Powiedział Said Mia, Założyciel i Zarządzający Partner w Stormbreaker Ventures – Seria Wywiadów

Said Mia jest założycielem i zarządzającym partnerem w firmie Stormbreaker Ventures, wczesnej firmy venture, która inwestuje na etapie pre-seed i seed w infrastrukturę łączności, AI-RAN, Open RAN, edge compute, konwergencję satelitarnej i komórkowej, IoT, połączoną mobilność i modernizację amerykańskiej produkcji. Jego partnerami są Wade Oosterman (założyciel Clearnet Communications, który został przejęty przez Telus za 6,6 miliarda dolarów; były członek zarządu Bell Canada, gdzie dodał 50 miliardów dolarów do wartości rynkowej), Derek Aberle (były prezes Qualcomm (QCOM ) przez prawie dekadę) i Glenn Lurie (były prezes i dyrektor generalny AT&T (T ) Mobility i Consumer Operations). Said ma doświadczenie w bankowości inwestycyjnej w sektorze telekomunikacji; to on wymyślił tezę Stormbreaker i zebrał zespół.

Przez lata doradzałeś dużym firmom telekomunikacyjnym, półprzewodnikowym i infrastrukturalnym w firmach takich jak Citi i PJT Partners (PJT ), zanim założyłeś Stormbreaker Ventures. Co przekonało Cię, że największa okazja nie leży już w doradzaniu firmom już istniejącym, ale w wspieraniu startupów budujących warstwę infrastruktury dla ery sztucznej inteligencji?

Praca doradcza dała mi możliwość obserwowania powolnego problemu. Pracowałem nad transakcjami dotyczącymi niektórych z najważniejszych infrastruktur na świecie – spectrum, architektury sieci, łańcuchów dostaw półprzewodników – i zauważyłem ten sam dynamiczny proces: firmy już istniejące rozumiały intelektualnie skalę przejścia na AI, ale ich alokacja kapitału, terminy fuzji i przejęć oraz zachęty organizacyjne utrudniały im poruszanie się wystarczająco szybko, aby zdominować warstwę infrastruktury, której AI naprawdę potrzebuje. Optymalizowali dla istniejącej sieci, a nie dla następnej.

Im bardziej testowałem tę obserwację w wielu zaangażowaniach, tym bardziej stało się jasne, że prawdziwa twórczość wartości nie nastąpi wewnątrz tych organizacji. Będzie ona zbudowana przez założycieli, którzy mogą działać bez ograniczeń spadkowych – budując tkaninę łączności, architekturę edge compute i infrastrukturę sieci AI, której gospodarka napędzana przez maszyny naprawdę wymaga. W pewnym momencie najbardziej intelektualnie uczciwą rzeczą, jaką mogłem zrobić, było zaprzestanie doradzania w tej transformacji i rozpoczęcie jej finansowania.

Stormbreaker koncentruje się silnie na warstwie “picks-and-shovels” infrastruktury AI. Dlaczego uważasz, że firmy infrastrukturalne mogą ostatecznie przechwycić bardziej trwałą, długoterminową wartość niż wiele startupów warstwy aplikacji AI?

Warstwa aplikacji jest ekscytująca, ale jest również strukturalnie krucha w sposób, który nie jest w pełni wyceniony. Kiedy podstawowe modele ulegają komodyfikacji – i tak się stanie – wiele barier warstwy aplikacji znika szybko. Firmy, które trenowały na GPT-4, teraz muszą zmierzyć się z GPT-5, a potem GPT-6, a koszty przełączania są niskie właśnie dlatego, że aplikacje są zbudowane na infrastrukturze kogoś innego.

Warstwa fizyczna nie działa w ten sposób. Aktywa spectrum, sieci dostępu radiowego, wdrożenia edge compute, infrastruktura przejścia satelitarnej i komórkowej – wszystkie te rzeczy są drogie w budowie, wolne w replikacji i głęboko osadzone w operacyjnej tkance obsługiwanych przez nie klientów. Efekty sieciowe są prawdziwe i trwałe. Kiedy producent przemysłowy integruje prywatną sieć 5G i edge AI na swoim podłodze produkcyjnej, nie wyrywa tego, ponieważ nowy model został wydany. Infrastruktura staje się nośna.

