Tamaño y Participación del Mercado de Modelos de Lenguaje Pequeños (SLMs) - Tendencias de Crecimiento y Pronóstico (2026 - 2031)

Tendencias e Información del Mercado Global de Modelos de Lenguaje Pequeños (SLMs)

Demanda Creciente de IA en Dispositivo con Baja Latencia

La inferencia de baja latencia ha pasado de ser una preferencia técnica a un requisito comercial en todo el mercado de modelos de lenguaje pequeños. Las empresas ahora esperan que las funciones de IA ofrezcan tiempos de respuesta más rápidos, menor consumo de energía y menos dependencias de red cuando se integran en software y dispositivos. Microsoft puso a disposición Phi-4-mini-reasoning en PCs Copilot+ con tecnología Snapdragon en mayo de 2025, demostrando que las cargas de trabajo de razonamiento podían ejecutarse con descarga en la NPU en lugar de depender de una ejecución intensiva en CPU.^{[1]Microsoft Azure Blog, "Un Año de Phi, Modelos de Lenguaje Pequeños Dando Grandes Saltos en IA," Microsoft Azure Blog, MICROSOFT.COM} Apple también lanzó un modelo de base en dispositivo en la WWDC 2025 que redujo el uso de memoria caché KV en un 37,5% manteniendo el rendimiento multilingüe en 15 idiomas, reforzando la practicidad de la inferencia completamente sin conexión.^{[2]Apple, "Actualizaciones a los Modelos de Lenguaje de Base en Dispositivo y en Servidor de Apple," Investigación de Aprendizaje Automático de Apple, APPLE.COM} Google extendió esa dirección en abril de 2026 con Gemma 4 en Google Cloud, que admitía más de 140 idiomas e incluía variantes orientadas al borde diseñadas para implementación en dispositivos móviles.^{[3]Equipo de Google Cloud, "Presentando Gemma 4 en Google Cloud, Nuestros Modelos Abiertos Más Capaces hasta la Fecha," Blog de Google Cloud, GOOGLE.COM} Como resultado, el mercado de modelos de lenguaje pequeños está siendo impulsado por categorías de hardware y software que ahora tratan la capacidad de IA local como una característica de referencia en lugar de una mejora opcional.

Presión de Costos frente a la Economía de Inferencia de Modelos de Frontera

El costo de inferencia se ha convertido en uno de los impulsores de adopción más claros en el mercado de modelos de lenguaje pequeños porque cambia la forma en que las empresas comparan las arquitecturas de producción. Los compradores ya no eligen modelos únicamente en función de los índices de referencia de capacidad, porque los costos recurrentes de API pueden superar rápidamente cualquier ventaja de rendimiento en flujos de trabajo de alto volumen. El mercado de modelos de lenguaje pequeños está, por tanto, ganando terreno no solo porque los modelos compactos son más baratos hoy, sino también porque su economía está empujando incluso a los proveedores de modelos de frontera a lanzar alternativas más pequeñas y eficientes.

Privacidad de Datos, Residencia y Requisitos de IA Soberana

Las normas de manejo de datos están dando forma a las decisiones de implementación en etapas más tempranas del ciclo de compra en todo el mercado de modelos de lenguaje pequeños. El cumplimiento normativo ya no es un filtro secundario, ya que muchas organizaciones ahora necesitan una arquitectura que ya cumpla con los requisitos locales de almacenamiento, auditoría y divulgación antes de seleccionar un proveedor. Las obligaciones de transparencia de la Ley de IA de la UE bajo el Artículo 50 estaban previstas para entrar en vigor el 2 de agosto de 2026, y exigen que los sistemas de IA que interactúan con personas divulguen su naturaleza de IA y etiqueten el contenido generado por IA en formato legible por máquina.^{[4]Francesca Blythe y Eleanor Dodding, "Obligaciones de Transparencia de la Ley de IA de la UE, Preparación para el Cumplimiento antes del 2 de agosto de 2026," Sidley Data Matters, SIDLEY.COM} El mismo marco contempla sanciones de hasta 15 millones de EUR (16,93 millones de USD) o el 3% de la facturación global por incumplimiento, utilizando el tipo de cambio promedio anual del IRS de 2025 para la conversión del euro, ya que las tasas promedio anuales de 2026 aún no estaban disponibles. Estas normas favorecen las implementaciones locales y estrictamente gobernadas, donde las empresas pueden controlar los flujos de datos y la documentación de manera más directa. El mercado de modelos de lenguaje pequeños está, por tanto, ganando apoyo de los programas de IA soberana y de las industrias sensibles a la privacidad que necesitan modelos de implementación compactos, auditables y específicos por región.

