Silo AI perustettiin Helsingissä vuonna 2017 aikana, jolloin tekoälystä puhuttiin paljon vähemmän kuin nykyään. Peter Sarlinin ja muun perustajatiimin lähtöajatus oli rakentaa Eurooppaan erittäin vahva tekoälyosaamisen keskus, joka pystyisi yhdistämään tutkimuksen ja käytännön yritysprojektit. Sarlin on myöhemmin kuvannut tavoitetta ajatuksena eurooppalaisesta AI-lippulaivasta.
Yhtiö ei lähtenyt kuluttajasovelluksesta eikä yhdestä helposti monistettavasta SaaS-tuotteesta. Sen alkuvaiheen työ koostui vaativista tekoälyprojekteista yrityksille. Asiakkaille rakennettiin malleja, järjestelmiä ja ratkaisuja, jotka piti sovittaa niiden omaan dataan ja liiketoimintaan. Tämä tarkoitti, että Silo AI:n tärkein alkuvaiheen kilpailuetu oli ennen kaikkea tiimi ja osaamisen taso.
Euroopassa oli tuolloin vaikea kilpailla Yhdysvaltain suurten teknologiayhtiöiden kanssa AI-osaajista. Silo AI:n strategiana oli rakentaa ympäristö, jossa korkeatasoiset tutkijat ja insinöörit pystyivät työskentelemään vaikeiden, todellisten ongelmien parissa Euroopasta käsin. Peter Sarlin kertoi myöhemmin, että yhtiön alkuperäinen havainto oli oikea: tutkimuksen ja käytännön käyttöönoton väliin jäi selvä aukko.
Yhtiö kasvoi yli 300 asiantuntijan organisaatioksi ja toimi useissa maissa. Sen asiakkaisiin kuuluivat AMD:n mukaan muun muassa Allianz, Philips, Rolls-Royce ja Unilever. Silo AI rakensi myös avoimia monikielisiä kielimalleja, kuten Poro- ja Viking-mallit, sekä omaa SiloGen-alustaa. Tämä laajensi yhtiön roolia konsultointityyppisestä projektityöstä kohti omaa teknologiaa ja mallikehitystä.
AMD ilmoitti heinäkuussa 2024 ostavansa Silo AI:n kokonaan käteisellä. AMD:n ilmoittama kaupan arvo oli 665 miljoonaa dollaria. Yle raportoi summan vastaavan noin 615 miljoonaa euroa. Kauppa valmistui elokuussa 2024, ja Silo AI:n tiimi siirtyi osaksi AMD:n Artificial Intelligence Groupia.
Ylen myöhemmän raportoinnin mukaan Peter Sarlin omisti ennen kauppaa vajaat 40 prosenttia Silo AI:sta. Tämä auttaa ymmärtämään, miksi kaupalla oli myös Suomessa poikkeuksellisen suuri henkilökohtainen taloudellinen vaikutus, mutta tämä sivusto erottaa silti yrityksen kauppa-arvon perustajan henkilökohtaisista tuloista. Ne eivät ole sama asia.
Silo AI:n tarina on hyödyllinen esimerkki siitä, että suuri teknologiayritys voi syntyä myös hyvin syvästä asiantuntijaosaamisesta. Alku ei ollut yksi hauska appi, vaan vaikeiden AI-ongelmien ratkaisemista asiakkaille. Kun tiimi ja teknologia vahvistuivat, samasta osaamisesta tuli strategisesti arvokasta myös yhdelle maailman suurimmista puolijohdeyhtiöistä.
Silo AI:n perustamisen aikaan Euroopan AI-kenttä oli hajanaisempi kuin nyt. Suuret teknologiayhtiöt houkuttelivat tutkijoita Yhdysvaltoihin, ja moni eurooppalainen organisaatio halusi käyttää koneoppimista mutta ei tiennyt, miten tutkimus viedään tuotantoon. Silo AI asemoitui juuri tähän väliin: se ei myynyt vain konsultointia, vaan yritti rakentaa pysyvää osaamiskeskusta.
