作为VC投资人，对于生成式AI创业热潮的看法....

作者：桂曙光

来源：天使茶馆

原文作者：SABRINA WU / VIVEK RAMASWAMI

图片来源：由无界 AI工具生成

在过去的九个月时间里，作为VC投资人，我们看到的大多数新创业的公司/新的创意都与人工智能（AI）相关，尤其是生成式AI（Generative AI），这也不足为奇。我们看过了这个领域数百个创业项目的推介，但只投资了其中少数几个。显然面临这种情况的不仅仅是我们，仅在2023年第一季度，就有17亿美元投入到了GenAI初创公司，而这个数字在第二季度可能会增加5倍。

我们想分享一些正在见证的这个热门主题和推介项目、投资人关注的重要特征，以及从财务角度区分“好与优秀”的要素。这个领域仍然处于初期阶段，没有什么是确定的，但我们希望后面的内容对创始人有所帮助，因为他们希望能在这个竞争日益激烈的领域中脱颖而出。

生成式AI子类别的 VC投资额估计（来源：Dealroom）

1.我们通常会看到的创意有哪些？

早期阶段（Pre-Seed/Seed/A轮）

在非常早期的阶段，我们看到大量“生成式原生”（generative-native）的公司正在涌现。这些公司本身就建立在基础模型之上，作为服务于最终用户的应用程序或位于模型和应用程序之间的“中间件”工具层。

创意1：使用模型生成基于文本的内容，可以在电子邮件、知识库和其他应用程序中创建新的或增强现有的文本。

创意2：“X的副驾驶”；人工智能代理与人类操作员并肩作战，以增强他们编写代码、起草演示文稿和执行其他任务的能力。我们已经看到很多针对特定垂直用例的副驾驶应用程序，以及一些试图实现更“个性化”副驾驶的应用程序。

创意3：用于管理嵌入和向量数据库的LLM（大语言模型）工具。

总结：要成为一家差异化的早期生成式AI初创公司，拥有一条或多条护城河非常重要。护城河的范围很广，包括对分布、AI/机器学习人才、计算、数据、模型的不公平访问，或者对你正在解决的问题领域有不同的观点，以及如何创造更令人愉快的用户体验。

早期-成长期和成长期（B/C+轮）

对于我们在B/C轮阶段见到的公司，它们通常诞生于“前LLM”时代，现在正在找出如何最好地将基础模型的能力融入到现有的产品中。我们将这些公司称为“生成式增强”（generative-enhanced）公司，它们不一定需要重新发明自己的轮子，但要确保不会输给LLM原生初创公司。

创意1：预测分析；很多规模化的SaaS公司正在利用AI从它们已有的大型数据集中提取洞察力，用于更准确地预测收入增长、客户流失率等指标。

创意2：个性化和推荐；这是我们看到成长阶段的初创公司利用AI的最快、影响最大的方式之一。基础模型的出现使B2B和B2C公司都可以向现有客户提供更稳健和准确的产品推荐。

创意3：“即时自动完成”；在几乎所有具有文本或写作组件的成长阶段公司中，我们看到LLM被用于“即时自动完成”，与用户使用ChatGPT的体验相似。

总结：如果你还没有开始尝试改善业务或重新设计架构以使其更加“AI友好”，请考虑让你的产品团队中的一小部分人专门打造新功能。

对进入该领域的初创公司的警告：重要的是要评估生成式AI公司完成了多少融资，特别是在特定的子类别中。看看Dealbook绘制的250多家生成式AI公司的市场格局，模型构建、文案工具和向量数据库的公司已经完成了数亿美元的融资。当然，这并不意味着不能在这个领域创立另一家创新型初创公司，但重要的是要注意…

2.从财务角度来看，“好”是什么样的？

对于智能应用公司，“好”的财务指标是什么样子，我们的理解仍然处于早期阶段，但在SaaS领域，我们认为“同类最佳”的增长率类似于下图的情况。请记住，我们不再追求“不惜一切代价实现增长”，因此效率和烧钱速度是重要因素。

