Una importante ronda de financiación en etapa inicial para una empresa emergente de infraestructura de IA indica un cambio en el mercado del gasto de fuerza bruta en el entrenamiento de modelos a la economía de su funcionamiento. El 20 de mayo, el proveedor de infraestructura de IA Qijing Technology anunció que cerró una ronda Pre-A de varios cientos de millones de yuanes, codirigida por StarLink Capital y Huakong Technology, con la participación del accionista existente Hillhouse Capital.
La gran financiación en un mercado de capital de riesgo cauteloso muestra que el enfoque de los inversores se está moviendo de la carrera de modelos de "cuanto más grande mejor" a los desafíos prácticos del despliegue comercial. El mercado ahora está recompensando a las empresas que pueden resolver los costos altos y a menudo ineficientes asociados con el uso de modelos de IA a escala, un proceso conocido como inferencia.
La tesis central de Qijing es que el enfoque de la industria en el Modelo como Servicio (MaaS) está fuera de lugar. En cambio, ofrece Token como Servicio (TaaS), vinculando directamente la unidad de salida de IA con el costo. La empresa se dirige a una ineficiencia crítica en el despliegue de IA: la utilización del hardware. Los métodos tradicionales de inferencia dependen en gran medida de la costosa memoria GPU, dejando gran parte de la CPU y la RAM estándar del sistema inactivas, con una utilización general del hardware a menudo inferior al 20 %. La arquitectura "Liuhe" y la tecnología "Yuebing" de Qijing tienen como objetivo resolver esto rediseñando cómo se gestiona el KV Cache, un componente clave en el procesamiento de IA, reduciendo así la dependencia de las costosas GPU. La empresa ya proporciona servicios de inferencia para modelos importantes como el GLM de Zhipu, procesando casi un billón de tokens diariamente.
Este enfoque en la eficiencia llega cuando la industria de la IA se enfrenta a los costos ocultos de la escala. Si bien los modelos de lenguaje grandes (LLM) entrenados con billones de parámetros son potentes, son costosos de ejecutar y pueden ser ineficientes para muchas tareas. Algunas empresas están descubriendo que los modelos más pequeños y compactos pueden ofrecer un mejor equilibrio entre rendimiento y costo, respondiendo de cinco a diez veces más rápido que los modelos más grandes para ciertas aplicaciones. Esto ha creado una clara oportunidad comercial para los proveedores de infraestructura que pueden optimizar el costo total de propiedad, yendo más allá de los costos iniciales del modelo para incluir gastos continuos como mantenimiento, monitoreo y consumo de energía.
El nuevo campo de batalla competitivo
La necesidad de optimización de inferencia se intensifica por un desequilibrio entre la oferta y la demanda de potencia de cómputo. En marzo de 2026, los principales proveedores como Tencent Cloud, Alibaba Cloud y Baidu Smart Cloud aumentaron los precios de los servicios de computación de IA, y algunos costos de modelos aumentaron en más del 460 %. Este entorno crea una apertura significativa para empresas especializadas como Qijing.
Sin embargo, la empresa se enfrenta a un campo abarrotado. El espacio de la infraestructura de IA incluye no solo a otras empresas emergentes respaldadas por capital de riesgo como Silicon Flow y MoreThanAI, sino también a los formidables titulares de la nube. Gigantes tecnológicos como Alibaba Cloud, Huawei Cloud y Volcano Engine de ByteDance están desarrollando sus propias capacidades de infraestructura de IA de pila completa. Para tener éxito, Qijing debe utilizar su financiación para construir un foso tecnológico lo suficientemente profundo y asegurar la lealtad del cliente antes de que los gigantes puedan cerrar la brecha u ofrecer servicios combinados que sean "lo suficientemente buenos" para el mercado masivo. El éxito de la empresa dependerá de su capacidad para convertir una ventaja técnica en un crecimiento comercial sostenido en una industria que evoluciona rápidamente.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
