Por qué JPMorgan cree que el mercado chino de IA entra en una fase de 'el ganador se lleva más'

El reciente análisis de JPMorgan sobre el mercado chino de modelos de lenguaje de gran escala (LLM) revela un sector en un punto de inflexión. La tesis central del banco es que la industria está pasando de una fragmentada "guerra de los cien modelos" a una fase de "el ganador se lleva más" (winner-takes-more), donde la habilidad para generar ingresos a partir de la IA —y no solo las puntuaciones en los rankings— es lo que separa a los líderes del resto ^TDA. Esta dinámica está impulsada por agresivas estrategias de código abierto, una presión de precios extrema y una clara divergencia en qué empresas pueden dictar sus precios.

La tesis del 'winner-takes-more'

Según JPMorgan, el mercado chino de LLM se está consolidando rápidamente. El banco describe explícitamente este período como uno en el que "en medio de la ola del código abierto, la IA china entra en una fase de 'el ganador se lleva más'" ^DN. No se trata de un escenario donde el ganador se lo lleva todo, sino de uno en el que los proveedores de primer nivel capturan una parte desproporcionadamente grande del valor ^TD.

Alex Yao, director de investigación de renta variable china de JPMorgan, sostiene que los ganadores se decidirán por la conversión a valor empresarial, no por qué modelo es el más inteligente en las tablas de clasificación ^TA. El enfoque se ha desplazado hacia la monetización a través de flujos de trabajo empresariales, consumo de API, herramientas de codificación y agentes de IA ^AI. JPMorgan pronostica que los ingresos recurrentes anuales (ARR) de los principales LLM chinos crecerán aproximadamente entre 4 y 7 veces en 2026 ^DN.

La división estructural del código abierto

Un pilar central del análisis de JPMorgan es la división estructural creada por las estrategias de código abierto ^D. El informe del banco de julio de 2026 sostiene que las empresas con modelos de pesos abiertos (open-weight) que son consistentemente de vanguardia pueden generar un "valor de opcionalidad significativo" a través de la comercialización ^DN. Por el contrario, los modelos rezagados se mercantilizan y luchan por mantener cualquier poder de fijación de precios ^D.

Esto crea un ciclo que se refuerza a sí mismo: los modelos de primer nivel atraen a más usuarios y desarrolladores, lo que genera más datos e ingresos, que a su vez financian nuevas mejoras. Los modelos más débiles, incluso si son de código abierto, quedan atrapados en una trampa de bajo valor donde se usan pero no se monetizan de manera efectiva ^DS.

DeepSeek V4 Pro: la onda expansiva de los precios

El V4 Pro de DeepSeek es el ejemplo más claro de la presión de costes extrema que está remodelando el mercado. Sus ventajas de precio son notables:

• Recorte de precio permanente del 75%: En mayo de 2026, DeepSeek hizo permanente un descuento del 75% en V4 Pro, fijando el precio de los tokens de salida en 0,87 USD por millón de tokens ^BCD.
• Ventaja de coste radical: Este precio hace que V4 Pro sea aproximadamente 12 veces más barato que GPT-5.5 y 7 veces más barato que Claude Opus 4.8 a una inteligencia comparable ^DD.
• Rendimiento casi idéntico: V4 Pro obtiene un 80,6% en SWE-bench Verified, a solo 0,2 puntos de Claude Opus 4.6, que cuesta 25 USD por millón de tokens de salida, una brecha de precio de 7 veces ^AC.
• Ventaja de coste estructural: JPMorgan señaló en un informe de mayo de 2026 que solo la infraestructura propia de DeepSeek puede operar V4 con una eficiencia económica de vanguardia. La disparidad en la entrada de caché entre la API oficial de DeepSeek y los procesos de terceros es de aproximadamente 40 veces, lo que destaca las ventajas estructurales de ser el primero en el mercado ^NI.

Según JPMorgan, el mercado malinterpretó inicialmente el V4 como una amenaza competitiva para otras empresas chinas de IA, pero el banco argumentó que en realidad fortaleció tres de los cuatro pilares clave que sostienen la monetización de los LLM nacionales ^CN.

Las valoraciones divergentes de JPMorgan: Zhipu AI vs. MiniMax

La expresión más concreta de la tesis del "winner-takes-more" es el tratamiento marcadamente divergente de JPMorgan hacia dos empresas chinas líderes en IA: Zhipu AI y MiniMax ^ST.

