La dura verdad de la industria de VC: ¿Por qué la mayoría de los fondos no han devuelto el capital después de 9 años?

Autor: Venture Curator

Compilado por: Shen Chao TechFlow

Introducción de Shen Chao: Este artículo desmantela dos cosas con dos conjuntos de datos duros: los gigantes del capital de riesgo (VC) se agrupan para invertir en proyectos de IA homogéneos, mientras que los nuevos gestores se atreven más a apostar por lo diferente; y la mayoría de los fondos de VC no han devuelto ni el capital a los LP después de nueve años. Para los fundadores que están recaudando fondos, entender la presión financiera detrás de los fondos es mucho más importante que ver el halo de la marca.

Los nuevos VC están invirtiendo en más startups inusuales, mientras que el gasto en IA varía enormemente entre más de 70,000 empresas.

¿Quién está invirtiendo en las rarezas del capital de riesgo? ¿Qué dicen los datos?

Los inversores de capital de riesgo suelen ser enseñados que este es un negocio sobre rarezas. Unas pocas empresas inesperadas contribuyen a la mayor parte de los retornos, por lo que las instituciones con los equipos más grandes, las redes más amplias y el capital más abundante deberían ser las más capaces de encontrarlas.

Pero un nuevo estudio de Dan Grey de Odin, basado en datos de Dealroom, muestra que las instituciones más grandes son ahora las menos propensas a invertir en una empresa que se vea diferente de todas las demás que han sido financiadas.

Grey calificó cada empresa en las carteras de semillas de cinco grandes fondos (a16z, General Catalyst, Lightspeed, NEA y Accel) entre 2023 y 2025, así como un grupo seleccionado de nuevos gestores emergentes, según su rareza. La rareza se midió en dos dimensiones: negocio (industria, modelo, clientes, geografía) y tecnología, en comparación con todas las empresas que recibieron financiamiento de semillas entre 2018 y 2025. El quintil menos común se considera raro.

Los nuevos gestores destinaron el 24.7% de las semillas calificables a perfiles raros (49 de 198). Los grandes fondos solo invirtieron el 11.5% (32 de 278). La diferencia es aproximadamente el doble.

Esta diferencia no se debe a que cada pequeño fondo sea un inversor en contra. Muchos nuevos gestores están tan concentrados en IA como los grandes fondos: Conviction es 100% IA, South Park Commons es 93.5%. La diferencia proviene de aquellos fondos especializados con diferentes misiones, como Lowercarbon, que solo tiene un 18.8% de inversión en IA, y Multicoin, que solo tiene un 15.4%.

Por eso es importante la configuración de la cartera. Al combinar los libros de cuentas de cinco nuevos gestores, la concentración suele disminuir un 22.6%. Al combinar cinco grandes fondos, solo disminuye un 2.0%, porque los cinco ya están entre un 82.7% y un 89.5% de posiciones en IA. De 462 combinaciones posibles de nuevos gestores, solo 2 no lograron superar al grupo de grandes fondos.

La importancia de esto va más allá de las estadísticas de la cartera. La investigación sobre el riesgo de financiamiento ha sostenido que si los inversores esperan que haya capital disponible en el futuro, eso determina qué experimentos pueden recibir el primer cheque. Odin señala cautelosamente que sus datos no pueden probar este mecanismo. Pero si los fondos más grandes solo invierten en proyectos que ya se consideran ampliamente financiables, entonces las empresas fuera de este consenso solo pueden depender de otros para hacer la primera apuesta.

¿Significa esto que los nuevos gestores son mejores para seleccionar ganadores?

No. "Rareza" aquí se refiere a lo que es raro entre las empresas financiadas, no significa que sean más innovadoras o más propensas a tener éxito. Al incluir el trasfondo de los fundadores en la calificación, la diferencia se reduce a 19.8% frente a 14.4%. Este grupo de nuevos gestores es una muestra seleccionada, no representa todo el mercado. Además, los fondos pequeños también tienen sus momentos de manada: la blockchain representó el 46.7% de sus rondas iniciales, luego cayó al 20.9%.

Este es precisamente el lugar donde los inversores deben tener cuidado.

Si tu argumento es que los retornos provienen de las rarezas, entonces agregar un fondo de marca solo aumenta la misma apuesta. Solo una canasta de fondos con verdaderas misiones diferentes puede ampliar el alcance. Pero solo el alcance no es una razón para emitir cheques. La propia prueba de Odin es: ¿qué puede aportar un fondo a tu cartera existente que le falta, a qué costo y beneficios adicionales, cuál es el porcentaje diluido de participación, y cuál es el riesgo de financiamiento futuro?

La verdadera pregunta no es cuál es el fondo más grande. La pregunta es cuáles fondos realmente están mirando donde otros no están, porque según los datos, esta lista cada vez menos es la misma gente.

