2026-11-03 · Fuente:虎嗅·中继

Que el desarrollo propio sea caro no significa que comprar sea barato: Huawei se atreve a aconsejar a las automotrices que hagan menos porque reparte su I+D entre más marcas
El presupuesto anual de I+D de un sistema de conducción autónoma ha quedado fijado en más de 19.000 millones de yuanes. El 28 de septiembre, Jin Yuzhi, vicepresidente senior de Huawei y CEO de Yinwang, reveló en una entrevista con medios que el presupuesto de I+D de Qiankun para este año se había elevado desde los 18.000 millones de yuanes previstos a comienzos de año hasta más de 19.000 millones, y con ello respondió a la polémica sobre si «el dinero de las automotrices está siendo capturado por Huawei». Estas cifras merecen un análisis detallado porque, por primera vez, dejan sobre la mesa la estructura de costes subyacente del negocio de la conducción inteligente.
De 18.000 millones a más de 19.000 millones de yuanes, el aumento en sí no es llamativo, pero el momento y el contexto del ajuste sí lo son. En un ciclo de guerra de precios combinada con guerra de equipamiento, la mayoría de las automotrices está haciendo «restas» en I+D, mientras Huawei hace «sumas» en investigación de conducción autónoma. La explicación de Jin Yuzhi apunta a un hecho frecuentemente ignorado: el coste del ciclo de vida completo de un sistema maduro de conducción autónoma va mucho más allá del hito de entrega del primer vehículo. El software exige iteración continua, el personal inversión sostenida, la capacidad de cómputo expansión constante, y el hardware y los controladores de dominio deben rediseñarse a medida que evolucionan los chips y los esquemas de sensores. Estas inversiones no terminan con la entrega del primer producto, sino que se convierten en una factura de largo plazo que abarca todo el ciclo de vida del producto.
Esta es precisamente la lógica central de que «desarrollar internamente no siempre sale más barato que comprar». Cuando las ventas de una automotriz no alcanzan la escala suficiente, los costes fijos del desarrollo propio solo pueden repartirse entre muy pocas unidades vendidas, y el coste de I+D por vehículo se descontrola rápidamente. Sobre esta base, Jin Yuzhi propone una división del trabajo: las automotrices se centran en la definición del vehículo, el chasis, la integración del conjunto y la operación con los usuarios, mientras la cadena de suministro aporta su experiencia técnica acumulada. Esta cuenta tiene en realidad dos capas: la primera es la inversión inicial, que resuelve si «se puede construir»; la segunda es la inversión posterior, que resuelve si «se puede mantener el ritmo». El tiempo también es un coste: poder lanzar el producto dentro de la ventana comercial del modelo afecta directamente al éxito o fracaso de la inversión. Perder un ciclo de reemplazo de un modelo puede reducir a cero el retorno marginal de la inversión previa.
Y desde la perspectiva de quien compra, Jin Yuzhi tampoco cerró la puerta del todo. Insistió en que al comprar tampoco basta con mirar el precio del contrato: los costes de adaptación del sistema, de pruebas de validación, de ingeniería de integración vehicular, así como los de mantenimiento y actualización tras la entrega, también deben entrar en la comparación del coste total. Dicho de otro modo, un contrato de compra aparentemente barato puede resultar desventajoso al sumar los costes ocultos, y un plan de desarrollo propio aparentemente caro puede salir a cuenta repartido sobre un volumen de ventas suficientemente grande. Esa es la cuenta que cada automotriz deberá hacer por sí misma.
La mayor baza de Huawei para atreverse a hacer pública esta cuenta es su escala de instalación en vehículos. Los datos difundidos el 27 de agosto muestran que la conducción autónoma Qiankun superó los 2 millones de unidades acumuladas, con más de 60 modelos colaborativos junto a 25 marcas automotrices; aún más notable es su velocidad de crecimiento: el primer millón tardó 44 meses, el segundo solo 12. Este incremento cercano a cuádruple indica que la solución Qiankun ha pasado de los pilotos iniciales con pocas marcas a una fase de replicación a escala con múltiples marcas.
La escala es determinante para diluir la I+D. La misma inversión en investigación básica puede cubrirse con los ingresos de más marcas, una forma de dilución difícil de replicar por una sola automotriz. Una empresa que vende unos cientos de miles de vehículos al año, por comprometida que esté con el desarrollo propio, no puede repartir un gasto anual de I+D de más de 19.000 millones de yuanes hasta alcanzar el mismo coste por vehículo que el sistema multmarca de Huawei. Esto explica también por qué «Huawei aconseja a las automotrices que hagan menos» no es un discurso vacío en términos de lógica de negocio: la existencia de proveedores de plataforma consiste esencialmente en asumir los costes fijos de la investigación básica para toda la industria, permitiendo que las automotrices concentren sus limitados recursos de I+D en los aspectos que verdaderamente diferencian su marca.
