¿Deberíamos darle a Anthropic 1,4 billones de dólares?

chaincatcherchaincatcher

Autor: Hu Yong, profesor de la Facultad de Periodismo y Comunicación de la Universidad de Pekín

Editor: Su Yang, Tencent Technology

 

La industria de la inteligencia artificial está viviendo un momento de gran trascendencia.

En noviembre de 2026, Anthropic, con poco más de cinco años de existencia, lanzó su oferta pública inicial (OPI) con la intención de entrar en los mercados de capitales con una valoración superior al billón de dólares.

Según la información del folleto, el número básico de acciones en circulación de Anthropic tras la OPI es de aproximadamente 13.070 millones. Con un rango de precio de emisión de 70 a 78 dólares, la capitalización bursátil básica correspondiente se sitúa entre 916.000 millones y 1,02 billones de dólares. Si se incluyen unos 4.920 millones de acciones potenciales procedentes de opciones sobre acciones para empleados, la valoración totalmente diluida oscila entre 1,26 y 1,4 billones de dólares.

Que una empresa cuyo producto principal son los grandes modelos de lenguaje alcance una valoración de mercado tan enorme en tan poco tiempo es algo poco habitual en la historia de la industria tecnológica.

Sin embargo, la salida a bolsa de Anthropic no solo simboliza el reconocimiento del mercado de capitales a las perspectivas de la inteligencia artificial, sino que también pone de relieve un problema que durante mucho tiempo ha quedado oculto por los avances tecnológicos y la fiebre de financiación, y que ahora debe someterse al escrutinio público: la inteligencia artificial ha creado una enorme demanda de mercado, pero ¿puede generar beneficios acordes con su valoración?

Con este artículo pretendemos explorar varios temas:

Ingresos anualizados de 70.000 millones de dólares, beneficio operativo ajustado de 4.100 millones y pérdida neta de 104.000 millones aparecen simultáneamente en el folleto. ¿Cuál es la base para juzgar el modelo de negocio?

Cada inferencia del modelo consume potencia de cálculo, y los usuarios más activos no son necesariamente los que más ingresos aportan.

Las empresas de modelos organizan el capital al estilo de la energía, las telecomunicaciones y las infraestructuras, y la lógica de valoración pasa de "lo potente que es el modelo" al coste del capital, el periodo de recuperación de la inversión y la rentabilidad del capital.

Las empresas que controlan las relaciones con los usuarios, los flujos de trabajo y los ecosistemas pueden convertir la inteligencia en ingresos con más facilidad que las empresas de modelos.

Existe consenso sobre la fijación de precios de la inteligencia basada en la "realización de tareas", pero no lo hay sobre quién asume las pérdidas económicas causadas por fallos o errores en las tareas.

El valor creado por la inteligencia artificial no equivale a los ingresos y beneficios de los desarrolladores de modelos.

Tras deducir los costes de chips, electricidad, I+D y financiación, cuánto pueden retener realmente los "buscadores de oro" es lo que de verdad hay que examinar con la salida a bolsa de Anthropic.

01. De 70.000 millones a 13.000 millones: milagro de ingresos y dudas sobre los beneficios

En la fiebre del oro de la inteligencia artificial, los ganadores más seguros parecían ser los que vendían las "palas". NVIDIA suministra las GPU, TSMC se encarga de la fabricación de chips avanzados, las empresas de computación en la nube construyen centros de datos y las compañías eléctricas y energéticas proporcionan las condiciones básicas para unas instalaciones de computación cada vez más grandes.

Independientemente de qué gran empresa de modelos acabe ganando, estos proveedores de infraestructuras se benefician de la expansión de todo el sector.

En cambio, empresas como OpenAI y Anthropic, que desarrollan directamente grandes modelos, registran un crecimiento asombroso de usuarios e ingresos, pero se enfrentan a un problema económico más complejo: ¿pueden el coste de desarrollar inteligencia, el precio de venderla y el capital necesario para mantener el liderazgo tecnológico formar un ciclo de negocio sostenible?

El folleto de Anthropic ofrece pistas importantes para entender esta cuestión.

Según los documentos de salida a bolsa actualizados en noviembre de 2026, la empresa obtuvo unos ingresos de 4.585 millones de dólares en 2025, y en los nueve primeros meses de 2026 ya alcanzó los 33.242 millones, de los cuales solo el tercer trimestre aportó unos 17.000 millones. Esto significa que los ingresos de un solo trimestre superaron la suma de todo el primer semestre. Si se anualizan simplemente los ingresos del tercer trimestre, la tasa de ejecución de ingresos de Anthropic se acerca a los 68.000-70.000 millones de dólares.

