Au cours des neuf derniers mois, en tant qu'investisseurs en capital-risque, la plupart des nouvelles entreprises en démarrage/nouvelles idées que nous avons vues sont liées à l'intelligence artificielle (IA), en particulier l'IA générative (Generative AI), ce qui n'est pas assez surprenant. Nous avons vu des centaines de présentations de startups dans cet espace, mais nous n'avons investi que dans une poignée d'entre elles. Apparemment, nous ne sommes pas les seuls à faire face à cette situation, avec 1,7 milliard de dollars investis dans les startups GenAI au cours du seul premier trimestre 2023, et ce nombre pourrait quintupler au deuxième trimestre.
Nous aimerions partager certains des sujets et projets brûlants auxquels nous assistons, les caractéristiques importantes auxquelles les investisseurs prêtent attention et les éléments qui distinguent "le bon de l'excellent" d'un point de vue financier. Il est encore tôt pour cet espace et rien n'est certain, mais nous espérons que ce qui suit sera utile aux fondateurs alors qu'ils cherchent à se différencier dans cet espace de plus en plus concurrentiel.
Investissement de capital-risque estimé dans la sous-catégorie de l'IA générative (Source : Dealroom)
1. Quel genre d'idées voyons-nous habituellement ?
** Stade précoce (Pre-Seed/Seed/A round)**
Dans les tout premiers stades, on voit émerger un grand nombre d'entreprises "generative-native". Ces entreprises sont elles-mêmes construites au-dessus du modèle sous-jacent, soit en tant qu'application au service de l'utilisateur final, soit en tant que couche d'outils "middleware" qui se situe entre le modèle et l'application.
Idée 1 : Utiliser des modèles pour générer du contenu textuel qui peut créer du nouveau texte ou améliorer le texte existant dans les e-mails, les bases de connaissances et d'autres applications.
Idée 2 : "Le copilote de X" ; Les agents IA travaillent aux côtés d'opérateurs humains pour augmenter leur capacité à écrire du code, à rédiger des présentations et à effectuer d'autres tâches. Nous avons vu de nombreuses applications de copilote ciblant des cas d'utilisation verticaux spécifiques, ainsi que certaines essayant d'obtenir un copilote plus "personnalisé".
**Idée 3 : Outil LLM (Large Language Model) pour la gestion des plongements et des bases de données vectorielles. **
Résumé : Pour être une startup d'IA générative différenciée à un stade précoce, il est très important d'avoir un ou plusieurs douves. Les douves peuvent aller de l'accès injuste à la distribution, aux talents IA/ML, au calcul, aux données, aux modèles, ou avoir des perspectives différentes sur le domaine du problème que vous résolvez et comment créer une expérience utilisateur plus agréable.
Période de précocité et période de croissance (cycle B/C+)
Pour les entreprises que nous voyons au stade B/C, elles sont généralement nées à l'ère "pré-LLM" et cherchent maintenant à intégrer au mieux les capacités du modèle de base dans les produits existants. Nous appelons ces entreprises des entreprises "renforcées par la génération", elles n'ont pas nécessairement besoin de réinventer leurs roues, mais assurez-vous qu'elles ne perdent pas face aux startups natives du LLM.
Créativité 1 : Analyse prédictive : de nombreuses entreprises SaaS à grande échelle utilisent l'IA pour extraire des informations de leurs vastes ensembles de données existants afin de prévoir plus précisément la croissance des revenus, les taux de désabonnement des clients et d'autres indicateurs.
Idée 2 : personnalisation et recommandations : c'est l'un des moyens les plus rapides et les plus efficaces pour les startups en phase de croissance de tirer parti de l'IA. L'émergence de modèles sous-jacents permet aux entreprises B2B et B2C de fournir des recommandations de produits plus solides et plus précises aux clients existants.
Idée 3 : "Instant Auto-Complete" ; Dans presque toutes les entreprises en phase de croissance avec un composant de texte ou d'écriture, nous voyons LLM être utilisé pour "Instant Auto-Complete", similaire à ce que les utilisateurs expérimentent avec ChatGPT.