Pero hay que estar alerta: ambas cuentas no pueden sustituirse entre sí. Que el desarrollo propio sea caro no prueba que comprar sea necesariamente ventajoso: la curva de costes del desarrollo propio mejora con el crecimiento de las ventas, mientras que el poder de negociación en la compra se debilita a medida que crece la dependencia. A la inversa, que el proveedor obtenga ingresos no significa que se esté llevando los beneficios de la automotriz: si la solución comprada se traduce en mayores ventas del modelo y una cadencia de lanzamiento más rápida, el crecimiento de los ingresos bien puede cubrir el gasto de compra. Los más de 19.000 millones de yuanes reflejan la escala de inversión de Huawei por sí misma: no pueden responder por ninguna automotriz en concreto «si debe abandonar el desarrollo propio», ni certificar para ningún contrato de compra en particular que «el precio es razonable».
Para los compradores de capacidad de cómputo para IA, estos datos ofrecen tres referencias. Primera: la demanda de cómputo de un sistema de conducción autónoma es continua, no puntual; al evaluar cualquier solución conviene incorporar al modelo de coste total de propiedad el gasto en cómputo de retorno de datos, entrenamiento en la nube e iteración de modelos, y no fijarse solo en el precio unitario del hardware del controlador de dominio del vehículo. Segunda: la magnitud absoluta del presupuesto de I+D es en sí misma una señal de la capacidad de iteración tecnológica del proveedor: un equipo que invierte entre 18.000 y más de 19.000 millones de yuanes al año probablemente actualiza sus algoritmos y software con mayor rapidez que los equipos de desarrollo propio de tamaño medio y pequeño, lo cual es un punto importante a favor en la decisión de compra para las automotrices que buscan «mantenerse a la vanguardia». Tercera: el volumen de instalación determina directamente la velocidad del volante de datos; 2 millones de unidades acumuladas y más de 60 modelos colaborativos implican una cobertura mucho más amplia de escenarios de cola larga, lo que en la era de la conducción autónoma end-to-end equivale a una ventaja de calidad en activos de datos de entrenamiento.
En el plano real de precios de cómputo y hardware, este modelo no cuenta actualmente con datos de cotización a la venta. Para los compradores que evalúan la solución Qiankun u otras compras similares de conducción autónoma, esto significa que el mercado abierto carece de un ancla de precio directamente comparable, y la decisión de compra deberá apoyarse más en la negociación directa con el fabricante, en el margen de negociación que aporta el volumen de instalación y en un cálculo independiente de los costes ocultos de adaptación, validación, integración y mantenimiento, antes que en una simple referencia de precios de mercado.
Volviendo a la esencia del debate: si hace menos, ¿con qué conseguirá una automotriz que los consumidores la elijan? La capacidad de definición del vehículo, el ajuste del chasis, la operación con usuarios y la narrativa de marca son precisamente las parcelas que las automotrices deben defender en la era de la externalización de la conducción autónoma. El presupuesto de I+D de más de 19.000 millones de yuanes no es una cláusula de exención para las soluciones compradas, ni una sentencia de muerte para la vía del desarrollo propio: solo deja más claro un hecho: la competencia en conducción inteligente ha entrado en una era en la que solo un puñado de jugadores puede asumir de forma independiente los costes de la investigación básica.
P: ¿Cuál es el presupuesto de I+D de la conducción autónoma Qiankun este año y cómo ha cambiado respecto a comienzos de año?
R: Según lo revelado el 28 de septiembre por Jin Yuzhi, vicepresidente senior de Huawei y CEO de Yinwang, el presupuesto de I+D de Qiankun este año se elevó desde los 18.000 millones de yuanes iniciales hasta más de 19.000 millones; las unidades acumuladas ya superan los 2 millones, abarcando más de 60 modelos colaborativos de 25 marcas automotrices.
P: ¿A qué velocidad crece el volumen de instalación de la conducción autónoma Qiankun?
R: El primer millón de unidades tardó 44 meses y el segundo solo 12, un tiempo de consecución reducido a aproximadamente un cuarto del anterior, lo que muestra que la replicación a escala con múltiples marcas se ha acelerado de forma evidente.
Etiquetas: Huawei · Jin Yuzhi · Qiankun ADS · Yinwang · ADAS · Intelligent Driving
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado