Inteligencia artificial y tecnología: Los modelos de pesos abiertos impulsan la reducción de costos y las ganancias de eficiencia empresarial, mientras la competencia en IA se desplaza hacia un panorama multimodelo

Visión general

El informe se centra en tres desarrollos de los modelos de pesos abiertos durante la última semana: primero, los modelos chinos mejoran la rentabilidad mediante aumentos directos de precios y licencias comerciales; segundo, las empresas estadounidenses adoptan modelos de pesos abiertos y logran retornos claros sobre la inversión; y tercero, Meta regresa al ecosistema de pesos abiertos. Morgan Stanley considera que el mercado de IA está avanzando rápidamente hacia un panorama multimodelo, en el que los modelos abiertos ayudan a reducir los costos unitarios, acelerar la adopción empresarial y sostener la demanda de cómputo, mientras que la brecha de precios entre Estados Unidos y China determinará los límites competitivos entre los modelos abiertos y de código cerrado.

Perspectivas principales

Los modelos chinos están pasando de la competencia de bajos precios hacia precios escalonados y comercialización, entrando en una fase de mayor escala de modelos, mayores barreras de entrada y mejor monetización. Al mismo tiempo, se espera que los precios de los modelos estadounidenses de código cerrado continúen cayendo, y la creciente participación de los modelos abiertos también está reduciendo los precios generales por token. Las empresas no elegirán simplemente entre modelos abiertos y de código cerrado, sino que realizarán un enrutamiento dinámico según la complejidad de la tarea, el costo, las necesidades de personalización, la seguridad y la confiabilidad. Los modelos de pesos abiertos son más adecuados para tareas de alta frecuencia, sensibles a costos y específicas de la industria, mientras que los modelos fronterizos de código cerrado pueden seguir dominando el razonamiento complejo y las cargas de trabajo agénticas.

Marco de análisis

El informe combina precios de modelos, términos de licencia, estudios de caso de resultados empresariales y análisis de escenarios de la cadena industrial para evaluar el impacto de las vías de modelos abiertos, de código cerrado e híbridos sobre la velocidad de adopción empresarial, la demanda de tokens, el gasto de capital en computación en la nube y los beneficiarios de la cadena industrial tecnológica, y utiliza un marco de “tres estados del mundo” para mapear las acciones relacionadas.

Notas metodológicas

• Análisis de escenariosTres estados del mundo

  Supone respectivamente que ganan los modelos de código cerrado, que los modelos abiertos y de código cerrado coexisten en una combinación híbrida, y que ganan los modelos abiertos.

  Este marco se utiliza para comparar los beneficios relativos para servicios en la nube, proveedores de modelos, semiconductores, redes, centros de datos, ciberseguridad, software empresarial y hardware de borde bajo diferentes panoramas de modelos.

• Elasticidad de la demandaParadoja de Jevons

  Una disminución de los costos unitarios de cómputo o tokens puede estimular un mayor uso, haciendo que la demanda total aumente en lugar de disminuir.

  El informe sostiene que las reducciones de precios de los modelos abiertos y de código cerrado aumentarán el uso de IA, por lo que una disminución de los costos unitarios no debe equipararse directamente con una disminución de la demanda de infraestructura de cómputo.

• Arquitectura técnicaEnrutamiento multimodelo

  Asignar diferentes cargas de trabajo al modelo más adecuado según el desempeño de la tarea, el costo y el riesgo.

  Las empresas pueden utilizar una capa centralizada de enrutamiento para combinar modelos abiertos y de código cerrado, reduciendo el gasto mientras mantienen el uso de tokens y la calidad del servicio.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Canasta de ganadores de modelos de código cerrado: GOOGL, AMZN, META, PANW, CRWD, ANET, NVDA, AVGO

  Se benefician de las barreras de capacidad de los modelos fronterizos, las cargas de trabajo centralizadas en la nube y la demanda de entrenamiento de alta intensidad.

  Fortalezas

  El capital, el cómputo, los datos, la seguridad y las capacidades de despliegue crean barreras relativamente altas, mientras que las empresas otorgan mayor importancia a la precisión, la confiabilidad y la protección de responsabilidad.

  Debilidades

  Un oligopolio de modelos puede mantener los costos de cómputo relativamente altos y limitar el control y la personalización de los modelos por parte de las empresas.

  Comparación

  En comparación con el escenario de modelos abiertos, está más inclinado hacia plataformas de nube a hiperescala, laboratorios fronterizos y centros de datos centralizados.

  Riesgos

  La rápida convergencia de los modelos abiertos, las continuas reducciones de precios de las API de código cerrado y el fortalecimiento de las capacidades internas empresariales pueden debilitar la concentración.

• Canasta de modelos híbridos: AMZN, GOOGL, MSFT, DDOG, PLTR, PANW, SAP, NOW, CSCO, NVDA

  Se benefician de la coexistencia de modelos abiertos y de código cerrado, así como de la demanda empresarial de capacidades de enrutamiento, orquestación, observabilidad y seguridad.

  Fortalezas

  Puede cubrir razonamiento complejo, tareas de alta frecuencia y tareas específicas de la industria, permitiendo a las empresas seleccionar modelos de forma flexible según desempeño y costo.

  Debilidades

  La complejidad de la arquitectura, los costos de gobernanza y los requisitos de seguridad de datos entre modelos son mayores.

  Comparación

  Más adaptable que una vía única, y también el estado que el informe considera cada vez más alineado con la adopción empresarial real.

  Riesgos

  La estandarización de modelos, la rápida convergencia de precios o la formación de una ventaja abrumadora por parte de una única plataforma podrían reducir el valor de las herramientas de orquestación independientes.

