作為VC投資人，對於生成式AI創業熱潮的看法....

作者：桂曙光

**來源：**天使茶館

原文作者：SABRINA WU / VIVEK RAMASWAMI

圖片來源：由無界AI工俱生成

在過去的九個月時間裡，作為VC投資人，我們看到的大多數新創業的公司/新的創意都與人工智能（AI）相關，尤其是生成式AI（Generative AI），這也不足為奇。我們看過了這個領域數百個創業項目的推介，但只投資了其中少數幾個。顯然面臨這種情況的不僅僅是我們，僅在2023年第一季度，就有17億美元投入到了GenAI初創公司，而這個數字在第二季度可能會增加5倍。

我們想分享一些正在見證的這個熱門主題和推介項目、投資人關注的重要特徵，以及從財務角度區分“好與優秀”的要素。這個領域仍然處於初期階段，沒有什麼是確定的，但我們希望後面的內容對創始人有所幫助，因為他們希望能在這個競爭日益激烈的領域中脫穎而出。

生成式AI子類別的VC投資額估計（來源：Dealroom）

1.我們通常會看到的創意有哪些？

早期階段（Pre-Seed/Seed/A輪）

在非常早期的階段，我們看到大量“生成式原生”（generative-native）的公司正在湧現。這些公司本身就建立在基礎模型之上，作為服務於最終用戶的應用程序或位於模型和應用程序之間的“中間件”工具層。

創意1：使用模型生成基於文本的內容，可以在電子郵件、知識庫和其他應用程序中創建新的或增強現有的文本。

**創意2：“X的副駕駛”；**人工智能代理與人類操作員並肩作戰，以增強他們編寫代碼、起草演示文稿和執行其他任務的能力。我們已經看到很多針對特定垂直用例的副駕駛應用程序，以及一些試圖實現更“個性化”副駕駛的應用程序。

**創意3：用於管理嵌入和向量數據庫的LLM（大語言模型）工具。 **

**總結：**要成為一家差異化的早期生成式AI初創公司，擁有一條或多條護城河非常重要。護城河的範圍很廣，包括對分佈、AI/機器學習人才、計算、數據、模型的不公平訪問，或者對你正在解決的問題領域有不同的觀點，以及如何創造更令人愉快的用戶體驗。

早期-成長期和成長期（B/C+輪）

對於我們在B/C輪階段見到的公司，它們通常誕生於“前LLM”時代，現在正在找出如何最好地將基礎模型的能力融入到現有的產品中。我們將這些公司稱為“生成式增強”（generative-enhanced）公司，它們不一定需要重新發明自己的輪子，但要確保不會輸給LLM原生初創公司。

創意1：預測分析；很多規模化的SaaS公司正在利用AI從它們已有的大型數據集中提取洞察力，用於更準確地預測收入增長、客戶流失率等指標。

創意2：個性化和推薦；這是我們看到成長階段的初創公司利用AI的最快、影響最大的方式之一。基礎模型的出現使B2B和B2C公司都可以向現有客戶提供更穩健和準確的產品推薦。

創意3：“即時自動完成”；在幾乎所有具有文本或寫作組件的成長階段公司中，我們看到LLM被用於“即時自動完成”，與用戶使用ChatGPT的體驗相似。

**總結：**如果你還沒有開始嘗試改善業務或重新設計架構以使其更加“AI友好”，請考慮讓你的產品團隊中的一小部分人專門打造新功能。

對進入該領域的初創公司的警告：重要的是要評估生成式AI公司完成了多少融資，特別是在特定的子類別中。看看Dealbook繪製的250多家生成式AI公司的市場格局，模型構建、文案工具和向量數據庫的公司已經完成了數億美元的融資。當然，這並不意味著不能在這個領域創立另一家創新型初創公司，但重要的是要注意…

2.從財務角度來看，“好”是什麼樣的？

對於智能應用公司，“好”的財務指標是什麼樣子，我們的理解仍然處於早期階段，但在SaaS領域，我們認為“同類最佳”的增長率類似於下圖的情況。請記住，我們不再追求“不惜一切代價實現增長”，因此效率和燒錢速度是重要因素。

**產品發佈時間：**智能應用程序的優勢之一，是能夠以比過往更快的速度發布產品。我們設想，很多智能應用公司將推出處於“測試版”狀態的產品，以便它們開始收集用戶數據，並用於創建“基於人類反饋的強化學習”（RLHF）循環。從歷史上看，產品發布後可能需要一年時間才能達到100萬美元的年度可重複收入（ARR），但我們可能會看到生成式AI公司達到100萬美元ARR的速度更快，因為客戶可以很快看到投資回報率（ROI）。很多生成式AI產品也通過產品導向增長（PLG）/自下而上的銷售方式受益於病毒式傳播（例如Jasper、Lensa、Harvey、Tome 等）。