Istnieje również wymiar czasowy, który ma znaczenie. Nadal jesteśmy w pierwszym rozdziale fizycznej budowy AI. Przerwa między tym, czego gospodarka AI ostatecznie będzie wymagać od infrastruktury sieciowej, a tym, co istnieje dzisiaj, jest ogromna – a zamykanie tej luki zajmie dekadę lub więcej zrównoważonego kapitału i innowacji. To zupełnie inny profil ryzyka niż zakładanie, który czatbot wygra rynek produktywności przedsiębiorstw w 18 miesiącu.

Istnieje rosnące zainteresowanie sztuczną inteligencją Radio Access Networks (AI-RAN), edge compute i satelitarnej i komórkowej konwergencji. Który z tych przełomów uważasz za najmniej zrozumiany przez szerszą społeczność venture?

AI-RAN, bez wątpienia. Społeczność venture w dużej mierze przetworzyła ją jako historię telekomunikacyjną – stopniową poprawę istniejącej infrastruktury dostępu radiowego – i pominęła to, czym AI-RAN naprawdę jest: podstawową zmianę architektoniczną w sposobie, w jaki inteligencja jest rozproszona w sieci.

Tradycyjna RAN jest głupia na krawędzi. AI-RAN zmienia to. Wprowadzasz inferencję i podejmowanie decyzji w czasie rzeczywistym do samej warstwy radiowej, co ma głębokie konsekwencje dla opóźnień, efektywności energetycznej i ekonomiki wdrożenia autonomicznej AI w skali. To jest prymityw infrastrukturalny, który umożliwia robotowi na podłodze fabrycznej, pojazdowi autonomicznemu na drodze lub dronowi w korytarzu logistycznym działać z podmilisekundową responsywnością bez kierowania każdej decyzji przez chmury hyperskalerów.

Najwięksi inwestorzy ogólni nie mają głębi telekomunikacyjnej, aby zobaczyć tę różnicę wyraźnie. Rozumieją AI na poziomie aplikacji i danych, ale sieć dostępu radiowego była historycznie czarną skrzynką dla Doliny Krzemowej. To właśnie jest luka, którą Stormbreaker został zbudowany, aby ją zapełnić – mamy operatorów w naszym zespole partnerskim, którzy prowadzili te sieci w skali, i rozumiemy zarówno architekturę techniczną, jak i dynamikę handlową w sposób, który inwestorzy ogólni po prostu nie rozumieją.

Argumentowałeś, że sieci dziedziczone są słabo przystosowane do gospodarki napędzanej przez maszyny. Jakie są największe wąskie gardła infrastrukturalne, które uniemożliwiają dzisiejszym systemom telekomunikacyjnym i przemysłowym wspieranie autonomicznej AI w skali?

Istnieją trzy wąskie gardła, o których myślę ciągle.

Architektura opóźnień. Internet i sieci komórkowe zostały zaprojektowane dla interakcji ludzkich. Ludzie nie zauważają 50 milisekund opóźnienia. Systemy autonomiczne tak – i w wielu przypadkach jest to różnica między bezpieczną decyzją a katastrofalną. Dziedziczona architektura rdzenia sieci kieruje ruchem w sposób, który jest po prostu niezgodny z deterministycznymi, niskimi opóźnieniami wymaganiami AI przemysłowej.

Luka inteligencji na krawędzi. Większość sieci przemysłowych nadal traktuje infrastrukturę krawędzi jako bierny transport – rury, które przenoszą dane do środowiska obliczeniowego do przetwarzania. Ale autonomiczna AI w skali wymaga lokalnej inteligencji. Nie możesz działać autonomicznie na fabryce, porcie czy węźle logistycznym, jeśli każda decyzja musi przejść przez WAN. Możliwość obliczeniowa, pamięć i inferencja muszą znajdować się na krawędzi lub w pobliżu punktu działania, a większość istniejących wdrożeń nie jest zbudowana w ten sposób.