Este ritmo de crecimiento supera con creces el desarrollo de la industria del software tradicional y demuestra que la IA generativa ya no es una tecnología experimental que depende principalmente de subvenciones de capital para mantener la base de usuarios, sino que está formando un mercado comercializado con capacidad de pago real.

Cabe destacar que los ingresos de Anthropic proceden principalmente de clientes empresariales y de servicios facturados según el uso de la inteligencia, y no solo de cuotas mensuales fijas de consumidores individuales. Esto indica que el foco de la comercialización de los grandes modelos está pasando de vender acceso a herramientas de chat a vender capacidades inteligentes que pueden participar en actividades productivas.

Los grandes modelos no solo han encontrado una mina de oro, sino que la han encontrado por toneladas. Sin embargo, el crecimiento explosivo de los ingresos no ha resuelto automáticamente el problema de la rentabilidad.

En los nueve primeros meses de 2026, Anthropic gastó unos 18.800 millones de dólares en potencia de cálculo e infraestructuras, lo que representa aproximadamente el 57% de sus ingresos totales de 33.242 millones.

En términos operativos, la empresa sigue en pérdidas: la pérdida operativa GAAP (principios de contabilidad generalmente aceptados) de los nueve primeros meses fue de unos 1.260-1.300 millones de dólares. La pérdida neta del periodo alcanzó los 104.000 millones, pero una gran parte procede de la revalorización del valor razonable de instrumentos de financiación convertibles y pasivos relacionados, y no de la salida de efectivo de las operaciones diarias. Al mismo tiempo, la empresa reveló que el beneficio operativo ajustado ya era positivo, en torno a 4.100 millones de dólares (margen operativo ajustado de aproximadamente el 12%), lo que supone una mejora significativa de la eficiencia de los ingresos en relación con los costes de computación.

Por tanto, afirmar que el modelo de negocio de Anthropic es inviable basándose únicamente en la enorme pérdida neta es claramente demasiado simplista; pero afirmar que los grandes modelos ya han resuelto el problema de la rentabilidad basándose únicamente en el beneficio operativo ajustado positivo también carece de fundamento suficiente.

La clave está en si la empresa puede generar suficiente flujo de caja libre (FCF) a largo plazo tras asumir los continuos gastos de I+D, la compra de potencia de cálculo, la construcción de infraestructuras y los costes de financiación.

Cada vez más empresas empiezan a destacar las mejoras cuantificables de productividad que aporta la inteligencia artificial, como la aceleración de los flujos de trabajo, la automatización de tareas rutinarias, la ampliación de la capacidad de servicio y la mejora del control de costes. Está claro que la demanda de IA es fuerte; sin embargo, Wall Street está perdiendo la paciencia con los costes necesarios para satisfacer esa demanda.

El ejemplo más notable es Meta. Los resultados del tercer trimestre de la empresa mostraron que, aunque la IA impulsó un crecimiento del 26% en los ingresos publicitarios de Meta, el flujo de caja libre trimestral se volvió negativo, la primera salida neta de efectivo en más de una década. Al mismo tiempo, Meta elevó sus previsiones de gasto de capital para respaldar su agresivo plan de expansión de infraestructuras de IA.

La ansiedad de Wall Street por el ROI (retorno de la inversión) de las infraestructuras de IA se ha amplificado.

En los últimos dos años, el mercado concedía primas ciegamente con solo oír hablar de "mejora de las capacidades de IA y aumento de la fidelidad de los usuarios"; sin embargo, en la fase actual, cuando el gasto de capital de todo el sector se acerca a los cientos de miles de millones o incluso al billón, Wall Street empieza a calcular como un actuario: ¿cuándo se convertirán realmente estas inversiones en computación en un aumento neto sustancial del flujo de caja libre?

Si el periodo de recuperación de la inversión se alarga demasiado, o si el incremento de ingresos que aporta la IA no compensa los cientos de miles de millones anuales en depreciación y facturas de electricidad, el mercado impondrá una penalización a la valoración.

Según las previsiones de la firma de investigación de mercado Gartner, si las empresas mantienen el ritmo actual de gasto, a finales de 2030 más de 3,5 billones de dólares en inversiones en infraestructuras de IA podrían correr riesgo de deterioro de activos. Se espera que los proveedores de servicios de IA inviertan casi 1 billón de dólares en infraestructuras de IA en 2026, y otros 6 billones entre 2027 y 2030.