Zhipu AI (02513.HK) — Sobreponderar, objetivo elevado a 2.000 HKD

JPMorgan elevó el precio objetivo de Zhipu tres veces en rápida sucesión:

• 15 de junio de 2026: Elevado a 1.400 HKD desde 950 HKD, citando la visibilidad del modelo y el poder de fijación de precios ^CSN
• 22 de junio de 2026: Elevado aún más a 1.800 HKD (30 veces el PER futuro basado en las ganancias de 2030) ^NM
• 8 de julio de 2026: Elevado a 2.000 HKD para diciembre de 2026, citando GLM-5.2 como refuerzo de la tesis de que "la comercialización de pesos abiertos puede generar un valor de opcionalidad significativo para los principales proveedores de modelos" ^DN

El banco también elevó sus previsiones de ingresos para Zhipu entre un 26% y un 42% para el período 2026-2030 y redujo las proyecciones de pérdidas netas ajustadas ^NK. Las acciones de Zhipu se dispararon hasta un 48% tras la mejora inicial ^EBI.

MiniMax (00100.HK) — Neutral, objetivo recortado a 300 HKD

Simultáneamente, JPMorgan rebajó la calificación de MiniMax:

• 14 de junio de 2026: Rebajada de "Sobreponderar" a "Neutral", con un objetivo reducido de 1.100 HKD a 400 HKD ^NB
• 8 de julio de 2026: El objetivo se redujo aún más a 300 HKD, lo que refleja un "poder de fijación de precios limitado y débiles perspectivas de comercialización" ^DNN

La justificación del banco: MiniMax no ha lanzado un nuevo modelo de vanguardia nacional (SOTA) desde su modelo M2, y en términos de capacidad de modelo puro se está quedando atrás con respecto a sus pares ^B. Su modelo M3 (lanzado el 1 de junio) ocupó el puesto número 4 en Code Arena WebDev, pero no logró cerrar la brecha con los modelos líderes ^DR. JPMorgan citó una "distribución y reconocimiento de marca débiles" fuera del nicho de entretenimiento de MiniMax ^DN.

El trato contrastante es claro: la iteración constante del modelo de Zhipu (especialmente GLM-5.2) le valió poder de fijación de precios y una calificación de "Sobreponderar", mientras que la incapacidad de MiniMax para mantener el ritmo de los modelos SOTA líderes resultó en una calificación "Neutral" y un recorte del objetivo de aproximadamente el 73% en solo un mes ^DI.

Contexto más amplio: el auge de la adopción global de la IA china

El análisis de JPMorgan se produce en un contexto de adopción global de modelos de IA chinos que se acelera rápidamente.

Dominio del tráfico en OpenRouter: Los modelos chinos representaron más del 45% del tráfico de OpenRouter en abril de 2026, capturando la mayoría del consumo de tokens en la plataforma de agregación de IA más grande del mundo, según datos destacados por Michael Cembalest, estratega de JPMorgan Asset Management ^DE. A finales de mayo de 2026, los modelos de IA chinos estaban aumentando en los rankings de uso global a un ritmo sin precedentes ^ES.

Ventaja de coste frente a los modelos frontera de EE. UU.: Los modelos chinos ofrecen costes entre un 60% y un 90% más bajos que los modelos frontera estadounidenses, al tiempo que se acercan a un rendimiento comparable ^DDN. Solo DeepSeek V4 Pro supera a GPT-5.5 en aproximadamente 12 veces en el precio de entrada ^DD. La brecha económica es más amplia en las cargas de trabajo empresariales que requieren un razonamiento intensivo ^CY.

El Qwen de Alibaba: la paradoja adopción-ingresos: El Qwen de Alibaba se convirtió en el sistema de IA de código abierto más descargado del mundo en enero de 2026 ^YX. Sin embargo, JPMorgan señala que Qwen enfrenta dificultades significativas para convertir la adopción en ingresos, lo que ilustra la tensión central de la dinámica del "winner-takes-more", donde la adopción de código abierto no se traduce automáticamente en poder de fijación de precios o ingresos sostenibles ^YX. El ecosistema de IA chino en general ha creado rápidamente 538 LLM registrados (frente a 14 en octubre de 2023), pero gran parte de esta capacidad se ha canalizado hacia modelos de código abierto y bajo coste que se ofrecen gratis o casi gratis para maximizar la adopción ^YX.

Advertencias clave

• El análisis de JPMorgan trata explícitamente sobre la comercialización y monetización, no sobre el liderazgo técnico: el banco advierte que la capacidad del modelo por sí sola es insuficiente para obtener un rendimiento superior de la inversión ^TAM.
• DeepSeek en sí mismo no cotiza en bolsa, por lo que las calificaciones de JPMorgan se aplican a otros actores (Zhipu, MiniMax e indirectamente Alibaba/Baidu) ^NI.
• El objetivo de MiniMax de 300 HKD representa un recorte de aproximadamente el 73% desde el objetivo inicial de 1.100 HKD en solo un mes, lo que refleja la rapidez con la que JPMorgan se está adaptando a la dinámica de mercantilización del código abierto ^DI.