Said Mia, fondatore e managing partner di Stormbreaker Ventures – Serie di interviste

Said Mia è il Fondatore e Managing GP di Stormbreaker Ventures, una società di venture capital che investe in aziende in fase di pre-seed e seed nel settore dell’infrastruttura di connettività, AI-RAN, Open RAN, edge compute, convergenza satellitare-cellulare, IoT, mobilità connessa e modernizzazione della produzione negli Stati Uniti. I suoi partner GP includono Wade Oosterman (fondatore di Clearnet Communications, acquisita da Telus per 6,6 miliardi di dollari; ex dirigente di Bell Canada dove ha aggiunto 50 miliardi di dollari di 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 e Consumer Operations). La background di Said è nel settore della banca d’investimento per le telecomunicazioni; ha concepito la tesi di Stormbreaker e ha assemblato il team.

Ha trascorso anni a consigliare importanti aziende di telecomunicazioni, semiconduttori e infrastrutture presso società come Citi e PJT Partners (PJT ) prima di fondare Stormbreaker Ventures. Cosa l’ha convinto che la più grande opportunità non fosse più consigliare gli incumbent, ma sostenere le startup che costruiscono l’infrastruttura di base per l’era dell’AI?

Il lavoro di consulenza mi ha dato un posto in prima fila per un problema a rallentamento. Stavo lavorando su accordi che coinvolgevano alcune delle infrastrutture più importanti del pianeta – spettro, architettura di rete, catene di approvvigionamento di semiconduttori – e continuavo a notare la stessa dinamica: gli incumbent capivano intellettualmente la portata della transizione dell’AI, ma la loro allocazione di capitali, i tempi di fusioni e acquisizioni e gli incentivi organizzativi li rendevano strutturalmente impossibili da muoversi abbastanza velocemente per possedere l’infrastruttura di base che l’AI richiede effettivamente. Stavano ottimizzando per la rete esistente, non per la prossima.

Quanto più ho sottoposto a stress test quell’osservazione in多pli impegni, tanto più è diventato chiaro che la vera creazione di valore non si sarebbe verificata all’interno di quelle organizzazioni. Sarebbe stata costruita da fondatori che potevano operare senza vincoli di legacy – costruendo il tessuto di connettività, l’architettura di edge compute e l’infrastruttura di rete nativa AI che un’economia guidata dalle macchine richiede effettivamente. A un certo punto, la cosa più onesta che potevo fare era smettere di consigliare su quella trasformazione e iniziare a finanziarla.

Stormbreaker si concentra fortemente sul livello “picks-and-shovels” dell’infrastruttura dell’AI. Perché ritiene che le aziende di infrastrutture possano catturare un valore a lungo termine più duraturo rispetto a molte startup di applicazioni di AI?

Il livello di applicazione è emozionante, ma è anche strutturalmente fragile in modi che non sono completamente valutati. Quando i modelli sottostanti si commodificano – e lo faranno – molti vantaggi competitivi del livello di applicazione evaporano rapidamente. Le aziende che si sono formate con GPT-4 ora devono fare i conti con GPT-5, poi GPT-6 e i costi di switching sono bassi proprio perché le app sono costruite su un’infrastruttura di qualcun altro.

Il livello fisico non funziona in quel modo. Gli asset di spettro, le reti di accesso radio, i dispiegamenti di edge compute, l’infrastruttura di handoff satellitare-cellulare – queste cose sono costose da costruire, lente da replicare e profondamente integrate nel tessuto operativo dei clienti che servono. Gli effetti di rete sono reali e duraturi. Quando un’azienda di produzione industriale integra la rete privata 5G e l’edge AI nel proprio piano di produzione, non la rimuove perché è stato rilasciato un nuovo modello. L’infrastruttura diventa portante.

C’è anche una dimensione temporale che conta. Siamo ancora nel primo capitolo della costruzione fisica dell’AI. Il divario tra ciò che l’economia dell’AI richiederà eventualmente dall’infrastruttura di rete e ciò che esiste oggi è enorme – e chiudere quel divario richiederà un decennio o più di innovazione e capitali sostenibili. Questo è un profilo di rischio molto diverso rispetto a scommettere su quale chatbot vincerà il mercato della produttività aziendale in 18 mesi.

