Puntos clave
Los datos de capital riesgo de PitchBook para EE. UU. en el 2T de 2026 muestran que la IA absorbió el 87,5% de todo el dinero invertido en el trimestre. Las startups sin narrativa de IA compitieron por apenas el 12,5% del capital riesgo disponible en EE. UU. en el 2T de 2026. Lovable levantó 400 millones de dólares con una valoración de 13.300 millones; River AI captó 1.100 millones en la misma semana. CodeRabbit cerró una ronda de 143 millones de dólares a una valoración de 1.500 millones; Cognition AI negocia a un entorno de 40.000 millones. Es la mayor concentración histórica registrada por PitchBook entre compañías de IA y no IA.
En el segundo trimestre de 2026, el capital riesgo estadounidense fluyó casi por completo hacia empresas de inteligencia artificial. El resto de sectores tuvo que repartirse las migajas. Las cifras, presentadas sin adornos, son contundentes.
PitchBook publicó su informe de valoraciones de capital riesgo en EE. UU. del 2T de 2026, el US VC Valuations report, el 12 de agosto.
El 87,5% de todos los dólares de capital riesgo en EE. UU. se dirigió a la IA. El 12,5% restante se repartió entre el resto de verticales tecnológicos.
Las cifras detrás de la concentración
El dato del 87,5% abarca toda la actividad de capital riesgo vinculada a IA, desde laboratorios de modelos fundacionales hasta herramientas para desarrolladores en la capa de aplicación. Incluye rondas de continuación, capital de crecimiento y operaciones en fases tempranas. PitchBook no identifica un único ganador dominante.
Los datos reflejan un cambio estructural en la forma en que el capital institucional estadounidense asigna recursos a empresas tecnológicas privadas.
Una sola semana de agosto de 2026 ilustra de forma tangible esa dinámica. Lovable, la startup sueca de “vibe-coding”, recaudó 400 millones de dólares con una valoración de 13.300 millones. River AI, una compañía de infraestructura de modelos open‑weight, levantó 1.100 millones de dólares entre una ronda semilla y una Serie A apenas dos meses después de salir del modo sigiloso.
CodeRabbit, una plataforma de revisión de código con IA, cerró una ronda de 143 millones de dólares a una valoración de 1.500 millones, según confirmó Reuters. Cognition AI, la startup de agentes de programación detrás de Devin, mantiene conversaciones preliminares para una nueva ronda que podría situar su valoración por encima de los 40.000 millones, de acuerdo con Bloomberg.
Cuatro compañías distintas. Cuatro rondas. Todas de IA. Todo ello concentrado en una misma ventana de cinco días.
También puede leer: Grok 4.6 logra 61 puntos en el Índice de Inteligencia, a la par de GPT-5.6 Sol de OpenAI
Lo que han afrontado las empresas sin IA
La contracara de la concentración en IA es una sequía de financiación para las compañías que no encajan en un relato de inteligencia artificial.
Los datos del segundo trimestre de PitchBook muestran que las rondas de Serie D y etapas posteriores se han vuelto especialmente difíciles para las compañías de software no centradas en IA. Los inversores están reforzando apuestas ya existentes en IA en lugar de rotar capital hacia nuevos sectores.
Biotecnología y tecnología climática, que absorbieron volúmenes relevantes de capital en 2022 y 2023, redujeron su cuota. Las startups de consumo sufrieron el ajuste más brusco en términos de dólares captados.
Es una dinámica que se retroalimenta. Las capacidades de los modelos de lenguaje de gran tamaño han mejorado lo bastante rápido como para que los inversores esperen que las herramientas adyacentes a IA crezcan más deprisa en ingresos que el software tradicional. La tasa de ejecución anualizada de 500 millones de dólares que Lovable alcanzó en junio se cita como prueba de ello. CodeRabbit no reveló cifras de ingresos en su anuncio.
Los fundadores de compañías no IA han reaccionado incorporando funcionalidades de IA a productos ya existentes, en algunos casos de forma sustantiva y en otros meramente cosmética. En su comentario del 2T, los analistas de PitchBook apuntan que la etiqueta “IA” aparece en los pitch decks a una frecuencia muy superior a la que justificaría la verdadera arquitectura nativa de inteligencia artificial.
También puede leer: Claude añade marcas de agua invisibles al texto generado por IA bajo las normas de transparencia de la UE, los usuarios se resisten
Implicaciones para los proyectos en la intersección cripto–IA
La concentración de capital en IA tiene un efecto colateral sobre los proyectos de IA nativos de cripto. Las startups de cómputo descentralizado y de infraestructura para agentes de IA compiten por la atención de los inversores en un mercado donde los laboratorios centralizados de IA captan rondas a valoraciones que eclipsan a la mayoría de proyectos blockchain. La ronda semilla de 1.100 millones de dólares de River AI supera la capitalización bursátil de muchos protocolos DeFi consolidados.
Esa brecha obliga a los proyectos de IA descentralizada a demostrar capacidades diferenciadas que la infraestructura centralizada no pueda replicar. Inferencia con preservación de la privacidad, resistencia a la censura y acceso sin permisos figuran entre los principales argumentos. La gran incógnita de cara a la segunda mitad de 2026 es si esas propiedades generarán suficientes ingresos como para competir, a escala, con las alternativas centralizadas.
El consejero delegado de Coinbase, Brian Armstrong, señaló el 12 de agosto que los agentes de IA ya se están dando de alta como clientes a través de Coinbase for Agents, con un crecimiento orgánico sin recurrir a marketing pagado.
El comentario apunta a un área en la que la infraestructura cripto podría mantener ventaja frente a las plataformas de IA centralizadas: pagos programables que los agentes de IA pueden ejecutar de manera autónoma, sin necesidad de que un humano abra y gestione la cuenta.
Los datos de PitchBook no diferencian los proyectos de IA on‑chain de las compañías de IA centralizadas. Si se desglosara la categoría, la IA descentralizada representaría solo una fracción menor de ese 87,5%.
Por ahora, la concentración de capital se mantiene claramente del lado de los laboratorios cerrados, de código propietario, y de las aplicaciones que se construyen sobre su infraestructura.
Lea a continuación: El fracaso de la BIP-110 muestra por qué el lanzamiento original de Bitcoin no puede repetirse
