Dijo Mia, Fundador y Socio Gerente en Stormbreaker Ventures – Serie de Entrevistas

Said Mia es el Fundador y Socio Gerente de Stormbreaker Ventures, una firma de capital de riesgo en etapa inicial que invierte en la etapa pre-semilla y semilla en infraestructura de conectividad, AI-RAN, Open RAN, computación de borde, convergencia satélite-celular, IoT, movilidad conectada y modernización de la fabricación en EE. UU. Sus socios GP incluyen a Wade Oosterman (fundador de Clearnet Communications, adquirida por Telus por $6.6 mil millones; ex director de Bell Canada donde agregó $50 mil millones en capitalización de mercado), Derek Aberle (ex presidente de Qualcomm (QCOM ) durante casi una década) y Glenn Lurie (ex presidente y CEO de AT&T (T ) Mobility y Operaciones de Consumo). El trasfondo de Said es en banca de inversión de telecomunicaciones; él concibió la tesis de Stormbreaker y reunió al equipo.

Pasaste años asesorando a importantes empresas de telecomunicaciones, semiconductores e infraestructura en firmas como Citi y PJT Partners (PJT ) antes de fundar Stormbreaker Ventures. ¿Qué te convenció de que la mayor oportunidad ya no era asesorar a los incumbentes, sino respaldar a startups que construyen la capa de infraestructura para la era de la IA?

El trabajo de asesoramiento me dio un asiento en primera fila para un problema en cámara lenta. Estaba trabajando en tratos que involucraban a algunas de las infraestructuras más importantes del planeta — espectro, arquitectura de red, cadenas de suministro de semiconductores — y seguí notando la misma dinámica: los incumbentes entendían intelectualmente la escala de la transición de la IA, pero su asignación de capital, los plazos de fusiones y adquisiciones y los incentivos organizacionales los hacían estructuralmente difíciles para moverse lo suficientemente rápido como para poseer la capa de infraestructura que la IA realmente requiere. Estaban optimizando para la red existente, no para la siguiente.

Cuanto más sometía a prueba esa observación en múltiples compromisos, más claro se volvía que la creación de valor real no iba a ocurrir dentro de esas organizaciones. Iba a ser construida por fundadores que pudieran operar sin restricciones de legado — construyendo la capa de conectividad, la arquitectura de computación de borde y la infraestructura de red nativa de IA que una economía impulsada por máquinas genuinamente demanda. En un momento determinado, lo más intelectualmente honesto que podía hacer era dejar de asesorar sobre esa transformación y comenzar a financiarla.

Stormbreaker se enfoca mucho en la capa de “picks y shovels” de la infraestructura de IA. ¿Por qué cree que las empresas de infraestructura pueden capturar eventualmente un valor a largo plazo más duradero que muchas startups de capa de aplicación de IA?

La capa de aplicación es emocionante, pero también es estructuralmente frágil de maneras que no están completamente valoradas. Cuando los modelos subyacentes se vuelven comunes — y lo harán — muchos moats de la capa de aplicación se evaporan rápidamente. Las empresas que se entrenaron en GPT-4 ahora tienen que lidiar con GPT-5, luego GPT-6, y los costos de conmutación son bajos precisamente porque las aplicaciones están construidas sobre la infraestructura de alguien más.

La capa física no funciona de esa manera. Los activos de espectro, las redes de acceso por radio, las implementaciones de computación de borde, la infraestructura de transferencia de satélite a celular — estas cosas son caras de construir, lentas de replicar y profundamente integradas en la estructura operativa de los clientes a los que sirven. Los efectos de red son reales y duraderos. Cuando un fabricante industrial integra una red privada 5G y una IA de borde en su planta de producción, no la retiran porque se lanzó un nuevo modelo. La infraestructura se vuelve fundamental.

Hay una creciente atención alrededor de las Redes de Acceso por Radio Artificiales (AI-RAN), la computación de borde y la convergencia satélite-celular. ¿Cuál de estos cambios cree que sigue siendo el más malentendido por la comunidad de riesgo en general?

AI-RAN, sin duda. La comunidad de riesgo ha procesado en gran medida como una historia de telecomunicaciones — mejora incremental de la infraestructura de acceso por radio existente — y ha perdido lo que realmente es: un cambio fundamental en la arquitectura de cómo se distribuye la inteligencia en una red.

La RAN tradicional es tonta en el borde. AI-RAN cambia eso. Estás empujando la inferencia y la toma de decisiones en tiempo real hacia la capa de radio en sí, lo que tiene implicaciones profundas para la latencia, la eficiencia energética y la economía de la implementación de la IA autónoma a gran escala. Esta es la primitiva de infraestructura que permite que un robot en una planta de fabricación, un vehículo autónomo en una carretera o un dron en un corredor logístico operen con una respuesta de submilisegundos sin enrutar cada decisión a través de una nube de hiperscaladores.

¿Cuáles son los mayores cuellos de botella de infraestructura que impiden que los sistemas de telecomunicaciones y industriales actuales respalden la IA autónoma a gran escala?

Hay tres cuellos de botella que siempre tengo en cuenta.

Arquitectura de latencia. Internet y las redes celulares fueron diseñadas para interacciones a velocidad humana. Los humanos no notan 50 milisegundos de latencia. Los sistemas autónomos sí — y en muchos casos es la diferencia entre una decisión segura y una decisión catastrófica. La arquitectura de red de núcleo heredada enruta el tráfico de maneras que son simplemente incompatibles con los requisitos deterministas y de baja latencia de la IA industrial.

