Publicado: julio 5, 2026, 6:00 am
La fuente de la noticia es https://www.20minutos.es/lainformacion/mercados-y-bolsa/ia-china-ha-encontrado-punto-debil-openai-anthropic_7010360_0.html
Es posible que, en algún momento de 2026 o 2027, los inversores puedan comprar acciones en las dos empresas más famosas de la inteligencia artificial (IA). OpenAI y Anthropic se acercan a los mercados bursátiles con valoraciones que solo se justifican si sus modelos cerrados y dominantes pueden cobrar mucho durante años.
Ambas compañías llegan al mercado con una historia fácil de vender. No prometen una aplicación más, sino el software fundacional sobre el que empresas, programadores, consumidores y gobiernos trabajarán durante las próximas décadas.
El apetito inversor es colosal. OpenAI ha obtenido una financiación de 122.000 millones de dólares que catapulta su valoración posterior hasta los 852.000 millones. Por su parte, Anthropic ha cerrado una ronda de 65.000 millones, lo que eleva su valor de mercado a los 965.000 millones tras superar los 47.000 millones de ingresos anuales.
Estas cifras colocan a las dos compañías en una liga donde ya no basta con crecer deprisa. Una empresa valorada en cientos de miles de millones tiene que demostrar que puede cobrar mucho, retener clientes y convertir el uso de sus modelos en beneficio neto. Aunque han demostrado que millones de usuarios quieren sus productos, todavía tienen que certificar que este negocio deja márgenes parecidos a los de los grandes monopolios del software tradicional.
El problema es que sus rivales chinos– DeepSeek, Z.ai, Qwen, Kimi, MiniMax y Moonshot- ya están demostrando que una parte de la IA puede funcionar con modelos buenos, abiertos y mucho más baratos. Eso complica unas OPV que necesitan convencer al mercado de que OpenAI y Anthropic no solo serán los más usados, sino también los más rentables.
El precio
La IA parece barata mientras se usa poco. Una consulta a ChatGPT o Claude apenas cuesta dinero, pero una empresa que usa esos modelos todos los días para responder clientes, revisar contratos, escribir código o preparar campañas repite la misma operación miles o millones de veces. Entonces, el precio deja de ser un detalle técnico y ahí se abre una brecha económica abismal entre los contendientes del sector.
Una empresa valorada en cientos de miles de millones tiene que demostrar que puede cobrar mucho, retener clientes y convertir el uso de sus modelos en beneficio neto
Las tarifas hablan por sí solas. Z.ai cobra 1,1 dólares por generar un millón de unidades de respuesta con GLM-4.5 y MiniMax cobra 1,2 dólares con M2.5. OpenAI cobra 10 dólares con GPT-5 y Anthropic aplica también 10 dólares en Claude Sonnet durante el periodo introductorio, antes de subir a 15 dólares.
UBS ha puesto el foco en este desequilibrio. La firma suiza advierte de que los modelos de menor coste han avanzado tan rápido que ya compiten en tareas concretas por una fracción del precio de los llamados «modelos frontera». El banco no da por rota la tesis de inversión en IA, pero sí avisa de que esta presión inyectará volatilidad y obligará a los inversores a preguntarse si una adopción masiva de modelos baratos ralentizará parte del gasto en infraestructura.
La comparación no implica que todos los desarrollos sean iguales pero, como apunta UBS, sí permite a cualquier director financiero hacerse una pregunta tan simple como incómoda: ¿por qué pagar hasta diez veces más si una parte del trabajo puede resolverse con una alternativa económica? OpenAI y Anthropic pueden conservar a los clientes más exigentes y, aun así, perder la capacidad de fijar precios como si no existieran sustitutos en el mercado.
El margen
La grieta en este monopolio comenzó a abrirse cuando DeepSeek demostró que una infraestructura más ligera podía dar vida a modelos capaces de alterar de golpe las expectativas sobre gigantes del hardware como Nvidia y el negocio de los centros de datos.
Z.ai ha recogido ahora ese testigo, trasladando la presión comercial hacia las tareas de programación y razonamiento complejo mediante un modelo abierto entrenado con billones de unidades de tokens (texto). Junto a ellos, el bloque compacto formado por Qwen, Kimi y Moonshot avanza con paso firme ofreciendo una eficiencia de costes difícil de igualar.
El problema de fondo es que el negocio de la IA exige un despliegue de capital titánico antes de poder estabilizar sus retornos. Morgan Stanley estima que la inversión global en construcción de centros de datos vinculada a la IA puede rondar los 2,9 billones de dólares hasta 2028. Por su parte, Goldman Sachs calcula que el gasto anual de capital vinculado a esta tecnología puede alcanzar los 765.000 millones en 2026 y crecer hasta 1,6 billones en 2031.
Una consulta a ChatGPT o Claude apenas cuesta dinero, pero una empresa que usa esos modelos todos los días para responder clientes, revisar contratos, escribir código o preparar campañas repite la misma operación miles o millones de veces
Estas cifras sostienen la historia de crecimiento, pero también elevan la exigencia para las firmas estadounidenses. Cuanto más dinero necesita la IA para funcionar, más peligroso resulta que el precio del servicio final empiece a desplomarse.
El mercado ya ha visto compañías que llegan a bolsa con una historia dominante, una tecnología real y valoraciones que descuentan varios años de crecimiento perfecto. Las redes de telecomunicaciones de finales de los noventa cambiaron la economía, pero muchas empresas que financiaron aquella expansión no capturaron el beneficio que prometían sus múltiplos.
Si para competir frente al empuje asiático OpenAI o Anthropic se ven obligadas a ofrecer descuentos agresivos, lanzar versiones de bajo coste o aceptar que el uso corporativo migre hacia arquitecturas abiertas, Wall Street revisará de inmediato la calidad de sus ingresos.
Cuando suene la campana en la bolsa, el mercado ya no valorará únicamente quién posee el modelo más inteligente, sino quién es capaz de cobrar por él.
