Por qué las startups estadounidenses dependen secretamente de China: Cuando su "propio" modelo de IA proviene repentinamente de China

Ahorro de costes del 80%: Cómo los modelos de IA chinos están conquistando silenciosamente el mercado estadounidense

Una revolución secreta en Silicon Valley: ¿Por qué las startups estadounidenses dependen repentinamente de la IA china?

Durante mucho tiempo, Silicon Valley fue considerado el epicentro indiscutible e invencible del desarrollo global de la IA. Pero, lejos de los grandes escenarios de marketing, se está produciendo un cambio notable: cada vez más startups estadounidenses y gigantes tecnológicos consolidados están adoptando discretamente modelos chinos de código abierto como Qwen, Kimi y DeepSeek. La razón no radica en simpatías geopolíticas, sino en una economía pragmática. Las alternativas chinas ofrecen ahora un rendimiento en tareas de programación y automatización que rivaliza con los mejores modelos occidentales, pero a una fracción del coste. Este desarrollo está ejerciendo una enorme presión sobre gigantes de la industria como OpenAI, forzando drásticas reducciones de precios y planteando interrogantes fundamentales sobre la futura distribución del poder dentro del sector. El siguiente artículo examina las impresionantes cifras que hay detrás de esta silenciosa revolución, utiliza ejemplos de empresas destacadas para ilustrar cómo las empresas están adaptando sus estrategias y explica por qué la cuestión de la soberanía de los datos desempeña un papel crucial en este nuevo mercado.

Un continente cambia de bando en silencio

Durante dos décadas, Silicon Valley fue considerado el epicentro indiscutible de la innovación en software, y hace apenas dos años, la idea de que la tecnología china se convirtiera en la base de la próxima generación de empresas en la región habría parecido absurda. Pero eso es precisamente lo que está ocurriendo ahora, y a una velocidad que sorprende incluso a los observadores de mercado más experimentados. El inversor Martin Casado, de Andreessen Horowitz, lo resumió a la perfección en una entrevista muy citada: Si los equipos fundadores presentan sus proyectos en a16z hoy y se basan en modelos de IA abiertos, existe aproximadamente un 80 % de probabilidad de que se trate de un modelo chino. Es importante destacar la aclaración que Casado añadió posteriormente: Este 80 % se refiere a la proporción de startups que utilizan modelos abiertos, que se estima entre el 20 % y el 30 % de todas las startups de IA. Extrapolado a todo el panorama de las startups, esto significa que aproximadamente entre el 16 % y el 24 % de todas las empresas de IA de EE. UU. tienen modelos abiertos chinos firmemente integrados en su pila tecnológica. Esta diferenciación puede, a primera vista, restarle dramatismo a la declaración, pero no cambia la constatación fundamental de que una parte significativa y de rápido crecimiento del sector de la innovación estadounidense se está alejando de los proveedores nacionales.

Las cifras que respaldan la afirmación: Lo que OpenRouter realmente muestra

Quien desee comprender objetivamente este cambio de mercado no puede ignorar los datos de la plataforma OpenRouter, considerada el mayor servicio intermediario independiente para el acceso a modelos de IA, que permite a los desarrolladores alternar entre cientos de modelos de diferentes proveedores. Los datos de uso recopilados allí ofrecen una imagen objetiva de la demanda real del mercado, ya que no se basan en anuncios ni afirmaciones de marketing, sino en tokens procesados ​​realmente: la unidad básica en la que los modelos de lenguaje de IA procesan texto. A finales de 2024, la proporción de modelos chinos en el volumen total de tokens de la plataforma rondaba el 1,2 %, una cifra insignificante que apenas recibió atención. En tan solo un año y medio, esta proporción se multiplicó por más de cincuenta. En febrero de 2026, los modelos chinos superaron por primera vez el 30 % del volumen semanal de tokens entre los usuarios estadounidenses, y esta cifra se ha mantenido por encima de ese umbral cada semana desde entonces. En julio de 2026, la proporción alcanzó el 46 % en las semanas pico, mientras que los modelos estadounidenses representaron el 35,7 % durante el mismo período. Si se consideran únicamente los diez modelos más utilizados en la plataforma, la situación se vuelve aún más clara: en la semana del 24 de febrero de 2026, el 61 % del volumen de tokens entre estos diez modelos principales correspondía a desarrolladores chinos. Según OpenRouter, a finales de julio de 2026, los modelos chinos ocupaban incluso los cinco primeros puestos en el ranking de uso global, con un volumen total de la plataforma que superaba los 20 billones de tokens semanales, de los cuales los modelos chinos procesaban más del 60 %.