Gartner señala que, durante ese periodo, los ingresos de IA procedentes de clientes empresariales y consumidores podrían no ser suficientes para que esas inversiones generen un retorno rentable.

02. Deseconomías de escala

El enorme desajuste entre oferta, demanda y finanzas revela la diferencia fundamental entre los grandes modelos y la industria del software tradicional.

Durante décadas, el software como servicio (SaaS) ha sido un modelo de negocio favorito de los mercados de capitales porque, una vez desarrollado el software, el coste marginal de prestar servicio a más usuarios es relativamente bajo. A medida que crece la base de clientes, las empresas suelen mejorar sus márgenes gracias a las economías de escala. Sin embargo, los grandes modelos no siguen del todo esta lógica.

Cada inferencia del modelo, generación de código, análisis de textos largos o ejecución de tareas de agentes inteligentes requiere recursos informáticos reales. Especialmente cuando la inteligencia artificial evoluciona de responder preguntas a completar de forma autónoma tareas complejas, una sola tarea puede requerir llamadas repetidas al modelo, recuperación de información externa, ejecución de programas y verificación de resultados, lo que aumenta los costes. Para las empresas que ofrecen suscripciones de tarifa plana mensual, los usuarios más activos no son necesariamente los que más beneficios aportan; de hecho, pueden ser los que más potencia de cálculo consumen.

Por eso los principales proveedores de modelos tienen que "filtrar a los usuarios" mediante límites de longitud de contexto, límites de llamadas o tarifas escalonadas.

Cuando los usuarios intensivos pueden pasar de ser un "activo" a una "carga", para evaluar la madurez del modelo de negocio de una empresa de grandes modelos no basta con fijarse en el número de usuarios de pago, el crecimiento de los ingresos por suscripciones o la actividad de los usuarios; también hay que observar la economía unitaria de los distintos segmentos de usuarios: cuántos ingresos aporta cada usuario, cuántos recursos de inferencia consume, cómo varía el margen de beneficio a medida que aumenta la intensidad de uso y si la empresa puede mejorar esta relación mediante una fijación de precios más racional y optimizaciones técnicas.

Los grandes modelos no están condenados a no poder generar economías de escala. La compresión de modelos, la optimización de la inferencia, las mejoras de los chips, las técnicas de caché y la distribución de tareas entre distintos modelos pueden reducir continuamente el coste unitario de computación. La mejora de la eficiencia operativa revelada por Anthropic también demuestra que el progreso técnico puede cambiar la estructura de costes.

Sin embargo, la inteligencia artificial se enfrenta a un mecanismo único de expansión de la demanda: cuando los servicios inteligentes se abaratan y se vuelven más potentes, los usuarios no solo pueden completar las tareas existentes a menor coste, sino que también pueden empezar a pedir a las máquinas que asuman más trabajos que antes eran imposibles.

La paradoja de Jevons de la economía ofrece aquí una referencia esclarecedora: el aumento de la eficiencia en el uso de un recurso no reduce necesariamente el consumo total del recurso, sino que puede estimular el crecimiento de la demanda. Para las empresas de grandes modelos, la caída del coste unitario de inferencia no implica necesariamente una reducción del gasto total en computación. Una inteligencia más barata puede dar lugar a aplicaciones más amplias y, potencialmente, a una mayor demanda de computación.

La revelación en el folleto de Anthropic sobre los compromisos futuros de compra de potencia de cálculo pone de manifiesto esta contradicción. La empresa ha firmado y revelado acuerdos a largo plazo de computación e infraestructuras por un total de casi 900.000 millones de dólares, una gran parte de los cuales se espera que se ejecuten antes de 2030.

Estas cifras no significan que Anthropic ya haya pagado las cantidades correspondientes, ni pueden considerarse simplemente deuda actual, pero reflejan un cambio importante: las empresas de inteligencia artificial de vanguardia están pasando de ser empresas de software tradicionales con pocos activos a empresas tecnológicas con muchos activos que dependen en gran medida de la fabricación de chips, la capacidad de la red eléctrica, los centros de datos y la financiación de capital a largo plazo. Aunque las grandes empresas de modelos siguen apostando por la innovación algorítmica y el talento investigador, cada vez están más limitadas por el suministro de infraestructuras físicas.

Si una empresa tiene que invertir continuamente cientos de miles de millones de dólares para mantener su liderazgo tecnológico, ni siquiera un crecimiento asombroso de los ingresos garantiza que su rentabilidad del capital sea suficiente para respaldar la valoración actual.

