Umesh Padval, Socio Gerente, Seligman Ventures – Serie de Entrevistas

Umesh Padval aporta décadas de experiencia en infraestructura de semiconductores, tecnología empresarial y capital de riesgo. Antes de pasar a la inversión de capital de riesgo, se desempeñó como CEO y presidente de C-Cube Microsystems, ayudando a escalar la empresa antes de su adquisición por LSI Logic. A lo largo de su carrera como inversionista, ha estado involucrado con varias empresas de tecnología prominentes que abarcan AI, infraestructura en la nube, ciberseguridad y redes, incluyendo inversiones en empresas como Cohere, Harness.io, ThousandEyes e Isovalent. También ha ocupado puestos en la junta directiva de varias empresas de tecnología públicas, incluyendo Mellanox, IDT, Monolithic Power Systems (MPWR ) e Impinj, lo que refleja un enfoque a largo plazo en tecnologías de infraestructura fundamentales que subyacen a los sistemas de computación y AI modernos.

Seligman Ventures es el brazo de capital de riesgo impulsado por una tesis de Seligman Investments, una plataforma de inversión en tecnología que gestiona aproximadamente $30 mil millones en mercados públicos y privados. Liderada por el veterano inversionista y ex CEO Umesh Padval, la firma se lanzó con una asignación informada de $500 millones centrada en respaldar a empresas en etapas tempranas hasta pre-IPO en sectores como infraestructura de AI, computación en la nube, ciberseguridad y hardware de centros de datos modernos. La plataforma se diferencia al combinar una profunda experiencia en investigación de mercados públicos con la inversión de capital de riesgo, lo que le permite identificar cambios tecnológicos a largo plazo desde el principio mientras apoya a fundadores que construyen infraestructuras fundamentales para la próxima generación de sistemas de computación y AI empresariales

Recientemente lanzaste Seligman Ventures como el brazo de capital de riesgo de una firma de mercados públicos de $30 mil millones. ¿Cuál fue la visión original detrás de la fundación de esta plataforma, y qué brecha viste en el paisaje de inversión en AI e infraestructura que otros estaban pasando por alto?

Vimos una oportunidad de construir una plataforma que conecte la innovación en etapas tempranas con la escala de los mercados públicos. Seligman Investments ha pasado décadas invirtiendo en empresas de tecnología a través de los mercados públicos, y creemos que la perspectiva sobre durabilidad, fundamentos y creación de valor a largo plazo a menudo falta en las etapas tempranas.

Al mismo tiempo, AI está impulsando una re-arquitectura de una generación en la infraestructura a través de la computación, redes, ciberseguridad y centros de datos, y sentimos que el mercado estaba subestimando a los inversores con una convicción técnica profunda en estas áreas. Apoyamos a fundadores visionarios con nuestra red y experiencia, y nuestra visión es ser parte de su viaje desde la etapa de semilla hasta la IPO y más allá.

Inviertes en infraestructura de AI, nube y sistemas de centros de datos modernos. ¿Cómo ves la evolución de la pila de infraestructura de AI en los próximos tres a cinco años, y qué capas son más probable que generen el mayor valor?

Esperamos que el centro de gravedad se desplace de la capacitación de modelos a la inferencia a gran escala y la implementación en producción. Ese desplazamiento aumenta la importancia de la eficiencia en toda la pila, desde el silicio y la memoria hasta las redes y la orquestación. Toda la pila se está reescribiendo desde los chips hasta el middleware y las aplicaciones de AI verticales. Cada capa aquí tiene un gran premio, lo que conduce a ganadores desproporcionados. Aunque los modelos son importantes, creemos que una cantidad desproporcionada de valor se creará en las capas de infraestructura que permiten el rendimiento, la optimización de costos y la escalabilidad en entornos del mundo real.

Muchos inversores describen AI como un cambio fundamental similar a la electricidad. Desde tu perspectiva, ¿qué partes del ciclo actual de AI están sobrevaloradas, y qué áreas siguen siendo subestimadas?

Imagina la inteligencia como una utilidad, accesible para cualquiera, con el poder de hacer que cualquier aplicación de software, dispositivo de hardware o entorno virtual sea inteligente. Esto ya está sucediendo. AI tendrá un impacto masivo en la sociedad, la naturaleza del trabajo y la productividad humana.

Hay una tendencia a sobrevalorar la capa de aplicación y la velocidad a la que se lanzan nuevos productos de AI. Lo que sigue siendo subestimado son las limitaciones físicas y de infraestructura subyacentes, como la potencia, los aspectos térmicos, la banda de memoria, el movimiento de datos y las limitaciones de la cadena de suministro. Estos factores determinarán en última instancia cuán lejos y cuán rápido puede escalar AI de manera económica.

Con un enfoque desde la etapa de semilla hasta la pre-IPO, ¿cómo determinas si una startup de infraestructura de AI tiene verdadera defensibilidad a largo plazo en lugar de impulso a corto plazo?

Comenzamos con el equipo. Los fundadores técnicos con historias de vida inspiradoras a menudo tienen la capacidad de hacer que lo imposible sea posible. Una y otra vez vemos artículos de investigación que afirman que algo no es factible, mientras que los fundadores están construyendo prototipos que demuestran lo contrario.

