Mientras OpenAI y Anthropic acumulan ingresos anuales combinados cercanos a los 105,000 millones de dólares, las principales empresas chinas de inteligencia artificial generan apenas una décima parte de esa cifra. Esta disparidad no es solo un dato financiero: es el síntoma de dos estrategias de monetización que apuntan en direcciones opuestas y que están redefiniendo la competencia global en IA.

ByteDance registra ingresos anuales estimados en 4,000 millones de dólares, Alibaba alcanza 2,400 millones, y Zhipu AI —uno de los casos de crecimiento más acelerados del sector— llegó a 1,600 millones en agosto tras multiplicar sus ingresos por 20 desde enero. Son cifras que reflejan expansión, pero que aún están lejos de la escala que han alcanzado los modelos occidentales en términos de ingresos recurrentes.

La apuesta por el código abierto como ventaja y como límite

Una parte significativa de la brecha se explica por una decisión estratégica deliberada: muchos laboratorios chinos han optado por desarrollar modelos de código abierto, lo que permite que terceros los adopten en su propia infraestructura sin generar ingresos directos para el desarrollador original. Esta estrategia acelera la adopción y el posicionamiento en el mercado, pero comprime la monetización.

Algunas empresas como Moonshot y Alibaba están comenzando a corregir este desequilibrio mediante acuerdos de participación en ingresos con grandes usuarios corporativos. Es un giro hacia modelos de negocio más cercanos al SaaS empresarial, aunque todavía en etapas tempranas.

Estructura de costos: competitividad a doble filo

La diferencia de precios entre modelos chinos y occidentales añade otra capa de complejidad. Los costos por tarea de los modelos chinos oscilan entre 0.04 y 0.50 dólares, frente a los 2 a 4 dólares de los modelos Claude de Anthropic y el rango de 1 a 2 dólares de los modelos GPT de gama alta. Esta ventaja competitiva en precio atrae usuarios, pero también limita el margen y la capacidad de reinversión en investigación y desarrollo.

Para organizaciones que evalúan qué infraestructura de IA adoptar, esta brecha de costos es relevante en el corto plazo. Sin embargo, la sostenibilidad de largo plazo de los proveedores —su capacidad de seguir invirtiendo en mejoras de modelo y seguridad— depende de estructuras de ingresos más sólidas.

Implicaciones para la estrategia de adopción de IA

Comprender esta dinámica es clave para cualquier organización que esté construyendo una hoja de ruta de inteligencia artificial. La elección entre proveedores no es solo técnica: implica evaluar la estabilidad financiera del ecosistema, la dirección de los modelos de negocio y el riesgo de dependencia tecnológica en un mercado donde las reglas aún se están escribiendo.

El mercado global de IA no está convergiendo hacia un solo modelo: está bifurcándose. Y esa bifurcación tiene consecuencias directas sobre qué tecnologías escalarán, cuáles recibirán financiamiento sostenido y cuáles quedarán atrapadas en una lógica de adopción masiva sin rentabilidad suficiente para sostenerse.