La inteligencia artificial está adoptando una forma industrial peculiar: crea ingresos a la velocidad de la industria del software, pero puede necesitar organizar el capital al estilo de la energía, las telecomunicaciones y las infraestructuras industriales. Antes, los inversores solo se fijaban en qué empresa tenía el modelo más avanzado, más usuarios y un crecimiento de ingresos más rápido; en el futuro, sin embargo, el coste del capital, el precio de compra de la computación, la utilización de las infraestructuras y el periodo de recuperación de la inversión pueden ser igualmente determinantes para la competitividad a largo plazo de una empresa.

03. Posibles vías de comercialización de los modelos

En comparación con Anthropic, OpenAI tiene una estrategia comercial más amplia: intenta convertirse en el asistente inteligente de uso general para usuarios individuales y, al mismo tiempo, en la plataforma básica para que empresas y desarrolladores utilicen la inteligencia artificial. Sin embargo, OpenAI se enfrenta a contradicciones similares.

Aunque los ingresos recurrentes anuales (ARR) y los ingresos trimestrales de OpenAI ya alcanzan decenas de miles de millones de dólares, múltiples revelaciones financieras públicas y previsiones del sector indican que, debido a los elevados costes de entrenamiento de los modelos de frontera de nueva generación, los enormes gastos de inferencia y los acuerdos de arrendamiento de computación por cientos de miles de millones de dólares, sus pérdidas operativas acumuladas en los últimos años y el déficit de flujo de caja previsto para los próximos años ascienden a cientos de miles de millones o incluso más de un billón de dólares.

Por tanto, atraer usuarios no es la clave; el mayor reto es cómo convertir la amplia demanda de uso en ingresos suficientes para sufragar la inversión continua de capital.

Meta muestra otro camino.

A diferencia de OpenAI y Anthropic, Meta no depende principalmente de la venta de grandes modelos para obtener ingresos, sino que integra la inteligencia artificial en sus sistemas existentes de publicidad, recomendación y plataformas sociales. La mejora de las capacidades de los modelos puede aumentar la eficiencia de la distribución de contenidos, la concordancia publicitaria y la automatización del marketing, lo que a su vez incrementa directamente la rentabilidad de su negocio maduro.

Para Meta, la inteligencia artificial es principalmente una tecnología que mejora la eficiencia de los sistemas de negocio existentes, y no necesariamente un producto nuevo que deba cobrarse por separado. Este modelo tiene una ventaja evidente: puede monetizarse aprovechando las relaciones con los clientes, la escala de usuarios y el sistema de intercambio publicitario existentes, sin depender por completo de que los consumidores creen nuevos hábitos de pago por los servicios inteligentes.

Sin embargo, Meta también se enfrenta al problema de la continua expansión de la inversión en centros de datos, y el enorme gasto de capital presiona el flujo de caja libre. Esto demuestra que tener un modelo de negocio maduro no elimina la naturaleza intensiva en capital de la inteligencia artificial; solo proporciona una base de ingresos más estable para asumir esos costes.

El caso de Meta también revela una contradicción más profunda en la comercialización de los grandes modelos: el valor económico creado por los modelos no necesariamente puede ser capturado directamente por los proveedores de modelos.

A medida que la inteligencia artificial se integra cada vez más en diversos productos y servicios, las empresas que controlan las relaciones con los usuarios, los escenarios de aplicación y los canales comerciales pueden materializar el valor con más facilidad que las que simplemente ofrecen capacidades de modelo. Esto plantea una cuestión clave: si los modelos fundacionales se convertirán gradualmente en productos básicos, algo crucial para entender las perspectivas de beneficios de las empresas de grandes modelos.

Si los modelos desarrollados por distintas empresas convergen gradualmente en rendimiento, fiabilidad y experiencia de usuario, los clientes se fijarán cada vez más en el precio y el coste del servicio. Aunque los proveedores de modelos sigan logrando avances técnicos, puede resultarles difícil mantener márgenes elevados a largo plazo debido a la competencia.

La difusión de las capacidades técnicas beneficia a los consumidores, pero no necesariamente a los desarrolladores originales de la tecnología. Históricamente, muchas tecnologías importantes acaban convirtiéndose en infraestructuras de uso generalizado, pero la popularización de la tecnología en sí no garantiza que sus inventores obtengan los mayores beneficios económicos.

