Un informe de investigación, cientos de miles de millones de dólares en valor de mercado evaporados: al descubierto SemiAnalysis, la agencia de inteligencia más enigmática de la era de la IA

Un informe de investigación evaporó cientos de miles de millones de dólares en valor de mercado: Revelando la agencia de inteligencia más misteriosa de la era de la IA, SemiAnalysis

El 9 de junio de 2026, el sector de comunicación óptica de IA en Wall Street sufrió una venta masiva repentina.

Coherent se desplomó $COHR más del 11%, Marvell $MRVL cayó casi un 9%, Corning $GLW, Lumentum $LITE y otras compañías de módulos ópticos IA y dispositivos ópticos sufrieron fuertes caídas, evaporando en un día cientos de miles de millones de dólares en valor de mercado en toda la cadena industrial.

Ese día no hubo reunión de la Reserva Federal, ni eventos geopolíticos importantes, ni un nuevo lanzamiento de Nvidia.

Lo que realmente provocó la agitación del mercado fue solo un informe de investigación de menos de 100 páginas.

Más sorprendente aún, el informe no provino de Goldman Sachs, ni de Morgan Stanley, ni de Bernstein, sino de un instituto de investigación independiente con apenas unas decenas de empleados — SemiAnalysis.

Y no es la primera vez que cambia el mercado.

Cuatro días antes, otro informe de SemiAnalysis sobre el ajuste de configuración HBM en la próxima plataforma Vera Rubin de Nvidia llevó al mercado a reevaluar la demanda futura de almacenamiento, haciendo que el precio de las acciones de Micron cayera un 13% en un solo día.

En tan solo unos días, dos informes, dos redefiniciones del precio del mercado.

Hoy en día, en los círculos de inversión en AI del mundo, cada vez más personas creen lo siguiente: quienes realmente pueden influir en la valuación de la cadena industrial AI de cientos de miles de millones de dólares no son solo Nvidia, sino quienes conocen la verdad de la industria antes que los demás.

Entonces, ¿quién es realmente SemiAnalysis?

¿Por qué llega a la respuesta antes que Wall Street?

Muchos inversores conocieron a SemiAnalysis por primera vez gracias a DeepSeek.

A principios de 2025, el comentario de DeepSeek "entrenar un modelo de clase mundial por solo 6 millones de dólares" casi cambió toda la lógica de inversión en AI.

El mercado rápidamente llegó a una conclusión: si entrenar IA es así de barato, entonces el gasto de capital mundial para GPU, HBM y centros de datos disminuirá en el futuro.

Ese día, Nvidia perdió aproximadamente 600.000 millones de dólares en valor de mercado, estableciendo el récord más grande de reducción de valor en un solo día en la historia de Wall Street.

Mientras todos los medios discutían el "milagro de los 6 millones de dólares", SemiAnalysis volvió a analizar los números.

Ellos consideraron que los 6 millones de dólares eran solo una pequeña parte del coste directo de entrenamiento con GPU, sin incluir la compra de servidores, equipos de red, almacenamiento, electricidad, construcción de salas, operación a largo plazo y toda la inversión en infraestructura AI.

Según su modelo recalculado, el verdadero capital invertido detrás de DeepSeek fue mucho mayor que los datos que circulaban en el mercado; su cluster de GPU tenía aproximadamente 50.000 unidades de la serie Hopper, compuesta por modelos como H100, H800 y H20, y no era el "milagro de bajo costo" que el mercado imaginaba.

El mercado se dio cuenta luego de que lo que realmente necesitaba corregirse no era la demanda de AI, sino la comprensión de los costos.

Cosas similares ocurren sin parar.

A fines de 2024, dedicaron cinco meses a realizar una prueba Benchmark real de servidores sobre AMD MI300X, en vez de copiar el PPT oficial.

La conclusión final no fue alentadora.

Consideraron que el hardware de AMD ya era competitivo, pero que el ecosistema CUDA sigue siendo una profunda barrera de software, por lo que es muy difícil desafiar el liderazgo de Nvidia en entrenamiento de IA en el corto plazo.

Al día siguiente de publicar el informe, Lisa Su, CEO de AMD, contactó a Dylan Patel, el fundador. La conversación originalmente prevista para media hora duró 90 minutos.

