Said Mia，Stormbreaker Ventures 创始及管理普通合伙人——访谈系列

Said Mia 是 Stormbreaker Ventures的创始及管理普通合伙人（GP）。这家早期风险投资机构在种子前轮和种子轮投资于连接基础设施、AI-RAN、开放式无线接入网（Open RAN）、边缘计算、卫星与蜂窝网络融合、物联网、互联出行以及美国制造业现代化。其普通合伙人还包括 Wade Oosterman（Clearnet Communications 创始人，该公司被 Telus 以 66 亿美元收购；曾任 Bell Canada 核心高管，在任期间增加了 500 亿美元市值）、Derek Aberle（曾任 Qualcomm (QCOM ) 总裁近十年）和 Glenn Lurie（曾任 AT&T (T ) Mobility and Consumer Operations 总裁兼首席执行官）。Said 拥有电信投资银行背景，提出了 Stormbreaker 的投资理念并组建了团队。

创立 Stormbreaker Ventures 之前，您曾在 Citi、PJT Partners (PJT ) 等机构为大型电信、半导体和基础设施企业提供多年咨询。是什么让您相信，最大的机会不再是为成熟企业提供建议，而是支持为 AI 时代构建基础设施的初创公司？

咨询工作让我得以近距离观察一个缓慢发展的难题。我参与的交易涉及全球一些最重要的基础设施，包括频谱、网络架构和半导体供应链。我不断发现同一种情况：成熟企业在认知上理解 AI 转型的规模，但其资本配置、并购时间表和组织激励机制，使它们在结构上难以足够迅速地行动，从而掌握 AI 真正需要的基础设施。它们优化的是现有网络，而不是下一代网络。

在不同咨询项目中反复检验这一观察后，我越来越清楚，真正的价值创造不会发生在这些组织内部，而会由不受既有系统约束的创始人来完成。他们将建设机器驱动型经济真正需要的连接体系、边缘计算架构和从一开始就为 AI 设计的网络基础设施。到了一定阶段，在认知上最诚实的选择，就是停止为这场转型提供建议，转而为它提供资金。

Stormbreaker 十分关注 AI 基础设施中被比喻为“镐和铲”的基础工具层。为什么您认为，基础设施企业最终可能比许多应用层 AI 初创公司获得更持久的长期价值？

应用层令人兴奋，但也存在尚未被充分计入估值的结构性脆弱之处。当底层模型变成标准化、可互换的产品时——这一定会发生——应用层的许多竞争壁垒会迅速消失。曾在 GPT-4 上进行训练的企业，如今必须面对 GPT-5，之后还要面对 GPT-6。切换成本低，恰恰是因为这些应用建在别人的基础设施上。

物理层的情况不同。频谱资源、无线接入网、边缘计算部署，以及卫星与蜂窝网络间的连接切换基础设施，建设成本高、复制耗时长，而且深嵌于客户的运营体系。网络效应是真实而持久的。工业制造商将私有 5G 和边缘 AI 融入生产车间后，不会仅因新模型问世就将其拆除。基础设施会成为支撑运营的关键组成部分。

时间维度也很重要。AI 物理基础设施的建设仍处于开端。AI 经济最终对网络基础设施的要求与现状之间存在巨大差距。弥合差距需要十年甚至更长时间的持续投入与创新。这与押注哪款聊天机器人会在 18 个月内赢得企业生产力市场，具有截然不同的风险特征。

人工智能无线接入网（AI-RAN）、边缘计算和卫星与蜂窝网络融合日益受到关注。您认为，其中哪种转变仍最容易被更广泛的风险投资界误解？

毫无疑问是 AI-RAN。风险投资界大多把它视为电信领域的渐进式改进，即优化现有无线接入基础设施，却没有理解其本质：它从根本上改变了智能在网络中分布的架构。

传统 RAN 的网络边缘缺乏智能。AI-RAN 改变了这一点，将推理和实时决策直接放入无线层。这对延迟、能源效率以及大规模部署自主 AI 的经济性具有深远影响。这项基础设施要素使工厂机器人、高速公路上的自动驾驶汽车或物流走廊中的无人机，能够在不到一毫秒内响应，而不必把每个决策都送往超大规模云服务商的云端。

大多数综合型风险投资者没有足够深入的电信知识，无法清楚看出这一区别。他们理解应用层和数据层的 AI，但无线接入网长期以来对硅谷而言都是黑箱。Stormbreaker 正是为弥补这项差距而成立。我们的合伙人团队中有人曾大规模运营这些网络，因此对技术架构和商业动态有综合型投资者所不具备的理解。

