Laut dem kürzlich vom Forschungsinstitut CB Insights veröffentlichten Quartalsbericht „State of AI“ verlangsamen sich die Investitionen in KI im Einklang mit der aktuellen Situation am Kapitalmarkt weiter.
Die Gesamtinvestitionen in KI-Startups sind seit dem letzten Quartal um 31 % auf den niedrigsten Stand seit dem dritten Quartal 2020 gesunken. Großfinanzierungen (mehr als 100 Millionen US-Dollar) gingen im Vergleich zum Vorquartal um 39 % zurück und erreichten den Tiefststand seit neun Quartalen.
Obwohl die Stagnation bei der KI-Finanzierung die Entwicklung des Bereichs verlangsamen wird, veranlasst sie Investoren auch dazu, sich stärker auf KI-Projekte zu konzentrieren, die eine nachhaltige Entwicklung ermöglichen könnten. Investoren müssen die geförderten KI-Startups verstehen, um einen allgemeinen Überblick darüber zu bekommen, wie sich die KI-Branche in den kommenden Monaten entwickeln wird.
KI-Geschäftsmodell
KI-Startup ist ein vager Begriff, der im Allgemeinen für alle Arten von Unternehmen gilt, von der Konzentration auf die Bereitstellung von KI-Tools wie MLOps, Predictive Analytics Tools bis hin zur No-Code/Low-Code-Modellentwicklung ) an Unternehmen, die KI in ihren Produkten verwenden (z. B. Insurtech-Unternehmen, die maschinelles Lernen zur Risikovorhersage verwenden).
Es gibt jedoch einige Faktoren, die den Erfolg von Geschäftsmodellen rund um KI und maschinelles Lernen bestimmen. Im Folgenden sind einige gemeinsame Prinzipien seiner Produkte aufgeführt:
1. Produkt-/Marktanpassung: KI-Produkte müssen ungelöste Probleme lösen oder einen ausreichenden Mehrwert zu bestehenden Lösungen bieten.
2. Wachstumsstrategie: Es müssen skalierbare Kanäle vorhanden sein, damit das Produkt seinen Zielbenutzern seinen Wert bieten kann (z. B. bezahlte Werbung und Integration in bestehende Anwendungen). Diese Kanäle müssen defensiv sein und es den Wettbewerbern erschweren, Marktanteile zu gewinnen.
3. Zielmarkt: Investoren hoffen auf eine Kapitalrendite. Es muss einen großen Markt geben, damit das Produkt wachsen und den angestrebten Wert erreichen kann. Wenn das Produkt zu nischenorientiert ist und sich nur wenige Menschen dafür interessieren, werden Investoren kein Interesse daran haben, es zu finanzieren.
Zusätzlich zu den oben genannten Prinzipien müssen Produkte, die KI und maschinelles Lernen nutzen, auch einige andere Probleme lösen:
1. Trainingsdaten: Produktteams müssen über genügend hochwertige Daten verfügen, um ihre Modelle zu trainieren und zu testen. In einigen Fällen sind diese Daten leicht zu erhalten (z. B. öffentliche Datensätze und vorhandene Daten in Unternehmensdatenbanken); in anderen Fällen ist es schwieriger, sie zu erhalten (z. B. Gesundheitsdaten). Bei einigen Apps können sich die Daten je nach Region und Zielgruppe geringfügig unterscheiden, sodass eigene Datenerfassungsbemühungen erforderlich sind.
2. Kontinuierliche Verbesserung: KI- und maschinelle Lernmodelle müssen ständig aktualisiert werden, wenn sich die Welt verändert. Nach der Bereitstellung eines Modells für maschinelles Lernen müssen Produktteams über eine Strategie für die kontinuierliche Erfassung von Daten verfügen, um das Modell zu aktualisieren und zu verbessern. Diese kontinuierliche Verbesserung stärkt auch die Abwehrfähigkeit des Produkts gegenüber der Konkurrenz.
Im Einklang mit diesen Grundsätzen ist es laut einem Umfragebericht von CB Insights notwendig zu verstehen, ob es ein Muster dafür gibt, dass KI-Startups während des Wirtschaftsabschwungs Mittel für ihre KI-Pläne anziehen.