产品发布时间：智能应用程序的优势之一，是能够以比过往更快的速度发布产品。我们设想，很多智能应用公司将推出处于“测试版”状态的产品，以便它们开始收集用户数据，并用于创建“基于人类反馈的强化学习”（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100万美元的年度可重复收入（ARR），但我们可能会看到生成式AI公司达到100万美元ARR的速度更快，因为客户可以很快看到投资回报率（ROI）。很多生成式AI产品也通过产品导向增长（PLG）/自下而上的销售方式受益于病毒式传播（例如Jasper、Lensa、Harvey、Tome 等）。

客户留存：虽然生成式AI公司可能会很快吸引新客户，但客户流失率可能也更高。对于SaaS公司，良好的毛留存率约为85%-95%，同类最佳接近95%+。就净留存率而言，我们认为良好的比例是110%-120%+，最好的情况是120%+。更高的客户流失率可能是由于模型持续产生错误的输出、其他竞争产品的涌现等。在智能应用案例中，PLG方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，但很快就会流失。

销货成本（COGS）和毛利率：我们预计很多智能应用公司新的成本会涉及：1）模型；2）训练和微调；3）设施管理运营。我们听说在这些LLM和向量数据库存储（通过Pinecone 等公司）上运行查询的成本一直很高。在很多情况下，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，并且由于他们按授权许可付费，因此运行的查询次数对成本产生了实质性影响。因此，我们预计人工智能驱动型公司的毛利率可能会下降。

3.“好”与“优秀”的区别是什么？

与任何其他技术或行业一样，作为VC投资人，我们最终仍然是评估优秀的团队、巨大的市场以及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/解决真实的痛点：在任何新技术变革中，我们都会看到很多新公司只是试图“顺应潮流”、打造“酷炫”的技术，但并没有真正解决客户的痛点问题。要理解的第一个问题是：你在解决一个“头发着火”的问题，生成式AI是有助于解决这个问题的更好方式，还是不必要的技术？

团队：在这个LLM新时代，打造新产品和创立公司的机会已经非常民主化。因此，我们看到很多创始团队在他们几乎没有行业知识或专业能力的领域创业。需要了解的问题是：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，这个领域正在快速发展。现在比以往任何时候都更重要的是，团队要具备敏捷性，并根据需要快速调整产品和战略。与此同时，重要的是要坚守基本原则，而不仅仅是追逐炒作。换句话说：你将如何反应并了解何时是对公司进行潜在调整的合适时机？

可复制性：虽然AI可以帮助公司更快地起步，但这也意味着一个类别中的竞争对手可能比以前多得多。只要看看公开发布的生成式AI市场格局图和涌入该类别的资金。优秀的创始人和团队会认识到哪里有独特的漏洞需要填补，并在很大程度上避开他们很快就会在混乱中迷失的子领域。

4.结论

作为VC投资人，我们跟其他人一样对AI将产生的全面影响感到兴奋和乐观。然而，在过去一年我们见过的数百个项目推介中，很明显能看出该类别存在大量的炒作，对于创始人来说，比以往任何时候都更加重要的是让自己差异化并脱颖而出，最终证明产品价值。

其他一些注意事项：

估值：虽然整体的VC市场相对于2021年的峰值有所下降，但AI（尤其是生成式AI）的融资额和估值还是很高。这反映了VC和创始人对该领域的兴趣，但重要的是要注意，就像任何其他周期一样（如互联网泡沫和破灭），只有一小部分初创公司最终会生存到退出，估值在随后的几年中，可能会下降90%以上。

生成式原生vs.生成式增强：作为一家生成式原生公司，你可以打造哪些生成式增强公司无法打造的产品？作为一家进入某个类别的新创业公司，你与现有公司有意义的差异性是什么？像微软、谷歌和亚马逊这样的大型科技公司已经在迅速采用LLM，因此了解你可以在哪些方面与他们有效竞争是关键。

预算限制：随着宏观环境的挑战和预算的紧缩，了解你的产品的实际必要性非常重要。在之前的牛市中，几乎任何SaaS产品都可以实现几百万美元的收入。在当前的环境和持续的经济衰退风险中（尽管正在减弱），目标客户的首席信息官们（CIO）正在研究公司的每一项开支，看看可以削减哪些。将AI纳入到你的产品中对他们有帮助还是最终无关紧要？

-----(正文结束)-----

原文地址：https://aspiringforintelligence.substack.com/p/what-are-we-seeing-as-vcs