Daily Journal

Dylan Patel, SemiAnalysis

Sourcery with Molly O'Shea17 de novembro de 202650minVer no YouTube|

Dylan Patel é fundador e CEO da SemiAnalysis, empresa independente de pesquisa e consultoria técnica focada em semicondutores, data centers, infraestrutura de inteligência artificial e cadeias globais de suprimentos. Em conversa com Molly O'Shea no podcast Sourcery, Patel detalha os gargalos regulatórios e energéticos da infraestrutura de IA, a disputa entre os principais laboratórios de modelos de fronteira, a economia e as margens da camada de aplicações, os bastidores da aquisição da Citrini Research e o lançamento de seu fundo de venture capital de US$ 500 milhões.

Gargalos de Data Centers, Regulação e Percepção Pública

Patel argumenta que a expansão física de data centers enfrenta barreiras burocráticas mais severas do que restrições de cadeia de suprimentos ou escassez de equipamentos:

  • Atrasos de cronograma: O rastreamento global da SemiAnalysis levou a empresa a empurrar múltiplos gigawatts de capacidade planejada de 2027 para 2028, e diversos projetos de 2028 para anos posteriores, exclusivamente por indisponibilidade e atraso na emissão de licenças (água, esgoto, drenagem pluvial e emissões aéreas).
  • Centros de dados no espaço: Embora Elon Musk tenha como meta colocar capacidade significativa em órbita em 2028, Patel considera a engenharia aeroespacial complexa demais para resolver a escassez nos próximos 3 a 4 anos, projetando que uma escala real (como 1 GW em órbita) só seja viável por volta de 2030.
  • Regulação no Texas: Apesar de declarações construtivas da liderança estadual garantindo que não barrarão data centers desde que não encareçam a energia nem esgotem a água, a tentativa de impor exigências de trabalho sindicalizado em um estado com baixa penetração sindical pode paralisar obras. O governo mantém controle sobre licenças ambientais e de ar que podem travar até instalações desconectadas da rede pública.
  • Desconhecimento da população: Em pesquisa conduzida pela SemiAnalysis em parceria com David Shor em todos os condados norte-americanos com data centers de 100 MW ou mais (existentes, em construção ou planejados para os próximos três anos), 49% dos moradores não sabiam que existia um data center no condado e apenas 40% sabiam de projetos em andamento.
  • Pegada hídrica real: A narrativa pública superestima o consumo de água de data centers modernos. Toda a capacidade de data centers de Elon Musk consome menos água embutida em sua cadeia (incluindo fabs de semicondutores e geração de energia) do que três lanchonetes da rede In-N-Out considerando a cadeia agropecuária de carne bovina. Quando mal estruturados, data centers geram ruído para vizinhos imediatos e poucos empregos permanentes após a fase de obras, mas podem financiar orçamentos públicos locais, como em um condado na Louisiana que pagou bônus de US$ 20 mil para todos os professores com a receita tributária gerada.

Guerra dos Modelos vs. Camada de Aplicação

A liderança técnica entre OpenAI, Anthropic e Google tem oscilado trimestre a trimestre (com a Anthropic dominando o segundo trimestre, a OpenAI o terceiro, e a Anthropic retomando tração com Opus 5.5 e Fable 5.2), mas Patel aponta que a OpenAI e a Anthropic falham sistematicamente no design de produtos para o usuário final.

  • Segurança excessiva e atrito de produto: A OpenAI restringe severamente seus produtos (como Dots e Codex) por meio de camadas como o "Guardian", tornando a experiência frustrante. Em contraste, produtos como o Muse (da Meta) e o Instinct entregam interfaces mais intuitivas e funcionais mesmo rodando sobre modelos teoricamente inferiores ou de código aberto.
  • Gasto de IA da SemiAnalysis: A empresa gasta US$ 15 milhões por ano em computação de IA. Ao longo de poucos meses, a fatia de agentes persistentes saltou de 0% para 45% desse orçamento total. Quase a totalidade desses 45% roda através do Perplexity Computer (usando Claude e modelos da OpenAI no backend), escolhido unicamente por ser um "harness" de produto superior aos agentes nativos da OpenAI ou da Anthropic.
  • Retenção e contratos corporativos: Interfaces de programação (como Claude Code e Codex) têm baixa retenção porque desenvolvedores migram com facilidade. A retenção da Anthropic está sendo construída via contratos comerciais agressivos, oferecendo descontos expressivos caso o cliente concentre 70% ou mais de todo o seu gasto de IA com a empresa.
  • Economia de startups de aplicação: Startups como Harvey e Sierra mostram crescimento acelerado de receita com ROI real para o cliente, mas modelos baseados em puro repasse de inferência (pass-through) enfrentam margens voláteis e comprimidas.

