Orbital Industries e la scommessa più difficile dell'hardware moderno
C'è un dato in questa storia che merita una riflessione prima ancora di parlare di round di finanziamento o modelli linguistici: secondo il CEO di Orbital Industries, sviluppare un nuovo fluido refrigerante per i data center richiederebbe, in condizioni normali, dieci anni e cento milioni di dollari. L'azienda afferma di averlo fatto in pochi mesi, a una frazione di quel costo. Se questo dato regge alla validazione dei grandi produttori di chip, non siamo di fronte a un risultato da laboratorio. Siamo di fronte a un cambiamento nella velocità con cui l'hardware può esistere.
Orbital Industries ha appena chiuso un round Serie B da 50 milioni di dollari guidato dalla società di venture capital Plural, con la partecipazione di NVentures (il braccio investitore di Nvidia), Radical Ventures, Compound e Fly Ventures. L'azienda, che ha uffici a Londra e a San Francisco e un team di una cinquantina di persone, è nata nel 2022 con il nome Orbital Materials. Il cambio di nome non è cosmetico: riflette una scommessa esplicita di uscire dal territorio della scienza applicata e di entrare in quello dell'hardware industriale su scala.
---
Il modello che gli altri non hanno scelto
Il contesto è fondamentale qui. Negli ultimi due anni, un'ondata di startup ha puntato sull'uso dell'intelligenza artificiale per scoprire nuovi materiali. CuspAI ha raccolto cento milioni di dollari in una Serie A. Periodic Labs ha ottenuto trecento milioni in un round seed. La tesi del settore è relativamente uniforme: usare modelli di machine learning per identificare composti innovativi e poi cedere in licenza quella proprietà intellettuale a compagnie chimiche consolidate come BASF o PPG.
Orbital Industries ha deciso di non farlo.
Jonathan Godwin, cofondatore e CEO dell'azienda — che ha trascorso cinque anni in Google DeepMind lavorando sull'intelligenza artificiale applicata alla scienza e ai materiali avanzati — lo ha espresso con precisione: "Siamo quella che viene definita un'azienda verticalmente integrata. Non vendiamo il software. Abbiamo team di hardware, manifattura e materiali avanzati, laboratori e simili, e utilizziamo quel software internamente per sviluppare nuovi materiali avanzati e dispositivi hardware, e vendiamo quei dispositivi."
Quella frase, pronunciata con apparente naturalezza, descrive una decisione organizzativa di enorme peso. Godwin non sta costruendo un'azienda software travestita da scienza. Sta costruendo un'azienda che produce oggetti fisici, con tutti i rischi che questo comporta: catene di approvvigionamento, manifattura su scala, processi di qualificazione con clienti industriali che possono richiedere anni, regolamentazioni ambientali, costi di capitale intensivi.
Il modello di licenza che hanno scelto di evitare ha un pregio molto concreto: trasferisce la complessità della produzione a chi sa già come gestirla. Il modello che Orbital ha scelto invece concentra quella complessità su se stessa. Questo può essere un punto di forza — cattura più valore per unità, costruisce barriere d'ingresso più alte — oppure può trasformarsi nel tallone d'Achille se l'esecuzione si incrina in qualche punto della catena.
---
Il problema che Orbital sta affrontando e perché è importante adesso
Per capire perché questa scommessa abbia senso proprio in questo preciso momento dell'industria, bisogna osservare il problema che l'azienda sta cercando di risolvere.
I data center moderni, specialmente quelli progettati per carichi di lavoro di intelligenza artificiale con rack di GPU ad alta densità, generano calore di una magnitudine che i sistemi di raffreddamento convenzionali non riescono a gestire in modo efficiente. Godwin lo ha descritto in termini volutamente quotidiani: è come comprimere l'energia di un supermercato all'interno di un classificatore da ufficio. I fluidi dielettrici utilizzati storicamente per il raffreddamento liquido contengono PFAS — i cosiddetti "inquinanti eterni" — che devono affrontare restrizioni normative crescenti negli Stati Uniti e in Europa a causa dei loro impatti ambientali e sanitari.
La convergenza di questi due problemi — densità termica estrema e pressione normativa sui refrigeranti esistenti — crea una finestra di domanda reale. Orbital ha utilizzato il proprio modello di intelligenza artificiale, chiamato Orb, per vagliare centinaia di migliaia di candidati molecolari e sintetizzare una famiglia di fluidi refrigeranti privi di PFAS. L'azienda afferma che Orb è in grado di simulare il comportamento meccanico quantistico di 100.000 atomi su una singola GPU, a una velocità circa dieci volte superiore rispetto ai modelli alternativi di Meta e Microsoft.
Il fluido refrigerante, insieme a un sistema di raffreddamento che Orbital sta costruendo, è progettato per essere distribuito accanto alla prossima generazione di GPU nel 2027. Se questo calendario venisse rispettato, sarebbe la prima molecola progettata dall'intelligenza artificiale a raggiungere il mercato commerciale in qualsiasi settore. Godwin sottolinea che nella scoperta di farmaci — dove le startup usano l'IA da anni per identificare candidati molecolari — nessun medicinale scoperto dall'intelligenza artificiale ha completato i trial clinici e raggiunto il mercato. La differenza è che i materiali industriali non passano attraverso quella regolamentazione clinica, il che accorcia significativamente il percorso.