Interoperacyjność i fragmentacja. Środowiska przemysłowe są patchworkiem systemów OT, protokołów własnych i sprzętu dziedzicznego, które poprzedzają nowoczesne standardy łączności o kilka dekad. Uzyskanie spójnej komunikacji tych systemów z warstwą AI jest ogromnym wyzwaniem integracyjnym – wyzwaniem, które jest łatwe do zaniżenia, jeśli nie próbowałeś wdrożyć w tych środowiskach. Startupy, które rozwiązują ten problem, które mogą służyć jako inteligentna tkanka łącząca świat operacyjny z warstwą AI powyżej, będą ogromnie cenne.

Firmy takie jak Qualcomm, Ericsson (ERIC ) i Nokia coraz częściej prowadzą przejęcia AI i oprogramowania. Czy widzisz to jako początek długiego cyklu konsolidacji w sektorze telekomunikacji i technologii infrastrukturalnej?

Tak, i uważam, że nadal jesteśmy na wstępie tego procesu. To, co widzisz u Qualcomm, Ericsson i Nokia, nie jest oportunistycznym podejściem do fuzji i przejęć – to strategiczna konieczność. Te firmy rozumieją, że warstwa oprogramowania i AI jest tam, gdzie migrują ekonomie infrastruktury, i żadna z nich nie może zbudować wszystkiego, czego potrzebuje, organicznie w tempie, jakiego wymaga rynek.

Głębsza dynamika polega na tym, że startupy AI w tym sektorze budują możliwości, których firmy już istniejące naprawdę nie mogą odtworzyć wewnętrznie – nie z powodu talentu czy kapitału, ale z powodu wolności architektonicznej. Kiedy nie masz linii produktów dziedzicznego, które trzeba chronić, i 10-miliardowej relacji z klientem, którą trzeba zachować, możesz zaprojektować systemy od podstaw dla ery AI. To jest inny wyjście.

Ze Stormbreaker perspektywy, jest to znacząca część tezy wyjścia dla naszych firm portfelowych. Budujemy relacje z prawdopodobnymi nabywcami strategicznymi w sposób proaktywny – nasz zespół partnerski ma osobiste relacje robocze z decydentami w kilku tych organizacji, co daje nam wgląd w plany fuzji i przejęć, których większość inwestorów na wczesnym etapie po prostu nie ma. Kiedy Nokia Growth Partners lub Ericsson Ventures uczestniczą w rundzie finansowania, to nie jest tylko walidacja kapitałowa – to sygnał o tym, gdzie zmierza zainteresowanie strategiczne.

Jak ważne będzie AI na krawędzi w ciągu najbliższych pięciu lat, zwłaszcza w sektorach takich jak produkcja, logistyka, robotyka i automatyka przemysłowa, gdzie opóźnienia i niezawodność są kluczowe?

Będzie to dominujący temat infrastrukturalny najbliższych pięciu lat w tych sektorach, bez zastrzeżeń. Pytanie nie brzmi, czy AI na krawędzi jest ważne – to, czy firmy wdrożeniowe mają podstawową infrastrukturę, aby ją wspierać niezawodnie.

Produkcja jest prawdopodobnie najbardziej zaawansowana na tej krzywej. Ekonomia AI-driven quality control, przewidywania konserwacji i autonomicznych linii produkcyjnych jest już kusząca, a duzi producenci, którzy poruszają się szybko, robią to, ponieważ ROI jest mierzalne i natychmiastowe. Ograniczeniem nie są modele AI – to infrastruktura sieciowa i obliczeniowa, która sprawia, że inferencja w czasie rzeczywistym na podłodze fabrycznej jest wykonalna.

Logistyka i połączona mobilność są nieco wcześniejsze, ale będą się szybko rozwijać. Ekonomia autonomicznego transportu, inteligentnych operacji portowych i zarządzania łańcuchem dostaw AI jest ogromna. Ważna nuance dla inwestorów polega na tym, że AI na krawędzi nie jest jedną kategorią infrastrukturalną – to stos. Obliczenia, łączność, zarządzanie energią i orkiestracja oprogramowania muszą współpracować na krawędzi, a firmy, które budują zintegrowane rozwiązania w tym stosie, a nie punktowe rozwiązania, będą najbardziej trwałe.