KI-Projekte, die sich dem Trend widersetzten und eine Frühphasenfinanzierung erreichten
Der durchschnittliche Umfang der Frühphasenfinanzierung in der KI-Branche liegt stabil bei rund 3 Millionen US-Dollar. Im Gegensatz dazu gingen die Dealgrößen in der mittleren und späten Phase im Vergleich zum Vorquartal um 15 % bzw. 53 % zurück. Allerdings ist die Zahl der Deals im Frühstadium zurückgegangen, was bedeutet, dass es für KI-Startups schwieriger wird, Investitionen für ihre Produktideen zu finden.
Unter den im Bericht von CB Insights erwähnten Startkapital- und Angel-Deals erhielt das israelische KI-Startup Voyantis im Juli 19 Millionen US-Dollar an Finanzmitteln für die Entwicklung seiner prädiktiven Wachstumsplattform.
Das heutige Werbeumfeld hat sich durch strengere Vorschriften zu Benutzerdaten und Datenschutz verändert, und Voyantis setzt sich dafür ein, diese Probleme zu lösen, mit denen Vermarkter konfrontiert sind. Beispielsweise hat Apple iOS kürzlich eine Funktion hinzugefügt, mit der Benutzer verhindern können, dass Werbetreibende ihre Geräte-IDs sammeln. Ohne detaillierte Daten zu den Nutzern könnten bisherige regelbasierte Kampagnen nur schlechte Ergebnisse liefern, was die Kosten pro Nutzerakquise (CAC) erhöhen würde. Voyantis nutzt maschinelles Lernen, um das Benutzerverhalten und den Lifetime-Wert vorherzusagen und so fundierte Entscheidungen zu treffen und den ROI von Marketingkampagnen zu verbessern.
Eleven Therapeutics, ein weiteres in Israel ansässiges Biotech-Start-up, erhielt im August dieses Jahres eine Startfinanzierung in Höhe von 22 Millionen US-Dollar. Der Schwerpunkt liegt auf RNA-Therapeutika, einem Bereich, der in den letzten Jahren, insbesondere während der Ausbreitung der neuen Coronavirus-Epidemie, große Aufmerksamkeit erregt hat.
Das Unternehmen entwickelt ein Deep-Learning-Framework zur „Generierung funktionaler Daten zur Aktivitätsverteilung von siRNA-Molekülen“. Es gibt nicht viele Informationen über die KI-Technologie des Unternehmens, aber es handelt sich um einen Markt mit viel Potenzial, und zu seinen Geldgebern gehört die Bill & Melinda Gates Foundation.
Das in den USA ansässige Startup Spice AI erhielt im September dieses Jahres eine Startfinanzierung in Höhe von 14 Millionen US-Dollar und baut eine digitale Infrastruktur für die Erstellung KI-gesteuerter Web3-Anwendungen auf. Interessanterweise ist es diesem Unternehmen gelungen, Investitionen zu einer Zeit anzuziehen, in der es der Krypto-Startup-Branche schlechter geht als anderen Branchen.
Bei diesem Unternehmen sind drei Dinge erwähnenswert: Erstens schafft es eine Data-Engineering-Infrastruktur, um vorhandene Daten auf großen Blockchains zu indizieren, was bedeutet, dass es keine größeren Hindernisse bei der Datenbeschaffung gibt. Zweitens sind seine Gründer Veteranen von Microsoft Azure, darunter Chief Technology Officer Mark Russinovich und der ehemalige und aktuelle CEO von GitHub (2018 von Microsoft übernommen). Mit einer solch prominenten Branchenpersönlichkeit ist es für das Unternehmen einfacher, selbst in den schwierigsten Zeiten Investitionen anzuziehen. Drittens ist Blockchain Data Engineering weitgehend ein ungelöstes Problem, mit dem Web3-Unternehmen mit zunehmender Reife der Branche sicherlich konfrontiert sein werden. Daher kann dies als eines der risikoärmeren Projekte von Web3 angesehen werden.
Wer hat große Investitionen im Bereich KI erhalten?
Unter den Startups, die im dritten Quartal 2022 riesige Finanzierungen erhalten haben, erhielt das amerikanische Startup Afresh im August dieses Jahres eine Serie-B-Finanzierung in Höhe von 115 Millionen US-Dollar. Das Unternehmen nutzt maschinelles Lernen, um Betreibern von Lebensmittelgeschäften dabei zu helfen, die Lebensmittelverschwendung um bis zu 25 % zu reduzieren, da die Plattform den Verkauf frischer Lebensmittel verfolgt und dabei hilft, die zukünftige Kundennachfrage vorherzusagen. Supply-Chain-Teams können die Plattform nutzen, um die Beschaffung zu optimieren, und Benutzer können über die Plattform direkt Bestellungen bei Lieferanten aufgeben, um Lebensmittelverschwendung zu reduzieren.