Résumé : Si vous n'avez pas encore commencé à essayer d'améliorer votre entreprise ou de la réorganiser pour qu'elle soit plus « conviviale pour l'IA », envisagez de consacrer une petite partie de votre équipe produit à la création de nouvelles fonctionnalités.
Avertissement aux startups entrant dans cet espace : Il est important d'évaluer le montant des fonds levés par les entreprises d'IA générative, en particulier dans des sous-catégories spécifiques. Jetez un coup d'œil au paysage du marché de plus de 250 entreprises d'IA générative cartographiées par Dealbook.Les entreprises de construction de modèles, d'outils de rédaction et de bases de données vectorielles ont levé des centaines de millions de dollars en financement. Bien sûr, cela ne signifie pas qu'une autre startup innovante ne peut pas être lancée dans cet espace, mais il est important de noter que…
2. À quoi ressemble le "bien" d'un point de vue financier ?
Notre compréhension de ce à quoi ressemble une "bonne" métrique financière pour une entreprise d'applications intelligentes en est encore à ses débuts, mais dans l'espace SaaS, nous pensons que le taux de croissance "le meilleur de sa catégorie" est similaire à la situation de la figure dessous. N'oubliez pas que nous ne recherchons plus la croissance à tout prix, donc l'efficacité et le taux de combustion sont des facteurs importants.
Temps de sortie du produit : L'un des avantages des applications intelligentes est la possibilité de publier des produits plus rapidement que jamais. Nous envisageons que de nombreuses sociétés d'applications intelligentes lancent des produits dans un état «bêta» afin qu'elles puissent commencer à collecter des données utilisateur et les utiliser pour créer une boucle «d'apprentissage par renforcement à partir de la rétroaction humaine» (RLHF). Historiquement, cela peut prendre un an après le lancement d'un produit pour atteindre 1 million de dollars de revenus annuels répétables (ARR), mais nous pouvons voir des entreprises d'IA générative atteindre 1 million de dollars en ARR plus rapidement car les clients peuvent voir le retour sur investissement (ROI) rapidement. De nombreux produits d'IA générative bénéficient également de la viralité grâce à la croissance axée sur les produits (PLG)/ventes ascendantes (par exemple Jasper, Lensa, Harvey, Tome, etc.).
Fidélisation de la clientèle : Bien qu'une entreprise d'IA générative puisse attirer rapidement de nouveaux clients, elle peut également avoir un taux de désabonnement plus élevé. Pour une entreprise SaaS, un bon taux de rétention brut est d'environ 85 % à 95 %, et le meilleur de sa catégorie est plus proche de 95 % ou plus. En termes de rétention nette, nous pensons qu'un bon taux est de 110 % à 120 % +, le meilleur des cas est de 120 % +. Un taux de désabonnement plus élevé pourrait être dû au fait que le modèle produit constamment de mauvais résultats, à l'émergence d'autres produits concurrents, etc. Un facteur important de l'approche PLG dans le cas des applications intelligentes est qu'il est très facile pour les clients d'essayer un nouveau produit ou de payer 10 à 20 $ par mois, pour ensuite se désabonner rapidement.
Coût des marchandises vendues (COGS) et marge brute : Nous nous attendons à ce que de nombreuses entreprises d'applications intelligentes aient de nouveaux coûts liés : 1) aux modèles ; 2) à la formation et au réglage ; 3) aux opérations de gestion des installations. Nous avons entendu dire que le coût d'exécution des requêtes sur ces magasins de bases de données LLM et vectorielles (via des sociétés comme Pinecone) était élevé. Dans de nombreux cas, nous avons entendu dire que les clients peuvent exécuter des requêtes sur un modèle jusqu'à ce qu'ils obtiennent le résultat qu'ils souhaitent, et comme ils paient par licence, le nombre de requêtes exécutées a un impact significatif sur le coût. En conséquence, nous prévoyons que les entreprises axées sur l'IA verront probablement des marges brutes plus faibles.