Casos de Uso de Automatización Empresarial Optimizada para el Borde

La automatización industrial está proporcionando al mercado de modelos de lenguaje pequeños una fuente constante de demanda práctica. Muchos flujos de trabajo de fábrica, logística y campo generan tareas de inferencia estrechas y repetitivas que no requieren un modelo de frontera, pero sí requieren baja latencia y un formato de salida confiable. Mitsubishi Electric anunció en junio de 2025 que había desarrollado un modelo de lenguaje enfocado en manufactura para implementación en dispositivos de borde utilizando su tecnología de IA Maisart, con un objetivo de aplicación del producto en equipos industriales y robots dentro del año fiscal 2026. El Ministerio de Industria y Tecnología de la Información de China emitió su plan de acción especializado "IA + Manufactura" en enero de 2026, con el objetivo de 1.000 agentes de IA industrial de alto nivel y 100 conjuntos de datos industriales de alta calidad, creando así un marco de política claro para la implementación industrial local. Cathay Financial Holdings también demostró en junio de 2026 que los modelos compactos de código abierto ajustados finamente para la clasificación de intención del cliente podían reemplazar las llamadas a la API en la nube en flujos de trabajo financieros estructurados, lo que reflejó el mismo impulso hacia la inferencia local y una gobernanza más estricta en un entorno operativo diferente. A medida que estos flujos de trabajo empresariales estrechos se expanden, el mercado de modelos de lenguaje pequeños se beneficia de un ciclo de mejora del modelo en el que cada interacción implementada puede convertirse en datos de entrenamiento para un ajuste fino posterior.

Profundidad de Contexto Limitada frente a Modelos de Base Más Grandes

La profundidad de contexto sigue siendo el límite técnico más claro sobre hasta dónde puede llegar el mercado de modelos de lenguaje pequeños en tareas analíticas complejas. Muchos modelos compactos funcionan bien en flujos de trabajo acotados, pero la revisión de documentos extensos, la memoria extendida de agentes y el razonamiento en capas aún exponen la brecha con los sistemas más grandes. Apple declaró que su modelo de base en dispositivo admite una ventana de contexto de 4.000 tokens, mientras que su vía de Computación en Nube Privada admite 32.000 tokens, destacando la compensación entre la implementación con privacidad prioritaria y una mayor capacidad contextual. Mistral abordó parte de esa brecha en julio de 2026 con Magistral Small 2507, que admitía una ventana de contexto de 128.000 tokens bajo una licencia Apache 2.0 y seguía siendo implementable de forma local. Incluso con ese progreso, el mercado de modelos de lenguaje pequeños todavía enfrenta una compensación de diseño entre la eficiencia en el borde y la memoria contextual más amplia necesaria para los casos de uso empresarial más exigentes.

Fragmentación de Índices de Referencia y Débil Comparabilidad entre Modelos

El mercado de modelos de lenguaje pequeños también enfrenta fricciones porque los compradores aún carecen de estándares de evaluación claros y comparables. Los equipos de adquisición a menudo necesitan evidencia que refleje las condiciones reales de implementación, pero los resultados de los índices de referencia siguen fragmentados entre tareas, configuraciones de hardware y opciones de tiempo de ejecución. Una revisión sistemática publicada por Springer Nature en junio de 2026 identificó la falta de índices de referencia estandarizados y la ausencia de medición de potencia aislada en NPU como brechas importantes en la evaluación de la eficiencia del hardware de IA. La misma revisión indicó que la optimización de la pila de software por sí sola puede crear una diferencia de eficiencia del 15% al 30% incluso cuando el hardware permanece igual. Esa variabilidad dificulta que los sectores regulados defiendan las elecciones de proveedores con evidencia interna repetible. También favorece a los proveedores más grandes en el mercado de modelos de lenguaje pequeños porque están mejor posicionados para financiar la validación independiente, los tiempos de ejecución optimizados y una documentación de implementación más amplia.

