SemiAnalysis: Anthropic ya es rentable, la escasez de memoria podría durar años y el Blackwell de Nvidia superó sus propias expectativas por 30 veces
Dylan Patel, de SemiAnalysis, se une al podcast Next Big Thing en julio de 2026 para analizar los cuellos de botella en computación, memoria, redes y energía.
Dylan Patel, fundador de SemiAnalysis, participó en el podcast Next Big Thing de WisdomTree en una amplia conversación que sirvió como un estado de la situación para los inversores en infraestructura de IA. La firma de Patel ha pasado de ser un boletín de dos personas en 2022 a un centro de investigación de 90 empleados con más de $50 millones en hardware donado por Nvidia, Microsoft, Amazon, Google, Oracle, CoreWeave, Nebius y Crusoe. Sus datos de benchmarking se han vuelto tan influyentes que Jensen Huang los citó directamente en el escenario durante el GTC. La charla abarcó desde la economía de los laboratorios de frontera hasta la mecánica de los precios de la memoria, la demanda de CPU, la óptica y la energía, produciendo varios puntos de datos clave para los inversores posicionados en la cadena de suministro de la IA.
Anthropic ha alcanzado la rentabilidad
El dato nuevo más concreto de la conversación se refiere a Anthropic. Patel afirmó que la compañía tuvo un flujo de caja libre positivo y fue rentable en abril y mayo de 2026, con junio "apuntando a ser igual", aunque los libros aún no se habían cerrado por completo. Los ingresos recurrentes anualizados han "superado los $50.000 millones" y los márgenes brutos se sitúan "por encima del 70%". Esta es una perspectiva mucho más constructiva que la suposición predeterminada del mercado de que los laboratorios de frontera son estructuralmente deficitarios. Patel aclaró que esto no es universal en toda la industria, pero señaló que los ingresos de OpenAI también están repuntando a medida que se acelera la adopción de su producto de codificación Codex y otras herramientas de agentes.
El Blackwell de Nvidia superó su propia promesa de 25x
Patel recordó un momento que se volvió viral en la industria: en el GTC de marzo, Jensen Huang mostró un cinturón de "rey de la inferencia" con la marca SemiAnalysis en el escenario y dedicó cerca de cinco minutos a discutir el benchmarking independiente de SemiAnalysis sobre Blackwell frente a Hopper. Cuando se lanzó Blackwell, Huang prometió una mejora de rendimiento de 25 veces, una cifra que el mercado e incluso el propio Patel descartaron como marketing. La suite de benchmarking InferenceMAX de SemiAnalysis, ejecutada cada noche en hardware donado de todas las grandes nubes, demostró finalmente que Blackwell ejecutaba cargas de trabajo de DeepSeek V3 30 veces más rápido que Hopper. "Jensen, me equivoqué. Estabas siendo conservador. Fue 30 veces", le dijo Patel. El episodio es más que una anécdota: es una confirmación independiente y reproducible de que las promesas de rendimiento generacional de Nvidia, a menudo descartadas por los escépticos, han resultado ser conservadoras en lugar de infladas.
El gasto en IA de SemiAnalysis es un caso de estudio de ROI en tiempo real
Patel ofreció a su propia firma como un punto de datos en tiempo real sobre el debate del gasto en IA, que ha inquietado a los inversores tras recientes comentarios que cuestionan el ROI de la IA empresarial. El gasto interno en herramientas de IA de SemiAnalysis, lo que él llama "gasto recurrente anual", era inferior a $100.000 en noviembre de 2025, cuando la firma pagaba principalmente suscripciones de chat estándar. Una vez que Claude Code alcanzó su ritmo con Opus 4.5 y 4.6, esa tasa de ejecución saltó a $4 millones a finales de enero de 2026 y ahora se sitúa cerca de los $11 millones, con semanas pico que anualizan a $14 millones para una firma de 90 personas. "Es una locura, ¿verdad?", dijo Patel, señalando que el gasto en IA ya representa aproximadamente un tercio de los costos de compensación de los empleados y podría acercarse a la mitad para fin de año. Argumentó que el ROI es real en su firma porque se ha traducido en productos lanzados y crecimiento de ingresos, pero reconoció que muchas empresas han "agotado" todo su presupuesto anual de IA a mitad de año y ahora deben elegir entre recortar el gasto en IA, otras licencias de software o reducir personal. Advirtió que las empresas que limiten el gasto en IA "se quedarán atrás en términos de ganancias de productividad".
Por qué la eficiencia de tokens, no el precio, está decidiendo la guerra de modelos
Patel explicó por qué Anthropic sigue ganando en cargas de trabajo de codificación empresarial a pesar de que los modelos de OpenAI a veces tienen ventaja en los benchmarks básicos. La variable clave es la eficiencia de los tokens, no la capacidad anunciada. Donde los modelos de OpenAI pueden superar ocasionalmente a Anthropic en tareas de ciencia, matemáticas o codificación, suelen tardar tres veces más y utilizar cuatro veces más tokens, lo que aumenta el costo y ralentiza el ciclo de retroalimentación humano-IA. Los modelos más eficientes en tokens de Anthropic, dijo, son la razón por la que SemiAnalysis "sigue siendo una firma mayoritariamente de Anthropic", reservando el Codex de OpenAI principalmente para tareas que pueden ejecutarse sin supervisión durante la noche. También señaló que, de forma contraintuitiva, la optimización de costos para cargas de trabajo de asistentes de IA a menudo significa adoptar el modelo más nuevo en lugar del más barato, ya que un modelo más capaz puede terminar una tarea con una cuarta parte de los tokens y en un solo intercambio en lugar de varias rondas de ida y vuelta.
