La batalla por los grandes modelos: Zhipu recauda 5 mil millones de dólares, y la potencia de cálculo se convierte en el nuevo campo de batalla
I. Resumen del contenido principal
En pocas palabras, las reglas de la competencia en el sector de los grandes modelos han cambiado. Antes, lo que se competía era por ver quién tenía el modelo más inteligente; ahora, lo importante es quién tiene más dinero y quién puede soportar el consumo de potencia de cálculo a largo plazo.
Zhipu AI, recién salida al mercado, ha iniciado rápidamente una nueva ronda de financiación masiva, con un monto de 5 mil millones de dólares (equivalente a más de 35 mil millones de yuanes). Este dinero no se utiliza para pagar salarios ni para marketing, sino para comprar chips, construir centros de datos e infraestructura.
Al mismo tiempo, empresas líderes nacionales como DeepSeek y Kimi, así como empresas internacionales como OpenAI y Anthropic, están invirtiendo enormes cantidades en infraestructura de potencia de cálculo. Esto significa que los grandes modelos han pasado de ser un negocio basado en “activos ligeros” a uno basado en “activos pesados”. Quien pueda obtener una potencia de cálculo económica, estable y a gran escala, será el que sobreviva en esta carrera.
---
II. Análisis detallado: ¿Por qué las empresas de grandes modelos se han vuelto tan “pesadas” de repente?
Para que todos entiendan mejor la lógica detrás de estas acciones, desglosaremos la noticia en los siguientes cinco aspectos:
1. Aceleración del ritmo de financiación: La salida a bolsa no es el final, sino el comienzo de la “transfusión de sangre”
Muchas personas podrían pensar que, una vez que una empresa sale a bolsa, ya tiene el dinero necesario para ganar dinero. Pero en el sector de los grandes modelos, la salida a bolsa solo representa obtener un “pase de entrada”, no una “inmunidad”.
- Cronología apresurada: Zhipu se lanzó a la bolsa de Hong Kong en enero de este año, recaudó 4000 millones de dólares en julio y ahora ha iniciado una nueva ronda de financiación de 5000 millones de dólares en septiembre. En solo 8 meses, ha obtenido fondos tres veces del mercado de capitales, a una velocidad muy rápida.
- A dónde va el dinero? La noticia indica claramente que el dinero se utiliza principalmente para investigación y desarrollo, recursos de potencia de cálculo e infraestructura. Esto muestra que el flujo de caja de las empresas de grandes modelos es negativo o muy escaso, y necesitan constantemente financiación externa para mantener sus enormes gastos de I+D y potencia de cálculo.
- Implicaciones: Si una empresa de grandes modelos deja de financiarse, su capacidad de I+D y sus servicios de potencia de cálculo podrían detenerse. Por lo tanto, la lucha por el dinero y el capital es tan importante como la lucha por el talento.
2. Gran cambio de rol: De “compradores de potencia de cálculo” a “propietarios de potencia de cálculo”
En los últimos tres años, el enfoque de las empresas de grandes modelos fue simple: **recaudar fondos → alquilar GPU/comprar chips → entrenar modelos → lanzar productos*. La potencia de cálculo era como el agua y la electricidad: se compraba según se necesitaba, y era un gasto.
Pero ahora, las empresas líderes (como Zhipu y DeepSeek) están construyendo sus propios centros de datos, comprando chips nacionales e incluso diseñando chips a medida.
- ¿Por qué el cambio?
- Antes: La potencia de cálculo era un “medio de producción” que se consumía al usar.
- Ahora: La potencia de cálculo es un “recurso estratégico”. Debido a la rápida iteración de los modelos (preentrenamiento, entrenamiento posterior, aprendizaje automático) y a que las aplicaciones de agentes inteligentes necesitan consumir constantemente tokens (unidades de cálculo).
- Por ejemplo: Antes, si no tenías suficientes coches, alquilabas uno de una empresa de alquiler; ahora, si la renta de coches es demasiado cara e inestable, simplemente compras tus propios coches, construyes tus propias estaciones de carga y reparas tus propios caminos.
- Beneficios: Al controlar la potencia de cálculo, puedes gestionar el ritmo de entrenamiento de manera más estable, lo que a largo plazo puede reducir significativamente los costos de entrenamiento y inferencia. Quien controle los chips, la energía y el software de gestión, controlará el “corazón” de los modelos.
3. Aumento de los barreras de competencia: De “competir por la inteligencia” a “competir por los recursos”
Durante la “guerra de los cien modelos” de 2023, lo que se competía eran las puntuaciones de los benchmarks y el tamaño de los parámetros. En ese momento, con un modelo lo suficientemente fuerte, se podía obtener la siguiente ronda de financiación.
