作者:桂曙光
来源:天使茶馆
原作者:SABRINA WU/VIVEK RAMASWAMI
图片来源:由** AI工具生成。
在过去的九个月里，作为VC投资人，我们看到的大多数新创业公司/新想法都与人工智能(AI)有关，尤其是AI(生成式AI，这并不奇怪。我们看到这个领域几百个创业项目的推广，但是只有几个得到了投资。显然，我们不是唯一面临这种情况的人。仅在2023年第一季度，就有17亿美元投资于GenAI初创公司，第二季度这一数字可能会增加5倍。
我们想分享一些我们正在见证的热点话题和推广项目，投资人关注的重要特征，以及从财务角度区分“好”和“优”的因素。这个领域还处于起步阶段，没有什么是确定的，但是我们希望后面的内容对创始人有所帮助，因为他们希望在这个竞争越来越激烈的领域脱颖而出。
生殖人工智能子类别的风险投资估算(来源:Dealroom)
1.我们通常会看到哪些想法？
早期阶段(种子前期/种子期/A轮)
在非常早期的阶段，我们看到了大量“生成式-原生”公司的出现。这些公司本身是建立在基本模型之上的，作为最终用户的应用程序，或者作为模型和应用程序之间的“中间件”工具层。
想法1:使用模型生成基于文本的内容，你可以在电子邮件、知识库和其他应用中创建新的或增强现有的文本。
想法二:“X的副驾驶”；人工智能* *与人类操作员并肩工作，增强他们编写代码、起草演示文稿和执行其他任务的能力。我们已经看到了许多针对特定垂直用例的副驾驶应用，以及一些试图实现更“个性化”的副驾驶的应用。
想法3: LLM(大型语言模型)工具，用于管理嵌入式和矢量数据库。
总结:拥有一个或多个护城河，成为差异化的早期生成型AI创业公司，是非常重要的。护城河涵盖的范围很广，包括对分配的不公平访问、AI/机器学习人才、计算、数据和模型，或者对你正在解决的问题领域的不同看法，以及如何创造更愉快的用户体验。
早期成长期和成长期(B/C+轮)
对于我们在B/C轮遇到的公司来说，它们通常诞生于“pre-LLM”时代，现在它们正在努力寻找如何最好地将基本模型的能力集成到现有产品中。我们称这些公司为“生产增强型”公司。他们不一定需要重新发明轮子，但要确保不输给LLM原生创业公司。
创意1:预测分析；许多大型SaaS公司正在使用人工智能从现有的大型数据集中提取见解，以更准确地预测收入增长、客户流失率和其他指标。
创意二:个性化和推荐；这是我们看到处于成长阶段的创业公司使用AI最快、最有影响力的方式之一。基本模式的出现使得B2B和B2C公司都能够向现有客户提供更强大和准确的产品推荐。
想法三:“即时自动完成”；在几乎所有具有文本或书写组件的成长型公司中，我们看到LLM被用于“即时自动完成”，这与用户使用ChatGPT的体验类似。
总结:如果你还没有开始尝试改进你的业务或者重新设计架构使其对AI更加友好，请考虑让你的产品团队中的一小部分人专门创建新功能。
对进入这一领域的创业公司的警告:评估生成型AI公司完成了多少融资很重要，尤其是在特定的子类别中。看看Dealbook画的250多家生成型AI公司的市场结构。有模型搭建、文案工具、向量数据库的公司已经完成了数亿美元的融资。当然，这并不意味着你不能在这个领域创建另一个创新的创业公司，但重要的是要注意…
2.从财务的角度来看，什么是“好”？
对于智能应用公司来说，我们对“好的”财务指标是什么样子的理解还处于早期阶段，但在SaaS领域，我们认为“同类最佳”的增长率与下面的情况类似。请记住，我们不再追求“不惜一切代价的增长”，所以效率和烧钱速度是重要因素。
产品发布时间:智能应用的一个优势就是可以比以前更快的发布产品。我们想象许多智能应用公司将在“测试”状态下推出产品，这样他们就可以开始收集用户数据，并使用它来创建基于人类反馈的“RLHF”循环。从历史上看，产品发布后可能需要一年时间才能达到100万美元的年可重复收入(ARR)，但我们可能会看到，量产AI公司可以更快地达到100万美元的ARR，因为客户可以很快看到投资回报(ROI)。许多生殖型AI产品也受益于通过产品导向型增长(PLG)/自下而上销售(如Jasper、Lensa、Harvey、Tome等)的病毒式传播。).