**客戶留存：**雖然生成式AI公司可能會很快吸引新客戶，但客戶流失率可能也更高。對於SaaS公司，良好的毛留存率約為85%-95%，同類最佳接近95%+。就淨留存率而言，我們認為良好的比例是110%-120%+，最好的情況是120%+。更高的客戶流失率可能是由於模型持續產生錯誤的輸出、其他競爭產品的湧現等。在智能應用案例中，PLG方式的一個重要因素是客戶非常容易嘗試新產品或每月支付10-20美元，但很快就會流失。

**銷貨成本（COGS）和毛利率：**我們預計很多智能應用公司新的成本會涉及：1）模型；2）訓練和微調；3）設施管理運營。我們聽說在這些LLM和向量數據庫存儲（通過Pinecone 等公司）上運行查詢的成本一直很高。在很多情況下，我們聽說客戶可能會在模型上運行查詢，直到獲得他們想要的輸出，並且由於他們按授權許可付費，因此運行的查詢次數對成本產生了實質性影響。因此，我們預計人工智能驅動型公司的毛利率可能會下降。

3.“好”與“優秀”的區別是什麼？

與任何其他技術或行業一樣，作為VC投資人，我們最終仍然是評估優秀的團隊、巨大的市場以及對客戶痛點的敏銳理解。這些基本原則不會改變：

**以客戶為中心/解決真實的痛點：**在任何新技術變革中，我們都會看到很多新公司只是試圖“順應潮流”、打造“酷炫”的技術，但並沒有真正解決客戶的痛點問題。要理解的第一個問題是：你在解決一個“頭髮著火”的問題，生成式AI是有助於解決這個問題的更好方式，還是不必要的技術？

**團隊：**在這個LLM新時代，打造新產品和創立公司的機會已經非常民主化。因此，我們看到很多創始團隊在他們幾乎沒有行業知識或專業能力的領域創業。需要了解的問題是：為什麼你的團隊最適合解決這個問題？

**快速適應和執行能力：**毫無疑問，這個領域正在快速發展。現在比以往任何時候都更重要的是，團隊要具備敏捷性，並根據需要快速調整產品和戰略。與此同時，重要的是要堅守基本原則，而不僅僅是追逐炒作。換句話說：你將如何反應並了解何時是對公司進行潛在調整的合適時機？

**可複制性：**雖然AI可以幫助公司更快地起步，但這也意味著一個類別中的競爭對手可能比以前多得多。只要看看公開發布的生成式AI市場格局圖和湧入該類別的資金。優秀的創始人和團隊會認識到哪裡有獨特的漏洞需要填補，並在很大程度上避開他們很快就會在混亂中迷失的子領域。

4.結論

作為VC投資人，我們跟其他人一樣對AI將產生的全面影響感到興奮和樂觀。然而，在過去一年我們見過的數百個項目推介中，很明顯能看出該類別存在大量的炒作，對於創始人來說，比以往任何時候都更加重要的是讓自己差異化並脫穎而出，最終證明產品價值。

其他一些注意事項：

**估值：**雖然整體的VC市場相對於2021年的峰值有所下降，但AI（尤其是生成式AI）的融資額和估值還是很高。這反映了VC和創始人對該領域的興趣，但重要的是要注意，就像任何其他週期一樣（如互聯網泡沫和破滅），只有一小部分初創公司最終會生存到退出，估值在隨後的幾年中，可能會下降90%以上。

生成式原生vs.生成式增強：作為一家生成式原生公司，你可以打造哪些生成式增強公司無法打造的產品？作為一家進入某個類別的新創業公司，你與現有公司有意義的差異性是什麼？像微軟、谷歌和亞馬遜這樣的大型科技公司已經在迅速採用LLM，因此了解你可以在哪些方面與他們有效競爭是關鍵。

**預算限制：**隨著宏觀環境的挑戰和預算的緊縮，了解你的產品的實際必要性非常重要。在之前的牛市中，幾乎任何SaaS產品都可以實現幾百萬美元的收入。在當前的環境和持續的經濟衰退風險中（儘管正在減弱），目標客戶的首席信息官們（CIO）正在研究公司的每一項開支，看看可以削減哪些。將AI納入到你的產品中對他們有幫助還是最終無關緊要？

-----(正文結束)-----

原文地址：