Sin embargo, la conversión de los modelos en productos básicos no significa que todos los servicios de inteligencia artificial vayan a convertirse en productos básicos.

Lo que las empresas compran realmente no suele ser un modelo capaz de responder preguntas, sino un sistema inteligente que comprenda el negocio interno, acceda a datos propietarios, ejecute procesos complejos y cumpla los requisitos de seguridad y conformidad. Cuando la inteligencia artificial se adentra en los procesos financieros, de I+D, jurídicos y de atención al cliente de una empresa, cambiar de proveedor ya no es solo cambiar de interfaz de chat; puede implicar migración de datos, integración de sistemas, control de riesgos y formación organizativa.

Por tanto, el foso comercial más sólido del futuro puede no estar en los parámetros del modelo en sí, sino en la integración del modelo con los flujos de trabajo empresariales y en la red de desarrolladores, el entorno de datos y el ecosistema de servicios que se formen a partir de ella.

Desde esta perspectiva, Anthropic y OpenAI no tienen por qué quedarse para siempre en la posición de proveedores de modelos fundacionales. También están desarrollando servicios completos orientados al consumidor y a la empresa, intentando crear ventajas diferenciales mediante la experiencia de producto, los flujos de trabajo y las relaciones con los clientes.

Tanto si Anthropic reduce las barreras para que las empresas desplieguen agentes inteligentes mediante Claude Managed Agents y utiliza Claude Code para profundizar en los flujos de trabajo de desarrollo de software, como si OpenAI impulsa la integración de la inteligencia artificial en las operaciones diarias de las empresas, ambas compañías exploran la misma dirección: pasar de ofrecer capacidades de modelo y herramientas de conversación a ofrecer servicios inteligentes que puedan integrarse en los procesos de negocio y ejecutar tareas de forma continua.

Al mismo tiempo, el desarrollo de los agentes inteligentes puede cambiar aún más la lógica de fijación de precios de la inteligencia artificial. El modelo de suscripción tradicional vende el derecho a usar un software durante un periodo de tiempo; la facturación basada en tokens vende el consumo de recursos informáticos; y los agentes inteligentes pueden vender realmente la capacidad de completar una tarea.

Si un sistema de IA puede realizar de forma independiente la revisión de documentos jurídicos, pruebas de software o análisis financieros empresariales, lo que realmente le importa al cliente puede no ser cuántos tokens ha consumido, sino si la tarea se ha completado, si el resultado es fiable y cuánto coste se ha ahorrado.

La facturación por tarea, por carga de trabajo o incluso por resultados reales puede convertirse en un componente importante de los modelos de negocio futuros. Sin embargo, este modelo también planteará nuevas cuestiones de responsabilidad: cuando la inteligencia artificial no completa una tarea, o sus errores causan pérdidas económicas, ¿quién debe asumir los costes y los riesgos? Cuanto más se acerquen los servicios inteligentes al trabajo real, más difícil será aplicar plenamente las reglas de la industria del software tradicional a su modelo de negocio.

04. ¿Quién puede quedarse con la mina de oro?

Desde una perspectiva más amplia, la industria de la inteligencia artificial está experimentando una reestructuración de la distribución del valor.

Los primeros beneficiarios evidentes fueron los proveedores de chips, fabricación e infraestructuras, porque la expansión de todo el sector se traduce en demanda de recursos informáticos. Sin embargo, a medida que se difunden las capacidades de los modelos, los beneficios pueden desplazarse gradualmente hacia las empresas que controlan los flujos de trabajo empresariales, los puntos de entrada de los usuarios y los ecosistemas de aplicaciones.

Si la potencia de cálculo sigue siendo escasa a largo plazo, los proveedores de infraestructuras mantendrán un fuerte poder de negociación; si la oferta de modelos se vuelve abundante, las empresas de aplicaciones podrían obtener un mayor margen de distribución del valor; y si unas pocas plataformas consiguen integrar modelos, datos, pagos y flujos de trabajo, podría formarse una nueva economía de plataformas.

En última instancia, quién obtenga los mayores beneficios dependerá de qué eslabón de la cadena industrial consiga crear una escasez sostenida.

Históricamente, la ventaja competitiva a largo plazo de Microsoft no procedía solo de los ingresos por licencias del sistema operativo Windows, sino también del ecosistema de desarrolladores, la compatibilidad de software y la red de clientes empresariales que se formaron en torno a ese sistema operativo; Google no construyó su imperio comercial cobrando a los usuarios por las búsquedas, sino convirtiendo el punto de entrada de usuarios creado por las búsquedas en ingresos publicitarios.