La escasez de memoria es estructural, no cíclica
Sobre la memoria, Patel recordó una nota de SemiAnalysis de enero de 2026 que argumentaba que el mercado subestimaba la durabilidad del ciclo alcista actual. Su marco: la capacidad de memoria solo crece entre un 20% y un 30% anual en los próximos tres años, mientras que la demanda de memoria para IA se está duplicando. Ese desequilibrio, dijo, obliga a los compradores menos elásticos al precio, como los fabricantes de smartphones y laptops, a salir del mercado para dejar espacio a la IA. Los fabricantes chinos de smartphones, como Xiaomi, ya han visto caer sus envíos en la gama media y baja cerca de un 40%, pero la gama alta aún no se ha visto presionada, lo que significa que los precios de iPhone y MacBook deberán subir "unos cientos de dólares", no solo $100, antes de alcanzar el equilibrio. Patel fue directo sobre lo que esto implica para las valoraciones: "La memoria no tiene una escasez a corto plazo. Es una escasez que durará años". También advirtió que los márgenes brutos de memoria, que aún no han alcanzado el nivel del 85% al 90% que espera, eventualmente volverán a su media, pero no antes de que el auge actual continúe.
CPU: Demanda real, pero un comercio de recuperación, no un nuevo paradigma
SemiAnalysis fue pionera en señalar un cambio en la demanda de CPU vinculado al aprendizaje por refuerzo y los flujos de trabajo de agentes, que requieren mucha más computación del lado de la CPU para la verificación del entorno, llamadas a herramientas y ejecución de código que la inferencia de estilo chat anterior. Esa predicción, realizada en investigación institucional en noviembre de 2025 y en el boletín público en enero de 2026, ha coincidido con fuertes repuntes en Arm, Intel y AMD. Pero Patel rechazó el entusiasmo del lado vendedor, diciendo que algunos analistas han concluido erróneamente que el gasto en CPU se está volviendo comparable al gasto en GPU. "El lado vendedor, que realmente no entiende la tecnología en absoluto, solo está inventando cosas", dijo, señalando que incluso con una mejor relación, el gasto en CPU sigue siendo una pequeña fracción de los dólares de GPU, aproximadamente $5.000 por CPU frente a $50.000 por GPU en sus cálculos ilustrativos. Lo que realmente está sucediendo, argumentó, es una recuperación única: los hiperescaladores compraron pocas CPU en relación con las GPU que desplegaron en 2023 y 2024, y ahora están corrigiendo ese retraso, una dinámica que espera que se normalice a una tasa de crecimiento más estable una vez que se complete la puesta al día.
Redes: El cobre gana tiempo mientras la óptica coempaquetada se pospone a 2029
Patel utilizó una nota institucional de SemiAnalysis publicada a principios de semana para argumentar que el mercado se ha vuelto demasiado optimista sobre el calendario de la óptica coempaquetada (CPO), una tecnología que muchos inversores han tratado como un ciclo de actualización inminente y generalizado. "Actualmente, la gente está demasiado entusiasmada con el CPO", dijo. "En mi opinión, no llegará en 2027. Realmente será a finales de 2028, pero 2029 es el despegue real para la óptica coempaquetada a escala". Los rendimientos de fabricación, la preparación de los chips y el volumen siguen siendo inmaduros, y la propia hoja de ruta de Nvidia refleja el retraso: Rubin y Rubin Ultra siguen basados en cobre, y Feynman, la generación posterior, aún no está totalmente comprometida con el CPO en la GPU. Los beneficiarios a corto plazo de ese retraso, según Patel, son los proveedores de interconexiones de cobre como Amphenol, que SemiAnalysis ahora espera que superen las estimaciones anteriores, junto con los fabricantes de transceptores ópticos convencionales (no CPO), incluso cuando el destino a largo plazo de la industria sigue siendo la óptica coempaquetada.
Energía: Una era de improvisación para la energía de los centros de datos
Sobre la energía, Patel dijo que las adiciones de capacidad de los centros de datos están listas para duplicarse nuevamente, de 20 gigavatios este año a 30 gigavatios el próximo año y 50 gigavatios al siguiente, y que en unos dos años, la mitad de la energía incremental para nuevos centros de datos se generará en el sitio en lugar de extraerse de la red. La transmisión sigue siendo el cuello de botella más difícil de resolver dadas las limitaciones regulatorias y de amortización de las empresas de servicios públicos, pero la generación y la conversión de energía están experimentando lo que describió como una ola de improvisación: motores de camiones diésel, trenes y marinos reutilizados convertidos para funcionar con gas y conectados a generadores eléctricos, motores alternativos y turbinas de gas industriales junto con las tradicionales plantas de gas de ciclo combinado de GE Vernova, Mitsubishi y Siemens. Los costos de energía solar más baterías están cayendo lo suficientemente rápido, ayudados por la escala de fabricación de China, como para que Patel espere que la tecnología supere al gas en unos dos años, dependiendo del umbral de fiabilidad que exijan los operadores. En el aspecto más exótico, SemiAnalysis también ha publicado investigaciones sobre centros de datos en el espacio, lo que Patel señaló que elimina por completo el requisito de baterías. "Va a ser un dolor de cabeza, pero funcionará", dijo sobre el enfoque de conversión diésel, un resumen justo de su visión más amplia de que la energía, no los chips, es ahora la restricción más improvisada en la construcción.