• Canasta de ganadores de modelos abiertos: MSFT, BABA, Tencent, PLTR, DELL, HPE, NTAP, AAPL, SAP, NOW, SHOP, NVDA

  Se benefician de la popularización de los modelos abiertos, la disminución de los costos por token y el desplazamiento de más cargas de trabajo hacia el despliegue local o de borde.

  Fortalezas

  Admite la personalización con datos de la industria, el control de modelos, el despliegue privado y menores costos de inferencia, ayudando a ampliar la adopción empresarial.

  Debilidades

  Las empresas deben asumir más responsabilidad por el despliegue, la seguridad, las actualizaciones y la gobernanza de modelos.

  Comparación

  En comparación con el escenario de modelos de código cerrado, es más favorable para la infraestructura local, los dispositivos de borde, los socios de canal y los proveedores de modelos abiertos.

  Riesgos

  El endurecimiento de las licencias comerciales, los aumentos de precios de modelos abiertos, las reducciones de precios de modelos fronterizos de código cerrado y las restricciones regulatorias pueden debilitar la ventaja de costos.

Datos clave

• Precios relativos de API de grandes modelos chinosAproximadamente del 15% al 20% de los productos estadounidenses comparablesLa brecha de precios sigue siendo significativa, pero se espera que los aumentos de precios de los modelos chinos y las reducciones de precios de los modelos estadounidenses reduzcan la brecha.
• Precio base de DeepSeek V4-FlashUS$0.14 por 1 millón de tokens de entrada; US$0.28 por 1 millón de tokens de salidaEl informe estima que, si los precios se duplican, el margen de beneficio de un centro de datos de 200MW que ejecute este modelo podría aproximarse al de Kimi K3 y otros modelos fronterizos.
• Participación en ingresos por licencias comercialesMoonshot puede cobrar hasta un 30%Dirigido principalmente a clientes que generan más de US$20 millones de ingresos utilizando los modelos relevantes, y es probable que el impacto recaiga más en los proveedores de nube a hiperescala que ofrecen servicios de modelos.
• Gasto en tokens de RipplingDisminuyó del 40% de los costos de personal de I+D al 15%Logrado tras adoptar GLM 5.2 y un enrutamiento de modelos personalizado, mientras el uso de tokens se mantuvo estable en alrededor de 600 mil millones al mes.
• Costo de transacción de modelo abierto de PinterestMenos del 8% del costo de modelos propietarios comparables de código cerradoLogrado mediante el uso de modelos abiertos posentrenados con datos propietarios y una capa de enrutamiento de modelos.

Impacto e implicaciones

Un panorama multimodelo es favorable para la orquestación de modelos, la observabilidad, la ciberseguridad y la infraestructura distribuida, y puede acelerar la penetración de la IA empresarial a través de menores costos. Una victoria de los modelos de código cerrado beneficiaría a las plataformas de nube a hiperescala, los laboratorios de modelos fronterizos y la infraestructura centralizada de entrenamiento; un panorama híbrido beneficiaría al enrutamiento entre modelos, el software de infraestructura y los proveedores de seguridad; y una victoria de los modelos abiertos sería más favorable para el despliegue local, los dispositivos de borde, el hardware empresarial y los distribuidores de canal. Los proveedores de semiconductores y energía in situ tienen cierta base para beneficiarse en múltiples escenarios.

Riesgos

• La mejora de la rentabilidad de los modelos chinos puede crear un ciclo de reinversión en I+D, acelerando el estrechamiento de la brecha de capacidades con los modelos fronterizos estadounidenses y cambiando el panorama competitivo.
• Las restricciones a los modelos chinos por parte de Estados Unidos u otras regiones pueden causar interrupciones de suministro, riesgos de cumplimiento y riesgos de continuidad del negocio.
• Si los modelos abiertos sustituyen significativamente las llamadas de código cerrado de alto precio, mientras que el uso incremental es insuficiente para compensar la caída de los precios unitarios, los ingresos por tokens y cierta demanda de infraestructura podrían verse presionados.
• Requisitos más estrictos de licencias comerciales y reparto de ingresos pueden debilitar las ventajas originales de los modelos abiertos de bajo costo y uso permisivo.
• Las empresas deben asumir costos adicionales de seguridad, gobernanza, mantenimiento, protección de responsabilidad y talento al desplegar modelos abiertos.
• Los escenarios analizados en el informe aún están evolucionando rápidamente, y la clasificación de los beneficiarios en la cadena industrial relevante es altamente incierta.

Aspectos que vigilar

• Si la brecha de precios de API de grandes modelos entre Estados Unidos y China continúa estrechándose, y el ritmo de reducciones de precios de los modelos estadounidenses de gama baja y media.
• La magnitud de los aumentos de precios y la implementación de licencias comerciales por proveedores chinos de modelos como DeepSeek, Moonshot y Alibaba.
• Las tasas de adopción empresarial de modelos de pesos abiertos, la penetración del enrutamiento de modelos y los casos verificables de ahorro de costos.
• Si la disminución de los precios generales por token conduce a un mayor uso y valida la paradoja de Jevons.
• Las capacidades, tasas de adopción y avances en la construcción de ecosistemas de Meta Muse Spark 1.2 y otros modelos estadounidenses de pesos abiertos.
• La política de IA entre Estados Unidos y China, los requisitos de IA soberana y las posibles prohibiciones de modelos.
• Los cambios en el gasto de capital en la nube, la energía de los centros de datos y la demanda de semiconductores bajo los tres escenarios de modelos abiertos, de código cerrado e híbridos.