O Fundo de Venture Capital de US$ 500 Milhões

Patel estruturou um fundo de US$ 500 milhões como solo-GP, voltado para rodadas Seed e Series A, focado estritamente em infraestrutura física e técnica:

  • Teses de investimento: Semicondutores, fotônica/óptica, robótica, redes, manufatura avançada, infraestrutura de energia e software voltado para infraestrutura e hardware.
  • Rejeição ao mercado de aplicativos: Patel afirma não investir em software de aplicação por não possuir competência em escala de produtos de consumo com bilhões de usuários. Sua vantagem informacional deriva da equipe de 115 pessoas da SemiAnalysis, que conta com ex-engenheiros e pesquisadores de empresas como ASML, Applied Materials, Lam Research, TSMC, Intel, Nvidia, Google, Microsoft e Amazon, com experiência prática em projeto de chips, escrita de kernels, compiladores, data centers e usinas de energia.
  • Separação operacional: O fundo atua como entidade jurídica totalmente isolada da SemiAnalysis e da Citrini Research, mantendo barreiras de conformidade (firewalls) para garantir que investimentos não sejam promovidos pelos veículos editoriais.

Aquisição da Citrini Research e Crítica ao Modelo Gartner

A compra da Citrini Research uniu duas empresas com visões de mercado divergentes:

  • Convivência com a tese 'bearish': Enquanto a SemiAnalysis mantém uma postura estruturalmente otimista com IA no longo prazo e foca em dados numéricos precisos de infraestrutura (contagem de cabos, servidores, remessas de GPUs, ferramentas de fabs e preços de memória), a equipe da Citrini adotou uma visão pessimista (bearish) para o curto/médio prazo. A direção editorial da Citrini permanece independente sob a liderança de Kyle.
  • Metodologia empírica da Citrini: A equipe da Citrini destaca-se por testes não convencionais no mundo real, como desenvolver um antídoto contra veneno de escorpião utilizando modelos de IA para avaliar o estado da biologia computacional, ou enviar analistas fisicamente ao Estreito de Ormuz para monitorar fluxos de petróleo.
  • Rejeição ao "pay-to-play" da indústria: Patel critica empresas tradicionais de análise como Gartner e IDC, classificando o modelo de negócios delas como um esquema sem credibilidade que ranqueia ferramentas corporativas (como colocar o agente de código da IBM no Quadrante Mágico à frente de soluções como Cursor e Claude Code) com base em relações comerciais. A SemiAnalysis não aceita parcerias pagas, patrocínios nem anúncios, preservando a liberdade de criticar publicamente seus maiores clientes corporativos (hiperscalers, laboratórios de IA e fabricantes de chips como a Nvidia, criticada por práticas anticompetitivas com NeoClouds).

Operação Global e Perspectivas para os Próximos 12 Meses

A SemiAnalysis opera atualmente com cerca de 115 profissionais espalhados por 15 países, com escritórios físicos em Nova York, São Francisco, Chicago, Oregon, Singapura e Coreia do Sul.

Para o próximo ano, Patel destaca:

  • Testes empíricos de chips: Avaliação prática de desempenho de inferência em chips da Huawei, silício proprietário da Amazon e processadores de startups emergentes de IA.
  • Benchmark GDPX: Lançamento de um novo benchmark da SemiAnalysis para avaliar modelos em tarefas complexas e técnicas em que o estado da arte atual ainda falha, abrangendo segurança cibernética, design de chips e hardware, ciência dos materiais, biologia, análise quantitativa e RSI.
  • Aceleração do hardware e robótica: Projeção de um salto sem precedentes na quantidade e qualidade de empresas desenvolvendo hardware, impulsionadas pelo avanço dos modelos de IA no suporte à engenharia física, além de inovações em empacotamento avançado de semicondutores e tecnologias de memória.