- El último informe de datos de The Economist de Reino Unido muestra que los elementos de producción centrales de la inteligencia artificial a nivel mundial están experimentando un cambio estructural. El porcentaje de investigadores de origen chino en la conferencia de élite NeurIPS, seguida por la Fundación Carnegie para la Paz Internacional, ha aumentado del 29% en 2019 a casi el 50%, compensando parte de los costos de fricción geopolítica en el lado de la capacidad de cómputo de hardware.
- Los datos de la industria y el ámbito académico verifican la acelerada repatriación de inteligencia avanzada. Científicos que trabajaron en IBM (IBM:US), Microsoft (MSFT:US) y Alphabet (GOOGL:US) están trasladándose intensamente a la Universidad de Westlake y acciones tecnológicas chinas, elevando las expectativas de eficiencia en I+D de estas empresas.
- Las perturbaciones externas de políticas han proporcionado un significativo catalizador marginal. La tasa de adjudicación de visas H-1B de EE.UU. ha caído al 11,7%, sumado a una probabilidad decreciente del 15% de que estudiantes chinos de ciencia y tecnología estudien un doctorado en EE.UU. Se prevé que esto remodelará a largo plazo los modelos de valoración y precios de capital humano en el sector tecnológico entre China y EE.UU.
Mapeo de datos centrales y fijación de precios de oferta y demanda
En un contexto macroeconómico de gasto de capital en hardware limitado, el mercado chino está intentando suavizar el déficit de capacidad de cómputo mediante una densidad extremadamente alta de capital humano. Los últimos datos de alta frecuencia del mercado laboral muestran que la demanda de contratación de puestos relacionados con inteligencia artificial ha crecido de forma exponencial en el último año. Esta creciente demanda ha redefinido directamente la curva de fijación de precios laborales, con el salario promedio mensual de los ingenieros de algoritmos de modelos grandes superando los 60,000 RMB. Un indicador adelantado aún más crucial es el desajuste extremo en la relación oferta-demanda, con la relación oferta-demanda de ingenieros de computación de alto rendimiento cayendo a 0.15, lo que significa una feroz competencia de siete a uno por un solo puesto. Esta distribución tan desequilibrada de oferta y demanda no solo incrementa los costos operativos a corto plazo para las empresas, sino que también insinúa que el capital se está concentrando en la infraestructura subyacente y las áreas de administración de capacidad de cómputo con una intensidad sin precedentes.
Variables políticas y costos de fricción
El endurecimiento marginal de las políticas de inmigración y tecnológicas de EE.UU. está cambiando sustancialmente la función de utilidad y las trayectorias de carrera para el talento global de élite. La tasa de adjudicación de la visa de trabajo H-1B solo del 11.7%, sumada a un escrutinio académico cada vez más riguroso, constituye un alto costo de fricción implícito. En términos de datos, la probabilidad de que estudiantes chinos de STEM cursen un doctorado en EE.UU. ha caído alrededor de un 15%, y su deseo de permanecer en EE.UU. después de graduarse también ha disminuido un 4%. Este retiro defensivo provocado por la incertidumbre política ha cortado objetivamente el tradicional conducto de atracción de talento hacia Silicon Valley. Si el entorno externo sufre una presión constante, las asignaciones de recursos en I+D de los gigantes tecnológicos transnacionales entre Washington y Beijing podrían enfrentarse a una reevaluación sistemática.
Gasto de capital en I+D y reevaluación de la eficiencia
La lógica de valoración en el mercado de capitales para empresas de inteligencia artificial está experimentando una transformación sutil, pasando de enfocarse únicamente en la capacidad de GPU a evaluar la eficiencia de conversión "cómputo-capital humano" integral. Nuevas entidades de I+D como DeepSeek ofrecen una muestra de observación no común para el mercado. El equipo, con menos de 150 personas y una edad promedio de aproximadamente 28 años, consume solo una décima parte del gasto de capital de los principales fabricantes tradicionales mientras logra resultados de modelo competitivos con GPT-4. Este modelo operativo, que depende de la alta densidad de talento especializado y la optimización extrema en ingeniería, demuestra que, bajo ciertas restricciones, el capital humano puede generar un efecto de apalancamiento sorprendente, lo cual podría llevar al mercado secundario a reevaluar las tasas de descuento de flujo de caja libre a largo plazo de algunas empresas tecnológicas con alto consumo energético y gasto de capital.
Riesgo marginal y precios futuros
Aunque los datos a corto plazo presentan una prosperidad en la entrada neta de talento, las restricciones fundamentales a mediano y largo plazo siguen siendo significativas. La muestra de seguimiento de la Fundación Carnegie señala un riesgo de cola que no puede ser ignorado: entre los 100 principales investigadores chinos, el 87% sigue eligiendo permanecer dentro del sistema estadounidense. Esto significa que los recursos de innovación originales de la cúspide piramidal no se han transferido totalmente. Evaluaciones relacionadas con la Academia China de Ciencias destacan que el ecosistema de investigación doméstico tiene una ventaja comparativa en la ampliación comercial de 1 a 10, pero enfrenta presión continua en las rupturas paradigmáticas subyacentes de 0 a 1. Si las políticas industriales futuras no logran corregir eficazmente los mecanismos de incentivo excesivamente utilitaristas, los sectores tecnológicos relacionados podrían enfrentar presiones de reevaluación en sus múltiples de precio sobre ganancias a largo plazo después de las correcciones de valoración en el nivel de aplicación debido a un techo tecnológico subyacente.