Este desarrollo no puede descartarse como mero ruido estadístico, sino que revela una clara tendencia durante el último año y medio. Al mismo tiempo, es necesario considerar seriamente las limitaciones metodológicas. Si bien OpenRouter es el indicador independiente más importante del comportamiento de los desarrolladores, no representa la totalidad del mercado global de IA, sino principalmente a grupos de usuarios con conocimientos técnicos y sensibles al costo que valoran mucho la apertura. Las aplicaciones de consumo como ChatGPT o los contratos API empresariales directos con Anthropic apenas se reflejan en estas cifras. Por ello, estudios como el informe anual de OpenRouter y a16z de 2025 ofrecen una perspectiva algo más moderada, mostrando que los modelos propietarios norteamericanos aún representaron la mayoría de los tokens durante todo el año, mientras que los modelos abiertos chinos promediaron alrededor del 13 %. La verdad, por lo tanto, se encuentra en un punto intermedio entre el titular y la certeza absoluta: la tendencia es real, se está acelerando visiblemente, pero afecta principalmente a segmentos de uso específicos, especialmente al desarrollo de software y al trabajo con agentes automatizados, que en conjunto representan ahora más de la mitad de todos los tokens en la plataforma.

Por qué la programación y la automatización, en particular, están impulsando esta transformación

Un elemento clave para comprender este cambio reside en la naturaleza de la carga de trabajo que ahora domina los sistemas de IA. En 2024, la programación representaba apenas el once por ciento del volumen total de tokens en OpenRouter, mientras que hoy en día más de la mitad de los tokens procesados ​​se dedican a tareas de programación y flujos de trabajo de agentes autónomos, donde los modelos ejecutan de forma independiente tareas de varias etapas. Los modelos chinos han logrado enormes avances en este ámbito porque están optimizados específicamente para la codificación y el trabajo con agentes. El director de operaciones de OpenRouter, Chris Clark, explicó el mecanismo subyacente de forma inequívoca: los modelos abiertos chinos han conseguido una presencia desproporcionadamente fuerte precisamente en aquellos flujos de trabajo basados ​​en agentes que son muy utilizados por los desarrolladores estadounidenses. En otras palabras, no se trata de una decisión ideológica, sino de una respuesta pragmática a una relación precio-rendimiento difícil de superar para tareas de programación repetitivas y de alto volumen.

El shock de precios que lo inició todo

La clave económica de este desarrollo reside en una diferencia de precio tan significativa que altera radicalmente cualquier cálculo realizado por un gestor financiero. Un millón de tokens de emisión cuestan alrededor de 50 dólares con un modelo de gama alta como Fable de Anthropic, mientras que la misma cantidad cuesta aproximadamente 15 dólares con Kimi K3 de Moonshot, 4,40 dólares con GLM-5.2 de Zhipu y tan solo 0,87 dólares con el modelo V4 Pro de DeepSeek. Estas cifras implican, en la práctica, que una empresa puede pagar entre cinco y sesenta veces más por la misma tarea, dependiendo del modelo elegido. Para una empresa que gestiona millones de solicitudes diarias, esto no es un detalle menor, sino un factor de coste crucial que determina los márgenes de beneficio y la escalabilidad de modelos de negocio completos.

Esta dinámica de precios también explica por qué OpenAI redujo sus precios hasta en un 80 % durante 2026. Una empresa con una valoración de miles de millones de dólares y un enorme poder de mercado no baja sus precios por buena voluntad, sino por la fuerte presión competitiva. Cuando los clientes pueden cambiar a un proveedor con un solo clic que realiza la misma tarea por una fracción del costo, un proveedor establecido solo tiene que elegir entre ajustar sus precios o perder clientes. Este mecanismo es un ejemplo clásico de la economía competitiva: en cuanto un mercado se enfrenta a bienes casi homogéneos donde la diferencia de calidad se vuelve marginal para el caso de uso promedio, el precio se desliza hacia el costo marginal del proveedor más barato y confiable. Esto es precisamente lo que estamos presenciando actualmente en el mercado de modelado del lenguaje.

