HBM de CXMT penetre primero en los aceleradores y centros de datos chinos. La adopción por parte de los CSP occidentales requiere, además de la calificación técnica, una calificación política y de cadena de suministro. Sin embargo, el control de exportaciones acelera la inversión de autosuficiencia de China, lo que representa un riesgo para la cuota de mercado de SK Hynix dentro de China a partir de 2028.

Quinto, Samsung Electronics es una cobertura relativa. La inferencia barata y la difusión de modelos abiertos pueden aumentar no solo el HBM, sino también el volumen total de DRAM de servidor, NAND y memoria de propósito general. Del lado opuesto está el riesgo de ser la primera en exponerse al aumento de producción de DRAM de propósito general de CXMT.

10. El orden de los perjudicados y los beneficiados

Mayor perjuicio: las ganancias excedentes de las API de modelos cerrados, los operadores de alquiler de GPU con alto apalancamiento
Riesgo intermedio: operadores con gran inversión previa y concentración de clientes, como Oracle
Meta: no es la mayor perjudicada. Usa los modelos abiertos para reducir costos, por lo que hay posibilidad de beneficio relativo. La carga recae en el CAPEX y la depreciación
NVIDIA: el múltiplo y el mix de productos se presionan antes que el EPS de corto plazo. La sustitución dentro de China es un riesgo, pero el foso de CUDA, la red, la eficiencia energética y el tiempo de desarrollo se mantiene
Memoria: el escenario base no es una caída de la demanda absoluta de HBM, sino la reducción de la prima de escasez de HBM sumada a la expansión por capas hacia DDR, CXL y eSSD

11. Actualización de escenarios

Es razonable ajustar de forma provisional las probabilidades utilizadas en Valor justo de los semiconductores.

Escenario	Anterior	Nuevo
Continuación del exceso de demanda	30%	30%
Reconcentración de activos	40%	40%
Normalización de oferta y eficiencia	20%	25%
Cortocircuito de la demanda sistémica	10%	5%

El rendimiento de los modelos chinos reduce la probabilidad de que la demanda de IA misma desaparezca (de un cortocircuito del 10% al 5%). En cambio, la mejora de eficiencia y el hardware chino reducen la prima de escasez de NVIDIA y del HBM (de una normalización del 20% al 25%).

El escenario en el eje temporal también se puede mantener. El uso le gana a la eficiencia hasta 2027 con 70%, la normalización de mix y precio se produce desde 2028 con 25%, y la contracción del CAPEX total queda en 5%. Sin embargo, el motor del escenario del 70% cambia de un único ecosistema global a la inversión dual del bloque estadounidense y el bloque chino. [Inferencia: reajuste de escenario]

12. Qué confirmaría un cambio de juicio

El informe técnico de Kimi K3 (27 de julio): si se revela el hardware de entrenamiento, se decide la veracidad de la premisa “entrenamiento de frontera con GPU de gama baja”
La tasa de crecimiento de tokens frente a la tasa de caída de memoria por token: la diferencia entre estos dos valores es la respuesta real a este debate
La calificación de producción en masa del HBM3E de CXMT y el volumen real de empaquetado: si se confirma, hay que bajar juntos el EPS 2028 y el múltiplo de SK Hynix
La desaceleración del precio y el contenido de HBM: la primera señal de reducción de la prima de escasez
La expansión del rehosting de modelos chinos por parte de los CSP occidentales: evidencia del aumento de valor de la distribución en la nube
La aplicación real de la regulación de adquisiciones y seguridad de Estados Unidos: el alcance de la prohibición de facto que opera antes que la legislación

Ahora no es el momento de mezclar el riesgo terminal con los resultados del período actual. Basta con ajustar el 2028 en adelante de SK Hynix cuando se confirme la calificación de producción en masa del HBM3E de CXMT. [Inferencia: orden de evaluación]

Cierre

Volviendo a la pregunta, la respuesta es esta.

Es un hecho que los modelos abiertos chinos convergen hacia la frontera estadounidense, y también es un hecho que el costo por unidad de inteligencia se ha desplomado. Pero eso no significa una caída del gasto total en silicio. El alza del CAPEX de TSMC y el aumento del 30% en tokens de Microsoft son la respuesta hasta ahora.

La política estadounidense cambia radicalmente esta interpretación. La separación entre Estados Unidos y China genera una inversión redundante en ambos bloques, lo que respalda la demanda total de infraestructura, y dentro del bloque aliado protege políticamente el lugar del stack estadounidense y de la memoria coreana.

La adopción de las API de modelos chinos por parte de la empresa occidental hay que verla separando el modelo del operador. La tecnología se difunde como open-weight, pero es probable que quien la venda no sea el operador de API chino, sino AWS, Azure y la VPC empresarial.

Por eso la conclusión es redistribución. Lo que se derrumba son las ganancias excedentes de las API de modelos cerrados, y lo que permanece es la infraestructura basada en uso.

Esta publicación es un análisis que integra papers públicos (DeepSeek V3/V4, Huawei CloudMatrix384), anuncios oficiales de empresas (Kimi, call del 2T26 de TSMC, call del 3T del FY26 de Microsoft, CXMT, Alibaba Cloud, Política de Privacidad de DeepSeek), material del gobierno de Estados Unidos (AI Action Plan, EO 14320, BIS), medidas regulatorias de distintos países e investigación de mercado (TrendForce, JPMAM). El hardware de entrenamiento de Kimi K3 permanece sin confirmar hasta la publicación del informe técnico del 27 de julio, y las estimaciones de capacidad de CXMT y las probabilidades de los escenarios son estimaciones del autor al momento de escribir, no guía de la empresa. Los valores mencionados son ejemplos para explicar la estructura de la cadena de valor y no constituyen una recomendación de compra o venta de ningún valor en particular. La decisión de inversión y su responsabilidad recaen en el propio inversor.