En 2026, SemiAnalysis predijo nuevamente que la comercialización masiva de fuente de alimentación de 800V DC y CPO (óptica coempaquetada) se retrasaría hasta 2028-2029, mucho después de lo que el mercado esperaba.

Sus motivos no fueron "creemos que se retrasará", sino que calcularon directamente los rendimientos de fabricación.

Si un ASIC debe integrar 32 motores ópticos, incluso si cada motor óptico tiene un rendimiento del 95%, el rendimiento del sistema completo es solo del 19%.

Esto significa que todavía queda un largo camino de ingeniería antes de la producción en masa real.

El mercado les creyó.

Así pues, todo el sector de comunicación óptica ajustó colectivamente sus precios.

Después de acertar con precisión varios años seguidos en las tendencias de la industria, SemiAnalysis ya no solo brinda opiniones, sino que está influyendo en las expectativas del mercado.

Lo que vende no son investigaciones, sino inteligencia

Muchos ven a SemiAnalysis como un medio tecnológico.

De hecho, esa percepción es completamente equivocada.

Su modelo de negocio real se parece más a una combinación de Bloomberg, Gartner y firmas de consultoría industrial.

El producto central de su sitio web no son los artículos, sino una gama de bases de datos institucionales, modelos de predicción y consultoría industrial.

Venden modelos de predicción a fondos globales de cobertura, fondos comunes, compañías de semiconductores, proveedores de nube y agencias gubernamentales, incluyendo modelos de oferta y demanda de GPU, modelos de predicción de HBM, modelos de capacidad de fábricas de chips, modelos de centros de datos de IA, modelos de Token Economics y la base de datos ChipBook.

Muchos productos ni siquiera son PDF, sino bases de datos en Excel que se pueden importar directamente a modelos DCF y sistemas de pronóstico de ganancias.

Para un fondo que administra cientos de miles de millones de dólares, si puede saber con tres meses de anticipación el cambio de capacidad CoWoS de TSMC, el ritmo de envíos de GPUs de Nvidia o la brecha de oferta y demanda de HBM, el valor supera con creces las decenas de miles de dólares en tarifas de consultoría.

Por eso, la suscripción individual de 500 dólares al año es solo el producto periférico.

Lo que realmente genera ganancias son los clientes institucionales.

Un contrato anual con un cliente institucional grande podría equivaler a cientos o miles de suscripciones individuales.

En otras palabras, lo que SemiAnalysis realmente vende no son noticias, sino datos que otros no pueden obtener.

Su verdadera barrera es una red global de inteligencia

Lo que realmente asusta a Wall Street no es la capacidad analítica de Dylan Patel, sino su habilidad para obtener información.

Mientras otros leen informes financieros de compañías cotizadas, ellos ya están analizando fotos satelitales.

SemiAnalysis hace un seguimiento a largo plazo de la construcción de miles de centros de datos alrededor del mundo, usando imágenes satelitales junto a modelos de visión computarizada para identificar automáticamente el progreso de las obras, el área de construcción y la velocidad de expansión.

Cuando es necesario, incluso solicitan permisos para drones y hacen vuelos sobre los sitios de construcción de centros de datos.

Estudian manifiestos públicos de transporte, documentos de compras gubernamentales, solicitudes de información pública (FOIA), datos de cadenas de suministro y todo tipo de bases de datos públicas con el fin de armar el cuadro más real del funcionamiento de la cadena de infraestructura AI.

Al mismo tiempo, Dylan Patel participa en casi todas las conferencias importantes de semiconductores.

Él interactúa constantemente con ingenieros, proveedores de equipos, plantas de encapsulado, productores de materiales y personas de la cadena de suministro, construyendo gradualmente su propia base de datos industrial a partir de información fragmentada.

En Reddit, muchos profesionales del sector incluso lo llaman "el Ming-Chi Kuo de la era de la IA".

La diferencia es que él no solo depende de noticias de la cadena de suministro, sino que prefiere usar comprobaciones técnicas y cruzar datos para confirmar cada pronóstico.

Para probar las GPU de AMD, está dispuesto a dedicar cinco meses haciendo Benchmark.

Para estudiar centros de datos IA, construye su propio modelo de reconocimiento satelital.

En la era AI, cada vez más instituciones creen que la información realmente importante no aparece primero en los informes financieros, sino que se esconde en la cadena de suministro, obra, logística y detalles técnicos.

