De la 'carrera de modelos' a 'cerrar los libros': de qué se trata ahora la competencia en la industria de la IA – Respuestas de WAIC 2026
Anthropic
Moonshot AI
En WAIC 2026, los expertos señalaron un cambio de paradigma: la industria de la IA está pasando de mostrar capacidades de modelos a una rigurosa contabilidad financiera ('cerrar los libros'). Se discuten tres partidas de costos clave: infraestructura (inversión total superó los 700 mil millones de dólares con solo 50 mil millones en ingresos), inferencia (costo por token cayó 8 a 10 veces pero el gasto total aumentó) y capital (los inversores exigen economía real). Los modelos siguen siendo importantes, pero el enfoque se está desplazando hacia el producto, las capacidades de agente, la infraestructura y los datos confiables.
En la conferencia WAIC 2026, expertos de diversos sectores —incluyendo industria, capital, tecnología e infraestructura— debatieron sobre el cambio de enfoque de la industria de la IA, pasando de una carrera por los parámetros de los modelos a un pragmático 'balance de situación'. Los cambios clave en 2026 incluyen: la aparición de Claude Fable5, que causó pánico en el ámbito de la ciberseguridad; un fuerte aumento del coste de los aceleradores (los precios de alquiler y compra se han multiplicado); la complejidad de las aplicaciones B2B; un desequilibrio triple entre las inversiones (más de 700 mil millones de dólares) y los ingresos (50 mil millones de dólares) en infraestructura; una caída de 8 a 10 veces en el precio por token junto con un aumento del consumo total de tokens; y un cambio en la atención de los inversores, de las 'grandes historias' a los rendimientos económicos reales. Los participantes señalaron que los modelos siguen siendo importantes, pero su rol está cambiando: las grandes empresas deben invertir en modelos, mientras que las startups deberían centrarse en conceptos de producto. La tecnología de agentes (Agent + Harness) ha permitido que los modelos probabilísticos resuelvan tareas deterministas, especialmente en codificación, donde el consumo de tokens se ha disparado. Las áreas prioritarias para el próximo año incluyen: infraestructura de IA, IA confiable (fiabilidad y seguridad), modelos del mundo (datos físicos), datos fiables en dominios reducidos (medicina, industria) y velocidad de inferencia de modelos (hasta 15.000 tokens por segundo en modelos de 8 mil millones de parámetros). Los expertos coincidieron en que los benchmarks siguen siendo útiles, pero las pruebas cerradas son más fiables que las abiertas.
Fuente: InfoQ 中国 —
original