Modernizacja przemysłowa i reshoring stały się głównymi priorytetami politycznymi w Stanach Zjednoczonych i Kanadzie. Jak wiele z obecnej fali infrastruktury AI jest napędzane przez geopolitykę i problemy bezpieczeństwa narodowego, a nie tylko przez popyt komercyjny?

Więcej, niż większość inwestorów w tym sektorze jest skłonna powiedzieć publicznie. Będę szczery w tej kwestii: nakładka bezpieczeństwa narodowego jest prawdziwym i strukturalnym ogonem dla warstwy infrastrukturalnej, a nie tylko punktem dyskusji.

Rząd Stanów Zjednoczonych doszedł do wniosku – i uważam, że słusznie – że przywództwo w AI nie jest tylko kwestią ekonomiczną. To kwestia suwerenności. Kto kontroluje fizyczną infrastrukturę, na której działa AI, kto wytwarza półprzewodniki, kto buduje sieci prywatne wewnątrz krytycznych obiektów przemysłowych – to są decyzje dotyczące bezpieczeństwa narodowego, a nie tylko komercyjne. Ustawa CHIPS, działania wykonawcze dotyczące ochrony infrastruktury krytycznej, postawa inwestycyjna Departamentu Obrony wobec AI na krawędzi i suwerennego obliczenia – to nie są tymczasowe zjawiska polityczne. Odzwierciedlają one trwałą, dwupartyjną zgodność co do strategicznego znaczenia krajowej zdolności infrastrukturalnej.

Dla Stormbreaker tworzy to specyficzną kategorię firm, które uważamy za interesujące: firmy infrastrukturalne, w których przypadku użytek narodowy i komercyjny się pokrywają. Klienci w tych środowiskach – agencje rządowe, kontrahenci obronnego, operatorzy infrastruktury krytycznej – mają pewność budżetu i cierpliwości strategicznej, której nie mają zwykli klienci komercyjni. To połączenie trwałego popytu i aplikacji misyjnej jest właśnie tym, czego szukamy w firmie infrastrukturalnej na wczesnym etapie.

Twoja sieć operatorów obejmuje byłych dyrektorów firm takich jak AT&T Mobility, Bell Canada i Qualcomm. Jakie wglądy operacyjne przynoszą doświadczeni liderzy telekomunikacyjni, których często pomijają tradycyjni inwestorzy z Doliny Krzemowej?

Szczera odpowiedź brzmi: głęboki szacunek dla tego, co naprawdę wymaga wdrożenia i obsługi w skali w środowiskach infrastrukturalnych.

Kultura inwestycyjna Doliny Krzemowej była historycznie zoptymalizowana pod kątem oprogramowania – wysokich marż, szybkich cykli iteracji, relatywnie niskiej intensywności kapitałowej i dynamiki pozyskiwania klientów, które mogą być modelowane czysto. Infrastruktura nie działa w ten sposób. Wdrożenia sieci mają wieloletnie cykle sprzedaży z klientami przedsiębiorstw i operatorów. Integracja z istniejącymi środowiskami OT jest złożona i powolna. Punkty dotykowe regulacyjne są rzeczywiste i mogą materialnie wpływać na harmonogramy wejścia na rynek. Relacja operatorska – akceptacja operatora, umowy o integracji sieci, dostęp do spectrum – nie jest formalnością; to strategiczny aktyw, który wymaga lat, aby go zbudować.

Mając Wade Oosterman, który zbudował Clearnet i potem napędził 50 miliardów dolarów tworzenia wartości rynkowej w Bell Canada, i Glenn Lurie, który kierował AT&T Mobility i wie, jak duzi operatorzy myślą o relacjach z dostawcami i przyjęciu technologii, jako partnerów, oznacza to, że możemy oceniać założycieli i firmy według standardu, do którego większość inwestorów na wczesnym etapie po prostu nie ma dostępu. Kiedy Nokia Growth Partners lub Ericsson Ventures uczestniczą w rundzie finansowania, to nie jest tylko walidacja kapitałowa – to sygnał o tym, gdzie zmierza zainteresowanie strategiczne. Nasz portfelowy zysk nie tylko kapitał. Zyskują wprowadzenia do decydentów, wskazówki dotyczące nawigacji w cyklu sprzedaży przedsiębiorstw i wiarygodność w pomieszczeniach, w których nazwa Stormbreaker ma wagę dzięki osobom, które ją wspierają.

