La adopción de tokens de modelos de IA chinos en empresas es

Empresas estadounidenses ahora enrutan entre el 30% y el 46% de sus tokens de inferencia de IA a través de modelos construidos por empresas chinas en OpenRouter, una participación que ha subido desde apenas el 4,5% en la primera mitad de 2025. Los datos, publicados esta semana en la plataforma que agrega acceso a decenas de modelos de lenguaje grandes, revelan un cambio estructural en la adquisición empresarial de IA que refleja oleadas anteriores de deslocalización impulsada por costos en computación en la nube y fabricación.

La migración se acelera a medida que los principales laboratorios de IA de EE.UU. aumentan los precios de sus sistemas más capaces. DeepSeek y Z.ai, dos proveedores de modelos chinos, han emergido como los principales beneficiarios de este reequilibrio. Sus ofertas de peso abierto ofrecen un rendimiento competitivo frente a los modelos frontera de Anthropic y OpenAI a una fracción del costo por token, y las empresas están comenzando a tratar a los modelos de IA chinos como una opción seria de adquisición, no como una segunda opción distante.

Los datos detrás del cambio tectónico

OpenRouter publica estadísticas de uso de tokens que ofrecen una vista agregada poco común del comportamiento de compra empresarial entre proveedores de modelos. Los datos muestran que la participación de modelos chinos se ha mantenido por encima del 30% cada semana desde el 8 de febrero de 2026, y alcanzó un máximo del 46%. El promedio móvil de 12 meses antes de ese período era del 11%, lo que significa que la tasa actual es aproximadamente tres veces la línea base anterior. El salto del 4,5% en la primera mitad de 2025 al nivel actual sugiere que la adopción empresarial de modelos chinos no es un experimento de nicho, sino una tendencia sistemática impulsada por equipos de adquisición bajo presión presupuestaria.

Para poner la cifra del 4,5% en perspectiva: a principios de 2025, los sistemas de IA chinos apenas se registraban en el consumo de tokens corporativos estadounidenses. Esos números ahora son un orden de magnitud mayores. La tasa de crecimiento mensual compuesta implícita en esta trayectoria rivaliza con las curvas de adopción temprana de AWS y Azure en la década de 2010, aunque el mercado absoluto es más pequeño.

Por qué las empresas estadounidenses votan con su bolsillo

Varias fuerzas convergen para empujar a las empresas hacia alternativas chinas. La más inmediata es el precio. Los costos de token para los modelos frontera más avanzados en los laboratorios de IA estadounidenses han aumentado constantemente, haciendo que las implementaciones de inferencia a gran escala sean costosas de operar. Las empresas que dependen de la IA para funciones orientadas al cliente, automatización interna o generación de contenido a gran volumen enfrentan facturas mensuales que ponen a prueba los presupuestos operativos.

Los proveedores chinos se han posicionado como la alternativa rentable. DeepSeek y Z.ai lanzan modelos bajo licencias de peso abierto que permiten a las empresas autoalojarse o ejecutar inferencia a través de plataformas de terceros sin el margen por token que conllevan las API propietarias. Este enfoque de peso abierto también brinda a las empresas más control sobre la privacidad de los datos y la latencia, dos factores que importan significativamente para las cargas de trabajo de producción.

La brecha de rendimiento también se ha reducido. Los puntos de referencia independientes muestran que los últimos sistemas frontera chinos obtienen puntuaciones competitivas en razonamiento, codificación y tareas multilingües. Aunque quizás no lideren en todas las categorías, están lo suficientemente cerca como para que la diferencia de costo incline la decisión de compra para la mayoría de los casos de uso de alto volumen. Para aplicaciones empresariales donde una diferencia de rendimiento del 5-10% es aceptable a cambio de una reducción de costos del 50-80%, el cálculo es sencillo.

Esto refleja lo que sucedió en la infraestructura en la nube hace una década. AWS se lanzó con precios premium y una ventaja de características. Google Cloud y Azure ingresaron con precios competitivos, y las empresas adoptaron una estrategia multinube que optimizaba costo y capacidad. Una dinámica similar ahora se desarrolla en la capa de modelos.

Geopolítica y regulación crean una restricción de doble filo

El auge de los modelos de IA chinos en las pilas empresariales estadounidenses se desarrolla en un contexto regulatorio complicado. La administración de EE.UU. ha señalado su interés en restringir el acceso a los sistemas de IA estadounidenses más potentes, tanto a través de controles de exportación de chips avanzados como mediante presión directa sobre los desarrolladores de modelos.

A finales de junio, OpenAI acordó limitar el lanzamiento de un nuevo conjunto de modelos tras una solicitud del gobierno. Casi al mismo tiempo, se levantaron los controles de exportación que habían restringido los modelos Mythos y Fable de Anthropic, lo que sugiere un entorno de políticas cambiante e impredecible. Estas señales regulatorias crean incertidumbre para las empresas que construyen planes de infraestructura a largo plazo en torno a un solo proveedor de modelos.