您曾指出，旧有网络难以适应机器驱动型经济。当前有哪些最主要的基础设施瓶颈，妨碍电信和工业系统支持大规模自主 AI？

我一直在思考三个瓶颈。

延迟架构。互联网和蜂窝网络是按照人类交互的速度设计的。人不会察觉 50 毫秒的延迟，自主系统却会；很多时候，这就是安全决策与灾难性决策的区别。旧有核心网络架构的流量路由方式，与工业 AI 对确定性低延迟的要求根本不兼容。

网络边缘的智能缺口。大多数工业网络仍把边缘基础设施当作被动传输通道，将数据送至中央计算环境处理。但大规模自主 AI 需要本地智能。如果每项决策都要经过广域网，就不可能自主运营工厂、港口或物流中心。计算、存储和推理能力必须位于行动发生处或其附近，而大多数现有部署并非如此设计。

互操作性与碎片化。工业环境由各种运营技术（OT）系统、专有协议和旧硬件拼接而成，其中的硬件比现代连接标准早了几十年。让这些系统与 AI 层顺畅通信是一项庞大的集成挑战。如果没有亲自在这些环境中实施过部署，很容易低估其难度。能够解决这个问题、在物理运营世界与上层 AI 之间充当智能纽带的初创公司，将极具价值。

Qualcomm、Ericsson (ERIC ) 和 Nokia 等企业正越来越多地收购 AI 和软件公司。您认为这是电信与基础设施技术领域长期整合周期的开始吗？

是的，而且我认为我们仍处于初期。Qualcomm、Ericsson 和 Nokia 的行动并不是机会主义交易，而是战略上的必然。这些企业明白，基础设施的经济重心正在转向软件和 AI 层，没有哪一家能以市场要求的速度，通过内部开发获得所需的一切。

更深层的原因是，该领域的 AI 原生初创公司正在打造成熟企业确实无法在内部复制的能力。这并非人才或资本的问题，而在于架构设计的自由。如果没有旧产品线需要保护，也没有价值 100 亿美元的客户关系需要维护，就可以从基本原理出发，为 AI 时代设计系统。其结果在结构上会有根本不同。

对 Stormbreaker 而言，这也是投资组合公司未来退出投资的重要依据。我们主动与最可能的战略收购方建立关系。GP 团队与其中多家组织的决策者保持个人职业联系，因此能够了解大多数早期投资者无法获知的并购规划。当 Nokia Growth Partners 或 Ericsson Ventures 参与一轮融资时，这不仅说明投资者认可其价值，也是在释放战略兴趣走向的信号。

未来五年，边缘 AI 会有多重要？尤其在制造、物流、机器人和工业自动化等对延迟与可靠性要求极高的领域？

它将成为这些领域未来五年决定性的基础设施主题，没有疑问。问题不在于边缘 AI 是否重要，而在于部署它的企业是否具备能够可靠支撑它的底层基础设施。

制造业可能是其中最先进的领域。AI 驱动的质量控制、预测性维护和自主生产线，其经济效益已经很有说服力。大型制造商快速推进，是因为投资回报可衡量而且即时可见。制约因素不是 AI 模型，而是让车间实时推理成为可能的网络和计算基础设施。

物流和互联出行的发展阶段稍早一些，但会迅速前进。自主货运、智能港口运营和 AI 驱动的供应链管理，对单位成本与收益的影响极大。投资者要注意，边缘 AI 不是单一基础设施类别，而是一整套分层体系。计算、连接、电源管理和软件编排都必须在网络边缘协同工作。能够贯通各层构建集成方案，而不是提供零散单点方案的企业，才会最持久。

工业现代化与制造业回流已成为美国和加拿大的重要政策重点。目前 AI 基础设施热潮在多大程度上受到地缘政治与国家安全的推动，而非纯粹的商业需求？

比这个领域大多数投资者愿意公开承认的程度更高。直说吧：国家安全因素为基础设施提供了真实、结构性的助力，而不只是一个话题。

美国政府已经得出结论——我认为是正确的——AI 领导地位不只是经济问题，也是主权问题。谁控制 AI 运行所依赖的物理基础设施、谁制造半导体、谁在关键工业设施内建设私有网络，这些既是国家安全决策，也是商业决策。《芯片法案》、保护关键基础设施的行政措施，以及国防部在边缘 AI 和主权计算方面的投资取向，都不是短暂的政治现象。它们体现了两党对国内基础设施能力战略重要性的持久共识。