C’è un’attenzione crescente intorno alle reti di accesso radio artificiali (AI-RAN), all’edge compute e alla convergenza satellitare-cellulare. Quale di questi cambiamenti ritiene che rimanga il più frainteso dalla comunità di venture più ampia?

AI-RAN, senza dubbio. La comunità di venture ha largamente elaborato questo come una storia di telecomunicazioni – un miglioramento incrementale dell’infrastruttura di accesso radio esistente – e ha perso ciò che è effettivamente: un cambiamento fondamentale nell’architettura di come l’intelligenza è distribuita in una rete.

La rete di accesso radio tradizionale è “stupida” al margine. AI-RAN cambia questo. Stai spingendo l’inferenza e la presa di decisioni in tempo reale nello strato radio stesso, il che ha implicazioni profonde per la latenza, l’efficienza energetica e l’economia del dispiegamento di AI autonomo su larga scala. Questo è il primitivo dell’infrastruttura che consente a un robot su un piano di produzione, a un veicolo autonomo su una strada o a un drone in un corridoio logistico di operare con una risposta sottomillimetrica senza instradare ogni decisione attraverso un cloud hyperscaler.

I VCs generalisti non hanno la profondità di telecomunicazioni per vedere chiaramente quella distinzione. Capiscono l’AI al livello di applicazione e di dati, ma la rete di accesso radio è storicamente stata una scatola nera per la Silicon Valley. Questo è esattamente il divario che Stormbreaker è stato costruito per colmare – abbiamo operatori nel nostro team di partnership che hanno gestito queste reti su larga scala e capiamo sia l’architettura tecnica che la dinamica commerciale in modi che gli investitori generalisti semplicemente non fanno.

Ha sostenuto che le reti legacy sono poco adatte per un’economia guidata dalle macchine. Quali sono i più grandi colli di bottiglia infrastrutturali che impediscono ai sistemi di telecomunicazioni e industriali odierni di supportare l’AI autonomo su larga scala?

Ci sono tre colli di bottiglia a cui penso costantemente.

Architettura della latenza. Internet e reti cellulari sono stati progettati per interazioni a velocità umana. Gli esseri umani non notano 50 millisecondi di latenza. I sistemi autonomi sì – e in molti casi è la differenza tra una decisione sicura e una catastrofica. L’architettura di rete legacy instrada il traffico in modi che sono semplicemente incompatibili con i requisiti deterministici e a bassa latenza dell’AI industriale.

Il divario di intelligenza al margine. La maggior parte delle reti industriali tratta ancora l’infrastruttura di margine come un trasporto passivo – tubi che spostano i dati in un ambiente di calcolo centrale per l’elaborazione. Ma l’AI autonomo su larga scala richiede l’intelligenza locale. Non puoi operare autonomamente una fabbrica, un porto o un hub logistico se ogni decisione deve attraversare la WAN. La capacità di calcolo, archiviazione e inferenza deve vivere al margine o vicino al punto di azione e la maggior parte dei dispiegamenti esistenti non è costruita in quel modo.

Interoperabilità e frammentazione. Gli ambienti industriali sono un patchwork di sistemi OT, protocolli proprietari e hardware legacy che precedono gli standard di connettività moderni di decenni. Far sì che quei sistemi parlino coerentemente a un livello di AI è una sfida di integrazione massiccia – una sfida che è facile sottovalutare se non si è mai provato a deployare in quegli ambienti. Le startup che risolvono quel problema, che possono servire come tessuto connettivo intelligente tra il mondo operativo fisico e il livello di AI sopra di esso, saranno enormemente preziose.

Aziende come Qualcomm, Ericsson (ERIC ) e Nokia stanno sempre più perseguendo acquisizioni di AI e software. Ritiene che questo sia l’inizio di un ciclo di consolidamento prolungato attraverso la tecnologia di telecomunicazioni e infrastrutture?