Cuando las corporaciones recalculan sus cuentas: Ejemplos específicos de empresas

Los datos abstractos del mercado solo adquieren verdadero poder de persuasión cuando se observa cómo las empresas concretas reestructuran sus procesos internos. La plataforma de comercio de criptomonedas Coinbase ofrece el ejemplo más claro de esto en 2026. El CEO Brian Armstrong publicó información detallada sobre la estrategia de costos internos de su empresa en el verano de 2026, explicando que habían reducido casi a la mitad el gasto en IA al tiempo que aumentaban el volumen de uso. La clave fue cambiar los modelos predeterminados en una puerta de enlace de IA interna a GLM 5.2 de Zhipu y Kimi 2.7 Code de Moonshot, dos modelos chinos de código abierto que manejan tareas rutinarias como revisiones de código, resúmenes y redacción, mientras que los modelos más caros y de gama alta como Opus de Anthropic se reservaron para tareas de planificación complejas. Cabe destacar que este cambio no fue la única medida de reducción de costos. Coinbase aumentó simultáneamente la tasa de aciertos de caché de su herramienta de IA interna del 5 al 60 por ciento, lo que explica una parte significativa del ahorro, ya que ahora las consultas repetidas pueden responderse prácticamente gratis desde la caché en lugar de activar una nueva y costosa consulta al modelo cada vez. Este ejemplo ilustra que el cambio a modelos chinos rara vez es una decisión aislada, sino que forma parte de una estrategia más amplia para la asignación inteligente de recursos, donde la elección del modelo es solo una de varias palancas.

Cursor, una plataforma de desarrollo y una de las herramientas más reconocidas para el desarrollo de software con IA, se vio envuelta en una situación reveladora en marzo de 2026. La compañía presentó su nuevo modelo, Composer 2, como un desarrollo propio, presumiendo de un rendimiento de codificación supuestamente de primer nivel. Sin embargo, a las pocas horas de su lanzamiento, desarrolladores observadores descubrieron un identificador interno del modelo en los datos de respuesta técnica de la API que hacía referencia inequívoca a Kimi K2.5, el modelo de código abierto de Moonshot AI. Cursor se vio obligada a admitir públicamente que Composer 2 se basaba en la arquitectura Kimi K2.5, aunque la compañía recalcó que aproximadamente tres cuartas partes de la potencia de cálculo total utilizada para ajustar el modelo final provenían de su propio entrenamiento, y solo una cuarta parte se basaba en la arquitectura original de Kimi. El cofundador Aman Sanger reconoció con autocrítica que había sido un error no mencionar la arquitectura Kimi en el anuncio inicial. Este incidente ilustra un patrón más amplio: muchas innovaciones de IA supuestamente estadounidenses se basan ahora en modelos básicos chinos, sin que esto se comunique externamente, lo que algunos observadores describen, con cierta autosuficiencia, como una especie de ocultamiento silencioso del verdadero origen tecnológico.

Además de estos ejemplos destacados, muchas otras empresas han reestructurado su infraestructura de IA para alinearse con los modelos abiertos chinos. Entre ellas se encuentran el servicio de entrega de comida DoorDash, que subcontrata tareas de programación sencillas a Kimi mientras mantiene las decisiones críticas con modelos más costosos y avanzados, así como empresas como Snowflake y la startup de IA Lindy, que siguen estrategias similares de optimización de costes. Según informes públicos, la empresa de software Siemens se basa en entrenar a Qwen con sus propios datos industriales para desarrollar sistemas de asistencia específicos para la industria, en lugar de crear modelos base completamente nuevos desde cero; una decisión económica lógica dados los enormes costes de entrenar nuevos modelos de lenguaje.

La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Negocios inteligentes basados ​​en contenido - Imagen: Xpert.Digital

Xpert.Digital es un centro industrial B2B basado en datos, dirigido por Konrad Wolfenstein . La empresa actúa como una solución externa, casi interna, para socios industriales, cubriendo las brechas operativas en marketing, contenido y ventas, sin requerir recursos adicionales por parte del cliente.

