Cuando la “potencia de cálculo” se convierte en el “nuevo petróleo”: ¿qué está realmente sucediendo con esta “unión” entre IA y finanzas?
Hola a todos, soy vuestro observador financiero. Recientemente, en la Feria de Servicios Comerciales de 2026, surgieron muchos términos nuevos, como “préstamos basados en potencia de cálculo” y “garantías basadas en potencia de cálculo”. Suena muy sofisticado, pero en esencia, significa que los bancos y las compañías de seguros han comenzado a proporcionar fondos y a asumir riesgos para aquellas empresas que trabajan con inteligencia artificial (IA).
Detrás de esto se esconde un cambio de lógica significativo: antes pensábamos que las finanzas eran como una “imprentora de dinero”, pero ahora hemos descubierto que la IA es el verdadero “nuevo motor” que puede cambiar las reglas del juego e incluso remodelar la industria financiera.
Para que no os sintáis confundidos, he desglosado la información clave de esta noticia en cinco puntos para que lo entendáis mejor: ¿cómo se relacionan realmente la IA y las finanzas? ¿Qué obstáculos existen en el camino? ¿Y hacia dónde deberíamos dirigirnos en el futuro?
---
1. Resumen central: Un cambio de dirección mutuo
En pocas palabras: La tecnología IA está obligando a la industria financiera a transformarse, mientras que el capital financiero busca desesperadamente formas de apoyar al sector de la IA.
La señal más clara que emitió esta feria es que la IA ya no es solo asunto del mundo tecnológico; se ha convertido en una cuestión esencial para el mundo financiero.
- Para las empresas de IA: Antes era difícil obtener préstamos porque no tenían propiedades o terrenos para hipotecar. Ahora, los bancos ofrecen préstamos basados en la cantidad de potencia de cálculo y tecnología que poseen.
- Para los bancos: Antes ganaban dinero con los intereses de los préstamos; ahora deben aprender a entender el código y los algoritmos, y también utilizar la IA para gestionar sus riesgos.
- El principal dilema: La tecnología IA evoluciona demasiado rápido, y el sistema financiero a veces tiene dificultades para seguir el ritmo; además, los datos financieros son muy sensibles, por lo que la IA no puede acceder fácilmente a los sistemas centrales de los bancos.
---
2. Análisis 1: ¿Por qué los bancos de repente comienzan a favorecer a las empresas de IA?
Palabras clave: Difícil de valorar, ciclos largos, activos ligeros
Antes, a los bancos les gustaba prestar dinero a las empresas inmobiliarias y manufactureras porque tenían fábricas y terrenos como garantías. Pero las empresas de IA suelen tener “activos ligeros”: solo necesitan unos pocos servidores en la oficina, hojas con fórmulas y pocos fondos en sus cuentas, e incluso pueden estar perdiendo dinero.
Esto plantea problemas para los bancos:
- Dificultad de valoración: El director Wang Yiming señala que las instituciones financieras no tienen una buena capacidad para valorar a las empresas de IA. ¿Cuánto vale realmente una empresa? ¿Se debe juzgar por la cantidad de código o por el número de usuarios? Si no lo saben con certeza, no se atreven a prestar.
- No pueden esperar: El desarrollo de IA es un proceso costoso y puede llevar de 5 a 10 años antes de generar ganancias. Sin embargo, el capital bancario suele ser a corto plazo, y los inversores prefieren obtener beneficios rápidos.
- Falta de garantías: La subdirectora Wang Ying explica que la industria de IA requiere inversiones significativas en tecnología y construcción de capacidad de cálculo, pero estas cosas no son fáciles de hipotecar.
El problema actual es que las empresas de IA necesitan “capital paciente” (que esté dispuesto a invertir a largo plazo), mientras que el mercado está compuesto principalmente por capital impaciente (que busca obtener beneficios rápidamente). Esta discrepancia es el mayor obstáculo actual.
---
3. Análisis 2: ¿Cómo están adaptándose los bancos? De “evaluar propiedades” a “evaluar código”?
Palabras clave: Préstamos basados en potencia de cálculo, ciclo de vida completo, vinculación entre inversión y préstamo**
Frente a las características especiales de las empresas de IA, los bancos están cambiando su enfoque. Aquí hay algunas estrategias nuevas y prácticas:
- Considerar la “potencia de cálculo” como un activo: En lugar de hipotecar propiedades, ahora se hipotecan la capacidad de cálculo de las empresas. Por ejemplo, el préstamo de potencia de cálculo para innovación tecnológica del Banco de China apoya la compra de servidores y la construcción de centros de datos. Es como si, en lugar de ver cuántas casas tienes, ahora se valore cuántos “yacimientos digitales” posees.