Das Unternehmen hat bereits Tausende von Kunden in 40 Bundesstaaten der Vereinigten Staaten und wird die neue Finanzierung nutzen, um sein Geschäft auszubauen, den Markt auf andere Länder und Regionen auszudehnen und neue Funktionen hinzuzufügen, um den Wert und die Marktabdeckung seiner Produkte zu erhöhen .
Ein weiteres Unternehmen, das große Investitionen erhalten hat, ist der in Italien ansässige Entwickler mobiler Apps Bending Spoons, der im September dieses Jahres 340 Millionen US-Dollar eingesammelt hat. Bending Spoons entwickelt mobile Video- und Fotobearbeitungs-Apps, die maschinelles Lernen nutzen, um komplexe Aufgaben wie Hintergrundentfernung, automatische Untertitelung und Fotoverbesserung auszuführen.
Die Anwendung des Unternehmens basiert auf einem Freemium-Modell, bei dem Benutzer grundlegende Funktionen kostenlos nutzen können, für die Nutzung erweiterter Funktionen jedoch zahlen müssen. Das 2013 gegründete Unternehmen Bending Spoons wurde mehr als 500 Millionen Mal heruntergeladen und erzielt seit mehreren Jahren einen Jahresumsatz von über 100 Millionen US-Dollar. Der nächste Schritt wird darin bestehen, die neue Finanzierung für die Entwicklung neuer Produkte und Akquisitionen sowie die Vermarktung seiner neuen Produkte an bestehende Kunden zu nutzen , und sammeln Sie mehr Daten, um Ihren Vorsprung gegenüber Ihren Mitbewerbern weiter auszubauen.
KI-Investitionsregeln durch Zyklen
Wenn Sie sich mit den KI-Unternehmen befassen, die Finanzierungen erhalten, erhalten Sie weitere Informationen, achten Sie jedoch auf die folgenden Punkte:
1. Halten Sie sich an gute Produktprinzipien: Egal wie groß die KI ist, beide erfordern ein Produkt, das ein echtes Problem löst, viel besser ist als andere Produkte und weniger Widerstand gegen die Einführung hat. Gleichzeitig müssen KI-Produkte einen riesigen Markt, Raum für Expansion und eine klare Vision für nachhaltiges Wachstum haben.
2. B2B-KI ist das Wichtigste: Während KI-gesteuerte Anwendungen den Verbrauchern Komfort bieten, ist ihr Wert für Unternehmen viel größer, insbesondere wenn die Wirtschaft in eine Rezession eintritt. Eine gut implementierte KI kann Geldverschwendung reduzieren, Empfehlungen optimieren und manuelle Funktionen automatisieren, was sich allesamt auf die Ausgaben und Einnahmen eines KI-Unternehmens auswirkt.
3. Finden Sie neue KI-Märkte bei ungelösten Problemen: Im Bereich KI sind etablierte Märkte schwer zu erobern, da bestehende KI-Unternehmen bereits über bessere Datensätze zum Trainieren ihrer Modelle verfügen. Und es ist einfacher und kostengünstiger, neue Märkte zu erschließen, insbesondere wenn Sie schnell Daten sammeln können, um Modelle für maschinelles Lernen zu trainieren, bevor es Ihre Konkurrenten tun.
4. Reduzieren Sie die Kosten für die Datenerfassung: Suchen Sie nach KI-Ideen, bei denen die Daten bereits vorhanden und mit Anmerkungen versehen sind (z. B. Finanztransaktionen, Verkaufshistorie, Patientenakten). Oder suchen Sie nach Lösungen, die die für das Modell benötigten Daten generieren, um den Bedarf an Datenerfassung zu reduzieren. Wenn die Anwendung eines Unternehmens eine neue Pipeline zum Sammeln, Bereinigen und Kommentieren von Daten erfordert, erfordert dies mehr Zeit, Talent und Geld, was in der aktuellen Situation schwer zu erreichen ist.
5. Bekannte Gründer werden mehr Investitionen anziehen: Gründer, die in großen Technologieunternehmen gearbeitet haben, ziehen eher mehr Investitionen für KI-Unternehmen an (z. B. die Dateninfrastruktur von Web3AI).
Das obige ist der detaillierte Inhalt vonInvestitionen in künstliche Intelligenz verlangsamen sich weiter. Welche Art von KI-Projekten und Investitionsstrategien können den Zyklus überleben?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