Las empresas que enfrentan esta incertidumbre pueden diversificar lógicamente sus cadenas de suministro de modelos. Los modelos chinos de peso abierto ofrecen una cobertura contra restricciones repentinas en los sistemas frontera estadounidenses, incluso mientras introducen sus propios riesgos geopolíticos y de cumplimiento. La ecuación no está libre de riesgos, pero para muchas empresas, el beneficio de la diversificación actualmente supera la carga adicional de cumplimiento.

Comparando las opciones: un nuevo cálculo de adquisición de modelos

Factor	Modelos frontera de EE.UU. (OpenAI, Anthropic)	Modelos chinos (DeepSeek, Z.ai)
Costo por token	Alto y en aumento	Significativamente más bajo
Rendimiento	Líder en categoría	Competitivo, brecha reducida
Licencias	Acceso API propietario	Peso abierto, autoalojable
Control de datos	Depende de términos de API	Control total cuando se autoaloja
Riesgo regulatorio	Controles de exportación, límites de licencia	Riesgo de sanciones geopolíticas
Fricción de integración	API estándar, bien documentada	Ecosistema en crecimiento, compatibilidad creciente

La comparación muestra por qué la decisión ya no es un simple intercambio calidad versus costo. Las empresas deben sopesar los techos de rendimiento frente a las restricciones presupuestarias, la flexibilidad de licencias frente a la exposición regulatoria y el control de datos frente a la madurez de integración. La elección óptima depende de la carga de trabajo específica, el volumen y la tolerancia al riesgo de cada organización.

Qué significa esto para inversores y competencia

El cambio en la participación de tokens tiene implicaciones más allá de las decisiones de adquisición individuales. Para los inversores de capital riesgo que respaldan los laboratorios de IA estadounidenses, los datos plantean una pregunta fundamental: ¿pueden las empresas de modelos frontera mantener precios premium si existe una alternativa competitiva de peso abierto? La respuesta puede depender de si los laboratorios estadounidenses pueden mantener una ventaja de rendimiento suficiente para justificar sus precios, o si se verán obligados a competir en costos a medida que los proveedores chinos sigan mejorando.

Para las empresas chinas de IA, los datos de OpenRouter son una validación de su estrategia de salida al mercado. Al lanzar modelos de peso abierto que se pueden implementar de manera flexible, han eludido el desafío de distribución que típicamente limita a los proveedores de IA extranjeros en el mercado estadounidense. Las empresas no necesitan firmar contratos con empresas chinas; pueden acceder a sus modelos a través de plataformas que ya utilizan.

DeepSeek y Z.ai también se han beneficiado del ecosistema de código abierto. Los desarrolladores e ingenieros de aprendizaje automático que experimentan con estos modelos en plataformas como Hugging Face gravitan naturalmente hacia ellos para uso en producción, creando un patrón de adopción de abajo hacia arriba que los departamentos de adquisición eventualmente formalizan.

El veredicto: qué cambia y para quién

Los datos de OpenRouter sugieren que muchas empresas estadounidenses ya han tomado su decisión. Para las empresas que ejecutan cargas de trabajo de inferencia de alto volumen, la ventaja de costo de los modelos chinos es demasiado grande como para ignorarla. La tendencia probablemente se acelerará si los precios de los modelos frontera en los laboratorios estadounidenses continúan subiendo y si los proveedores chinos mantienen su trayectoria de rendimiento.

Los ganadores en este cambio son los constructores de modelos chinos que capturan participación de tokens entre los clientes empresariales más lucrativos del mundo. Los perdedores incluyen a los laboratorios de IA estadounidenses que se encuentran compitiendo en precio en lugar de solo en capacidad, y a los reguladores que deben decidir si frenar esta migración mediante controles de exportación u otras palancas de política.

Para los CTO y líderes de adquisición de IA, la implicación es clara. El ecosistema de modelos de IA chinos ya no puede ser descartado como una opción de segundo nivel. Una estrategia de modelos diversificada que incluya sistemas chinos de peso abierto junto con API frontera estadounidenses ahora tiene sentido financiero para cualquier organización con un gasto significativo en inferencia. Los riesgos de cumplimiento y geopolíticos existen, pero pueden gestionarse mediante una arquitectura de implementación cuidadosa, incluido el autoalojamiento cuando sea apropiado.

En números, la migración del 4,5% al 30-46% de participación de tokens en aproximadamente 18 meses es una de las curvas de adopción más rápidas en la IA empresarial. Si esa curva se aplana, continúa hacia arriba o se revierte dependerá de las tres variables que definen este mercado: rendimiento relativo, precio relativo y la postura regulatoria que gobierna ambas.

✔Human Verified

Investigado y contrastado con fuentes primarias por el equipo editorial de Bytevyte.