La brecha de inteligencia en el borde. La mayoría de las redes industriales todavía tratan la infraestructura de borde como un transporte pasivo — tuberías que mueven datos a un entorno de cómputo central para su procesamiento. Pero la IA autónoma a gran escala requiere inteligencia local. No puedes operar de forma autónoma una fábrica, un puerto o un centro logístico si cada decisión tiene que atravesar la WAN. La capacidad de cómputo, almacenamiento e inferencia necesita vivir en o cerca del punto de acción, y la mayoría de las implementaciones existentes no están diseñadas de esa manera.

Interoperabilidad y fragmentación. Los entornos industriales son un parche de sistemas OT, protocolos propietarios y hardware heredado que predatan los estándares de conectividad modernos por décadas. Hacer que esos sistemas hablen coherentemente a una capa de IA es un desafío de integración masivo — uno que es fácil de subestimar si no has intentado implementar en esos entornos. Las startups que resuelvan este problema, que puedan servir como tejido conectivo inteligente entre el mundo operativo físico y la capa de IA por encima de él, serán enormemente valiosas.

Empresas como Qualcomm, Ericsson (ERIC ) y Nokia están persiguiendo cada vez más adquisiciones de IA y software. ¿Ve esto como el comienzo de un ciclo de consolidación prolongado en todo el sector de las telecomunicaciones y la tecnología de infraestructura?

Sí, y creo que todavía estamos en las primeras entradas de ello. Lo que está viendo de Qualcomm, Ericsson y Nokia no es toma de decisiones de adquisición oportunista — es una necesidad estratégica. Estas empresas entienden que la capa de inteligencia de software y AI es donde están migrando las economías de la infraestructura, y ninguna de ellas puede construir todo lo que necesita de forma orgánica al ritmo que el mercado exige.

¿Cuán importante se volverá la IA de borde en los próximos cinco años, particularmente en sectores como la fabricación, la logística, la robótica y la automatización industrial donde la latencia y la confiabilidad son críticas?

Será el tema de infraestructura definitorio de los próximos cinco años en esos sectores, sin parar. La pregunta no es si la IA de borde importa — es si las empresas que la implementan tienen la infraestructura subyacente para respaldarla de manera confiable.

La fabricación probablemente esté más avanzada en esta curva. La economía de la IA impulsada por la calidad de control, el mantenimiento predictivo y las líneas de producción autónomas ya es convincente, y los grandes fabricantes que se mueven rápidamente lo hacen porque el ROI es medible e inmediato. La restricción no es el modelo de IA — es la infraestructura de red y cómputo que hace que la inferencia en tiempo real en la planta de producción sea viable.

La modernización industrial y la relocalización se han convertido en prioridades de política importantes tanto en EE. UU. como en Canadá. ¿Cuánto del auge actual de la infraestructura de IA se está impulsando por la geopolítica y las preocupaciones de seguridad nacional en lugar de una demanda comercial pura?

Más de lo que la mayoría de los inversores en este espacio están dispuestos a decir públicamente. Seré directo al respecto: la capa de seguridad nacional es un viento en popa real y estructural para la capa de infraestructura, no un punto de conversación.

El gobierno de EE. UU. ha concluido — y creo que correctamente — que el liderazgo en IA no es puramente una cuestión económica. Es una cuestión de soberanía. Quién controla la infraestructura física en la que se ejecuta la IA, quién fabrica los semiconductores, quién construye las redes privadas dentro de instalaciones industriales críticas — estas son decisiones de seguridad nacional tanto como comerciales. La Ley de Chips, las acciones ejecutivas sobre la protección de infraestructura crítica, la postura de inversión del DOD hacia la IA de borde y el cómputo soberano — estas no son fenómenos políticos temporales. Reflejan un consenso bipartidista duradero sobre la importancia estratégica de la capacidad de infraestructura nacional.

Mirando hacia adelante cinco a diez años, ¿cómo se ve realmente la pila de infraestructura que impulsa la economía de la IA? ¿Imagina un futuro dominado por hiperscaladores centralizados, o algo más distribuido a través de redes de borde, cómputo soberano y sistemas de IA industriales?

Distribuido — pero no uniformemente distribuido, y no sin que los hiperscaladores jueguen un papel. La imagen honesta es una arquitectura en capas que es más compleja y más interesante que la narrativa de que los hiperscaladores ganan todo o la contranarrativa de que el borde reemplaza la nube.

Los hiperscaladores seguirán poseyendo las cargas de trabajo de entrenamiento y inferencia a gran escala. Ese es un juego de capital que favorece la consolidación, y los hiperscaladores lo han ganado decisivamente. Pero la inferencia en el punto de acción — en la planta de fabricación, dentro del vehículo autónomo, en la base de la torre de células, dentro del centro de datos soberano del gobierno — estará ampliamente distribuida. La física de la latencia, la economía de la banda ancha y la política de la soberanía de los datos empujan en la misma dirección: la inteligencia necesita vivir más cerca de donde actúa.

Lo que encuentro más atractivo sobre la imagen de diez años es el surgimiento de una nueva categoría de infraestructura que no tiene un analogía limpia en la generación anterior de cómputo: redes de cómputo soberano e industrial que son privadas, personalizadas y profundamente integradas con el entorno operativo físico que sirven. Estas son redes que una autoridad portuaria, un contratista de defensa, un fabricante importante o un gobierno nacional construyen y controlan — no porque la opción de hiperscalador no exista, sino porque la sensibilidad de los datos, los requisitos de latencia y la importancia estratégica de las cargas de trabajo demandan que así sea. Esa es la capa de infraestructura hacia la que estamos construyendo en Stormbreaker. Las empresas que surjan como fundamentales para esa pila de infraestructura de IA nativa y soberana distribuida serán entre los negocios de infraestructura más importantes construidos en esta década — y la mayoría de ellas aún no han sido fundadas.

Gracias por la gran entrevista, los lectores que desean aprender más deben visitar Stormbreaker Ventures.