Said Mia, fondatore e managing GP di Stormbreaker Ventures – serie di interviste

Said Mia è il fondatore e managing general partner (GP) di Stormbreaker Ventures, una società di venture capital che investe nelle fasi pre-seed e seed in infrastrutture di connettività, AI-RAN, Open RAN, edge computing, convergenza tra reti satellitari e cellulari, IoT, mobilità connessa e modernizzazione del settore manifatturiero statunitense. Tra i suoi partner GP figurano Wade Oosterman (fondatore di Clearnet Communications, acquisita da Telus per 6,6 miliardi di dollari; ex componente dei vertici esecutivi di Bell Canada, dove ha aggiunto 50 miliardi di dollari alla capitalizzazione di mercato), Derek Aberle (ex presidente di Qualcomm (QCOM ) per quasi un decennio) e Glenn Lurie (ex presidente e CEO di AT&T (T ) Mobility and Consumer Operations). Said proviene dall’investment banking nel settore delle telecomunicazioni; ha elaborato la tesi d’investimento di Stormbreaker e riunito il team.

Prima di fondare Stormbreaker Ventures, ha trascorso anni a fornire consulenza a grandi aziende delle telecomunicazioni, dei semiconduttori e delle infrastrutture presso società come Citi e PJT Partners (PJT ). Cosa l’ha convinta che la maggiore opportunità non fosse più consigliare le imprese consolidate, ma sostenere le startup che costruiscono l’infrastruttura per l’era dell’AI?

Il lavoro di consulenza mi ha permesso di osservare da vicino un problema che si sviluppava lentamente. Mi occupavo di operazioni riguardanti alcune delle infrastrutture più importanti del pianeta — spettro radio, architetture di rete e filiere dei semiconduttori — e continuavo a riscontrare la stessa dinamica: le imprese consolidate comprendevano sul piano intellettuale la portata della transizione all’AI, ma l’allocazione del capitale, i tempi delle fusioni e acquisizioni e gli incentivi organizzativi rendevano strutturalmente difficile muoversi abbastanza rapidamente da controllare l’infrastruttura di cui l’AI ha davvero bisogno. Ottimizzavano la rete esistente, non quella futura.

Più mettevo alla prova questa osservazione in diversi incarichi, più diventava chiaro che il vero valore non sarebbe stato creato all’interno di quelle organizzazioni. Lo avrebbero creato fondatori liberi dai vincoli dei sistemi preesistenti, costruendo l’infrastruttura di connessione, l’architettura di edge computing e le reti progettate fin dall’inizio per l’AI che un’economia guidata dalle macchine richiede davvero. A un certo punto, la scelta intellettualmente più onesta è stata smettere di fornire consulenza su quella trasformazione e iniziare a finanziarla.

Stormbreaker si concentra molto sulle infrastrutture di base dell’AI, il livello descritto con la metafora dei «picconi e delle pale». Perché ritiene che le aziende infrastrutturali possano infine conservare un valore più duraturo nel lungo periodo rispetto a molte startup che sviluppano applicazioni AI?

Il livello delle applicazioni è interessante, ma presenta anche fragilità strutturali che non sono pienamente scontate nelle valutazioni. Quando i modelli sottostanti diventeranno prodotti standardizzati e intercambiabili — e accadrà — molti vantaggi competitivi delle applicazioni svaniranno rapidamente. Le aziende che hanno addestrato su GPT-4 devono ora fare i conti con GPT-5 e poi GPT-6. I costi di passaggio a un’altra soluzione sono bassi proprio perché le applicazioni poggiano sull’infrastruttura di qualcun altro.

Il livello fisico funziona diversamente. Diritti sullo spettro radio, reti di accesso radio, installazioni di edge computing e infrastrutture per il passaggio delle connessioni tra reti satellitari e cellulari sono costosi da realizzare, richiedono tempo per essere replicati e sono profondamente integrati nelle attività dei clienti. Gli effetti di rete sono reali e duraturi. Quando un produttore industriale integra 5G privato ed edge AI nel reparto produttivo, non li rimuove perché è uscito un nuovo modello. L’infrastruttura diventa un elemento portante dell’attività.