Más información aquí:

• La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Smart Content-Driven Business

Cuatro nombres para recordar

Para comprender el cambio actual del mercado, es fundamental conocer a los principales actores detrás de este desarrollo. En primer lugar, destaca Qwen, desarrollado por la empresa tecnológica china Alibaba, considerado actualmente el modelo de IA abierta más descargado del mundo, con un impresionante alcance de alrededor de 700 millones de descargas. Qwen es reconocido como un modelo versátil y completo, con especial énfasis en el procesamiento del lenguaje natural y el análisis de documentos, lo que lo hace idóneo para la producción de textos, la elaboración de informes y la atención al cliente. El segundo modelo que merece especial atención es Kimi K3 de Moonshot AI, presentado en julio de 2026 como el modelo abierto más grande jamás lanzado, cuyo rendimiento en pruebas de programación se aproxima al de los principales modelos propietarios. Es particularmente adecuado para el desarrollo de software y el procesamiento de documentos extensos, ya que opera con una ventana de contexto de hasta 256.000 tokens, que corresponde a la cantidad de texto que el modelo puede procesar y retener simultáneamente. Como tercer modelo, GLM, de la empresa china Zhipu AI (ahora bajo la marca Z.ai), se ha consolidado como especialista en el control fiable de herramientas y sistemas, lo que lo hace especialmente valioso para tareas de automatización y flujos de trabajo basados ​​en agentes. Por último, DeepSeek se posiciona como el líder indiscutible en relación calidad-precio del mercado, cuyos modelos ofrecen razonamiento lógico y programación a una mínima parte del coste de los proveedores tradicionales, lo que los convierte en la opción ideal para todas las tareas que se realizan a gran escala.

La cuestión de la soberanía de los datos y las zonas grises regulatorias

Un aspecto que a menudo se subestima en el debate público es la diferencia fundamental entre usar un modelo chino a través de la API en la nube del proveedor original y ejecutar los pesos del modelo abierto en una infraestructura propia o europea. Los cuatro modelos presentados aquí —Qwen, Kimi, GLM y DeepSeek— se publican bajo licencias abiertas. Esto significa que las empresas pueden descargar los parámetros matemáticos subyacentes del modelo y ejecutarlos en sus propios servidores o con un proveedor de alojamiento europeo. En este caso, todos los datos permanecen física y legalmente en manos de la empresa operadora, lo que, desde la perspectiva del Reglamento General de Protección de Datos (RGPD) europeo, puede ser una configuración mucho más segura que usar una infraestructura en la nube estadounidense, donde los datos pueden estar sujetos a la Ley CLOUD de Estados Unidos. Esta distinción es crucial porque demuestra que el origen político de un modelo y el riesgo real para la protección de datos y la seguridad nacional son dos cuestiones distintas que a menudo se confunden erróneamente en el discurso público.

Al mismo tiempo, persisten interrogantes legítimos que impiden la adopción acrítica de modelos chinos. En 2026, el Congreso de los Estados Unidos inició investigaciones sobre empresas como Airbnb y Cursor en relación con el uso de modelos de IA chinos. Estas investigaciones se centran no principalmente en los pesos de los modelos abiertos en sí, sino en cuestiones de auditoría de seguridad, posible influencia y dependencia estratégica de la tecnología de un rival geopolítico. Las evaluaciones de seguridad independientes también han demostrado que algunos de los modelos chinos más utilizados obtienen puntuaciones relativamente bajas en las pruebas de seguridad estandarizadas, lo que podría ser especialmente relevante para las empresas con estrictos requisitos de cumplimiento. Sin embargo, estas preocupaciones se refieren principalmente al uso de modelos a través de servicios en la nube proporcionados por los propios proveedores chinos, y no al funcionamiento independiente de los pesos abiertos en infraestructuras europeas o estadounidenses, donde las empresas conservan el control total sobre los flujos de datos, el registro y la configuración de seguridad.

La lógica estratégica detrás de la combinación de modelos

Los ejemplos de empresas observadas revelan un patrón estratégico claro que se ha consolidado en el discurso profesional como una especie de estrategia de "barra de pesas": una distribución deliberada de tareas entre dos polos opuestos. Las tareas simples, de gran volumen y repetitivas, como los resúmenes de texto, las revisiones de código estándar o las traducciones, se delegan cada vez más a modelos de código abierto económicos, a menudo chinos, mientras que las tareas estratégicamente críticas, complejas o particularmente delicadas se mantienen con modelos más caros y de alta gama de proveedores occidentales. Esta división es altamente racional desde una perspectiva económica, ya que optimiza la relación costo-beneficio de cada tarea individual en lugar de utilizar un único modelo de alta gama, generalmente sobrevalorado, para todos los casos de uso. El servicio de entrega de comida DoorDash ya está implementando este principio en la práctica al derivar sistemáticamente las tareas de programación simples a Kimi, mientras que las decisiones críticas para el negocio se mantienen con los modelos de alta gama más caros y consolidados. Para las empresas que desean profesionalizar su estructura de costos de IA, esto significa, en última instancia, dejar de lado la pregunta de qué proveedor es fundamentalmente el mejor y centrarse en la pregunta diferenciada de qué tarea específica se adapta mejor a qué modelo con qué perfil de costos.