客户保留:虽然生成型AI公司可能很快就会吸引新客户，但客户流失率可能会更高。对于SaaS公司来说，好的毛留存率大概在85%-95%，同类中最好的接近95%+。就净留存率而言，我们认为好的比例是110%-120%+，最好的情况是120%+。更高的客户流失率可能是因为模型的持续错误输出，以及其他竞争产品的出现。在智能应用的情况下，PLG模式的一个重要因素是，客户非常容易尝试新产品或每月支付10-20美元，但他们很快就会流失。
COGS和毛利率:我们预计很多智能应用公司的新成本会涉及:1)模型；2)训练和微调；3)设施管理和运营。我们听说在这些LLM和向量数据库存储上运行查询的成本(通过Pinecone等公司)一直很高。在许多情况下，我们听说客户可能会在模型上运行查询，直到获得他们想要的输出，因为他们根据许可证付费，所以他们运行的查询数量对成本有很大影响。因此，我们预计人工智能驱动的公司的毛利率可能会下降。
3.“好”和“优秀”有什么区别？
和其他任何技术或行业一样，作为VC投资人，我们还在评估优秀的团队、巨大的市场和对客户痛点的敏锐理解。这些基本原则不会改变:
以客户为中心/解决真实痛点:在任何新的技术变革中，我们都会看到很多新公司只是试图“跟风”，创造“酷”的技术，却没有真正解决客户的痛点。首先要理解的问题是:你正在解决一个“头发着火”的问题。生成式人工智能是帮助解决这个问题的更好方法，还是一种不必要的技术？
团队:在这个新的LLM时代，创造新产品和创办公司的机会变得非常民主。所以我们看到很多创始团队在自己没有什么行业知识或者专业能力的领域创业。你需要知道的问题是:为什么你的团队最适合解决这个问题？
快速适应和执行能力:毫无疑问，这个领域发展很快。对于团队来说，现在比以往任何时候都更加重要的是保持敏捷，并根据需要快速调整产品和策略。同时，重要的是坚持基本原则，而不只是追逐炒作。换句话说:你会如何反应，知道什么时候对公司进行潜在的调整是合适的？
可能性:虽然AI可以帮助公司更快地起步，但这也意味着一个品类中的竞争对手可能会比以前多很多。看看公开发布的生成式AI市场格局图和涌入这一类别的资金就知道了。优秀的创始人和团队会认识到独特的漏洞需要填补，并在很大程度上避免他们很快就会在混乱中迷失的子领域。
4.结论
作为风险投资者，我们和其他人一样对人工智能将产生的整体影响感到兴奋和乐观。然而，在过去一年我们看到的数百个项目中，很明显这一类别存在大量炒作。对于创始人来说，让自己与众不同，脱颖而出，最终证明产品的价值，比以往任何时候都重要。
其他考虑因素:
估值:虽然整体VC市场较2021年的巅峰有所下滑，但AI(尤其是生成型AI)的融资额和估值仍然很高。这反映了VC及其创始人对这一领域的兴趣，但需要注意的是，就像任何其他周期(如互联网泡沫和破灭)一样，只有一小部分创业公司最终能存活下来退出，它们的估值可能在随后的几年里下降90%以上。
生成性原生vs .生成性增强:作为一家生成性原生公司，你能打造哪些生成性增强公司做不到的产品？作为一家新进入某个品类的创业公司，你和现有公司有什么有意义的区别？像微软、谷歌和亚马逊这样的大型技术公司已经在迅速采用LLM，所以知道你在哪里可以有效地与他们竞争是很关键的。
预算限制:在宏观环境和预算紧张的挑战下，了解您产品的实际必要性非常重要。在之前的牛市中，几乎任何SaaS产品都能实现数百万美元的收入。在当前的环境和经济持续衰退的风险下(虽然在减弱)，目标客户的CIO都在研究公司的每一笔支出，看看哪些是可以削减的。他们把AI融入你的产品到底是有帮助还是最后无关紧要？
—–(文末)& # 8212；–
原文地址:https://aspiringforeignity . substack . com/p/what-we-seeing-as-VCS。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"作为VC投资人，对于生成式AI创业热潮的看法…."：http://www.guoyinggangguan.com/qkl/143631.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