Conta anche l’orizzonte temporale. Siamo ancora all’inizio della costruzione dell’infrastruttura fisica per l’AI. Il divario tra ciò che l’economia dell’AI richiederà alle reti e ciò che esiste oggi è enorme. Colmarlo richiederà almeno un decennio di investimenti e innovazione continuativi. È un profilo di rischio molto diverso dallo scommettere su quale chatbot conquisterà il mercato della produttività aziendale in 18 mesi.

Cresce l’attenzione per le reti di accesso radio con intelligenza artificiale (AI-RAN), l’edge computing e la convergenza tra reti satellitari e cellulari. Quale di questi cambiamenti è ancora il più frainteso dalla comunità del venture capital nel suo complesso?

AI-RAN, senza dubbio. La comunità del venture capital l’ha interpretata soprattutto come una vicenda di telecomunicazioni: un miglioramento incrementale dell’infrastruttura radio esistente. Non ha colto ciò che è davvero, ossia una trasformazione architetturale fondamentale nel modo in cui l’intelligenza viene distribuita nella rete.

Le reti RAN tradizionali non hanno intelligenza propria ai margini della rete. AI-RAN cambia questo aspetto. Inferenza e decisioni in tempo reale vengono portate direttamente nel livello radio, con conseguenze profonde per latenza, efficienza energetica ed economicità dell’AI autonoma su larga scala. Questo elemento infrastrutturale di base permette a un robot in fabbrica, a un veicolo autonomo in autostrada o a un drone in un corridoio logistico di rispondere in meno di un millisecondo, senza instradare ogni decisione attraverso il cloud di un hyperscaler.

La maggior parte degli investitori generalisti non ha una conoscenza delle telecomunicazioni abbastanza approfondita da cogliere chiaramente la differenza. Comprende l’AI a livello applicativo e dei dati, ma la rete di accesso radio è storicamente una scatola nera per la Silicon Valley. Stormbreaker è nata proprio per colmare questa lacuna. Nel nostro team di partner ci sono operatori che hanno gestito queste reti su larga scala. Comprendiamo sia l’architettura tecnica sia le dinamiche commerciali con una profondità che gli investitori generalisti semplicemente non possiedono.

Ha sostenuto che le reti preesistenti sono poco adatte a un’economia guidata dalle macchine. Quali sono i principali colli di bottiglia infrastrutturali che impediscono agli attuali sistemi industriali e di telecomunicazione di supportare l’AI autonoma su larga scala?

Ci sono tre colli di bottiglia a cui penso costantemente.

Architettura della latenza. Internet e le reti cellulari sono stati progettati per interazioni alla velocità umana. Gli esseri umani non notano una latenza di 50 millisecondi. I sistemi autonomi sì, e in molti casi ciò fa la differenza tra una decisione sicura e una catastrofica. La vecchia architettura del nucleo delle reti instrada il traffico in modi incompatibili con i requisiti di latenza bassa e deterministica dell’AI industriale.

Il divario di intelligenza ai margini della rete. La maggior parte delle reti industriali considera ancora l’infrastruttura periferica un semplice mezzo di trasporto passivo, che porta i dati a un ambiente di calcolo centrale per l’elaborazione. L’AI autonoma su larga scala richiede invece intelligenza locale. Non si può gestire autonomamente una fabbrica, un porto o un polo logistico se ogni decisione deve attraversare la WAN. Le capacità di calcolo, archiviazione e inferenza devono trovarsi nel luogo dell’azione o nelle vicinanze, e la maggior parte delle installazioni esistenti non è stata costruita così.