AI infrastruktura staje się coraz bardziej energochłonna, kapitałochłonna i zależna od łańcucha dostaw. Co odróżnia startupy, które mogą przetrwać w tym środowisku, od tych, które mogą się z nim zmagać, pomimo silnej technologii?

Firmy, które przetrwają, są tymi, które znalazły sposób, aby uczynić intensywność kapitałową pracującą na ich korzyść, a nie traktują ją jako hamulec dla biznesu.

Architektura wejścia na rynek. Biznesy infrastrukturalne, które opierają się wyłącznie na bezpośrednich sprzedażach przedsiębiorstw, są wolne w skalowaniu i kruche. Te, które rozwijają dystrybucję za pośrednictwem partnerów operatorskich, integratorów systemów lub kanałów zakupów rządowych, mogą wdrożyć szybciej i tworzyć strumienie przychodu, które wspierają ich wymagania kapitałowe. Model biznesowy musi być zaprojektowany dla tego środowiska.

Profil klienta i struktura umowy. Jeśli budujesz infrastrukturę obliczeniową na krawędzi lub sieciową, potrzebujesz klientów, których zachowanie kupowania odpowiada Twojemu cyklowi kapitałowemu. Długoterminowe umowy, wdrożenia kotwiczące, partnerzy strategiczni, którzy współinwestują w infrastrukturę – to nie są miłe rzeczy. To wymagania przetrwania.

Głębokość zespołu w operacjach, a nie tylko w inżynierii. Widziałem technicznie błyskotliwe startupy infrastrukturalne, które zawiodły, ponieważ nie mogły zarządzać złożonością łańcucha dostaw, nie mogły negocjować właściwych relacji z dostawcami ani nie mogły wykonać dużego wdrożenia bez spalenia kapitału. Założyciele, którzy robili to wcześniej – którzy naprawdę wdrożyli infrastrukturę fizyczną w skali – mają ogromną przewagę nad pierwszymi założycielami z silnymi kredencjami inżynierskimi.

Spójrzając w przyszłość, pięć do dziesięciu lat, jaki wygląda stos infrastrukturalny, który napędza gospodarkę AI? Czy wyobrażasz sobie przyszłość zdominowaną przez scentralizowane hyperskalerów, czy coś bardziej rozproszonego na krawędzi, suwerennym obliczeniu i systemach AI przemysłowych?

Rozproszone – ale nie jednolicie rozproszone, i nie bez udziału hyperskalerów. Szczere zdjęcie jest warstwową architekturą, która jest bardziej złożona i bardziej interesująca niż albo narracja “hyperskalerzy wygrywają wszystko”, albo przeciw-narracja “krawędź zastępuje chmurę”.

Hyperskalerzy będą nadal władać treningiem i dużymi obciążeniami inferencyjnymi. To jest gra kapitałowa, która faworyzuje konsolidację, a hyperskalerzy wygrali ją zdecydowanie. Ale inferencja w punkcie działania – na podłodze fabrycznej, wewnątrz autonomicznego pojazdu, u podnóża wieży komórkowej, wewnątrz suwerennego centrum danych rządowego – będzie szeroko rozproszona. Fizyka opóźnień, ekonomia przepustowości i polityka suwerenności danych pchają we wszystkich tych samych kierunkach: inteligencja musi mieszkać bliżej, gdzie działa.

To, co uważam za najbardziej interesujące w dziesięcioletnim obrazie, to pojawienie się nowej kategorii infrastrukturalnej, której nie ma czystego analogu w poprzednim pokoleniu komputowania: suwerennych i przemysłowych sieci obliczeniowych, które są prywatne, celowe i głęboko zintegrowane z otoczeniem operacyjnym, które obsługują. To są sieci, które władze portu, kontrahenci obronnego, duzi producenci lub rządy narodowe budują i kontrolują – nie dlatego, że opcja hyperskalerów nie istnieje, ale dlatego, że wrażliwość danych, wymagania dotyczące opóźnień i strategiczne znaczenie obciążeń wymagają tego. To jest warstwa infrastrukturalna, w kierunku której budujemy w Stormbreaker. Firmy, które