- Acompañar durante todo el ciclo de vida: Antes, los bancos solo prestaban a empresas maduras; ahora, la sucursal de Pekín del Banco de China ha desarrollado una gama de productos financieros para cada etapa del crecimiento de una empresa: desde su incubación hasta su maduración.
- Vinculación entre acciones y deudas: El gerente Gan Fei del Banco de China menciona que los bancos ofrecen préstamos a largo plazo (de 3 a 5 años) incluso cuando las empresas aún no han generado ganancias y tienen problemas de flujo de caja. Esto no es solo un préstamo; también es una forma de que los bancos compartan los beneficios futuros de la empresa a través de la propiedad de acciones u opciones. De esta manera, los bancos pueden obtener rendimientos a largo plazo, y las empresas no ven disminuir sus acciones debido a la emisión de acciones.
En otras palabras, los bancos ya no son simplemente máquinas de préstamo; se han convertido en “socios” y “tutores” de las empresas de IA, acompañándolas desde el inicio hasta su éxito.
---
4. Análisis 3: ¿Cómo puede la IA ayudar a los bancos? La batalla entre eficiencia y seguridad
Palabras clave: Control de riesgos inteligente, seguridad de datos, implementación privada
Por otro lado, la IA también está cambiando la forma en que trabajan los bancos. Wang Yiming propone utilizar modelos y grandes cantidades de datos para crear sistemas de control de riesgos inteligentes.
- Los beneficios son evidentes: Antes, el control de riesgos dependía de análisis manuales de informes; ahora, la IA puede analizar miles de datos en segundos y detectar qué empresas innovadoras pueden estar engañando o cuáles tecnologías son fiables. Esto reduce la asimetría de información.
- Pero hay un gran problema: La seguridad de los datos. El vicepresidente Liu Haojie señala que el sector financiero necesita soluciones que sean “compatibles con las regulaciones, controlables y seguras”. El gerente Gan Fei también reconoce que usar la IA para mejorar la eficiencia no es un problema, pero los departamentos comerciales dudan en hacerlo debido a la sensibilidad de los datos (depósitos, registros de préstamos, información personal). Como resultado, a menudo se sacrifica la eficiencia en pos de la seguridad. Por ejemplo, no se pueden transferir datos a la nube y se debe utilizar la implementación privada, lo que ralentiza el funcionamiento de la IA y aumenta los costos.
Este es el principal desafío actual: cómo hacer que la IA sea eficiente y segura al mismo tiempo. La solución más común es la implementación privada combinada con el uso de la nube, es decir, instalar los modelos de IA en las propias instalaciones del banco para que los datos no salgan.
---
5. Análisis 4: ¿Cuál es el camino hacia el futuro? Cooperación entre gobierno y mercado
Palabras clave: Capital paciente, colaboración ecológica, límites de cumplimiento
Este cambio no puede lograrse solo por parte de los bancos ni de las empresas de IA; requiere la colaboración de todo el ecosistema.
- El gobierno debe proporcionar un entorno favorable: Wang Yiming sugiere fomentar el desarrollo de capital paciente a largo plazo. El capital estatal debe desempeñar un papel clave en la construcción de infraestructura, como centros de potencia de cálculo y fondos de guía.
- El mercado debe desempeñar un papel activo: El capital de mercado (PE/VC) debe ayudar a los bancos a identificar empresas de IA de calidad y reducir sus riesgos.
- La regulación debe establecer límites claros: La subdirectora Wang Ying enfatiza que la innovación debe seguir ciertas reglas. Al implementar la IA en el sector financiero, la seguridad y el cumplimiento deben ser requisitos esenciales, no optativos.
En resumen, el futuro de la economía financiera será el resultado de la combinación de tecnología IA, capital financiero y guía gubernamental.
- Para las personas comunes: Esto significará que podrán aparecer más productos financieros relacionados con activos digitales personales (como derechos de uso de potencia de cálculo y derechos de datos).
- Para los emprendedores: Habrá más opciones de financiación, pero los requisitos serán más estrictos; tendrán que demostrar que su tecnología es viable y realizable.
- Para los inversores: Deben estar atentos a los proyectos de IA que solo prometen resultados teóricos sin un soporte real en términos de potencia de cálculo, y prestar atención a las empresas tecnológicas que realmente resuelven problemas de seguridad de datos.
Para terminar, os dejo esta frase:**
La revolución tecnológica nunca es una fiesta; es una competencia feroz. La relación entre IA y finanzas no es una simple suma, sino una reacción química que puede generar mucho más de lo que suman sus partes. Quien logre equilibrar seguridad y eficiencia primero obtendrá la oportunidad de triunfar.