3. Quelle est la différence entre "bon" et "excellent" ?
Comme pour toute autre technologie ou industrie, en tant qu'investisseurs en capital-risque, nous évaluons toujours en fin de compte de grandes équipes, d'énormes marchés et une compréhension approfondie des points faibles des clients. Ces principes de base ne changeront pas :
** Centré sur le client/résoudre les vrais problèmes : ** Dans tout nouveau changement technologique, nous verrons de nombreuses nouvelles entreprises essayer simplement de « suivre la tendance » et de créer une technologie « cool », mais elles ne résolvent pas vraiment les problèmes des clients. points douloureux. La première question à comprendre est la suivante : vous résolvez un problème de "cheveux en feu", l'IA générative est-elle un meilleur moyen d'aider à résoudre ce problème, ou est-ce une technologie inutile ?
Équipe : Dans cette nouvelle ère du LLM, la possibilité de créer de nouveaux produits et de créer des entreprises s'est fortement démocratisée. En conséquence, nous voyons de nombreuses équipes fondatrices démarrer des entreprises dans des domaines où elles ont peu de connaissances ou d'expertise de l'industrie. La question à comprendre est : pourquoi votre équipe est-elle la mieux placée pour résoudre ce problème ?
Capacité d'adaptation et d'exécution rapide : Il ne fait aucun doute que ce domaine évolue rapidement. Aujourd'hui plus que jamais, il est important pour les équipes d'être agiles et d'ajuster rapidement les produits et les stratégies en fonction des besoins. En même temps, il est important de s'en tenir aux principes fondamentaux et de ne pas se contenter de chasser le battage médiatique. En d'autres termes : comment réagirez-vous et comprendrez-vous quel est le bon moment pour apporter un éventuel ajustement à l'entreprise ?
Reproductibilité : Bien que l'IA puisse aider les entreprises à démarrer plus rapidement, cela signifie également qu'il peut y avoir beaucoup plus de concurrents dans une catégorie qu'auparavant. Il suffit de regarder les cartes publiées publiquement du paysage du marché de l'IA générative et l'argent versé dans la catégorie. Les bons fondateurs et équipes reconnaissent où il y a des trous uniques à combler et évitent en grande partie les sous-domaines où ils peuvent rapidement se perdre dans l'encombrement.
4. Conclusion
En tant qu'investisseurs en capital-risque, nous sommes aussi enthousiastes et optimistes que quiconque quant à l'impact total que l'IA aura. Cependant, d'après les centaines de présentations de projets que nous avons vues au cours de l'année écoulée, il est clair qu'il y a beaucoup de battage médiatique dans la catégorie, et il est plus important que jamais pour les fondateurs de se différencier et de se démarquer, et enfin de prouver la valeur du produit.
Quelques autres remarques :
Valorisation : Bien que le marché global du capital-risque ait diminué par rapport à son sommet de 2021, le financement et les valorisations de l'IA (en particulier l'IA générative) sont toujours élevés. Cela reflète l'intérêt des VC et des fondateurs pour l'espace, mais il est important de noter que, comme tout autre cycle (comme la bulle et l'effondrement des dot-com), seule une petite fraction des startups survit finalement pour sortir, avec des valorisations qui suivent Dans les prochains ans, il peut chuter de plus de 90 %.
Generative Native contre Generative Augmented : en tant qu'entreprise générative native, que pouvez-vous construire qu'une entreprise générative augmentée ne peut pas ? En tant que nouvelle startup entrant dans une catégorie, quelle est la différence significative entre vous et les entreprises existantes ? Les grandes entreprises technologiques comme Microsoft, Google et Amazon adoptent déjà rapidement le LLM, il est donc essentiel de comprendre où vous pouvez efficacement les concurrencer.