Interoperabilità e frammentazione. Gli ambienti industriali sono un mosaico di sistemi di tecnologia operativa (OT), protocolli proprietari e hardware preesistente che precede di decenni i moderni standard di connettività. Far comunicare questi sistemi in modo coerente con un livello AI è un’enorme sfida di integrazione, facile da sottovalutare se non si è mai provato a realizzare un’implementazione in questi ambienti. Le startup che risolveranno il problema e fungeranno da collegamento intelligente tra il mondo operativo fisico e il livello AI sovrastante avranno un valore enorme.

Aziende come Qualcomm, Ericsson (ERIC ) e Nokia effettuano sempre più acquisizioni nell’AI e nel software. Lo considera l’inizio di un lungo ciclo di consolidamento nelle telecomunicazioni e nelle tecnologie infrastrutturali?

Sì, e credo che siamo ancora nelle fasi iniziali. Ciò che fanno Qualcomm, Ericsson e Nokia non è opportunismo nelle acquisizioni, ma una necessità strategica. Queste aziende comprendono che il centro di gravità economico dell’infrastruttura si sposta verso il software e l’AI. Nessuna può sviluppare internamente tutto ciò di cui ha bisogno al ritmo richiesto dal mercato.

La dinamica più profonda è che le startup progettate fin dall’inizio per l’AI creano capacità che le aziende consolidate davvero non riescono a replicare internamente. Non dipende da talento o capitale, ma dalla libertà architetturale. Senza una linea di prodotti preesistente da proteggere e una relazione con un cliente da 10 miliardi di dollari da preservare, si possono progettare sistemi per l’era dell’AI partendo dai principi fondamentali. Si ottengono risultati strutturalmente diversi.

Per Stormbreaker questo è un elemento importante della tesi sulle future uscite dall’investimento nelle partecipate. Costruiamo proattivamente rapporti con i probabili acquirenti strategici. Il nostro team di GP ha relazioni professionali personali con i decisori di diverse organizzazioni, che ci permettono di conoscere piani di fusioni e acquisizioni cui la maggior parte degli investitori nelle fasi iniziali non ha accesso. La partecipazione di Nokia Growth Partners o Ericsson Ventures a un round di finanziamento non conferma soltanto la fiducia degli investitori: segnala anche la direzione dell’interesse strategico.

Quanto diventerà importante l’edge AI nei prossimi cinque anni, soprattutto in settori come manifattura, logistica, robotica e automazione industriale, dove latenza e affidabilità sono fondamentali?

Sarà il tema infrastrutturale determinante dei prossimi cinque anni in quei settori, punto. La domanda non è se l’edge AI conti, ma se le aziende che la implementano abbiano l’infrastruttura necessaria a sostenerla in modo affidabile.

La manifattura è probabilmente il settore più avanzato. I benefici economici del controllo qualità basato sull’AI, della manutenzione predittiva e delle linee produttive autonome sono già convincenti. I grandi produttori si muovono rapidamente perché il ritorno sull’investimento è misurabile e immediato. Il limite non sono i modelli AI, ma l’infrastruttura di rete e calcolo che rende praticabile l’inferenza in tempo reale in fabbrica.

Logistica e mobilità connessa sono in una fase leggermente più iniziale, ma progrediranno rapidamente. L’impatto del trasporto merci autonomo, delle operazioni portuali intelligenti e della gestione delle filiere basata sull’AI su costi e ricavi unitari è enorme. Per gli investitori conta una sfumatura: l’edge AI non è una sola categoria infrastrutturale, ma un insieme di livelli. Calcolo, connettività, gestione dell’energia e orchestrazione software devono lavorare insieme ai margini della rete. Le aziende che costruiscono soluzioni integrate attraverso questi livelli, anziché singole soluzioni isolate, saranno le più durature.

La modernizzazione industriale e il ritorno della produzione in patria sono diventati importanti priorità politiche negli Stati Uniti e in Canada. Quanto dell’attuale boom dell’infrastruttura AI è spinto dalla geopolitica e dalla sicurezza nazionale anziché dalla sola domanda commerciale?

