Pelaburan kecerdasan buatan terus perlahan. Apakah jenis projek AI dan strategi pelaburan yang boleh bertahan dalam kitaran ini?

Menurut laporan suku tahunan "State of AI" yang dikeluarkan baru-baru ini oleh organisasi penyelidikan CB Insights, selaras dengan situasi semasa dalam pasaran modal, pelaburan dalam AI terus perlahan.

Jumlah pelaburan dalam syarikat permulaan AI turun 31% sejak suku lepas ke paras terendah sejak suku ketiga 2020. Pembiayaan berskala besar (lebih daripada AS$100 juta) jatuh 39% berbanding suku sebelumnya, mencecah paras terendah sembilan suku.

Walaupun genangan dalam pembiayaan AI akan melambatkan pembangunan bidang tersebut, ia juga mendorong pelabur untuk memberi lebih tumpuan kepada projek AI yang mungkin mencapai pembangunan yang mampan. Pelabur perlu memahami syarikat permulaan AI yang telah menerima pembiayaan untuk mendapatkan gambaran umum tentang bagaimana industri AI akan berkembang pada bulan-bulan akan datang.

Model Perniagaan AI

Permulaan AI ialah istilah kabur yang biasanya digunakan untuk semua jenis syarikat, skopnya Daripada syarikat menumpukan pada menyediakan alatan AI (cth. MLOps, alat analitik ramalan, pembangunan model tanpa kod/kod rendah) kepada syarikat yang menggunakan AI dalam produk mereka (cth. syarikat insurtech menggunakan pembelajaran mesin untuk meramal risiko).

Walau bagaimanapun, terdapat faktor yang menentukan kejayaan model perniagaan yang dibentuk di sekitar AI dan pembelajaran mesin. Berikut adalah beberapa prinsip umum produknya:

1 Produk/kesesuaian pasaran: Produk AI mesti menyelesaikan masalah yang tidak dapat diselesaikan, atau memberikan penambahbaikan yang mencukupi pada penyelesaian sedia ada.

2. Strategi pertumbuhan: Mesti ada saluran berskala untuk produk menyampaikan nilainya kepada pengguna sasaran (seperti pengiklanan berbayar dan penyepaduan dengan aplikasi sedia ada). Saluran ini mesti bersifat defensif dan menyukarkan pesaing untuk menguasai bahagian pasaran.

3. Sasaran pasaran: Pelabur berharap mendapat pulangan pelaburan. Mesti ada pasaran yang besar untuk produknya berkembang dan mencapai penilaian sasarannya. Jika produk itu terlalu khusus dan sedikit orang mengambil berat tentangnya, pelabur tidak akan berminat untuk membiayainya.

Selain prinsip di atas, produk yang menggunakan AI dan pembelajaran mesin juga mesti menyelesaikan beberapa masalah lain:

1 Data latihan: Pasukan produk perlu mempunyai cukup data berkualiti tinggi untuk melatih dan menguji modelnya. Dalam sesetengah kes, data ini mudah diperolehi (seperti set data awam dan data sedia ada dalam pangkalan data perusahaan yang lain lebih sukar diperoleh (seperti data kesihatan). Untuk sesetengah apl, data mungkin berbeza sedikit merentas geografi dan khalayak, memerlukan usaha pengumpulan data mereka sendiri.

2. Peningkatan berterusan: Model AI dan pembelajaran mesin perlu sentiasa dikemas kini apabila dunia berubah. Selepas menggunakan model pembelajaran mesin, pasukan produk mesti mempunyai strategi untuk terus mengumpul data untuk mengemas kini dan menambah baik model. Penambahbaikan berterusan ini juga mengukuhkan pertahanan produk terhadap pesaing.

Selaras dengan prinsip ini, menurut laporan tinjauan oleh CB Insights, adalah perlu untuk memahami sama ada terdapat corak untuk pemula AI untuk menarik dana untuk rancangan AI mereka semasa kemelesetan ekonomi.