Después de nueve años, la mayoría de los fondos de VC aún no han devuelto el dinero a los inversores. ¿Qué sucederá a continuación?

Los fundadores suelen ser enseñados a ver su VC como capital paciente. El capital de riesgo es una carrera de larga distancia; los fondos están diseñados para esperar grandes resultados, y en la tabla de capital no hay nadie ansioso por el efectivo.

Pero los nuevos datos del informe de rendimiento de fondos de VC de Carta para el segundo trimestre de 2026 indican que la paciencia de muchos fondos se está agotando, ya que la mayoría aún no ha devuelto el dinero a sus inversores.

Carta rastrea el DPI neto, es decir, la proporción de efectivo que los fondos realmente devuelven a los LP en relación con cada dólar invertido por los LP, cubriendo alrededor de 3000 fondos de capital de riesgo en EE. UU. que comenzaron a invertir entre 2017 y 2026.

Los fondos que comenzaron a invertir en 2017 ahora tienen aproximadamente nueve años, cerca del final del típico ciclo de vida de un fondo de diez años. El fondo mediano solo ha devuelto 0.37 veces el efectivo. Incluso el cuartil superior solo ha devuelto 0.70 veces. Solo el 10% superior ha devuelto más que la cantidad invertida por los LP, alcanzando 1.37 veces.

La situación es peor para los fondos más jóvenes. El fondo mediano de 2018 ha devuelto 0.15 veces, y el de 2019 ha devuelto 0.04 veces, lo que significa que después de siete años, solo se recuperan 4 centavos por cada dólar.

El valor está presente en los libros. El valor contable mediano de los fondos de 2017 es de 1.72 veces, pero solo alrededor de una quinta parte se ha devuelto en efectivo. El resto sigue bloqueado en empresas privadas que aún no han sido vendidas o cotizadas.

Hay otro detalle que explica por qué es difícil ver esto desde afuera. La mayoría de estos fondos han devuelto algo de dinero: el 86% de los fondos de 2017 y el 70.4% de los fondos de 2018 han devuelto al menos algo de efectivo. Así que casi todos los fondos pueden decir a sus LP que la distribución ha comenzado. Pero muy pocos fondos pueden decir que han devuelto el dinero.

Entonces, ¿por qué deberían los fundadores preocuparse por los libros de cuentas de sus inversores?

Porque el reloj del fondo de tus inversores no es el mismo que el de tu empresa. Un fondo que está cerca de su vencimiento, que aún debe dinero real a los LP y que está recaudando un nuevo fondo, tiene un fuerte incentivo para obtener liquidez lo antes posible. Esta presión puede manifestarse en empujarte a vender antes, vender sus acciones en el mercado secundario, o ser más cauteloso en su próxima ronda de financiamiento.

Y ahí es donde los fundadores deben tener cuidado.

Esto no significa que tus inversores vayan a hacer algo en tu contra. Los fondos pueden extender su duración, y muchas instituciones de primer nivel tienen razones suficientes para seguir apoyando a sus ganadores. Los datos de Carta solo muestran la brecha de efectivo, no representan cómo actuará cada fondo. Pero el año del fondo que te emite un cheque ahora es una variable real, no una nota al pie. Un socio que sale de un fondo de 2017 o 2018 está en una situación completamente diferente a uno que sale de un fondo nuevo de 2025.

El verdadero riesgo no es que tus inversores necesiten liquidez. Es que no sabes de qué fondo proviene tu dinero, cuánto efectivo aún debe a sus inversores, y cómo esto afectará sus recomendaciones en tu próxima ronda de financiamiento o salida.

¿Dónde está el mayor dinero en IA: en modelos de vanguardia o en el mercado intermedio?

La mayoría de los informes sobre IA se centran en la vanguardia: el modelo más nuevo, más inteligente y más caro de cada laboratorio. Pero Tomasz Tunguz de Theory Ventures plantea un argumento: el mercado realmente importante es el nivel intermedio, y los datos de gasto también respaldan esto.

El nivel intermedio ha capturado alrededor del 40% del gasto en IA y el 30% del uso de tokens.

En comparación, la parte de los modelos de vanguardia es delgada. El modelo más fuerte de Anthropic, Fable 5.1, solo representó el 3.7% del gasto de gateway en los primeros 12 días de su lanzamiento. Su predecesor alcanzó un máximo del 13.2%, y luego, después de que Opus 5 se lanzara a la mitad de precio, cayó al 4.9% en un mes. En cuentas de grandes empresas, el consumo de tokens de modelos de vanguardia cayó del 53% a principios de agosto al 45% en septiembre.

La guerra de precios también se está librando en este nivel. En septiembre, cuando Anthropic bajó los precios de su nuevo modelo, OpenAI siguió su ejemplo aproximadamente 90 minutos después. Antes de esa reducción de precios, la serie Opus mantuvo precios de 5 dólares por millón de tokens de entrada y 25 dólares por salida en cuatro versiones consecutivas. En el extremo inferior, OpenAI redujo el precio de Luna en un 80% en julio y luego en un 50% en septiembre.