Hasta 2026 (el contexto de la noticia), la lógica de la competencia ha cambiado:
- La capacidad del modelo ya no es la única barrera: Las capacidades de los principales actores (Zhipu, DeepSeek, Kimi, MiniMax, etc.) no difieren mucho y todos están en la primera categoría.
- Nuevas barreras:
- ¿Puedes iterar de manera continua?
- ¿Puedes hacer funcionar de manera estable clústeres a gran escala?
- ¿Puedes hacer que chips nacionales de diferentes marcas trabajen juntos de manera eficiente?
- ¿Puedes reducir los costos?
- Conclusión: La capacidad del modelo es el “aspecto exterior”; la infraestructura de potencia de cálculo y las reservas de capital son lo “esencial”. Sin esto, incluso los modelos más avanzados no podrán mantenerse a largo plazo.
4. Carrera armamentista global: Miles de millones de dólares fluyen hacia el AI, convirtiéndolo en un “proyecto de infraestructura”
Esto no es un problema exclusivo de China, sino una tendencia global.
- Cifras impactantes: El Banco de Clearing Internacional predice que, entre 2025 y 2026, las cinco principales empresas tecnológicas del mundo invertirán más de 1 billón de dólares en AI. Para 2030, la inversión en AI podría aumentar de los actuales 500 mil millones a 4 billones de dólares.
- Movimientos internacionales:
- Anthropic: Prepara su IPO y podría recaudar 100 mil millones de dólares, al mismo tiempo que promete invertir 100 mil millones de dólares en AWS (la nube de Amazon).
- OpenAI, Meta, Google: Todas están invirtiendo encentivamente en centros de datos, chips propios y energía.
- Significado de esto: El AI ya no es solo una aplicación ligera en la red; se ha convertido en un proyecto de infraestructura complejo, similar a la construcción de trenes de alta velocidad o redes eléctricas. El dinero está fluyendo hacia el hardware a una velocidad sin precedentes. Esto significa que la competencia futura no será solo sobre algoritmos, sino también sobre energía, fabricación de chips y construcción de centros de datos.
5. El “cartón nacional” de Zhipu: Consideraciones estratégicas detrás de la autonomía
La noticia menciona un detalle importante: el centro de datos de 1 GW construido por Zhipu utiliza exclusivamente chips AI nacionales.
- ¿Por qué enfatizar lo nacional?
- Seguridad de la cadena de suministro: En un contexto geopolítico, la dependencia de chips de alta gama importados conlleva el riesgo de interrupciones en el suministro.
- Costos y personalización: La cooperación con empresas de chips nacionales (como se menciona en la noticia para diseñar chips a medida) puede optimizar el hardware para el entrenamiento de modelos, lo que a largo plazo puede ser más económico y estable que los chips importados generales.
- Conformidad con las políticas: Está en línea con la dirección nacional de autonomía tecnológica y facilita el apoyo político y recursos sociales.
- Desafíos: Los chips nacionales aún pueden tener deficiencias en términos de madurez del ecosistema y rendimiento por chip; se necesita software (como la gestión de potencia heterogénea) para compensar estas deficiencias. Zhipu adquirió empresas de software como Zhongke Jiahe para completar el “último tramo” hacia la autonomía en hardware nacional.
---
III. Lecciones para el público general
1. El sector de los grandes modelos ha entrado en la segunda mitad de la “eliminación”: Antes había una diversidad de empresas; ahora, solo las más fuertes sobreviven. Las pequeñas empresas que no cuenten con capital y potencia de cálculo significativo tendrán dificultades para destacarse.
2. La potencia de cálculo es poder: En el futuro, aquellos que tengan potencia de cálculo económica y estable tendrán una gran ventaja en la era del AI, al igual que las personas que poseían máquinas de vapor durante la Revolución Industrial.
3. Perspectiva de inversión: Si te interesa la inversión tecnológica, no solo debes fijarte en las empresas que desarrollan aplicaciones, sino también en aquellas que fabrican chips, centros de datos e infraestructura de energía. Son las que proporcionan los recursos necesarios para esta guerra y ofrecen mayor seguridad.
4. La implementación de la tecnología se ha ralentizado, pero es más estable: Debido a la construcción de infraestructura, la velocidad de iteración de los grandes modelos podría pasar de actualizaciones mensuales a actualizaciones trimestrales/anuales, pero la estabilidad y la relación calidad-precio de los modelos mejorarán significativamente, lo cual es bueno para los usuarios finales.
En resumen: La guerra de los grandes modelos ha pasado de “ver quién es más inteligente” a “ver quién puede gastar más dinero y quién puede soportar el consumo de potencia de cálculo”. Los 5000 millones de dólares recaudados por Zhipu no se utilizan para comprar modelos, sino para obtener el “pase de entrada” y el “almacén de municiones” para la próxima batalla.