La narrativa en torno a la IA en los mercados de capitales está experimentando una transformación sutil pero profunda.
El 22 de julio de 2026 (UTC+8), el sector de grandes modelos de IA en Hong Kong sufrió una fuerte presión vendedora. MiniMax-W (HKG: 0100) cerró en 197,00 HKD, con una caída del 11,42 % en un solo día. Zhichu (HKG: 2513) terminó la jornada en 1 175,00 HKD, bajando un 3,61 %. Mientras tanto, el Hang Seng Tech Index retrocedió alrededor de un 1,8 %, con el conjunto del sector de IA rindiendo por debajo del mercado general.
Esta tendencia no es un hecho aislado. Desde el segundo trimestre de 2026, el sector de IA en Hong Kong ha experimentado correcciones similares en varias ocasiones. El mercado se pregunta: ¿se trata simplemente de una toma de beneficios tras subidas previas, o estamos ante un cambio estructural en la forma en que se valoran las empresas de IA?
Este artículo analiza el comportamiento del mercado a corto plazo, explora la evolución del panorama competitivo global de la IA y los cambios en los marcos de valoración de las empresas de grandes modelos, y examina las pruebas de estrés a las que se enfrentan MiniMax y Zhichu. También abordaremos hacia dónde podría dirigirse la próxima fase de la lógica de inversión en IA.
Retroceso a corto plazo: toma de beneficios y ajuste de valoraciones
Desde una perspectiva de trading, este retroceso fue provocado por factores claramente coyunturales.
Desde el primer trimestre de 2026, las ganancias acumuladas de MiniMax superaron el 80 %, mientras que las de Zhichu aumentaron más de un 45 % en el mismo periodo. Ante la ausencia de catalizadores de resultados a corto plazo, algunos inversores optaron por asegurar beneficios. La venta masiva del 22 de julio vino acompañada de un aumento del volumen negociado: el volumen de MiniMax fue aproximadamente el doble de la media de las cinco jornadas anteriores, lo que indica ventas concentradas.
El apetito global por el riesgo se contrajo al mismo tiempo. A medida que se acercaba la reunión de política monetaria de la Reserva Federal en julio, aumentaba la incertidumbre sobre el ritmo de bajadas de tipos. El índice del dólar estadounidense se fortaleció y los sectores tecnológicos de mercados emergentes sufrieron una presión generalizada. Hong Kong, como mercado offshore, es especialmente sensible a las expectativas de liquidez global. Los valores de IA de alta beta suelen ser los más afectados por estos cambios.
Estos factores explican la volatilidad a corto plazo, pero no justifican la clara divergencia dentro del sector: la caída de MiniMax fue mucho mayor que la de Zhichu y que la del mercado en general. Esto sugiere que la venta no fue indiscriminada, sino que reflejó factores específicos de cada valor o una diferenciación en los precios.
Surge una cuestión más profunda: ¿cuánto del precio actual de las acciones de IA refleja una prima por "liderazgo tecnológico futuro" y cuánto está vinculado a la "monetización comercial actual"? En los últimos dos años, las valoraciones de las empresas de grandes modelos de IA se han basado en gran medida en narrativas sobre capacidad técnica y escala de parámetros. A medida que la historia avanza hacia su materialización, los inversores exigen métricas financieras más tradicionales: ingresos, clientes, márgenes de beneficio. Este cambio debilita inevitablemente la lógica de valoración anterior.
Panorama competitivo: de la "carrera tecnológica" a la "guerra multidimensional"
La competencia en el sector de grandes modelos de IA se ha intensificado claramente.
Durante los dos últimos años, el foco principal ha sido "quién tiene más parámetros en su modelo" y "quién lidera los rankings de benchmarks". Los avances técnicos por sí solos impulsaban sucesivas revalorizaciones. Pero al entrar en 2026, esta competencia unidimensional está dando paso a una batalla comercial multidimensional.
A nivel global, OpenAI, Google Gemini, Anthropic y Meta AI forman la primera línea. Sus rasgos comunes: matrices empresariales o capacidades de financiación de cientos de miles de millones, acceso a ecosistemas de cientos o miles de millones de usuarios y enormes clústeres de computación propios. Estos elementos generan un "efecto flywheel" para la iteración de modelos: más usuarios generan más feedback, más feedback mejora el modelo y los modelos mejorados atraen a más usuarios.