Projek AI yang menentang trend dan mencapai pembiayaan peringkat awal

Saiz purata pembiayaan peringkat awal dalam industri AI telah stabil di sekitar AS $3 juta. Sebagai perbandingan, saiz perjanjian pertengahan dan akhir masing-masing turun 15% dan 53% suku ke suku. Tetapi bilangan tawaran peringkat awal telah mengecil, bermakna pemula AI akan mempunyai masa yang lebih sukar untuk mencari pelaburan untuk idea produk mereka.

Antara pembiayaan benih dan tawaran malaikat yang disebut dalam laporan CB Insights, syarikat permulaan AI Israel Voyantis menerima pembiayaan $19 juta pada bulan Julai untuk membangunkan platform pertumbuhan ramalannya.

Persekitaran pengiklanan hari ini telah berubah dengan peraturan yang lebih ketat mengenai data pengguna dan privasi, dan Voyantis komited untuk menyelesaikan masalah ini yang dihadapi oleh pemasar. Sebagai contoh, Apple baru-baru ini menambah ciri pada iOS yang membolehkan pengguna menghalang pengiklan daripada mengumpul ID peranti mereka. Tanpa data terperinci tentang pengguna, kempen berasaskan peraturan sebelumnya hanya boleh menyampaikan hasil yang buruk, yang akan meningkatkan kos setiap pemerolehan pengguna (CAC). Voyantis menggunakan pembelajaran mesin untuk meramalkan tingkah laku pengguna dan nilai seumur hidup, membantu membuat keputusan termaklum dan meningkatkan ROI kempen pemasaran.

Eleven Therapeutics, sebuah lagi syarikat permulaan bioteknologi yang berpangkalan di Israel, menerima pembiayaan benih AS$22 juta pada Ogos tahun ini. Ia memberi tumpuan kepada terapeutik RNA, kawasan yang telah menarik banyak perhatian sejak beberapa tahun kebelakangan ini, terutamanya semasa penularan wabak coronavirus baharu.

Syarikat sedang membangunkan rangka kerja pembelajaran mendalam untuk "menjana data berfungsi pada pengedaran aktiviti molekul siRNA." Tidak banyak maklumat tentang teknologi AI syarikat, tetapi ia adalah ruang pasaran yang mempunyai banyak potensi, dan penyokong kewangannya termasuk Yayasan Bill & Melinda Gates.

Pemula Spice AI yang berpangkalan di AS menerima $14 juta dalam pembiayaan benih pada September tahun ini dan sedang membina infrastruktur digital untuk mencipta aplikasi Web3 dipacu AI. Menariknya, syarikat itu berjaya menarik pelaburan pada ketika industri permulaan crypto berada dalam keadaan yang lebih teruk daripada industri lain.

Terdapat tiga perkara yang perlu diberi perhatian tentang syarikat ini: Pertama, ia mewujudkan infrastruktur kejuruteraan data untuk mengindeks data sedia ada pada rantaian blok utama, yang bermaksud ia tidak mempunyai sebarang halangan utama untuk mendapatkan data. Kedua, pengasasnya ialah veteran Microsoft Azure, termasuk Ketua Pegawai Teknologi Mark Russinovich dan bekas dan Ketua Pegawai Eksekutif GitHub semasa (diperolehi oleh Microsoft pada 2018). Mempunyai tokoh industri berprofil tinggi sedemikian memudahkan syarikat untuk menarik pelaburan, walaupun dalam masa yang paling sukar. Ketiga, kejuruteraan data blockchain sebahagian besarnya merupakan masalah yang tidak dapat diselesaikan yang pasti akan dihadapi oleh syarikat Web3 apabila industri semakin matang, jadi ini boleh dianggap sebagai salah satu projek berisiko rendah Web3.

Siapa yang telah menerima pelaburan besar dalam bidang AI

Antara syarikat pemula yang telah menerima pembiayaan besar pada suku ketiga 2022, syarikat permulaan Amerika Afresh? pelaburan besar pada Ogos tahun ini mengumpul AS$115 juta dalam pembiayaan Siri B. Syarikat itu menggunakan pembelajaran mesin untuk membantu pengusaha kedai runcit mengurangkan sisa makanan sehingga 25%, kerana platform menjejaki jualan makanan segar dan membantu meramalkan permintaan pelanggan masa hadapan. Pasukan rantaian bekalan boleh menggunakan platform untuk mengoptimumkan perolehan, dan pengguna boleh membuat pesanan terus dengan pembekal menggunakan platform untuk mengurangkan sisa makanan.