Più di quanto la maggior parte degli investitori del settore sia disposta a dichiarare pubblicamente. Lo dico chiaramente: la sicurezza nazionale è un fattore favorevole reale e strutturale per l’infrastruttura, non un semplice argomento di comunicazione.

Il governo statunitense ha concluso — a mio avviso correttamente — che la leadership nell’AI non è soltanto una questione economica. È una questione di sovranità. Chi controlla l’infrastruttura fisica su cui gira l’AI, chi produce i semiconduttori e chi costruisce le reti private negli impianti industriali critici prende decisioni di sicurezza nazionale tanto quanto commerciali. Il CHIPS Act, gli interventi del potere esecutivo a protezione delle infrastrutture critiche e l’orientamento degli investimenti del Dipartimento della Difesa verso edge AI e calcolo sovrano non sono fenomeni politici temporanei. Riflettono un consenso bipartisan duraturo sull’importanza strategica della capacità infrastrutturale interna.

Per Stormbreaker questo crea una categoria molto specifica di aziende interessanti: imprese infrastrutturali nelle quali convergono impieghi per la sicurezza nazionale e impieghi commerciali. I clienti di questi contesti — agenzie federali, appaltatori della difesa e operatori di infrastrutture critiche — hanno certezza di budget e pazienza strategica che spesso mancano ai clienti puramente commerciali. Questa combinazione di domanda durevole e applicazioni essenziali per lo svolgimento delle attività è proprio ciò che cerchiamo in un’impresa infrastrutturale nelle fasi iniziali.

La vostra rete di operatori comprende ex dirigenti di aziende come AT&T Mobility, Bell Canada e Qualcomm. Quali conoscenze operative apportano i leader esperti delle telecomunicazioni che gli investitori tradizionali della Silicon Valley spesso trascurano?

La risposta sincera è: un profondo rispetto per ciò che occorre davvero per realizzare e gestire infrastrutture fisiche su larga scala.

La cultura d’investimento della Silicon Valley è stata storicamente ottimizzata per il software: margini elevati, cicli di sviluppo rapidi, intensità di capitale relativamente bassa e dinamiche di acquisizione dei clienti facilmente modellabili. Le infrastrutture funzionano diversamente. I progetti di rete comportano cicli di vendita pluriennali con imprese e operatori. L’integrazione con gli ambienti OT esistenti è complessa e lenta. Gli aspetti normativi sono reali e possono incidere in modo sostanziale sui tempi di ingresso sul mercato. La relazione con l’operatore — accettazione da parte sua, accordi di integrazione della rete e accesso allo spettro radio — non è una formalità, ma un asset strategico che richiede anni per essere costruito.

Wade Oosterman ha costruito Clearnet e poi creato 50 miliardi di dollari di capitalizzazione aggiuntiva in Bell Canada. Glenn Lurie ha guidato AT&T Mobility e sa come i grandi operatori valutano i rapporti con i fornitori e l’adozione tecnologica. Averli come GP ci permette di valutare fondatori e aziende secondo uno standard inaccessibile alla maggior parte degli investitori nelle fasi iniziali. Quando un fondatore presenta una strategia di ingresso sul mercato con un grande operatore, sappiamo porre le domande giuste: non solo sull’adeguatezza del prodotto al mercato, ma anche sul realismo della struttura commerciale, considerando come funzionano realmente gli uffici acquisti. Questa esperienza operativa significa anche che le partecipate ricevono più del capitale: contatti con i decisori, indicazioni per affrontare i cicli di vendita alle imprese e credibilità nelle riunioni in cui il nome Stormbreaker conta per le persone che vi sono dietro.

L’infrastruttura AI richiede sempre più energia e capitale e dipende sempre più dalle filiere. Cosa distingue le startup capaci di sopravvivere in questo contesto da quelle che potrebbero incontrare difficoltà nonostante una tecnologia solida?