En China, la competencia es igual de feroz. Alibaba Tongyi Qianwen aprovecha la red empresarial y los escenarios de comercio electrónico de Alibaba Cloud; Tencent Hunyuan se integra en los ecosistemas de WeChat y gaming; Baidu Wenxin se beneficia de los puntos de entrada de búsqueda y años de desarrollo en IA; Byte Doubao escala rápidamente gracias a la ventaja de tráfico de Douyin. El denominador común entre estos gigantes tecnológicos: la capacidad del modelo no es su único foso competitivo, y a veces ni siquiera es el más importante.
Para empresas independientes de grandes modelos como MiniMax y Zhichu, el reto ha pasado de "¿puedes construir un buen modelo?" a "¿puedes establecer un ciclo comercial sostenible frente a los gigantes?"
Cambio en la lógica de valoración: los mercados redefinen los "fosos"
El marco de valoración para las empresas de grandes modelos está transitando por tres etapas.
La primera etapa está impulsada por el liderazgo técnico. Los mercados de capital pagan primas elevadas por la escala de parámetros, los resultados en benchmarks y los artículos publicados. Aquí, el valor de la empresa se determina por las "posibilidades potenciales" de su tecnología.
La segunda etapa la marca la validación de la comercialización. El mercado empieza a fijarse en métricas como el crecimiento de llamadas API, clientes empresariales de pago, evolución del ingreso medio por usuario y la estructura de ingresos. Ahora a los inversores les importa si las "ventajas técnicas se traducen en ventajas de ingresos".
La tercera etapa se centra en el ecosistema y los costes. A medida que las capacidades de los modelos fundacionales convergen, la competencia gira en torno a dos puntos: primero, quien logre menores costes unitarios de inferencia puede liderar en precios, ampliar su base de clientes y formar un flywheel de datos. Segundo, quien disponga de más escenarios de aplicación y puntos de contacto con usuarios puede generar un ciclo positivo de datos y tráfico.
Actualmente, el mercado se encuentra en un punto crítico entre la primera y la segunda etapa. Las empresas que informen de forma constante sobre sus avances en comercialización y muestren vías claras de ingresos verán respaldadas sus valoraciones. Aquellas que sigan ancladas en la "narrativa técnica" sufrirán presión continuada sobre su valoración.
A juzgar por las distintas caídas de MiniMax y Zhichu, el mercado ya podría estar aplicando esta lógica de selección: los inversores descuentan perspectivas de comercialización diferenciadas para cada empresa.
Desglose de las presiones competitivas para proveedores independientes de IA
Las principales fortalezas de MiniMax residen en sus capacidades multimodales y su temprana expansión en mercados internacionales. Pero sus retos también son muy concretos: en el segmento de consumo, debe competir por la atención de los usuarios frente a productos como Byte Doubao y Baidu Wenxin, que cuentan con enormes puntos de entrada de tráfico. En el mercado empresarial, se enfrenta a soluciones integradas "modelo + servicio cloud" de proveedores como Alibaba y Tencent. En cuanto a costes, los proveedores independientes parten con desventaja en escala de compra y poder de negociación de GPU, lo que repercute directamente en la competitividad de precios de sus APIs.
En el caso de Zhichu, su acumulación técnica y el ecosistema open source son fosos clave, especialmente porque le otorgan ventaja de primer movimiento en servicios empresariales. Sus principales presiones provienen de la competencia con los ecosistemas cloud de los gigantes de internet: los clientes empresariales suelen preferir soluciones de IA vinculadas a sus proveedores cloud habituales. La velocidad de comercialización es otro reto: mientras los grandes actores pueden repartir los costes de IA entre varias líneas de negocio, los independientes deben recuperar cada dólar de I+D con su negocio de IA. A medida que convergen las capacidades de los modelos fundacionales, establecer una marca técnica diferenciada se vuelve crucial.
Ambas compañías comparten un desafío común: con una inversión sostenida y elevada en modelos fundacionales, ¿puede el crecimiento de ingresos cubrir los costes, o al menos mostrar una vía clara hacia ese equilibrio?
Conclusión
El reciente retroceso en las acciones de grandes modelos de IA en Hong Kong es probablemente el inicio de un reajuste estructural de valoraciones, más que el final de la tendencia de la IA.