Tres fuerzas continúan presionando los precios del nivel intermedio hacia abajo:

La competencia entre laboratorios. Los laboratorios ahora responden a las reducciones de precios de sus competidores en cuestión de horas, en lugar de varios trimestres.

Modelos de pesos abiertos. En los gateways de datos publicados, los modelos abiertos manejan la mayor parte del volumen de tokens, con precios un 86% más bajos que los modelos cerrados.

Ajustes finos. Cursor Composer 2, ajustado finamente a partir del modelo de pesos abiertos Kimi K2.5, ha reducido el costo total en un 86% en comparación con el modelo desarrollado internamente anterior. Harvey ha reducido el costo de cada celda en un 55% en relación con Sonnet 5, mientras que su puntuación es superior a la de Fable 5.

Esta situación es estructural. Las empresas necesitan que la IA haga cosas, como resumir un contrato o clasificar una orden de trabajo, que casi no cambian de un año a otro. Y el costo de la inteligencia que puede satisfacer este umbral está disminuyendo rápidamente. Así que se vuelve más barato cada trimestre a través de un nivel de requisitos fijos, y la mayoría del trabajo real cae en este nivel, no en la vanguardia.

La demanda no parece una pirámide con una vanguardia en la cima, sino más bien una curva de campana gruesa en el medio. A los compradores les importa cuánta inteligencia pueden obtener por cada dólar, no la capacidad máxima. La pregunta pendiente es si este mercado intermedio eventualmente se convertirá en una mercancía. Si lo hace, la economía de todo el mercado de IA también cambiará.

Para cualquiera que esté haciendo productos sobre estos modelos, vale la pena preguntar: ¿qué nivel realmente necesita tu producto? Pagar precios de modelos de vanguardia por trabajos en el nivel intermedio es ahora una de las mejores formas de perder ganancias.

La empresa mediana gasta 11.38 dólares por empleado al mes. El 10% superior gasta 611 dólares.

El 1% superior gasta 7,449 dólares, casi 650 veces la mediana. Cuando Ramp relacionó estos gastos con los registros laborales de 21,559 empresas de Revelio Labs, descubrió que las empresas con altos gastos aumentaron su número de empleados en un 10.2% en dos años, con un incremento del 12% en la contratación de puestos de nivel inicial.

Los datos de los usuarios de bajo uso no mostraron cambios significativos.

Así que gasta un poco más. ¿Pero en qué?

La mayoría de los fundadores comparan las facturas de IA con su presupuesto de software, ya que estos gastos aparecen en la factura junto a Figma y Notion. Este es un denominador incorrecto. Cada vez más, el gasto en IA no reemplaza software, sino personas. Un agente de servicio al cliente se compara con un puesto de servicio al cliente, no con tu paquete de SaaS.

Tomemos una empresa típica en etapa de semilla: 12 personas, con un costo salarial mensual de aproximadamente 180,000 dólares, y un gasto en IA de 4,000 dólares al mes. Comparado con el presupuesto de software, 4,000 dólares parece mucho. Comparado con el costo salarial, solo representa el 2.2%. El mismo número, pero la conclusión es completamente opuesta.

La solución es desglosar el presupuesto de IA en tres partes, cada una evaluada con su propio estándar:

• Línea de salarios: La IA (agentes de servicio al cliente, SDR y programadores) se compara con el salario de la persona que no has contratado. Si no puedes nombrar ese puesto, no debería entrar en esta categoría.
• Línea de productividad: La IA (asientos, herramientas de notas y escritura) se evalúa por su tasa de uso. Si la tasa de uso disminuye en el segundo mes, se cancela.
• Línea de costos: La IA (tokens y llamadas API dentro del producto) se evalúa por el margen bruto a una escala de 10 veces, y debe estar en tu COGS.

Mezclar las tres categorías hace que cada señal se anule entre sí. El exceso en los asientos hace que el total parezca inflado, por lo que los fundadores son cautelosos con los agentes, que es donde realmente está el retorno. Los ganadores del 1% superior no gastan más, sino que sus gastos están bien clasificados: apuestan fuerte donde la IA reemplaza a las personas, son estrictos donde solo aceleran a las personas, y vigilan el margen bruto en los costos internos.

Hemos desglosado el método completo de clasificación, incluyendo un proceso de auditoría de 30 minutos que puedes usar esta semana para verificar tu factura, consulta "¿Qué base debería tener tu gasto en IA?"

¿Por qué la debida diligencia de capital de riesgo en tecnología profunda ha empeorado?