Pasamos mucho tiempo distinguiendo entre la velocidad y la durabilidad. La verdadera defensibilidad en la infraestructura de AI proviene de la diferenciación técnica profunda, la comprensión del flujo de trabajo y la integración en sistemas críticos, no solo del impulso inicial. Las empresas de infraestructura más fuertes se integran profundamente en la pila, donde los costos de cambio, las ventajas de rendimiento y la integración del ecosistema crean un poder de permanencia a largo plazo.

Los centros de datos modernos se están convirtiendo en centrales para la escalabilidad de AI. ¿Qué cambios arquitectónicos o innovaciones crees que definirán la próxima generación de infraestructura nativa de AI?

Los centros de datos modernos se están re-arquitecturando alrededor de las cargas de trabajo de AI. Esto incluye una mayor densidad de potencia a nivel de rack, nuevos enfoques para la refrigeración y una integración más estrecha entre la computación, la memoria, el almacenamiento y las redes.

Creamos que la próxima generación de infraestructura nativa de AI estará definida por el diseño a nivel de sistemas y la co-optimización entre hardware y software, en lugar de la innovación aislada de componentes.

¿Qué cualidades buscas en los fundadores que construyen empresas de infraestructura de AI, y qué distingue a aquellos que van a construir negocios que definen la categoría?

Los fundadores que destacan combinan una profunda experiencia técnica con una comprensión a nivel de sistemas de cómo evoluciona la infraestructura. Muchos de estos mercados requieren ciclos de desarrollo largos, asociaciones de ecosistemas complejas y una estrecha colaboración con los clientes, por lo que la resistencia, la paciencia y la capacidad de ejecutar durante múltiples años son fundamentales.

Los mejores fundadores pueden combinar la visión técnica con la disciplina operativa y construir empresas duraderas a través de múltiples ciclos tecnológicos.

¿Cómo deberían los fundadores abordar la construcción de un futuro donde la computación, la energía y la localidad de los datos se están convirtiendo en tan críticos como el software?

Los fundadores necesitan construir teniendo en cuenta las limitaciones. La computación, la energía y la localidad de los datos ya no son consideraciones abstractas; son parámetros de diseño de primer orden.

Las empresas más convincentes son aquellas que tratan la eficiencia, la escalabilidad y las realidades operativas como requisitos básicos del producto desde el primer día, en lugar de optimizaciones agregadas más tarde.

Hay una creciente preocupación de que las valoraciones en AI están superando a los fundamentos. ¿Dónde ves actualmente la mayor desconexión entre el precio y el valor real?

Estamos en medio de un cambio tecnológico sin precedentes. Los ganadores aquí podrían convertirse en empresas más grandes que muchas de las empresas públicas más grandes de hoy.

Vemos bolsillos donde las valoraciones están por delante de los fundamentos, particularmente en áreas con barreras de entrada bajas. Al mismo tiempo, algunas de las capas de infraestructura técnicamente más complejas, especialmente aquellas que resuelven problemas de ingeniería difíciles con ciclos de desarrollo largos, siguen siendo subestimadas en relación con su valor estratégico a largo plazo.

Desde tu perspectiva, ¿cómo está dando forma la demanda empresarial a la próxima generación de plataformas de AI, particularmente en áreas como la ciberseguridad y la infraestructura en la nube?

AI es ahora un mandato a nivel de junta directiva para empresas de todos los tamaños. Los equipos están priorizando las herramientas de AI para ayudarlos a ser más productivos, y muchos proyectos de prueba de concepto ahora se están moviendo desde la experimentación a entornos de producción.

Este cambio crea nuevos desafíos relacionados con la escalabilidad, la observabilidad, la confiabilidad y la seguridad. AI está expandiendo simultáneamente la superficie de ataque mientras crea las herramientas necesarias para defenderla. Los agentes de AI pueden ser atacados externamente, las vulnerabilidades pueden ser introducidas durante el desarrollo y hacer cumplir las políticas en tiempo de ejecución se vuelve significativamente más complejo en sistemas probabilísticos.

Esto requiere nuevas arquitecturas, nuevos modelos operativos y nuevas formas de pensar sobre la seguridad y la infraestructura. La demanda empresarial de sistemas de AI confiables, escalables y seguros seguirá impulsando una innovación significativa en toda la pila durante años por venir.

Mirando hacia adelante en la próxima década, ¿cuál es el futuro a largo plazo de la infraestructura de AI, y qué tecnologías o tendencias de hoy te dan la señal de alerta más fuerte de ese futuro?

En la próxima década, la infraestructura de AI se convertirá en algo tan fundamental como la computación en la nube es hoy. El centro de datos y la red de energía aún no están completamente preparados para un mundo donde AI se vuelva mainstream en industrias y flujos de trabajo diarios.

A lo largo de los vectores de costo, eficiencia energética, consumo de tokens, heterogeneidad de hardware y movimiento de datos, todavía hay un trabajo sustancial por realizar para que un mundo nativo de agentes se vuelva una realidad. Esperamos ver una mayor especialización en toda la pila, una integración más estrecha entre hardware y software, y una continuación del enfoque en la eficiencia y la optimización a nivel de sistemas.

Las empresas que ganen serán aquellas que puedan ofrecer rendimiento a escala mientras navegan las limitaciones del mundo real en torno a la potencia, el costo, la confiabilidad y el suministro.

Gracias por la gran entrevista, los lectores que desean aprender más sobre esta firma de capital de riesgo deben visitar Seligman Ventures.