Hoy, Anthropic y OpenAI también se enfrentan a una decisión importante: ¿son los modelos fundacionales simplemente productos tecnológicos que requieren una inversión continua y enorme de capital para mantener la ventaja, o pueden convertirse en la base de una plataforma que conecte a desarrolladores, clientes empresariales y ecosistemas de aplicaciones?

Si consiguen construir sobre los modelos una red estable de desarrolladores, flujos de trabajo empresariales profundamente integrados y un sistema de servicios difícil de sustituir, podrían obtener ventajas competitivas y poder de fijación de precios que vayan más allá del rendimiento del propio modelo. Sin embargo, si esta transformación en plataforma puede generar beneficios suficientes para sufragar la inversión continua en computación, aún debe verificarse con el rendimiento operativo a largo plazo.

Según los documentos regulatorios presentados recientemente por Anthropic, este es el tamaño que podría alcanzar su próxima oferta pública inicial (OPI) en el mejor de los casos: una valoración de 1,4 billones de dólares (diluida) y una captación de 90.000 millones de dólares.

Esta ambiciosa OPI es, en esencia, un referéndum de los inversores sobre la industria de la inteligencia artificial. Ofrece una oportunidad para que un abanico más amplio de inversores elija si apoya que la empresa siga quemando dinero o evita a esta compañía que se espera se convierta en un importante barómetro del sector de la IA, rechazando otorgarle una valoración históricamente alta de 1,4 billones de dólares.

En cualquier caso, la solicitud de OPI de Anthropic ha sacado a la luz un problema importante que no se puede ignorar: para mantener el crecimiento de los ingresos, la empresa debe asumir unos costes de computación en continuo aumento. Esto, evidentemente, dificulta aún más convencer a los inversores. Si una empresa estrella de la inteligencia artificial tan codiciada sigue rindiendo mal tras salir a bolsa, ¿podrá soportarlo el mercado? El tiempo lo dirá.

Hay una cuestión que se suele pasar por alto: el valor económico creado por la inteligencia artificial no se traduce necesariamente en ingresos y beneficios para los desarrolladores de modelos.

Las empresas que utilizan la inteligencia artificial para mejorar la productividad pueden retener el ahorro de costes; los consumidores pueden obtener comodidad a través de servicios inteligentes gratuitos o de bajo coste, lo que puede manifestarse como excedente del consumidor y no como ingresos para el proveedor del modelo. Incluso si la inteligencia artificial acaba mejorando significativamente la productividad de toda la sociedad, los desarrolladores de modelos no tienen por qué recibir una recompensa económica acorde con el valor que han creado.

No existe una correspondencia necesaria entre el valor social de una tecnología y el rendimiento financiero de sus desarrolladores.

La IA ha encontrado, sin duda, una mina de oro. Pero, tras liquidar todos los costes de chips, electricidad, centros de datos, I+D y financiación, ¿cuánto pueden retener realmente esos buscadores de oro? Esa es la pregunta central que el modelo de negocio de los grandes modelos aún no ha respondido.

La salida a bolsa de Anthropic no es el final de esta cuestión, sino su entrada en una fase más exigente. Antes, el mercado podía imaginar el futuro basándose en los avances tecnológicos, el crecimiento de usuarios y las valoraciones de financiación; después de la salida a bolsa, la empresa debe demostrar continuamente su valor comercial mediante ingresos, beneficios, flujo de caja y retorno del capital.

Que el modelo sea más inteligente es importante, sin duda, pero lo más importante es si la empresa puede producir, distribuir y vender inteligencia de una manera económicamente sostenible.

Este contenido se proporciona únicamente con fines informativos y educativos y no constituye asesoramiento de inversión relacionado con BTCC. BTCC realiza todos los esfuerzos posibles, pero no puede garantizar la veracidad, exactitud u originalidad del contenido anterior.

Recomendado

¡Traigan de vuelta al jefe! Empleados de Nvidia piden el regreso de Jensen Huang: merece otra oportunidadEl QQQ recupera la media anual: ¿a quién seguir en el rebote de la IA antes de la subida de tipos de diciembre?La verdad sobre los puestos de trabajo en la era de la IA: las ofertas se disparan, las contrataciones se desploman y los PM se llevan la palma¿Quién puede suceder oficialmente a Jensen Huang?Noticias BTCC (12 de nov.): Jensen Huang dimite como CEO de Nvidia y el BTC cae por debajo de 71.000 dólares