*Nuestras previsiones consideran los impactos de impulsores y restricciones como direccionales, no aditivos. Las previsiones de impacto reflejan el crecimiento base, los efectos de mezcla y las interacciones entre variables.

Análisis de Segmentos

Por Oferta: Los Marcos de Trabajo Anclan la Pila, los Servicios Amplían la Base de Ingresos

Los marcos de trabajo capturaron el 68,45% de los ingresos en 2025, colocándolos en el centro del mercado de modelos de lenguaje pequeños durante un período en que las empresas aún estaban estandarizando su enfoque de implementación. Esa posición reflejó la necesidad de tiempos de ejecución de inferencia, capas de orquestación, canalizaciones de ajuste fino y backends optimizados para hardware antes de que una aplicación empresarial pudiera pasar a producción. Las empresas generalmente trataron esta capa como una elección de infraestructura a largo plazo porque, una vez que un marco de trabajo está integrado en los flujos de trabajo internos, tiende a dar soporte a muchos lanzamientos de modelos posteriores. El mercado de modelos de lenguaje pequeños, por tanto, mostró un gasto inicial más fuerte en infraestructura de modelos reutilizable que en soluciones puntuales estrechas. Este patrón también sugirió que los compradores estaban construyendo entornos que podían alojar modelos propietarios y de pesos abiertos sucesivos en lugar de comprometerse con un algoritmo fijo.

Las optimizaciones de Phi de Microsoft basadas en ONNX para NPUs con tecnología Snapdragon, disponibles desde mayo de 2025, y el marco Core AI de Apple presentado en la WWDC26 mostraron cómo los proveedores de plataformas están tratando de controlar la ruta del modelo al hardware desde la compilación hasta la gestión del tiempo de ejecución. Esa estrategia importa porque los lanzamientos de modelos de pesos abiertos están reduciendo el valor de escasez del acceso a los marcos de trabajo básicos en todo el mercado de modelos de lenguaje pequeños. Mistral Small 3 en enero de 2025 y Mistral Small 4 en marzo de 2026 se lanzaron ambos bajo la licencia Apache 2.0, lo que aumentó la presión sobre los proveedores que dependen únicamente de la diferenciación de marcos de trabajo propietarios. Se proyecta que los servicios crezcan a una CAGR del 26,34% hasta 2031, y ese cambio apunta a una capa de monetización posterior donde las empresas desean ajuste fino gestionado, adaptación de dominio y monitoreo una vez que la pila base está en su lugar. En ese sentido, la industria de modelos de lenguaje pequeños está pasando de la selección de marcos de trabajo hacia el soporte operativo, donde la profundidad del servicio se convierte en una fuente de ingresos más duradera que el acceso al propio marco de trabajo.

Por Modo de Implementación: La Nube Lidera Hoy, los Dispositivos de Borde Dan Forma a la Próxima Fase

La nube representó el 57,38% de los ingresos en 2025, otorgándole la mayor participación del mercado de modelos de lenguaje pequeños al inicio de la adopción empresarial. Muchas organizaciones eligieron la nube primero porque reducía los compromisos iniciales de hardware, se integraba con los sistemas de identidad existentes y permitía pruebas basadas en el uso antes de tomar decisiones de infraestructura más grandes. Esa dominancia inicial no significó que la nube fuera la respuesta a largo plazo para cada carga de trabajo, porque los sectores regulados aún necesitaban un mayor control sobre el movimiento de los datos y el manejo de la inferencia. Las implementaciones locales continuaron sirviendo a los usuarios de salud, BFSI y otros con alta carga de gobernanza que no podían enrutar fácilmente tareas sensibles a través de entornos de nube de terceros. El mercado de modelos de lenguaje pequeños ha mantenido, por tanto, una estructura de implementación de múltiples vías, con cada modo adaptándose a una combinación diferente de costo, velocidad y necesidades de cumplimiento.