Syarikat itu sudah mempunyai beribu-ribu pelanggan di 40 negeri di Amerika Syarikat Ia akan menggunakan pembiayaan baharu untuk mengembangkan perniagaannya, mengembangkan pasaran ke negara dan wilayah lain serta menambah ciri baharu untuk meningkatkan nilai. produknya dan liputan Pasaran.

Satu lagi syarikat yang menerima pelaburan besar ialah Bending Spoons, pembangun aplikasi mudah alih yang berpangkalan di Itali, yang mengumpul $340 juta pada September tahun ini. Bending Spoons membangunkan aplikasi pengeditan video dan foto mudah alih yang menggunakan pembelajaran mesin untuk melaksanakan tugas yang rumit seperti pengalihan keluar latar belakang, kapsyen automatik dan peningkatan foto.

Apl syarikat menggunakan model freemium, di mana pengguna boleh menggunakan ciri asas secara percuma, tetapi mesti membayar untuk menggunakan ciri lanjutan. Ditubuhkan pada 2013, Bending Spoons telah dimuat turun lebih daripada 500 juta kali dan mempunyai hasil tahunan melebihi $100 juta untuk beberapa tahun Langkah seterusnya ialah menggunakan pembiayaan baharu untuk membangunkan produk baharu dan membuat pemerolehan, memasarkan produk baharunya kepada pelanggan sedia ada. , dan Kumpul lebih banyak data untuk mengembangkan lagi petunjuk anda ke atas pesaing anda.

Peraturan pelaburan AI melalui kitaran

Jika anda menyelidiki syarikat AI yang telah menerima pembiayaan, anda akan mendapat lebih banyak maklumat, tetapi beri perhatian kepada perkara berikut:

1. Mematuhi prinsip produk yang baik: Tidak kira betapa bagusnya AI, ia memerlukan produk yang boleh menyelesaikan masalah sebenar dan mempunyai kurang daya tahan terhadap pengangkatan. Pada masa yang sama, produk AI juga perlu mempunyai pasaran yang besar, ruang untuk pengembangan dan visi yang jelas untuk pertumbuhan yang mampan.

2. B2B AI adalah yang paling penting: Walaupun aplikasi yang dipacu AI memberikan kemudahan kepada pengguna, nilainya kepada perniagaan jauh lebih besar, terutamanya apabila ekonomi memasuki kes kemelesetan. AI yang dilaksanakan dengan baik boleh mengurangkan wang yang terbuang, mengoptimumkan pengesyoran dan mengautomasikan fungsi manual, yang semuanya memberi kesan kepada perbelanjaan dan hasil syarikat AI.

3. Cari pasaran AI baharu antara masalah yang belum diselesaikan: Dalam bidang AI, pasaran yang mantap sukar untuk ditakluki kerana syarikat AI sedia ada sudah mempunyai set data yang lebih baik untuk melatih model mereka. Dan lebih mudah dan murah untuk memasuki pasaran baharu, terutamanya jika anda boleh mengumpul data dengan cepat untuk melatih model pembelajaran mesin sebelum pesaing anda melakukannya.

4. Kurangkan kos memperoleh data: Cari idea AI yang datanya sudah wujud dan dianotasi (mis., urus niaga kewangan, sejarah jualan, rekod pesakit). Atau cari penyelesaian yang menjana data yang diperlukan untuk model untuk mengurangkan keperluan pengumpulan data. Jika aplikasi perusahaan memerlukan saluran paip baharu untuk mengumpul, membersihkan dan menganotasi data, ia akan memerlukan lebih banyak masa, bakat dan wang, yang sukar dicapai dalam situasi semasa.

5 Mempunyai pengasas terkenal akan menarik lebih banyak pelaburan: Pengasas yang pernah bekerja di syarikat teknologi besar lebih berkemungkinan menarik syarikat AI (seperti infrastruktur data Web3AI) Lebih banyak dan pelaburan.

Atas ialah kandungan terperinci Pelaburan kecerdasan buatan terus perlahan. Apakah jenis projek AI dan strategi pelaburan yang boleh bertahan dalam kitaran ini?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!