¿Qué significa esto para la industria de la IA occidental?

El cambio hacia los modelos de código abierto chinos plantea a los proveedores estadounidenses consolidados un dilema estructural que va más allá de los ajustes de precios a corto plazo. Empresas como OpenAI y Anthropic han construido sus modelos de negocio durante años sobre la premisa de que la superioridad tecnológica justifica un precio superior sostenido. Sin embargo, una vez que las diferencias de rendimiento se vuelven tan pequeñas para la mayoría de los casos de uso prácticos que dejan de representar una diferencia económicamente relevante para las empresas, la competencia inevitablemente se centra en el precio. En esta carrera, los proveedores chinos tienen una ventaja estructural debido a menores costos operativos, subsidios gubernamentales y una estrategia de código abierto más agresiva. La respuesta de OpenAI de reducir sus propios precios hasta en un 80 % no es tanto una señal de fortaleza como un reconocimiento de que su anterior precio superior ya no era sostenible sin una respuesta competitiva correspondiente. Para toda la industria occidental de IA, esto significa una transición de una fase en la que la innovación por sí sola garantizaba suficiente poder de fijación de precios a una fase en la que la eficiencia de costos, el control de la infraestructura y los servicios adicionales especializados se convierten en el factor diferenciador decisivo.

Los próximos aplazamientos

Los acontecimientos actuales sugieren que esta tendencia no se revertirá en un futuro previsible, sino que se diversificará aún más. En lugar de un único modelo dominante, emerge un panorama cada vez más fragmentado, en el que ningún modelo abierto concentra más de una cuarta parte de la cuota de mercado total, lo que indica un mercado competitivo y saludable con varias alternativas igualmente viables. Para las empresas europeas, y especialmente para las medianas con presupuestos de TI limitados, esto representa una oportunidad única para beneficiarse simultáneamente de la reducción de costes y la creciente madurez tecnológica, siempre que estén dispuestas a abordar los marcos legales y de seguridad para operar con modelos abiertos. Quienes basan su estrategia de IA exclusivamente en un único proveedor, generalmente estadounidense, se arriesgan no solo a incurrir en costes excesivos, sino también a depender estratégicamente de un mercado que actualmente cambia más rápido que cualquier otro sector tecnológico en los últimos tiempos. La respuesta más pragmática a esta incertidumbre reside en una diversificación consciente de la cartera de modelos propia, combinada con una gobernanza interna clara que asigne qué clase de tarea a qué modelo y ubicación de alojamiento.

De la visibilidad a la confianza: Su camino escalable con Xpert.Digital - Imagen: Xpert.Digital

En el sector B2B industrial, las relaciones comerciales sostenibles rara vez surgen de la noche a la mañana. Se desarrollan paso a paso, a través de la visibilidad, la relevancia profesional, los puntos de contacto recurrentes y la creciente confianza. El modelo de 4 etapas de Xpert.Digital aborda precisamente esto: ofrece un camino estructurado que comienza con un punto de entrada manejable y puede evolucionar hacia una colaboración más profunda en el desarrollo de negocios si es necesario.

En lugar de basarse en promesas publicitarias grandilocuentes, este modelo prioriza la relación con el cliente. Las empresas comienzan con indicadores claros y fáciles de calcular, y luego deciden, según su propia experiencia, hasta dónde quieren ampliar la colaboración. Un factor clave para este proceso de construcción de confianza sin interrupciones: la plataforma evita por completo la publicidad molesta, por lo que el enfoque editorial se centra exclusivamente en la experiencia de las empresas.

Más información aquí:

• De la visibilidad a la confianza: Su camino escalable con Xpert.Digital

☑️ Nuestro idioma comercial es el inglés o el alemán

☑️ NUEVO: ¡Correspondencia en tu idioma nativo!

Konrad Wolfenstein

Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.

Puedes contactarme rellenando el formulario de contacto aquí [email protected]:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es

Espero con ilusión nuestro proyecto conjunto.

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros / Marketing / Relaciones públicas / Ferias comerciales

Una nueva dimensión de la transformación digital con 'IA Gestionada' (Inteligencia Artificial) – Plataforma y solución B2B | Xpert Consulting - Imagen: Xpert.Digital

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.

Las principales ventajas de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más información aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industria e ingeniería mecánica