** CONTRAINTES BUDGÉTAIRES : ** Avec l'environnement macroéconomique difficile et les budgets serrés, il est important de comprendre la nécessité réelle de votre produit. Dans les marchés haussiers précédents, presque tous les produits SaaS pouvaient générer plusieurs millions de dollars de revenus. Dans l'environnement actuel et le risque de récession en cours (quoique en déclin), les directeurs de l'information (CIO) de Target examinent toutes les dépenses de l'entreprise pour voir celles qui peuvent être réduites. L'intégration de l'IA dans votre produit les aidera-t-elle ou ne sera-t-elle finalement pas pertinente ?
-----(fin de texte)-----
Adresse d'origine :
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
En tant qu'investisseur en capital-risque, mon point de vue sur le boom des startups de l'IA générative...
Auteur : Gui Shuguang
Source : Maison de thé Angel
Auteur original : SABRINA WU / VIVEK RAMASWAMI
Au cours des neuf derniers mois, en tant qu'investisseurs en capital-risque, la plupart des nouvelles entreprises en démarrage/nouvelles idées que nous avons vues sont liées à l'intelligence artificielle (IA), en particulier l'IA générative (Generative AI), ce qui n'est pas assez surprenant. Nous avons vu des centaines de présentations de startups dans cet espace, mais nous n'avons investi que dans une poignée d'entre elles. Apparemment, nous ne sommes pas les seuls à faire face à cette situation, avec 1,7 milliard de dollars investis dans les startups GenAI au cours du seul premier trimestre 2023, et ce nombre pourrait quintupler au deuxième trimestre.
Nous aimerions partager certains des sujets et projets brûlants auxquels nous assistons, les caractéristiques importantes auxquelles les investisseurs prêtent attention et les éléments qui distinguent "le bon de l'excellent" d'un point de vue financier. Il est encore tôt pour cet espace et rien n'est certain, mais nous espérons que ce qui suit sera utile aux fondateurs alors qu'ils cherchent à se différencier dans cet espace de plus en plus concurrentiel.
1. Quel genre d'idées voyons-nous habituellement ?
** Stade précoce (Pre-Seed/Seed/A round)**
Dans les tout premiers stades, on voit émerger un grand nombre d'entreprises "generative-native". Ces entreprises sont elles-mêmes construites au-dessus du modèle sous-jacent, soit en tant qu'application au service de l'utilisateur final, soit en tant que couche d'outils "middleware" qui se situe entre le modèle et l'application.
Idée 1 : Utiliser des modèles pour générer du contenu textuel qui peut créer du nouveau texte ou améliorer le texte existant dans les e-mails, les bases de connaissances et d'autres applications.
Idée 2 : "Le copilote de X" ; Les agents IA travaillent aux côtés d'opérateurs humains pour augmenter leur capacité à écrire du code, à rédiger des présentations et à effectuer d'autres tâches. Nous avons vu de nombreuses applications de copilote ciblant des cas d'utilisation verticaux spécifiques, ainsi que certaines essayant d'obtenir un copilote plus "personnalisé".
**Idée 3 : Outil LLM (Large Language Model) pour la gestion des plongements et des bases de données vectorielles. **
Résumé : Pour être une startup d'IA générative différenciée à un stade précoce, il est très important d'avoir un ou plusieurs douves. Les douves peuvent aller de l'accès injuste à la distribution, aux talents IA/ML, au calcul, aux données, aux modèles, ou avoir des perspectives différentes sur le domaine du problème que vous résolvez et comment créer une expérience utilisateur plus agréable.
Période de précocité et période de croissance (cycle B/C+)
Pour les entreprises que nous voyons au stade B/C, elles sont généralement nées à l'ère "pré-LLM" et cherchent maintenant à intégrer au mieux les capacités du modèle de base dans les produits existants. Nous appelons ces entreprises des entreprises "renforcées par la génération", elles n'ont pas nécessairement besoin de réinventer leurs roues, mais assurez-vous qu'elles ne perdent pas face aux startups natives du LLM.
Créativité 1 : Analyse prédictive : de nombreuses entreprises SaaS à grande échelle utilisent l'IA pour extraire des informations de leurs vastes ensembles de données existants afin de prévoir plus précisément la croissance des revenus, les taux de désabonnement des clients et d'autres indicateurs.