Rekrytointi oli siksi osa liiketoimintamallia. Yhtiön arvo riippui siitä, kuinka hyvän tutkija- ja insinööritiimin se pystyi kokoamaan ja pitämään Euroopassa. Silo AI nosti näkyvästi esiin tohtoritason osaajia ja tutkimustaustaa, mikä auttoi sekä asiakkaiden luottamuksessa että uusien osaajien houkuttelemisessa.
Projektien kautta kertyi ymmärrystä siitä, mitä suuret yritykset oikeasti tarvitsevat AI:lta. Mallin rakentaminen laboratoriossa on eri asia kuin sen liittäminen tuotantojärjestelmään, dataan, tietoturvaan ja liiketoimintaprosesseihin. Silo AI:n kasvu perustui pitkälti siihen, että se pystyi liikkumaan näiden maailmojen välillä.
Ajan myötä yhtiö alkoi tehdä enemmän omaa teknologiaa. Poro- ja Viking-kielimallit olivat erityisen kiinnostavia, koska ne painottivat eurooppalaisia kieliä ja avoimia malleja. Tämä sopi Silo AI:n alkuperäiseen ajatukseen eurooppalaisesta vaihtoehdosta, jossa kaikkea AI-kehitystä ei tarvitse rakentaa yhdysvaltalaisten suljettujen alustojen päälle.
AMD:n kiinnostus liittyi tähän osaamiseen. Puolijohdeyhtiö halusi vahvistaa ohjelmisto- ja mallipuolta omien AI-kiihdyttimiensä ympärillä. Silo AI:n tiimillä oli jo kokemusta mallien kouluttamisesta AMD:n laitteistolla, joten kauppa ei ollut vain henkilöstön hankintaa vaan osa laajempaa kilpailua AI-laskennan ekosysteemistä.
Kauppa osoittaa myös, miksi asiantuntijayrityksen ja tuoteyrityksen raja voi muuttua ajan myötä. Silo AI sai alkuvuosina tuloa asiakasprojekteista, mutta niiden ympärille kertyi menetelmiä, malleja ja osaamista, joiden strateginen arvo kasvoi. Ostajalle juuri tämä yhdistelmä oli tärkeä.
Nuorelle rakentajalle Silo AI antaa erilaisen mallin kuin yhden hengen appi. Jos oma vahvuus on syvä tekninen osaaminen, ensimmäinen liiketoiminta voi olla asiakkaalle tehtävää työtä. Tärkeää on rakentaa samalla sellaista tietoa, teknologiaa ja tiimiä, jonka arvo ei katoa yhden projektin päättyessä.
Silo AI:n liiketoiminta hyötyi myös siitä, että suuret eurooppalaiset yritykset eivät halunneet lähettää kaikkea dataansa julkisiin pilvipalveluihin tai yleisiin AI-palveluihin. Räätälöidyt mallit, tietoturva ja asiakkaan oma infrastruktuuri olivat siksi kaupallisesti tärkeitä ominaisuuksia, eivät vain teknisiä yksityiskohtia.
Yhtiön avoimen lähdekoodin mallityö lisäsi näkyvyyttä tutkimusyhteisössä. Poro ja Viking olivat samalla demonstraatioita siitä, että eurooppalaisilla kielillä ja AMD:n laitteistolla voidaan kouluttaa kilpailukykyisiä malleja. Tämä tuki sekä rekrytointia että suhdetta AMD:hen jo ennen yrityskauppaa.
Silo AI osoittaa myös, ettei kaikkien startupien tarvitse olla täysin automatisoituja heti. Asiantuntijatyö voi rahoittaa oppimista ja asiakassuhteita. Ratkaisevaa on, pystyykö yritys muuttamaan projektien aikana syntyvää osaamista uudelleenkäytettäviksi malleiksi, työkaluiksi ja prosesseiksi.
Silo AI:n tapauksessa yrityksen kotipaikka oli myös osa tarinaa. Tavoitteena ei ollut siirtää parhaita eurooppalaisia osaajia Piilaaksoon, vaan osoittaa, että maailmanluokan AI-tutkimusta ja kaupallisia tuotteita voidaan rakentaa Euroopassa. Tämä identiteetti auttoi erottumaan sekä asiakkaiden että työntekijöiden silmissä.