Se proyecta que los dispositivos de borde se expandan a una CAGR del 28,98% hasta 2031, lo que los convierte en el modo de implementación de más rápido crecimiento en el mercado de modelos de lenguaje pequeños. Ese crecimiento refleja más la demanda de hardware que la oferta de software, porque las empresas ahora ven la inferencia local como una opción de producción práctica en lugar de un ejercicio de laboratorio. Los lanzamientos de Phi de Microsoft para PCs Copilot+ con tecnología Snapdragon y las herramientas para desarrolladores de Apple en torno a la inferencia en dispositivo ayudaron a convertir la ejecución local compacta en una vía más estandarizada. Springer Nature informó en junio de 2026 que las NPUs pueden ofrecer entre 40 y 60 veces la eficiencia energética de las GPUs para la inferencia en el borde dentro de su rango operativo, cambiando así la economía de la implementación de IA distribuida. El plan de acción "IA + Manufactura Avanzada 2026-2027" de Shenzhen también respaldó la poda, la cuantización y la destilación para la implementación en líneas de producción, lo que indica que la política pública estaba reforzando la demanda del lado del dispositivo en el mercado de modelos de lenguaje pequeños.

Por Aplicación: La IA Conversacional Mantiene Participación, los Casos de Uso de Recuperación Ganan Terreno

La IA conversacional capturó el 34,26% de los ingresos en 2025, otorgándole la mayor participación de mercado entre los segmentos de aplicación en el mercado de modelos de lenguaje pequeños. Ese liderazgo reflejó la fortaleza práctica de las interacciones estrechas y auditables donde la latencia es visible, los resultados pueden verificarse y el retorno de la inversión es más fácil de medir. El soporte al cliente, las funciones internas de mesa de ayuda y las interfaces de lenguaje empresarial ya habían construido una base de demanda antes de que la ola actual de modelos compactos se acelerara. El mercado de modelos de lenguaje pequeños se benefició de esa demanda instalada porque los compradores podían reemplazar arquitecturas de chatbot más antiguas con sistemas más capaces sin rediseñar el caso de negocio. Esto convirtió a la IA conversacional en el punto de entrada más claro a corto plazo para las organizaciones que querían implementar en producción sin asumir el riesgo total de los flujos de trabajo generativos de extremo abierto.

Se proyecta que la búsqueda semántica y la recuperación de información se expandan a una CAGR del 27,65% hasta 2031, lo que subraya cómo el mercado de modelos de lenguaje pequeños está penetrando más profundamente en el acceso al conocimiento y los flujos de trabajo con gran cantidad de documentos. Las empresas quieren cada vez más búsquedas contextuales en repositorios, políticas, contratos y bases de conocimiento internas, porque las tareas que recompensan la consistencia y el rendimiento de baja latencia superan la producción creativa amplia. Cathay Financial Holdings presentó hallazgos de producción en junio de 2026 que mostraban que los modelos compactos de código abierto ajustados finamente para la clasificación de intención del cliente podían reemplazar las llamadas a la API en la nube en flujos de trabajo estructurados, lo que respalda el caso de la implementación específica por dominio en entornos con gran cantidad de información. La traducción, la localización, la extracción de datos, el análisis de documentos y el monitoreo de sentimientos también se están expandiendo, incluso cuando el alcance del flujo de trabajo es estrecho y el formato de salida debe permanecer predecible. La industria de modelos de lenguaje pequeños está, por tanto, viendo cómo la demanda de aplicaciones se desplaza hacia sistemas que pueden convertir el contenido empresarial en acciones posteriores repetibles, no solo en texto similar al humano.

Por Usuario Final: Los Proveedores de Tecnología Lideran, la Salud Gana Impulso

Los proveedores de tecnología y software representaron el 27,84% de los ingresos en 2025, otorgándoles la mayor participación de mercado entre los grupos de usuarios finales en el mercado de modelos de lenguaje pequeños. Su papel de liderazgo provino de una función dual: tanto desarrollan pilas de modelos como las consumen dentro de productos de software más amplios. Estas empresas generalmente absorben los marcos de trabajo antes, se integran más rápido y prueban más opciones de implementación que otras industrias, lo que las mantiene a la vanguardia durante la formación temprana del mercado. El mercado de modelos de lenguaje pequeños también se alinea con su estrategia de producto, ya que los modelos compactos pueden integrarse en ofertas de software como servicio sin la misma carga de inferencia recurrente que las API de frontera. Eso convierte a este grupo tanto en el mayor comprador directo como en un canal indirecto a través del cual los modelos compactos llegan a los usuarios empresariales.