Podrías pensar que la tecnología más difícil debería someterse a la revisión más estricta. Una computadora cuántica, un reactor de fusión nuclear o una nueva arquitectura de chip, o cumple con las leyes de la física y funciona, o no, y verificar esto requiere una verdadera capacidad profesional.

Pero Marin Ivezic de PostQuantum cree que la realidad es exactamente lo contrario: cuanto mayor es el trato y más alta es la tecnología, menos probable es que haya personas independientes que verifiquen si la ciencia es sólida.

Esto no se debe a que los inversores se hayan vuelto perezosos. Varios cambios estructurales se han acumulado.

La capa de expertos ha desaparecido.

En el pasado, los inversores podían obtener juicios técnicos independientes de los equipos de investigación de los bancos, que empleaban analistas especializados. Las reglas de MiFID II de Europa de 2018 exigieron que los costos de investigación se pagaran por separado de los costos de transacción, lo que llevó a una contracción de este modelo. Se informa que el tamaño de la investigación de acciones en Europa ha disminuido en aproximadamente un 20%, y el número de analistas especializados en los principales bancos también ha disminuido.

Las redes de expertos ahora son un negocio de aproximadamente 2.5 mil millones de dólares, llenando parte del vacío. Pero solo son efectivas si sabes a qué experto preguntar y qué preguntas hacer. En campos de vanguardia, este es precisamente el conocimiento que los inversores generalistas no tienen.

El capital se ha dirigido a generalistas.

En 2025, la inversión privada en cuántica alcanzará los 4.9 mil millones de dólares, un aumento del 192%. Los mayores inversores son BlackRock y NVIDIA, no fondos cuánticos especializados. Los fondos soberanos y de pensiones también están participando cada vez más en estas rondas, y una encuesta a fondos soberanos encontró que el 58% de las instituciones carecían de los recursos necesarios para liderar una transacción. El capital que no puede realizar revisiones técnicas por sí mismo, finalmente debe depender del juicio de otros.

El nombre del líder ha reemplazado la revisión.

Un líder de renombre respalda la credibilidad de todos los que siguen. Los seguidores asumen que el líder ha verificado la viabilidad física, pero no pueden ver esa revisión ni confirmar que realmente ocurrió. Algunas rondas ni siquiera tienen esto: la financiación de 600 millones de dólares de Quantinuum no tenía un líder nombrado.

Los plazos y el efecto manada han hecho que la velocidad supere la revisión.

A finales de 2023, los fondos estadounidenses tenían un récord de 311.6 mil millones de dólares en capital no invertido. Un gestor de fondos bajo presión de asignación tiene más beneficios al unirse a un trato popular que al retrasarlo. Además, equivocarse junto a colegas tiene un daño a la reputación mucho menor que equivocarse solo.

La tecnología profunda no tiene puntos de control obligatorios.

La biotecnología es un buen contraste. El proceso de aprobación de la FDA obliga a que los datos de cada etapa sean públicos, por lo que la industria ha construido un conjunto completo de normas de debida diligencia en torno a esto: comités asesores científicos, revisores especializados, revisiones por etapas.

El campo cuántico no tiene controles equivalentes. La revisión técnica más rigurosa que este artículo pudo encontrar para grandes empresas cuánticas provino del gobierno australiano, divulgada a través de una solicitud de información pública, y no de ningún inversor.

Los resultados se reflejan claramente en los números.

La inversión privada en cuántica alcanzará los 4.9 mil millones de dólares en 2025, mientras que los ingresos totales de toda la industria de la computación cuántica son aproximadamente 1.4 mil millones de dólares. Tres empresas cuánticas que se hicieron públicas a través de SPAC en 2021 habían pronosticado ingresos combinados de aproximadamente 1.2 mil millones de dólares para 2025, pero entregaron solo aproximadamente 138 millones de dólares. Y quienes realizaron el trabajo de verificación más sólido fueron los bajistas, no los inversores.

Cómo terminará esto ya tiene precedentes. Entre 2006 y 2011, el capital de riesgo invirtió más de 25 mil millones de dólares en tecnologías limpias, perdiendo más de la mitad. Los académicos que estudiaron ese ciclo advirtieron en ese momento que los fondos de pensiones y soberanos sin experiencia en hardware serían los próximos en financiar a estas empresas.

La solución propuesta es simple: antes de co-invertir en una ronda de tecnología profunda que supere un cierto tamaño, los LP deben exigir una revisión de viabilidad técnica independiente, que no puede ser encargada por el fondo ni seleccionada por los fundadores. Cabe señalar que el autor invierte en empresas emergentes cuánticas y dirige una empresa que ofrece este tipo de servicios de revisión. Pero el punto central sigue siendo válido: en el campo de la tecnología profunda, un sello en la tabla de capitalización ha reemplazado silenciosamente la revisión técnica, y ante montos de cheques así, el costo de unas semanas de revisión independiente no es nada.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.