Idée 2 : personnalisation et recommandations : c'est l'un des moyens les plus rapides et les plus efficaces pour les startups en phase de croissance de tirer parti de l'IA. L'émergence de modèles sous-jacents permet aux entreprises B2B et B2C de fournir des recommandations de produits plus solides et plus précises aux clients existants.
Idée 3 : "Instant Auto-Complete" ; Dans presque toutes les entreprises en phase de croissance avec un composant de texte ou d'écriture, nous voyons LLM être utilisé pour "Instant Auto-Complete", similaire à ce que les utilisateurs expérimentent avec ChatGPT.
Résumé : Si vous n'avez pas encore commencé à essayer d'améliorer votre entreprise ou de la réorganiser pour qu'elle soit plus « conviviale pour l'IA », envisagez de consacrer une petite partie de votre équipe produit à la création de nouvelles fonctionnalités.
Avertissement aux startups entrant dans cet espace : Il est important d'évaluer le montant des fonds levés par les entreprises d'IA générative, en particulier dans des sous-catégories spécifiques. Jetez un coup d'œil au paysage du marché de plus de 250 entreprises d'IA générative cartographiées par Dealbook.Les entreprises de construction de modèles, d'outils de rédaction et de bases de données vectorielles ont levé des centaines de millions de dollars en financement. Bien sûr, cela ne signifie pas qu'une autre startup innovante ne peut pas être lancée dans cet espace, mais il est important de noter que…
2. À quoi ressemble le "bien" d'un point de vue financier ?
Notre compréhension de ce à quoi ressemble une "bonne" métrique financière pour une entreprise d'applications intelligentes en est encore à ses débuts, mais dans l'espace SaaS, nous pensons que le taux de croissance "le meilleur de sa catégorie" est similaire à la situation de la figure dessous. N'oubliez pas que nous ne recherchons plus la croissance à tout prix, donc l'efficacité et le taux de combustion sont des facteurs importants.
Fidélisation de la clientèle : Bien qu'une entreprise d'IA générative puisse attirer rapidement de nouveaux clients, elle peut également avoir un taux de désabonnement plus élevé. Pour une entreprise SaaS, un bon taux de rétention brut est d'environ 85 % à 95 %, et le meilleur de sa catégorie est plus proche de 95 % ou plus. En termes de rétention nette, nous pensons qu'un bon taux est de 110 % à 120 % +, le meilleur des cas est de 120 % +. Un taux de désabonnement plus élevé pourrait être dû au fait que le modèle produit constamment de mauvais résultats, à l'émergence d'autres produits concurrents, etc. Un facteur important de l'approche PLG dans le cas des applications intelligentes est qu'il est très facile pour les clients d'essayer un nouveau produit ou de payer 10 à 20 $ par mois, pour ensuite se désabonner rapidement.
Coût des marchandises vendues (COGS) et marge brute : Nous nous attendons à ce que de nombreuses entreprises d'applications intelligentes aient de nouveaux coûts liés : 1) aux modèles ; 2) à la formation et au réglage ; 3) aux opérations de gestion des installations. Nous avons entendu dire que le coût d'exécution des requêtes sur ces magasins de bases de données LLM et vectorielles (via des sociétés comme Pinecone) était élevé. Dans de nombreux cas, nous avons entendu dire que les clients peuvent exécuter des requêtes sur un modèle jusqu'à ce qu'ils obtiennent le résultat qu'ils souhaitent, et comme ils paient par licence, le nombre de requêtes exécutées a un impact significatif sur le coût. En conséquence, nous prévoyons que les entreprises axées sur l'IA verront probablement des marges brutes plus faibles.