¿Cómo un apicultor llegó a ser uno de los más influyentes en el sector AI global?

Lo más legendario es que Dylan Patel no es ni siquiera un analista tradicional de semiconductores.

Nació en 1996, estudió administración y derecho en la universidad, sin formación en ingeniería electrónica.

Antes de emprender, incluso trabajó como apicultor.

Lo que realmente cambió su destino fue la pasión.

De joven, fue muy activo en la comunidad de hardware de Reddit, publicando análisis de semiconductores bajo un pseudónimo y gestionando su blog técnico.

Luego, por sugerencia de su amigo Doug O'Laughlin, empezó a escribir bajo su nombre real.

En 2020, Dylan Patel fundó SemiAnalysis formalmente, cuando tenía 24 años.

Nadie esperaba que en solo unos años este sitio, que comenzó como un blog técnico, se convertiría en uno de los institutos de investigación más influyentes de la cadena de IA global.

En la conferencia GTC 2026, Jensen Huang mencionó a solo dos personas de la industria durante su charla de más de dos horas.

Una de ellas fue Dylan Patel.

Jensen Huang incluso puso el logo de SemiAnalysis en la pantalla del auditorio y reconoció públicamente que el análisis de Dylan sobre rendimiento de inferencia de Nvidia era básicamente acertado.

Para un instituto de investigación independiente, esto es prácticamente el reconocimiento máximo en el sector.

La controversia también empezó a surgir

Cuanto mayor es la influencia, más grande es la controversia.

A finales de junio de 2026, Tema ETFs anunció una colaboración exclusiva con SemiAnalysis y lanzó dos nuevos ETFs centrados en la cadena industrial de AI.

El momento fue muy delicado.

Unas semanas antes, SemiAnalysis publicó varios estudios que ajustaron expectativas del sector AL, causando fuertes fluctuaciones en estos sectores.

Entonces, el mercado rápidamente empezó a cuestionar.

Una institución que publica informes, participa en ETF, además provee consultoría, bases de datos y posiblemente realiza inversiones, ¿puede realmente mantener absoluta independencia?

En EE.UU., los analistas de venta deben cumplir reglas de divulgación de conflictos de interés como Regulation AC, y los fondos de venta en corto suelen revelar sus posiciones.

Pero para institutos de investigación independientes no hay normas igual de estrictas.

Por eso, lo que realmente debería debatirse no es el accionar de SemiAnalysis, sino los nuevos desafíos regulatorios que podría enfrentar toda la industria de investigación independiente en el futuro.

Con cada vez más institutos operando bases de datos, consultoría, ETF e inversiones, los límites entre investigación y negocio se vuelven cada vez más difusos.

En la era AI, lo más valioso no es el chip, sino la información

Si miramos en retrospectiva el camino de SemiAnalysis, vemos que lo que realmente cambió no fue la industria de semiconductores, sino la forma en que se produce la información en los mercados de capital.

Durante décadas, los analistas de Wall Street dependieron principalmente de conferencias de empresas cotizadas, informes financieros y comunicación con la gerencia.

Hoy, la información realmente valiosa en la era AI proviene cada vez más de la cadena de suministro, el lugar de la obra, datos logísticos, imágenes satelitales y bases de datos industriales.

Quien logre armar estos fragmentos primero, tendrá la mayor ventaja en el mercado.

En esencia, lo que hace SemiAnalysis es industrializar y sistematizar la capacidad para captar información, y luego venderla a quienes más están dispuestos a pagar por ella.

Para los inversores comunes, no tenemos sus recursos ni podemos replicar su red global de inteligencia.

Pero lo que realmente vale aprender de ellos no es la postura de cada informe, sino los métodos para estudiar la industria.

No hay que idolatrar a ninguna institución.

Por muy precisas que hayan sido sus previsiones en los últimos años, nadie puede acertar siempre.

Lo que realmente genera beneficios extraordinarios a largo plazo no es perseguir la última noticia, sino construir nuestro propio marco de comprensión industrial y entender la lógica detrás de la evolución tecnológica, los cambios en la cadena de suministro y el gasto de capital.

Porque cada informe quedará obsoleto y cada tendencia del mercado perderá calor.

Solo el conocimiento acumulado es el activo que puede seguir generando retornos compuestos.

Quizás esa sea la mayor inspiración que SemiAnalysis deja a todos los inversores.