Sì, e credo che siamo ancora alle prime fasi di esso. Ciò che si sta vedendo da Qualcomm, Ericsson e Nokia non è un’acquisizione occasionale – è una necessità strategica. Queste aziende capiscono che il livello di intelligenza del software e dell’AI è dove stanno migrando gli aspetti economici dell’infrastruttura e nessuna di loro può costruire tutto ciò di cui hanno bisogno organicamente al ritmo che il mercato richiede.

La dinamica più profonda è che le startup di AI native in questo spazio stanno costruendo capacità che gli incumbent non possono effettivamente replicare internamente – non a causa del talento o del capitale, ma a causa della libertà architettonica. Quando non si ha una linea di prodotti legacy da proteggere e una relazione con il cliente da 10 miliardi di dollari da preservare, si può progettare sistemi da principi primi per l’era dell’AI. Questo è un output strutturalmente diverso.

Dal punto di vista di Stormbreaker, questo è un elemento importante della tesi di uscita per le nostre partecipate. Costruiamo proattivamente rapporti con i probabili acquirenti strategici: il nostro team di GP ha relazioni di lavoro personali con i decisori di diverse organizzazioni, dandoci visibilità sulle roadmap M&A che gran parte degli investitori early-stage non possiede. Quando Nokia Growth Partners o Ericsson Ventures partecipano a un round, non convalidano soltanto il capitale: segnalano la direzione dell’interesse strategico.

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

Sarà il tema infrastrutturale determinante dei prossimi cinque anni in questi settori. La domanda non è se l’edge AI sia importante, ma se le aziende che la implementano dispongano dell’infrastruttura sottostante per sostenerla in modo affidabile.

La produzione è probabilmente il settore più avanzato. L’economia del controllo qualità tramite AI, della manutenzione predittiva e delle linee autonome è già convincente; i grandi produttori si muovono rapidamente perché il ROI è misurabile e immediato. Il limite non sono i modelli AI, ma la rete e il calcolo che rendono possibile l’inferenza in tempo reale in fabbrica.

Logistica e mobilità connessa sono leggermente più indietro, ma avanzeranno rapidamente. Trasporto autonomo, porti intelligenti e supply chain guidate dall’AI hanno economie enormi. Per gli investitori è importante capire che l’edge AI non è una singola categoria, ma uno stack: calcolo, connettività, gestione energetica e orchestrazione software devono funzionare insieme. Le soluzioni integrate saranno più durature dei prodotti isolati.

La modernizzazione industriale e il reshoring sono priorità politiche negli Stati Uniti e in Canada. Quanto dell’attuale boom dell’infrastruttura AI deriva dalla geopolitica e dalla sicurezza nazionale, invece che dalla sola domanda commerciale?

Più di quanto molti investitori siano disposti a dichiarare pubblicamente. Il fattore sicurezza nazionale è un vento favorevole reale e strutturale per l’infrastruttura, non un semplice argomento di comunicazione.

Il governo statunitense ha concluso, correttamente, che la leadership nell’AI non è solo una questione economica ma di sovranità. Chi controlla l’infrastruttura fisica, produce i semiconduttori e costruisce reti private negli impianti critici prende decisioni di sicurezza nazionale oltre che commerciali. CHIPS Act, protezione delle infrastrutture critiche e investimenti del DOD in edge AI e calcolo sovrano riflettono un consenso bipartisan duraturo sulla capacità infrastrutturale interna.

Per Stormbreaker ciò crea una categoria precisa di aziende interessanti: imprese infrastrutturali in cui uso per la sicurezza nazionale e uso commerciale convergono. Agenzie federali, appaltatori della difesa e operatori critici offrono certezza di budget e pazienza strategica spesso assenti nei clienti puramente commerciali. Questa combinazione di domanda durevole e applicazione mission-critical è esattamente ciò che cerchiamo.

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

La risposta sincera è un profondo rispetto per ciò che serve davvero a distribuire e gestire infrastrutture fisiche su larga scala.

La cultura d’investimento della Silicon Valley è ottimizzata per software con margini elevati, iterazioni rapide, capitale relativamente leggero e acquisizione clienti facilmente modellabile. Le infrastrutture hanno cicli di vendita pluriennali, integrazioni OT lente e complesse e vincoli normativi reali. Accettazione degli operatori, accordi di integrazione e accesso allo spettro non sono formalità, ma asset strategici costruiti in anni.