3. Quelle est la différence entre "bon" et "excellent" ?
Comme pour toute autre technologie ou industrie, en tant qu'investisseurs en capital-risque, nous évaluons toujours en fin de compte de grandes équipes, d'énormes marchés et une compréhension approfondie des points faibles des clients. Ces principes de base ne changeront pas :
** Centré sur le client/résoudre les vrais problèmes : ** Dans tout nouveau changement technologique, nous verrons de nombreuses nouvelles entreprises essayer simplement de « suivre la tendance » et de créer une technologie « cool », mais elles ne résolvent pas vraiment les problèmes des clients. points douloureux. La première question à comprendre est la suivante : vous résolvez un problème de "cheveux en feu", l'IA générative est-elle un meilleur moyen d'aider à résoudre ce problème, ou est-ce une technologie inutile ?
Équipe : Dans cette nouvelle ère du LLM, la possibilité de créer de nouveaux produits et de créer des entreprises s'est fortement démocratisée. En conséquence, nous voyons de nombreuses équipes fondatrices démarrer des entreprises dans des domaines où elles ont peu de connaissances ou d'expertise de l'industrie. La question à comprendre est : pourquoi votre équipe est-elle la mieux placée pour résoudre ce problème ?
Capacité d'adaptation et d'exécution rapide : Il ne fait aucun doute que ce domaine évolue rapidement. Aujourd'hui plus que jamais, il est important pour les équipes d'être agiles et d'ajuster rapidement les produits et les stratégies en fonction des besoins. En même temps, il est important de s'en tenir aux principes fondamentaux et de ne pas se contenter de chasser le battage médiatique. En d'autres termes : comment réagirez-vous et comprendrez-vous quel est le bon moment pour apporter un éventuel ajustement à l'entreprise ?
Reproductibilité : Bien que l'IA puisse aider les entreprises à démarrer plus rapidement, cela signifie également qu'il peut y avoir beaucoup plus de concurrents dans une catégorie qu'auparavant. Il suffit de regarder les cartes publiées publiquement du paysage du marché de l'IA générative et l'argent versé dans la catégorie. Les bons fondateurs et équipes reconnaissent où il y a des trous uniques à combler et évitent en grande partie les sous-domaines où ils peuvent rapidement se perdre dans l'encombrement.
4. Conclusion
En tant qu'investisseurs en capital-risque, nous sommes aussi enthousiastes et optimistes que quiconque quant à l'impact total que l'IA aura. Cependant, d'après les centaines de présentations de projets que nous avons vues au cours de l'année écoulée, il est clair qu'il y a beaucoup de battage médiatique dans la catégorie, et il est plus important que jamais pour les fondateurs de se différencier et de se démarquer, et enfin de prouver la valeur du produit.
Quelques autres remarques :
Valorisation : Bien que le marché global du capital-risque ait diminué par rapport à son sommet de 2021, le financement et les valorisations de l'IA (en particulier l'IA générative) sont toujours élevés. Cela reflète l'intérêt des VC et des fondateurs pour l'espace, mais il est important de noter que, comme tout autre cycle (comme la bulle et l'effondrement des dot-com), seule une petite fraction des startups survit finalement pour sortir, avec des valorisations qui suivent Dans les prochains ans, il peut chuter de plus de 90 %.
Generative Native contre Generative Augmented : en tant qu'entreprise générative native, que pouvez-vous construire qu'une entreprise générative augmentée ne peut pas ? En tant que nouvelle startup entrant dans une catégorie, quelle est la différence significative entre vous et les entreprises existantes ? Les grandes entreprises technologiques comme Microsoft, Google et Amazon adoptent déjà rapidement le LLM, il est donc essentiel de comprendre où vous pouvez efficacement les concurrencer.
** CONTRAINTES BUDGÉTAIRES : ** Avec l'environnement macroéconomique difficile et les budgets serrés, il est important de comprendre la nécessité réelle de votre produit. Dans les marchés haussiers précédents, presque tous les produits SaaS pouvaient générer plusieurs millions de dollars de revenus. Dans l'environnement actuel et le risque de récession en cours (quoique en déclin), les directeurs de l'information (CIO) de Target examinent toutes les dépenses de l'entreprise pour voir celles qui peuvent être réduites. L'intégration de l'IA dans votre produit les aidera-t-elle ou ne sera-t-elle finalement pas pertinente ?
-----(fin de texte)-----
Adresse d'origine :