Il secondo prodotto dell'azienda è un sistema modulare di data center, prodotto fuori sede e consegnato come unità pronte per il dispiegamento, che secondo Orbital è in grado di mettere in linea capacità di calcolo ad alta densità in sei mesi, rispetto agli fino a tre anni richiesti dalle costruzioni convenzionali. Entrambi i prodotti vengono commercializzati con il marchio Orbital IT.
---
Ciò che rivela l'architettura degli investitori
Quando NVentures, il braccio di venture capital di Nvidia, decide di partecipare a un round, non lo fa semplicemente per il ritorno finanziario. Lo fa perché ha un interesse strategico nel garantire che l'ecosistema attorno ai suoi chip funzioni. Un fluido refrigerante privo di PFAS che possa essere distribuito insieme alla prossima generazione di GPU è esattamente il tipo di pezzo infrastrutturale che Nvidia ha bisogno che qualcuno risolva. La partecipazione di NVentures non garantisce un contratto commerciale, ma stabilisce una prossimità che può accelerare i processi di qualificazione tecnica con il più grande produttore di chip per l'intelligenza artificiale al mondo.
Ian Hogarth, partner di Plural e responsabile dell'investimento per quel fondo, ha formulato l'argomento in modo diretto: il progresso dell'intelligenza artificiale sta sendo limitato dall'energia, dal calore e dall'infrastruttura. Orbital attacca quelle restrizioni dall'interno. Plural detiene inoltre una posizione in Proxima Fusion, la startup tedesca di energia da fusione che ha raccolto circa duecento milioni di dollari tra capitale pubblico e privato. Non è una coincidenza che la stessa società che scommette sulla fusione nucleare scommetta anche su un'azienda che vuole riprogettare i materiali con cui viene costruita l'infrastruttura fisica critica. C'è una tesi di portafoglio coerente lì, anche se il suo orizzonte di realizzazione si misura in decenni.
Godwin è stato esplicito riguardo alla sua ambizione finale: costruire il più grande conglomerato industriale d'Europa. Ha paragonato la posizione di Orbital a quella dei giganti chimici emersi un secolo fa — BASF, PPG e simili — e ha sostenuto che quelle aziende esistono perché hanno costruito fossati competitivi profondi basati su conoscenza accumulata, scala manifatturiera e integrazione verticale. Secondo lui, l'unico modo per erodere quei fossati è con un'innovazione tecnologica sufficientemente radicale. L'intelligenza artificiale, nella sua lettura, è quella innovazione.
L'argomento ha una sua logica, ma presenta anche una trappola che merita essere nominata. I conglomerati industriali del XX secolo hanno impiegato decenni per consolidarsi, con accesso a capitale a basso costo per lunghi periodi e in contesti normativi e competitivi molto diversi. Orbital ha cinquanta persone, cinquanta milioni di dollari freschi e un calendario di prodotto che arriva fino al 2027. La distanza tra l'ambizione dichiarata e la capacità attuale non è un difetto di comunicazione: è il rischio operativo più concreto che l'azienda deve affrontare.
---
Quando la velocità del laboratorio si scontra con la lentezza dell'industria
Esiste una tensione strutturale nella proposta di Orbital che nessun round di finanziamento risolve da solo: la velocità con cui l'intelligenza artificiale può scoprire e sintetizzare nuovi materiali non si trasferisce automaticamente alla velocità con cui l'industria qualifica, adotta e scala l'utilizzo di quei materiali.
I grandi produttori di chip hanno processi di qualificazione che possono richiedere da uno a tre anni, anche per prodotti che tecnicamente funzionano fin dal primo giorno. I data center ipersupecializzati hanno fornitori consolidati, contratti a lungo termine e una tolleranza al rischio che non si muove al ritmo di una startup. L'azienda afferma di aver già individuato un produttore a contratto per scalare la produzione del fluido refrigerante, e di essere in fase di qualificazione con "principali fornitori di chip". Nessuno di questi fornitori è identificato pubblicamente, e la complessità di quei processi non può essere compressa con la sola tecnologia.
Ciò non invalida la scommessa. Ma rivela dove si trova la variabile più difficile da controllare: non in laboratorio, ma nell'attrito organizzativo dei suoi futuri clienti. Godwin ha una formazione in informatica e sa come costruire un modello che simuli centomila atomi su una GPU. Ciò che determinerà se Orbital arriverà al 2027 con un prodotto sul mercato è la sua capacità di navigare i processi decisionali di organizzazioni che non operano con gli stessi presupposti di velocità di una startup di cinquanta persone.
L'integrazione verticale scelta da Orbital le conferisce il controllo sulla propria catena del valore. Ma le attribuisce anche la piena responsabilità su ogni punto in cui quella catena può rompersi. Ciò richiede un tipo di maturità organizzativa che non si costruisce con modelli di IA né con capitale di rischio: si costruisce con conversazioni difficili tra team di scienza, manifattura e vendite industriali che hanno orizzonti temporali, vocabulari e criteri di successo radicalmente diversi.
Se quella integrazione viene gestita bene, Orbital ha una posizione che i suoi concorrenti più grandi nello spazio dei materiali difficilmente riusciranno a imitare rapidamente. Se viene gestita male, i cinquanta milioni finiranno nel coordinamento interno prima che il primo fluido arrivi a un rack di produzione.
È questo ciò che rende questa scommessa genuinamente difficile, e genuinamente interessante.