对 Stormbreaker 而言，这形成了一类特别有吸引力的企业：其基础设施同时服务于国家安全与商业用途。这类环境中的客户，包括联邦机构、国防承包商和关键基础设施运营商，拥有纯商业客户往往缺乏的预算确定性与战略耐心。持久需求与关键任务应用的结合，正是我们希望在早期基础设施企业中看到的。

您的运营人脉网络包括 AT&T Mobility、Bell Canada 和 Qualcomm 等公司的前高管。经验丰富的电信领导者能带来哪些传统硅谷投资者常常忽略的运营见解？

坦白地说，就是深刻理解并尊重大规模部署和运营物理基础设施真正需要付出的努力。

硅谷的投资文化历来围绕软件优化：高利润率、快速迭代、相对较低的资本密集度，以及可以清晰建模的获客机制。基础设施则不同。面向企业和电信运营商的网络部署，销售周期长达数年。与现有 OT 环境集成既复杂又缓慢。监管要求确实存在，可能显著影响进入市场的时间表。运营商关系，包括运营商接纳、网络集成协议和频谱接入，并非形式，而是需要多年建立的战略资产。

Wade Oosterman 创建了 Clearnet，之后在 Bell Canada 增加了 500 亿美元市值；Glenn Lurie 领导过 AT&T Mobility，了解大型运营商如何考虑供应商关系和技术采用。有他们担任 GP，我们便能以大多数早期投资者无法企及的标准评估创始人和企业。创始人向我们介绍与大型运营商合作的市场进入策略时，我们能问到关键问题：不只是产品与市场是否匹配，还包括考虑到采购部门的实际运作方式，其商业结构是否现实。这些运营经验还意味着投资组合公司得到的不只是资金，还包括引荐决策者、指导其应对企业销售周期，以及在商务场合获得可信度。Stormbreaker 的名字之所以有分量，正是因为其背后的这些人。

AI 基础设施越来越耗电、资本密集，并且越来越依赖供应链。哪些因素区分了能够在这种环境中生存的初创公司，与那些尽管技术出色却仍可能陷入困境的企业？

能够生存的企业，找到了让资本密集特征为自己带来优势的方法，而不是将其视为业务负担。

市场进入策略。 资本密集型基础设施企业如果完全依赖直接面向企业客户销售，扩张就会缓慢且脆弱。通过运营商伙伴、系统集成商或政府采购渠道建立分销的企业，能够更快部署，并创造支持其资金需求的经常性收入。商业模式必须适应所处环境。

客户特征与合同结构。 如果建设高耗电的边缘计算或网络基础设施，就需要购买行为与自身资本周期匹配的客户。长期合同、奠定业务基础的关键部署，以及共同投资基础设施的战略伙伴，并非可有可无的锦上添花，而是生存条件。

团队的运营经验，而不仅是工程能力。 我见过技术极其出色的基础设施初创公司失败，原因是无法管理复杂的供应链、谈妥合适的供应商关系，或在不耗尽资本的情况下完成大规模部署。那些有过相关经历、真正大规模部署过物理基础设施的创始人，比仅有出色工程资历的首次创业者拥有巨大优势。

展望未来五到十年，支撑 AI 经济的基础设施体系究竟会是什么样？您认为未来将由集中的超大规模云服务商主导，还是会更多分布于边缘网络、主权计算和工业 AI 系统？

会是分布式的，但并不均匀，也不会没有超大规模云服务商的角色。真实的图景是一种分层架构，比“超大规模云服务商赢者通吃”或“边缘取代云”这两种叙事都更复杂、更有意思。

超大规模云服务商将继续主导训练与大规模推理任务。这是一场有利于整合的资本竞争，而它们已经取得决定性胜利。但行动发生处的推理，包括工厂车间、自动驾驶车辆内部、基站底部及主权政府数据中心内的推理，将广泛分布。延迟的物理约束、带宽的经济性和数据主权的政治因素，都指向同一方向：智能必须更接近其发挥作用的地点。

十年展望中最吸引我的，是一种在上一代计算中没有明确对应物的新基础设施类别：私有、专门构建、与所服务的物理运营环境深度集成的主权及工业计算网络。这些网络由港务机构、国防承包商、大型制造商或国家政府建设并控制，并非因为没有超大规模云服务商可供选择，而是数据敏感性、延迟要求和任务的战略重要性使其成为必需。这正是 Stormbreaker 努力布局的基础设施层。成为这一分布式、主权、AI 原生基础设施体系根基的企业，将跻身本十年最具影响力的基础设施公司之列，而其中大多数还未成立。

感谢您带来精彩的访谈。希望进一步了解的读者可以访问 Stormbreaker Ventures。