Avere come GP Wade Oosterman, che ha costruito Clearnet e creato 50 miliardi di dollari di capitalizzazione in Bell Canada, e Glenn Lurie, già alla guida di AT&T Mobility, consente di valutare i fondatori con uno standard raro nell’early-stage. Possiamo verificare se una strategia commerciale con un grande operatore sia realistica e offrire alle partecipate non solo capitale, ma accesso ai decisori, guida nei cicli di vendita enterprise e credibilità.

L’infrastruttura AI richiede sempre più energia, capitale e supply chain complesse. Cosa distingue le startup capaci di sopravvivere da quelle che possono fallire nonostante una tecnologia solida?

Sopravvivono le aziende che trasformano l’intensità di capitale in un vantaggio, invece di trattarla come un peso.

Architettura go-to-market. Le imprese infrastrutturali dipendenti soltanto dalla vendita diretta alle aziende scalano lentamente e sono fragili. Chi distribuisce tramite operatori, integratori o canali pubblici può implementare più rapidamente e generare ricavi ricorrenti adatti ai requisiti di capitale. Il modello deve essere progettato per l’ambiente.

Profilo del cliente e struttura contrattuale. Le infrastrutture edge o di rete ad alta intensità energetica richiedono clienti con comportamenti d’acquisto coerenti con il ciclo del capitale. Contratti lunghi, implementazioni pilota di riferimento e partner strategici che co-investono sono requisiti di sopravvivenza.

Profondità operativa del team, non solo ingegneria. Startup tecnicamente brillanti falliscono quando non gestiscono supply chain, rapporti con i fornitori o implementazioni su larga scala senza bruciare capitale. I fondatori che hanno già distribuito infrastrutture fisiche su scala possiedono un vantaggio enorme.

Guardando avanti cinque o dieci anni, cosa assomiglia l’infrastruttura che alimenta l’economia dell’AI? Immagina un futuro dominato da hyperscaler centralizzati o qualcosa di più distribuito attraverso reti di margine, calcolo sovrano e sistemi di AI industriali?

Distribuito – ma non uniformemente distribuito e non senza che gli hyperscaler giocano un ruolo. L’immagine onesta è un’architettura a livelli che è più complessa e più interessante della narrativa “hyperscaler vince tutto” o della contro-narrativa “edge sostituisce cloud”.

Gli hyperscaler continueranno a possedere i carichi di lavoro di formazione e inferenza su larga scala. Questo è un gioco di capitali che favorisce la consolidazione e gli hyperscaler hanno vinto decisamente. Ma l’inferenza nel punto di azione – sul piano di produzione, all’interno del veicolo autonomo, alla base della torre cellulare, all’interno del data center sovrano del governo – sarà ampiamente distribuita. La fisica della latenza, l’economia della larghezza di banda e la politica della sovranità dei dati spingono tutti nella stessa direzione: l’intelligenza deve vivere più vicino a dove agisce.

Ciò che trovo più affascinante nell’immagine dei prossimi dieci anni è l’emergere di una nuova categoria di infrastrutture che non ha un’analogia pulita nella generazione precedente di calcolo: reti di calcolo sovrane e industriali che sono private, costruite appositamente e profondamente integrate con l’ambiente operativo fisico che servono. Queste sono reti che un’autorità portuale, un appaltatore della difesa, un grande produttore o un governo nazionale costruisce e controlla – non perché l’opzione hyperscaler non esiste, ma perché la sensibilità dei dati, i requisiti di latenza e l’importanza strategica dei carichi di lavoro richiedono che lo facciano. Questo è il livello di infrastruttura verso cui stiamo costruendo a Stormbreaker. Le aziende che emergeranno come fondamentali per quell’infrastruttura di AI nativa e sovrana saranno tra le più importanti aziende di infrastrutture costruite in questo decennio – e la maggior parte di loro non è ancora stata fondata.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Stormbreaker Ventures.