A medida que se intensifica la competencia entre gigantes globales y chinos de la IA como OpenAI, Google, Alibaba y Tencent, la competitividad central de las empresas de grandes modelos está pasando de un único "liderazgo técnico" a una contienda multidimensional de "rendimiento del modelo + eficiencia de costes + capacidad de comercialización + escala de ecosistema".
Para los inversores, esto significa que la ventana de inversión en IA se está estrechando: de un "beta sectorial" a un "alfa de valor individual". Los ganadores del futuro no serán todas las empresas de modelos, sino aquellas capaces de demostrar crecimiento sostenible de ingresos, optimizar estructuras de costes y construir relaciones sólidas y duraderas con sus clientes.
La tecnología de IA sigue evolucionando a gran velocidad, pero la paciencia del mercado de capitales se agota. Cuando baje la marea, la diferencia entre quienes solo nadaban desnudos y quienes realmente avanzan será más clara que nunca.
Preguntas frecuentes
1. ¿Cuáles son las principales razones detrás de las caídas en las acciones de MiniMax y Zhichu?
A corto plazo, tras fuertes subidas en los valores de concepto IA, hay presión para la toma de beneficios, acentuada por la caída del apetito global por el riesgo ante la incertidumbre sobre la política de la Reserva Federal. La razón de fondo es un cambio en la lógica de valoración del mercado: de las "narrativas de liderazgo técnico" a la "validación de la comercialización". Los inversores examinan el crecimiento de ingresos, la captación de clientes y el control de costes de cada empresa. Aquellas sin una vía clara hacia la rentabilidad sufren descuentos en valoración.
2. ¿Quiénes son los principales competidores de las empresas chinas de grandes modelos de IA?
A nivel internacional, los principales competidores son OpenAI, Google Gemini, Anthropic y Meta AI, todos respaldados por grandes capitales y ecosistemas globales de usuarios. En China, la competencia es igual de intensa, con rivales clave como Alibaba Tongyi Qianwen, Tencent Hunyuan, Baidu Wenxin y Byte Doubao. Estos gigantes de internet no solo cuentan con potentes capacidades de I+D, sino también con múltiples escenarios de aplicación y enormes bases de usuarios, lo que permite sinergias de ecosistema más allá de los propios modelos.
3. ¿Cómo ha cambiado la lógica de valoración de las empresas de grandes modelos?
Antes, las valoraciones se centraban en "indicadores potenciales" como la escala de parámetros del modelo y los rankings técnicos. Ahora el mercado exige resultados de comercialización cuantificables: ingresos por llamadas API, clientes empresariales de pago e ingresos reales por aplicaciones de IA. Al mismo tiempo, el control de costes de computación (incluyendo inversión en GPU y costes de inferencia) y la amplitud del ecosistema se han convertido en factores clave de valoración. Los inversores priorizan la rentabilidad sostenible frente a la mera visión técnica.
4. ¿La corrección en el sector de IA de Hong Kong señala el fin de las oportunidades de inversión en IA?
No supone el final de la tendencia de la IA, sino más bien un cambio en la lógica de inversión: de "oportunidades sectoriales" a una "selección individual de valores". De cara al futuro, el mercado premiará a las empresas con vías claras de crecimiento de ingresos, ventajas de costes y fosos de ecosistema, mientras que aquellas sin apoyo fundamental pueden seguir bajo presión. Para los inversores, la ventana de oportunidad se traslada de apostar por todo el sector a elegir cuidadosamente compañías con competitividad sostenible.
5. ¿Cuáles son los principales retos de comercialización para las empresas de grandes modelos de IA?
El reto principal es si los elevados costes de I+D y computación pueden cubrirse con el crecimiento de ingresos, incluyendo la inversión en clústeres de GPU, costes de entrenamiento de datos y gastos de inferencia. El siguiente desafío es la captación y retención de clientes, ya que los proveedores independientes de IA deben competir con los gigantes de internet, que ya cuentan con relaciones empresariales consolidadas. A medida que convergen las capacidades de los modelos fundacionales, las empresas deben encontrar escenarios de aplicación y soluciones sectoriales diferenciadas para evitar la pura competencia en precios. La pérdida de poder de fijación de precios en APIs y la falta de ecosistema son riesgos adicionales que los proveedores independientes deben vigilar.