Sopravvivono le aziende che hanno trovato il modo di trasformare l’intensità di capitale in un vantaggio, anziché trattarla come un freno all’attività.

Strategia di ingresso sul mercato. Le imprese infrastrutturali ad alta intensità di capitale che dipendono soltanto dalle vendite dirette alle aziende crescono lentamente e sono vulnerabili. Quelle che sviluppano la distribuzione attraverso operatori partner, integratori di sistemi o canali di acquisto pubblici possono implementare più rapidamente e generare ricavi ricorrenti a sostegno del fabbisogno di capitale. Il modello di business deve essere progettato per l’ambiente in cui opera.

Profilo del cliente e struttura contrattuale. Se si costruiscono infrastrutture di edge computing o di rete ad alto consumo energetico, servono clienti il cui comportamento d’acquisto corrisponda al ciclo del capitale. Contratti a lungo termine, installazioni fondamentali che costituiscono una base per lo sviluppo e partner strategici che co-investono nell’infrastruttura non sono semplici vantaggi aggiuntivi. Sono requisiti di sopravvivenza.

Esperienza operativa del team, non soltanto ingegneria. Ho visto startup infrastrutturali tecnicamente brillanti fallire perché non riuscivano a gestire la complessità delle filiere, negoziare rapporti adeguati con i fornitori o realizzare un’implementazione su larga scala senza esaurire il capitale. I fondatori che lo hanno già fatto e hanno effettivamente realizzato infrastrutture fisiche su larga scala hanno un enorme vantaggio su chi fonda un’impresa per la prima volta disponendo soltanto di solide qualifiche ingegneristiche.

Guardando ai prossimi cinque-dieci anni, come sarà davvero l’insieme di infrastrutture che alimenta l’economia dell’AI? Immagina un futuro dominato da hyperscaler centralizzati o una maggiore distribuzione tra reti edge, calcolo sovrano e sistemi industriali di AI?

Distribuito, ma non in modo uniforme e non senza un ruolo per gli hyperscaler. Il quadro realistico è un’architettura a livelli, più complessa e interessante sia della narrazione «gli hyperscaler vincono tutto» sia della contronarrazione «l’edge sostituisce il cloud».

Gli hyperscaler continueranno a dominare l’addestramento e l’inferenza su larga scala. È una competizione di capitali che favorisce il consolidamento, e l’hanno vinta nettamente. L’inferenza nel luogo dell’azione — in fabbrica, nel veicolo autonomo, alla base della torre cellulare o nel data center sovrano del governo — sarà invece ampiamente distribuita. La fisica della latenza, l’economia della larghezza di banda e la politica della sovranità dei dati spingono tutte nella stessa direzione: l’intelligenza deve trovarsi più vicina a dove agisce.

La prospettiva più interessante sui dieci anni è l’emergere di una nuova categoria infrastrutturale priva di un equivalente chiaro nella generazione precedente di sistemi informatici: reti di calcolo sovrane e industriali private, costruite per scopi specifici e profondamente integrate nell’ambiente operativo fisico che servono. Le costruiscono e controllano un’autorità portuale, un appaltatore della difesa, un grande produttore o un governo nazionale, non perché manchi l’opzione hyperscaler, ma perché lo impongono la sensibilità dei dati, i requisiti di latenza e l’importanza strategica dei carichi di lavoro. È il livello infrastrutturale verso cui ci muoviamo in Stormbreaker. Le aziende che diventeranno fondamentali per questo insieme di infrastrutture distribuite, sovrane e progettate fin dall’inizio per l’AI saranno tra le imprese infrastrutturali più importanti costruite in questo decennio. La maggior parte non è ancora stata fondata.

Grazie per l’ottima intervista. I lettori che desiderano saperne di più possono visitare Stormbreaker Ventures.