La Cadena

Publiqué deep dive de QSI en noviembre. La acción ha sido decepcionante. Y entonces, escribiendo el substack de péptidos, me cayó el clic.

I. La Pregunta Que Me Faltaba

En noviembre publiqué un deep-dive sobre Quantum-Si. La tesis era — y sigue siendo — que la próxima frontera de la biología no es leer ADN sino leer proteínas, que la espectrometría de masas no puede ver moléculas individuales, y que el chip semiconductor de QSI es la única plataforma comercialmente disponible que puede secuenciar péptidos uno a la vez. Tengo acciones y tengo calls al 2027.

La acción ha sido decepcionante.

Eso es lo primero que hay que decir, sin maquillaje. QSI cotiza cerca de donde estaba cuando publiqué, con momentos de subida — el partnership con NVIDIA disparó +119% en un día en noviembre de 2024 — y caídas igualmente brutales. Beta de 3.09. FCF/share que viene mejorando trimestre a trimestre pero sigue rojo. Pierden $33 por cada dólar que ingresan. Es lo que pasa cuando una compañía está en fase de prototipo, con tecnología real pero ingresos de $3M contra pérdidas de $101M, y un caso de uso comercial cercano que todavía no termina de iluminarse.

El mercado castiga eso. No es injusto. Es física.

Pero pasó algo en las últimas tres semanas. Estaba terminando el substack sobre péptidos — el que publiqué la semana pasada, sobre la reclasificación FDA de julio y la tesis de HIMS 0.00%↑ como canal de distribución. Y grabé un podcast con Antonio Linares sobre el mismo tema, la cadena de péptidos, Hims como infraestructura, lo que viene después del voto del PCAC. En algún punto del proceso de armar las dos cosas en paralelo — el artículo y la conversación — me cayó el clic. La pregunta apareció con una claridad que no había tenido antes.

Si esto es tan grande, ¿quién carajo va a leer las proteínas?

Esa pregunta es lo que me faltaba. Y resolverla cierra el arco que llevaba meses abierto.

II. La Cadena

Cada disrupción tecnológica de los últimos cuarenta años vino con una cadena. No con una compañía. Con una cadena.

La computadora personal no fue solo Apple — fue Intel haciendo los chips, Microsoft haciendo el sistema operativo, los clones de IBM haciendo el hardware, y Lotus y WordPerfect haciendo las apps. Internet no fue solo Yahoo — fue Cisco, Sun, AOL y los portales. El smartphone no fue solo el iPhone — fue ARM, TSMC, iOS y un millón de desarrolladores. La IA hoy — esto lo cubrí en Si Yo Fuera un Agente — no es solo NVIDIA. Es NVIDIA + los hyperscalers + los frontier labs + las apps. Cuatro capas en cada caso. El inversor que vio una sola capa capturó un retorno respetable. El que vio la cadena completa antes que el consenso de Wall Street la nombrara capturó algo cualitativamente distinto.

El patrón es estructural. Cada categoría nueva se materializa en cuatro capas: la fábrica que produce, el sensor o la infraestructura que valida, la materia prima que fluye, y el canal que llega al usuario. Los analistas tradicionales cubren cada capa por separado, porque así está organizado Wall Street por sectores. Esa fragmentación de cobertura es exactamente lo que crea la asimetría para quien ve el sistema completo.

Y la próxima cadena — la que se está armando en silencio mientras casi nadie la nombra — no es tech. Es bio. La pregunta que no me había hecho hasta hace tres semanas era cuáles son sus cuatro capas, y por qué QSI ocupa el lugar exacto que ocupa.

III. La Fábrica

La capa de producción es inteligencia artificial generativa diseñando moléculas terapéuticas. Específicamente, péptidos.

En marzo de 2025, un grupo en Shanghai Jiao Tong publicó un paper que en su momento leí y archivé sin conectar bien. Diseñaron diez mil agonistas del receptor GLP-1 desde cero usando AI generativa. De esos diez mil, sesenta cumplieron criterios de filtro. De esos sesenta, 52% mostraron eficacia in vitro. Dos candidatos tuvieron vidas medias aproximadamente tres veces más largas que la semaglutida. El proceso completo — desde el diseño in silico hasta el screening — tomó dos semanas. A Novo le tomó diez años desarrollar la semaglutida.

Esa compresión de timeline no es anecdótica. Y por qué funciona ahora — y por qué no funcionaba hace cinco años — tiene que ver con la paradoja de Levinthal que cubrí en el deep-dive de QSI. Las proteínas enteras son intratables computacionalmente. Una proteína de 150 aminoácidos tiene 10³⁰⁰ conformaciones posibles. AlphaFold no resuelve el plegamiento, predice el destino. Diseñar una proteína entera de cero sigue siendo brutalmente difícil.

Pero los péptidos — cadenas de cuatro a cincuenta aminoácidos — están en el sweet spot. El espacio conformacional es manejable, predecible, diseñable. RFdiffusion, ESM3, AlphaFold 3 funcionan suficientemente bien en este rango. Por eso Xaira Therapeutics levantó más de mil millones de dólares con David Baker — Nobel de Química 2024 — al frente. Por eso Isomorphic Labs ya tiene su primer candidato AI-designed autorizado para trials humanos. Por eso Eli Lilly firmó con Isomorphic por hasta $1.7B, Novartis por $1.2B, Generate:Biomedicines levantó $273M, EvolutionaryScale $142M, Profluent $106M.

Y por eso el 14 de abril de 2026 — dos días antes de que Bobby Kennedy mandara a la FDA a despejar la cárcel de péptidos — Novo Nordisk anunció una asociación estratégica con OpenAI.

Esa es la primera capa. La fábrica. Y mientras estaba escribiendo el artículo de péptidos, no podía dejar de pensar en la implicación obvia que se me había escapado en noviembre: si AI puede diseñar diez mil péptidos en dos semanas, alguien tiene que poder leerlos.

IV. El Sensor

Acá es donde se cierra el círculo. Y donde Antonio Linares — sin proponérselo, en una conversación de podcast — me hizo el favor de articular en voz alta lo que estaba viendo a medias.