Se proyecta que la salud y las ciencias de la vida se expandan a una CAGR del 28,12% hasta 2031, convirtiéndolas en el segmento de usuario final de más rápido crecimiento en el mercado de modelos de lenguaje pequeños. El crecimiento está siendo respaldado por la automatización de flujos de trabajo clínicos, fuertes requisitos de privacidad y el valor del ajuste fino en datos biomédicos curados. La familia Sara de Innovaccer, construida sobre las familias de modelos Gemma 3 y Gemma 4 de Google, cubrió 12 tareas de flujo de trabajo clínico y demostró tiempos de respuesta locales inferiores a 500 milisegundos a principios de 2026. Dentro del mercado de modelos de lenguaje pequeños, esa combinación de adecuación al cumplimiento normativo y ajuste de dominio está ayudando a la salud a cerrar la brecha con los proveedores de tecnología más rápido que otros grupos de usuarios finales.

Análisis Geográfico

América del Norte representó el 37,89% de los ingresos globales en 2025, convirtiéndola en la región más grande del mercado de modelos de lenguaje pequeños. El liderazgo de la región se basó en la concentración de empresas adoptantes tempranas, infraestructura de nube madura y la presencia de grandes empresas de plataformas como Microsoft, Google LLC, Amazon Web Services y Apple. También siguió siendo el centro más claro para la consolidación de marcos de trabajo, porque las empresas reguladas tendían a reducir las adquisiciones en torno a un conjunto más pequeño de plataformas validadas para producción. La guía del sector financiero de Nueva York de 2026 sobre el riesgo de ciberseguridad relacionado con la IA se sumó a ese patrón al reforzar la necesidad de implementaciones auditables y gobernadas localmente en entornos sensibles al cumplimiento normativo. Como resultado, el mercado de modelos de lenguaje pequeños en América del Norte continuó enfrentando una fuerte demanda en medio de un mayor escrutinio empresarial de la arquitectura de implementación.

Se proyecta que Asia-Pacífico se expanda a una CAGR del 29,76% hasta 2031, convirtiéndola en el mercado regional de más rápido crecimiento para los modelos de lenguaje pequeños. El crecimiento está siendo impulsado por la demanda de IA en el borde para manufactura en Japón y Corea del Sur, un ecosistema de modelos domésticos muy activo en China y una demanda de implementación sensible al costo en toda la India. Mitsubishi Electric anunció un modelo de lenguaje para el dominio de manufactura para implementación en el borde en junio de 2025, y la empresa apuntó a la aplicación del producto en equipos industriales y robots dentro del año fiscal 2026. Tokyo Electron Device lanzó su programa de soporte "Try it! SLM on Edge" en junio de 2026 para ayudar a los fabricantes a evaluar y comercializar modelos compactos en entornos de borde. Estos desarrollos mostraron que el mercado de modelos de lenguaje pequeños en Asia-Pacífico estaba pasando de la experimentación hacia la integración en producción, especialmente en entornos industriales donde la inferencia local se alinea con las necesidades operativas.

Europa se mantuvo como el tercer mercado regional más grande, y su patrón de adopción estuvo definido por elecciones de implementación con prioridad regulatoria en el mercado de modelos de lenguaje pequeños. Las obligaciones de transparencia de la Ley de IA de la UE bajo el Artículo 50 estaban previstas para aplicarse a partir del 2 de agosto de 2026, lo que aumentó la importancia de la divulgación, el etiquetado y la documentación en los sistemas de IA orientados al cliente. Alemania y el Reino Unido lideraron la adquisición empresarial en la región, mientras que los países nórdicos estaban ganando relevancia como centros de diseño para arquitecturas de IA soberana. América del Sur aún se encontraba en una fase de crecimiento temprano con la banca, el comercio electrónico y la localización de medios apoyando la adopción inicial, mientras que los mercados de Oriente Medio y partes de África se estaban desarrollando en torno a la infraestructura de IA soberana y la demanda de servicios en idiomas locales.